《醫學圖像分類的半監督核自適應最佳化方法》是依託哈爾濱工業大學，由李君寶擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：醫學圖像分類的半監督核自適應最佳化方法
- 依託單位：哈爾濱工業大學
- 項目類別：青年科學基金項目
- 項目負責人：李君寶
項目摘要,結題摘要,
項目摘要
本項目以半監督核學習的分類問題為理論背景，以計算機輔助診斷的醫學圖像識別問題為套用背景，研究半監督學習下的核自適應最佳化方法，旨在通過核自適應最佳化技術使核函式在學習過程中根據樣本數據分布自適應地調整參數或結構，使分類器泛化能力達到最大，從而提高半監督核學習套用系統性能。首先，研究在類標籤和邊信息標註樣本集下的核最佳化目標函式設計方法；其次，研究基於變/不變結構的核自適應最佳化方法，最後結合實際套用搭建基於超聲圖像的乳腺癌計算機輔助診斷系統演示平台，給出半監督核自適應最佳化的通用系統框架。本項目研究不僅為半監督學習、核學習及其它機器學習的理論研究提供支持，還可用於計算機輔助診斷、自然災害監測、軍事預警及智慧型監控等實際套用領域。
結題摘要
本項目以核學習分類為理論背景，以計算機輔助診斷的醫學圖像識別問題為套用背景，深入研究了核自適應最佳化方法，通過核自適應最佳化技術使核函式在學習過程中根據樣本數據分布自適應地調整參數或結構，使分類器泛化能力達到最大，從而提高核學習的套用系統性能。圍繞項目研究主要內容，本項目的研究要點包括面向醫學圖像分類的核最佳化目標函式設計、核參數最佳化方法、醫學圖像核自適應分類器設計以及核自適應醫學圖像識別平台。 經過三年的項目研究，在上述四個方面取得了重要的理論研究成果，並搭建了醫學圖像分類實驗平台，對提出的算法進行了分析和評測。該項目研究共培養了2位博士後、3位博士研究生以及2位碩士生，其課題直接來源於該項目研究內容，或研究與本項目相關的關鍵技術。共發表科技論文16篇，出版學術專著2部。其中SCI收錄14篇，EI收錄16篇。具體成果包括：（1）面向醫學圖像分類的核最佳化目標函式設計方法。提出了基於小樣本核函式設計的稀疏核主成分分析算法；提出了基於小樣本核函式設計的核自適應稀疏主成分分析算法；提出了基於Fisher準則的核函式最佳化目標函式設計方法。（2）面向醫學圖像分類的核參數最佳化方法。提出了面向醫學圖像分類的基於類標籤信息的核自適應流形學習算法；提出了基於變結構的核最佳化分類器的醫學圖像分類方法；提出基於半監督學習的醫學圖像分類方法。（3）醫學圖像識別的核自適應分類器設計。提出了核自適應流形學習的醫學圖像分類方法；提出了面向醫學圖像分類的半監督核學習算法；提出了基於核自適應Gabor紋理分類的醫學圖像分析方法；提出基於核自適應融合的醫學圖像分類方法；提出了基於核最佳化分類器的醫學圖像分類方法；提出了基於稀疏表示醫學圖像超分辨分析方法。 在項目執行過程中，也開展了一些原計畫沒有列入但相關的工作，加強了醫學圖像處理套用研究，提出了醫學圖像稀疏表示以及醫學圖像高分辨重構算法。
