一种基于动量自适应和声搜索的影像组学特征选择方法

技术特征：
1.一种基于动量自适应和声搜索的影像组学特征选择方法，其特征在于：包括以下步骤:步骤1：手动勾选医学影像的感兴趣区域roi；步骤2：读取包含感兴趣区域roi的肾上腺肿瘤ct影像数据；步骤3：对读取的影像数据提取原始图像特征，并划分成训练集和测试集；步骤4：定义一个最小化问题为目标函数，根据步骤3提取的图像特征初始化和声记忆库大小hms和特征总数n；步骤5：根据步骤4中定义的目标函数及和声记忆库大小hms，初始化和声记忆库；步骤6：基于步骤5中初始化的和声记忆库，初始化最大迭代次数、和声记忆取值概率hmcr以及和声微调概率par；步骤7：根据步骤6中定义的hmcr和par产生新解j；步骤8：更新和声记忆库：判断新解的目标函数值是否优于当前记忆库的最差解，若是，则更新记忆库；步骤9：重复步骤7～8，直到达到最大迭代次数，输出最优特征子集。2.根据权利要求1所述的一种基于动量自适应和声搜索的影像组学特征选择方法，其特征在于所述步骤4中，目标函数公式为：minf(x),x＝{x1,x2,
…
,x
n
},x1,x2,
…
,x
n
∈0,1其中，x
n
为是否选取特征集x中第n个特征，0代表不选，1代表选，n为步骤4中初始化的特征总数。3.根据权利要求2所述的一种基于动量自适应和声搜索的影像组学特征选择方法，其特征在于所述步骤5中，和声记忆库的形式为：4.根据权利要求3所述的一种基于动量自适应和声搜索的影像组学特征选择方法，其特征在于所述步骤7中，解向量中的每一个分量i的产生包括以下两种方式：方式一、产生随机数r1，若随机数r1小于和声记忆取值概率hmcr，则取此时和声记忆库最优解向量的当前分量同时产生随机数r2，若随机数r2小于和声微调概率par，则微调当前分量，微调方式为：其中为第j个解向量中的第i个分量，1≤j≤hms,1≤i≤n；方式二、产生随机数r1，若随机数r1大于hmcr，则随机取值。

技术总结
一种基于动量自适应和声搜索的影像组学特征选择方法，属于影像组学技术领域。它包括以下步骤：1、勾选所述医学影像的感兴趣区域ROI；2、读取包含ROI的肾上腺肿瘤CT影像数据；3、对读取的影像数据提取原始图像特征；4、定义一个最小化问题为此方法的目标函数；5、初始化和声记忆库；6、初始化最大迭代次数、HMCR以及PAR；7、产生新解j；8、更新和声记忆库；9、重复步骤7～8，输出最优特征子集。本发明通过动态调整HMCR和PAR，避免陷于局部最优解，增强了算法的鲁棒性；融合动量梯度下降的概念，加快了收敛；调整了适应度函数，更加契合特征搜索优化问题的本质。问题的本质。问题的本质。


技术研发人员：王丽萍 陆炎杰 王辉 叶铭滔
受保护的技术使用者：浙江工业大学
技术研发日：2022.01.13
技术公布日：2022/5/17