[发明专利]用于在计算机辅助肺结核假阳性降低中克服不平衡事例数目的层化方法

摘要

一种用于对在HRCT医学图像数据内检测的感兴趣部位进行计算机辅助探测(CAD)并分类的方法。所述方法包括用于对识别部位/体积为结核或者非结核的的特异性和灵敏度进行最大化的CAD后机器学习技术。该部位被CAD处理识别，并被自动分割。从每个所分割部位中识别并提取特征池，并利用遗传算法处理特征池以识别最优特征子集，其中数据层化方法被用于平衡不同类别中的事例数目。由GA确定的子集被用于训练支持向量机，从而对在非训练数据内发现的候选部位/体积进行分类。

主权项

1.一种用于在医学图像数据内计算机辅助检测(CAD)感兴趣部位或者体积(“部位”)的方法，包括CAD处理以检测并描绘候选部位，以及在训练阶段中的CAD后机器学习以最大化特异性并减少在处理非训练数据之后所报告的假阳性数目，所述方法包括下述步骤：在医学图像训练数据集上训练分类器，其中选择所述医学图像训练数据集以包括大量对于基本事实已知为真和已知为假的部位，利用所述CAD处理识别并分割所述部位，提取特征以创建特征池来限定所述部位，向特征池应用遗传算法处理器以确定供支持向量机(SVM)使用的最小特征子集，以便利用改善的特异性在非训练数据内识别候选部位，其中如果所述医学图像训练数据失衡，则对所述失衡数据执行层化处理；在训练之后，在非训练数据内检测候选部位；分割在非训练数据内识别的候选部位；提取与每个所分割候选部位有关的候选特征集；以及依照训练过程、根据具有实际特异性的候选特征集将候选部位映射到基本事实空间中。