一种基于张量分解的医学数据缺失模态的补全算法

摘要：

多模态磁共振影像数据采集过程中会出现不同程度的模态数据缺失,现有的补全方法大多只针对随机缺失,无法较好地恢复条状及块状缺失.针对此问题,本文提出了一种基于多向延迟嵌入的平滑张量补全算法分类框架.首先,对缺失数据进行多向延迟嵌入操作,得到折叠后的张量;然后通过平滑张量CP分解,得到补全的张量;最后利用多向延迟嵌入的逆向操作,得到补全的数据.该算法在BraTS脑胶质瘤影像数据集上进行了高低级别肿瘤分类实验,并与7种基线模型进行了比较.实验结果表明,本文提出方法的平均分类准确率可达91.31％,与传统补齐算法相比具有较好的准确性.

关键词：张量分解、脑肿瘤分类、缺失模态、数据补全

所属期刊栏目：36

分类号：TP39(计算技术、计算机技术)

资助基金：山东省重点研发计划2017CXGC1504

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：45-52