1.一种流形相似度保持自编码器的医学超声图像检索方法，其特征在于，包括以下步骤：

1)、提取超声图像训练集中每一幅图像的SIFT特征，按照标签相同的图像对之间距离小于标签不同图像对之间的距离，构造标签约束的欧氏距离矩阵；

2)、通过步骤1)转换后的距离求解样本邻域，计算流形相似度，将其作为边的权重矩阵构造最近邻图，计算拉普拉斯矩阵；

3)、通过拉普拉斯特征值映射并对低维嵌入阈值化，获得样本的最优初始哈希编码，该哈希编码能够很好地保持原始数据的局部流形结构相似信息；

4)、利用局部不变性思想，在自编码器生成的哈希编码与步骤3)中生成的最优初始哈希编码间构建流形相似度保持的损失，以及在原输入与解码器对原输入的重构间构建重构损失；

5)、引入编码器生成的哈希编码作为中间变量，采用交替优化策略，将自编码器模型的训练过程分为三个独立的子步骤：优化编码器，重复直到达到预设的编码长度；求解线性回归函数优化解码器；优化每个样本对应的哈希编码。

2.根据权利要求1所述一种流形相似度保持自编码器的医学超声图像检索方法，其特征在于：步骤1)所述标签约束的欧氏距离矩阵利用标签对欧式距离进行转换，以最大化类间距离，使得类内差异小于类间差异；具体公式为其中， 为医学超声图像的特征数据集，N为数据样本个数，dist(xi,xj)代表数据样本xi和数据样本xj之间的欧式距离，λ和η为常量，η用于避免因dist(xi,xj)较大导致Dist(xi,xj)增长过快，λ使得不同类别的数据样本也可能相似。

3.根据权利要求1所述一种流形相似度保持自编码器的医学超声图像检索方法，其特征在于：所述步骤2)中通过高斯核函数对最近邻图中任意两点间的权重赋值，采用步骤1)转换后的距离Dist来求解邻域，计算权重矩阵S及图拉普拉斯矩阵L的公式分别为：其中，Np(xj)、Np(xi)分别代表数据样本xi和xj的邻域，τ是热核带宽参数；

L＝D‑S

其中， 为对角矩阵，

4.根据权利要求1所述一种流形相似度保持自编码器的医学超声图像检索方法，其特征在于：所述步骤3)中为使得低维嵌入保持原始输入的局部相似性关系，通过最小化以下目标函数来实现：

其中， 为X的低维表示，C为编码长度，I为单位矩阵。

5.根据权利要求4所述一种流形相似度保持自编码器的医学超声图像检索方法，其特征在于：将所述最小化目标函数转换为广义特征值分解问题：其中，Fc.(c＝1,2,C)为特征值λc对应的特征向量；

‑1

通过对D L进行特征分解，取C个非零最小特征值对应的特征向量作为降维后的F，并通过阈值化将其转换为最优初始哈希编码F'。

6.根据权利要求1所述一种流形相似度保持自编码器的医学超声图像检索方法，其特征在于：步骤4)所述根据流形相似度保持的损失和重构损失构建的模型损失函数为：其中，Lresco为重构误差，Lmsp为编码器e(·)对X编码输出的哈希编码矩阵e(X)的流形相似度保持的误差，用来约束汉明空间哈希编码的空间结构，e(·)代表编码器，d(·)代表解码器，α为权重因子。

7.根据权利要求6所述一种流形相似度保持自编码器的医学超声图像检索方法，其特C×N

征在于：引入哈希编码Z＝(z1,z2,...,zN)∈{0,1} 作为辅助变量，将其作为编码器的编码标签，将所述模型损失函数转化为三个独立的子问题：交替优化编码器e(x)、解码器d(z)和哈希编码码Z，改进后模型的损失函数定义为L(e,d,X,Z,F；α,β)：其中，Lcoding为编码误差，同样地，L'resco为重构误差，L'msp为Z的流形相似度保持的误差，α，β为权重因子。

8.根据权利要求1所述一种流形相似度保持自编码器的医学超声图像检索方法，其特征在于：步骤5)所述优化编码器，重复直到达到预设的编码长度；求解线性回归函数优化解码器；优化每个样本对应的哈希编码；这三个步骤具体为：(1)固定哈希编码Z和解码器d，优化编码器e，编码器e(x)将高维输入 映射成低维C

的C维哈希编码向量ex＝{0,1}。编码器e(x)以ex＝z为训练目标，也即实现：编码器e(x)对每一个数据样本xn(n＝1,2,...,N)编码得到exn，对于exn每一位的编码，都为一个二分类问题，将辅助变量Zc.＝(zc1,...,zcn,...,zcN)(c＝1,2,...,C)作为分类标签，通过线性SVM分类器来拟合(X,Zc.)，学习到线性分类器；

(2)固定哈希编码Z和编码器e，优化解码器d，解码器对哈希编码zn进行重构，得到原始输入xn的重构向量x'n，优化解码器过程中，通过最小化重构误差，使得重构向量x'n趋于xn，从而得到最优的解码器，

在解码器的求解过程中，忽略解码器的偏差b，解码器的最优解W可通过以下矩阵变换求得：

T T ‑1

W＝XZ(ZZ)

(3)固定编码器e和解码器d，优化哈希编码Z,在为N个数据样本求得最优哈希编码时，其优化目标为：

2 2 2

l(e,d,x,z,f；ω)＝lresco+lcoding+lmsp＝||x‑d(z)||+α||z‑e(x)||+β||z‑sgn(f)||。

9.根据权利要求1‑8任一项所述一种流形相似度保持自编码器的医学超声图像检索方法，其特征在于：当用户输入一幅新的图像时，通过编码器映射得到对应的哈希编码，通过汉明距离排序检索得到与之最近的k个哈希编码，并将对应最近的k幅图像返回给用户。