一种面向脑梗阻病灶图像的半监督聚类算法模型的制作方法

本发明涉及医学图像处理，具体为一种面向脑梗阻病灶图像的半监督聚类算法模型。

背景技术：

1、在现有技术中，尽管深度学习模型等自动化图像分割方法能够有效提高病变区域确定性，帮助早期检测和有效治疗脑卒中，但这些方法在处理dwi图像和分割脑卒中病变时面临诸多挑战和限制。图像的质量、病变的多样性以及病变形状、大小和边界的复杂性都可能影响分割的准确性。此外，尽管现有的分割方法有效，但其设计和训练过程相当复杂，需要大量的数据和计算资源。对于复杂案例，这些自动化方法仍需要专业医生的知识和经验来解释和验证分割结果，因此亟需一种面向脑梗阻病灶图像的半监督聚类算法模型来解决上述问题。

技术实现思路

1、本发明的目的是提供一种面向脑梗阻病灶图像的半监督聚类算法模型，能有效解决上述现有技术中存在的问题。

2、为解决上述技术问题，本发明采用了以下技术方案：一种面向脑梗阻病灶图像的半监督聚类算法模型，包括如下步骤：

3、构建目标函数，并输入图像样本，所述图像样本包括无标记样本和带标记样本；

4、预设迭代次数和停止条件，并输入样本已知隶属度矩阵；

5、随机初始化聚类中心，计算初始隶属度矩阵；

6、迭代计算聚类中心和隶属度矩阵，并判断是否达到预设迭代次数和满足停止条件：

7、若是，则输出聚类中心和隶属度矩阵；

8、若否，则更新迭代次数，并重新计算新的聚类中心和新的隶属度矩阵。

9、优选的，所述目标函数具体为：

10、

11、其中，为无标签样本数据损失，涉及无标签样本数据，σi是类间平衡因子，m是模糊系数，m∈(1,100]；为有标签样本数据损失，涉及有标签样本数据，η是监督率，η∈[0,1)，α是规模比例因子，bj是代表j处是否有标签的一个布尔值，fij是监督信息，c是聚类的类别数，n是样本总数，uij是隶属度，dij是第j个样本与第i个类的质心的距离。

12、优选的，规模比例因子α，其中，l为有标签样本数。

13、优选的，对于样本中的带标记样本定义：b＝[bj]j＝1,2,…,n；其中：

14、优选的，无标记样本的输入的隶属度矩阵为随机。

15、优选的，带标签样本的隶属度为：f＝[fij]i＝1,2,…,c,j＝1,2,…,n。

16、优选的，聚类中心迭代计算公式为：

17、

18、优选的，隶属度矩阵迭代公式为：

19、

20、有益效果：本发明通过构建目标函数对图像样本进行处理，提高了脑梗死dwi图像中病变分割的准确性和效率，尤其是在处理类不平衡问题时显示出更高的精度和稳定性；其中，在目标函数中引入的类间平衡因子和隶属度融合机制；类间平衡因子能够有效解决类不平衡问题，通过调整不同类别的权重，使算法能够更加公平地处理不同大小的类；隶属度融合机制则增强了算法对数据点分类的灵敏度，提高了分类的准确性；二者结合，使得算法在医学图像分割领域具有显著的优势。

技术特征：

1.一种面向脑梗阻病灶图像的半监督聚类算法模型，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种面向脑梗阻病灶图像的半监督聚类算法模型，其特征在于：所述目标函数具体为：

3.根据权利要求2所述的一种面向脑梗阻病灶图像的半监督聚类算法模型，其特征在于：规模比例因子α，其中，l为有标签样本数。

4.根据权利要求1所述的一种面向脑梗阻病灶图像的半监督聚类算法模型，其特征在于：对于样本中的带标记样本定义：b＝[bj]j＝1,2,…,n；其中：

5.根据权利要求1所述的一种面向脑梗阻病灶图像的半监督聚类算法模型，其特征在于：无标记样本的输入的隶属度矩阵为随机。

6.根据权利要求1所述的一种面向脑梗阻病灶图像的半监督聚类算法模型，其特征在于：带标签样本的隶属度为：f＝[fij]i＝1,2,…,c,j＝1,2,…,n。

7.根据权利要求1所述的一种面向脑梗阻病灶图像的半监督聚类算法模型，其特征在于：聚类中心迭代计算公式为：

8.根据权利要求1所述的一种面向脑梗阻病灶图像的半监督聚类算法模型，其特征在于：隶属度矩阵迭代公式为：

技术总结本发明公开了一种面向脑梗阻病灶图像的半监督聚类算法模型，包括构建目标函数，并输入图像样本，所述图像样本包括无标记样本和带标记样本；预设迭代次数和停止条件，并输入样本已知隶属度矩阵；随机初始化聚类中心，计算初始隶属度矩阵；迭代计算聚类中心和隶属度矩阵，并判断是否达到预设迭代次数和满足停止条件：若是，则输出聚类中心和隶属度矩阵；若否，则更新迭代次数，并重新计算新的聚类中心和新的隶属度矩阵，能够有效解决类不平衡问题，通过调整不同类别的权重，使算法能够更加公平地处理不同大小的类；隶属度融合机制则增强了算法对数据点分类的灵敏度，提高了分类的准确性；二者结合，使得算法在医学图像分割领域具有显著的优势。技术研发人员：夏开建,张本飞,叶宏伟,黄丽军,蒋亦樟,张立,吴玥,任晓刚受保护的技术使用者：常熟市第一人民医院技术研发日：技术公布日：2024/7/29