[发明专利]使用非线性和非负稀疏表示的医学模式分类

权利要求书

1.一种使用非线性稀疏表示来对信号进行分类的方法，所述方法包括：

基于多个训练信号来学习多个非线性字典和多个相应稀疏编码，其中（i）每个相应的非线性字典对应于多个类别标签中的一个和（ii）在学习期间将非负约束应用于稀疏编码；

针对所述多个非线性字典中的每一个在测试信号上执行非线性稀疏编码过程，由此将所述多个非线性字典中的每一个与所述测试信号的不同稀疏编码相关联，其中将非负约束应用于在非线性稀疏编码过程期间与多个非线性字典的每个相关联的测试信号的不同稀疏编码的每个值；

对于包括在多个非线性词典中的每个相应的非线性字典，测量重建误差，其中，用于每个非线性字典的重建误差为 （a）测试信号的非线性变换与（b）非线性字典与和该非线性字典相关联的不同稀疏编码的乘积之间的差的矩阵范数；

识别与所述多个非线性字典之中的针对所述重建误差的最小值相对应的特定非线性字典；以及

将与所述特定非线性字典相对应的类别标签分配给所述测试信号。

2.根据权利要求1所述的方法，还包括：

在构建所述多个非线性字典之前，裁剪所述多个训练信号的子集。

3.根据权利要求2所述的方法，其中，通过以下操作来裁剪包括在所述多个训练信号的子集中的每个相应测试信号：

识别相应训练信号中的感兴趣区域；和

丢弃相应训练信号的在所述感兴趣区域外的部分。

4.根据权利要求3所述的方法，其中，所述多个训练信号包括多个解剖图像，并且所述方法还包括：

基于用户供应的感兴趣解剖区域的指示来识别相应训练信号中的所述感兴趣区域。

5.根据权利要求1所述的方法，其中，所述多个训练信号和所述测试信号各自包括使用磁共振成像所获取的k空间数据集。

6.根据权利要求5所述的方法，其中，所述分类标签包括对在所述测试信号中描绘的感兴趣解剖区域中存在的疾病的指示。

7.根据权利要求1所述的方法，还包括：

利用所述分类标签的指示来显示对应于所述测试信号的图像。

8.一种使用非线性稀疏表示对信号进行分类的方法，所述方法包括：

接收多个非线性字典，每个相应的非线性字典对应于多个类别标签中的一个；

使用磁共振成像设备获取对象的测试图像数据集；

针对所述多个非线性字典中的每一个在所述测试图像数据集上执行非线性稀疏编码过程，从而将所述多个非线性字典中的每一个与所述测试图像数据集的不同稀疏编码相关联，其中将非负约束应用于在非线性稀疏编码过程期间与多个非线性字典的每个相关联的测试信号的不同稀疏编码的每个值；

对于包括在多个非线性词典中的每个相应的非线性字典，测量重建误差，其中，用于每个非线性字典的重建误差为 （a）测试信号的非线性变换与（b）非线性字典与和该非线性字典相关联的不同稀疏编码的乘积之间的差的矩阵范数；

识别与所述多个非线性字典之中的针对所述重建误差的最小值相对应的特定非线性字典；

向所述测试图像数据集识别与所述特定非线性字典相对应的特定类别标签。

9.根据权利要求8所述的方法，还包括：

使用优化过程来基于多个训练图像来学习所述多个非线性字典。

10.根据权利要求9所述的方法，还包括：

在使用所述优化过程之前，裁剪所述多个训练图像的子集。

11.根据权利要求10所述的方法，其中，通过以下步骤来裁剪包括在所述多个训练图像的子集中的每个相应测试图像数据集：

识别在所述多个训练图像的所述子集中的感兴趣区域；和

丢弃所述多个训练图像的所述子集的在感兴趣区域外的部分。