一种基于多核表示学习的肺结节检测方法

本发明公开了一种基于多核表示学习的肺结节检测方法，属于医疗图像分析领域。该方法包含以下步骤：S1、获取形态与结节相似的疑似区域图像块数据，进行规范化处理；S2、根据规范化后的图像块，通过主成分分析进行特征提取；S3、根据提取得到的特征表示，分别使用多种核函数计算对应核矩阵；S4、根据获得的多个核矩阵，基于谱熵加权融合，得到混合核矩阵；S5、根据混合核矩阵，训练单类支持向量机模型，建立正常样本的判别边界；S6、在测试阶段，对病人CT图像获取的疑似结节区域图像块重复执行S1至S4，提取特征并构建混合核矩阵，输入训练好的单类支持向量机模型进行判断，若为异常则输出为结节区域，直至完成所有候选区域判断。本发明解决了现有单核支持向量机模型适应性差、对数据敏感的问题，以及深度学习方法对大量标注样本的依赖，利用异常检测的无监督特性，在肺结节样本稀缺条件下实现了鲁棒的肺结节检测。