18、肺部疾病CT图像不透明度标注与自学习特征提取方法研究

肺部疾病CT图像不透明度标注与自学习特征提取方法研究

1. 肺部疾病CT图像不透明度标注方法

1.1 聚类公式

在肺部疾病CT图像的处理中，聚类是一个重要的步骤。对于感兴趣区域（ROI）的聚类，使用如下公式：
[Cluster_ROI(r) = \arg\min_{c} \sum_{i = 1}^{1024} (h_r(i) - h_c(i))^2]
其中，(h_r(i)) 表示ROI (r) 的直方图的第 (i) 个元素，(h_c(i)) 表示聚类 (c) 的质心的直方图的第 (i) 个元素。

1.2 半监督学习步骤

半监督学习和无监督学习在步骤（1）和（2）使用相同的方法，但步骤（3）不同。半监督学习的迭代过程如下：
1. 准备初始训练集 ：将所有样本的1%（185个样本，即ROI）作为初始训练样本放入 (D_{train})。
2. 训练SVM并标注测试样本 ：使用 (D_{train}) 训练支持向量机（SVM），然后用训练好的SVM对测试集 (D_{test}) 中的18385个样本进行标注。SVM还可以计算每个测试样本的类别隶属概率。
3. 筛选新训练样本 ：将类别隶属概率超过99.0%的测试样本视为带有正确标注的新训练样本（自训练），并放入 (D_{train})。
4. 计算熵并选择主动学习样本 ：对于 (D_{test}) 中的每个测试样本 (d)，计算其分类结果的熵：
[H(d) = \sum_{c \in C}