[发明专利]基于受限玻尔兹曼机和最近邻分类法的脑部磁共振图像分类方法

权利要求书

1.基于受限玻尔兹曼机和最近邻分类法的脑部磁共振图像分类方法，其特征是，包括如下步骤：

步骤A，对脑部磁共振图像集中各图像进行预处理，抽样各图像及其对应的标签构成测试集和训练集；

步骤B，基于受限莫尔兹曼机对训练集进行训练，提取训练集特征；

步骤C，将上一步提取的特征利用最近邻分类器进行分类。

2.根据权利要求1所述的基于受限玻尔兹曼机和最近邻分类法的脑部磁共振图像分类方法，其特征是，图像预处理的过程包括：

A1，将各图像统一为同等像素大小；

A2，对各图像进行二值化处理；

A3，对二值化后的各图像进行降采样处理。

3.根据权利要求2所述的基于受限玻尔兹曼机和最近邻分类法的脑部磁共振图像分类方法，其特征是，将图像统一为100*100像素大小。

4.根据权利要求1所述的基于受限玻尔兹曼机和最近邻分类法的脑部磁共振图像分类方法，其特征是，采用随机抽样方法抽取各图像生成测试集和训练集，测试集和训练集比例范围为12:4~20:4。

5.根据权利要求1所述的基于受限玻尔兹曼机和最近邻分类法的脑部磁共振图像分类方法，其特征是，对RMB训练的具体过程为：

B1，采用随机函数生成均值为0、方差为1的权值矩阵，生成全0的可视层偏置矩阵和全0的隐层偏置矩阵，设定学习率、误差值；

B2，将训练集与权值矩阵相乘，再与可视层偏置矩阵相加，得到隐层矩阵，隐层矩阵的数目等同可视层数目；

B3，随机生成一个均值为0、方程为1的矩阵，该矩阵的维度数和隐层矩阵大小相同，用该矩阵作为阈值，将隐层矩阵数据二值化；

B4，基于对比散度算法，对隐层矩阵进行重构，得到重构后的可视层矩阵；

B5，将重构后的可视层矩阵和原可视层矩阵作差，得到差值矩阵，差值矩阵与学习速率相乘即为新的权值矩阵，可视层偏置矩阵与重构偏置矩阵做差再乘以学习速率即为新的可视层偏置；隐层偏置与重构隐层偏置做差再乘以学习速率即为新的隐层偏置；

B6，重复步骤B5，直至重构误差低于设定误差值，停止迭代，所得的权值矩阵和可视层偏置矩阵即为特征提取器。

6.根据权利要求1所述的基于受限玻尔兹曼机和最近邻分类法的脑部磁共振图像分类方法，其特征是，利用RBM提取特征输入KNN中进行分类的具体过程包括：

C1，将所得的特征矩阵及与之对应的训练集中各图像标签，采用最近邻分类器，得到两类分类模型；

C2，将测试集经过特征提取器提取之后得到的测试集特征输入分类模型进行分类，得到分类结果；

C3，将分类结果与测试集中各图像标签做对比，得到分类结果准确率。