[发明专利]基于支持向量机的TKA术前临床分期智能评估方法

权利要求书

1.基于支持向量机的TKA术前临床分期智能评估方法，其特征在于：包括如下步骤：

S1、采集膝关节0A影像学数据，收集X线全长片数据，并配合术下肢全长CT容积扫描影像数据、骨密度数据、MRT1/T2/3D-FS-SPGR软骨成像序列数据、组织样本、病人一般资料等资料，进行筛选并进行临床分期的训练样本的数据标注；

S2、利用已进行标注临床分期的X线影像学数据，明确分期等级，对不同的线性核、多项式核和高斯核等的支持向量机进行训练；

S3、采用支持向量机进行分类输出。

2.根据权利要求1所述的基于支持向量机的TKA术前临床分期智能评估方法，其特征在于：所述S2中，支持向量机进行训练的方法包括如下步骤：

S2.1、输入两类训练样品向量(X_i，Y_i)(i＝1，2，...，N，X∈Rⁿ，y∈|-1，1|)，类号分别为w₁，w₂，如果X_i∈w₁，则Y_i＝-1，；X_i∈w₂，则Y_i＝1；

S2.2、指定核函数类型；

S2.3、利用二次规划方法求解日标函数式的最优解，得到最优Lagrange乘子a^*；

S2.4、利用样本库中的一个支持向量X_i，得到偏差值b。

3.根据权利要求2所述的基于支持向量机的TKA术前临床分期智能评估方法，其特征在于：所述指定核函数类型采用多项式核，其公式如下：

k(x，x′)＝(<x，x′>+d)^p，p∈N，d≥0......(1)。

4.根据权利要求2所述的基于支持向量机的TKA术前临床分期智能评估方法，其特征在于：所述二次规划方法求解目标函数式的目标函数为：

5.根据权利要求1所述的基于支持向量机的TKA术前临床分期智能评估方法，其特征在于：所述S3中，支持向量机进行分类输出的方法步骤如下：

S3.1、采用二次规划求最优解；

S3.2、采用拉格朗日乘子法对二次规划问题求解；

S3.3、在多分类中构造一个具有软判决输出的SVM。

6.根据权利要求5所述的基于支持向量机的TKA术前临床分期智能评估方法，其特征在于：所述采用二次规划求最优解的公式如下：

w表示分类超平面的系数,b是一个常数。

7.根据权利要求5所述的基于支持向量机的TKA术前临床分期智能评估方法，其特征在于：所述拉格朗日乘子法的公式如下：

α_i[y_i(<w·x_i>+b)-1]＝0,i＝1,…N……(4)；

α_i为各样本的拉格朗日乘子，假设α的最优解是α^*，把最优解代入超平面方程，得到决策函数：

8.根据权利要求5所述的基于支持向量机的TKA术前临床分期智能评估方法，其特征在于：所述SVM的判决输出通过Sigmoid函数映射到0与1之间，构造概率输出的数学表达式，其简化形式如下：

f(x)＝∑α_iy_iK(x_i,x)+b……(6)；

其中，K(x_i,x)＝<x_i·x>为构造的核函数。