[發明專利]基于影像的無創監測腫瘤浸潤周圍組織程度的計算機輔助分析方法

有效

• 申請號: 201010182615.2
• 申請日: 2010-05-25
• 公開（公告）號: CN101859441A
• 公開（公告）日: 2010-10-13
• 發明（設計）人: 盧虹冰;史正星;馬寶秋;吳智德;張國鵬;廖琪梅
• 申請（專利權）人: 中國人民解放軍第四軍醫大學
• 主分類號: G06T7/40
• 分類號: G06T7/40;A61B5/055
• 代理公司: 西安文盛專利代理有限公司 61100
• 代理人: 佘文英

技術領域

本發明屬于醫學影像計算機輔助監測與診斷領域。根據圖像中感興趣區域(圖像中包含腫瘤組織及其周圍組織的區域)的紋理特征以及本發明提出的腫瘤與周圍組織邊界尋找方法，就可以確定腫瘤浸潤周圍組織的程度，進而為手術方案確定及治療后隨訪提供依據。

背景技術

圖像紋理就是圖像像素灰度值的變化規律。為定量描述紋理的變化規律，人們設計了很多的數學模型來度量紋理。這些數學模型被稱為圖像的紋理特征。紋理分析是將隨機紋理或幾何紋理的空間結構差異轉化為像素灰度值的差異，并用一些數學模型來描述這些差異，從而獲得紋理的定量描述，最終對圖像的性質、類別進行區分及歸類的過程。紋理特征的提取方法大致可以分為兩類：統計分析方法和結構分析方法。前者從圖像屬性的統計分析出發，根據紋理元素及排列規則來描述紋理結構，反映像素之的灰度變化及空間相關規律；后者則著力找出紋理基元，再從結構組成探索紋理的規律。一般來說統計法適用于分析紋理細而且不規則的物體；結構法則適用于紋理基元排列較規則的圖像，如織物紋理。由于醫學圖像的規則性差，紋理較細，因此通常采用基于統計的紋理分析方法。

通常紋理特征與紋理的位置、走向、尺寸、形狀等性質有關。常見的基于統計的二維紋理特征有如下幾類：1、基于灰度值分布的紋理特征，包括灰度均值(Mean)、方差(standard?deviation)、熵(entropy)、均勻度(uniformity)、平滑度(smoothness)、三階距(third?moment)、偏度系數(skewness)、峰度系數(kurtosis)等[H.S.Sheshadri，A.Kandaswamy.Experimental?investigation?onbreast?tissue?classification?based?on?statistical?featureextraction?of?mammograms.Computerized?Medical?Imaging?andGraphics，2007，31：46-48.Balaji?Ganeshan，Kenneth?A.Miles，Rupert?C.D.Young，et?al.Texture?analysis?in?non-contrastenhanced?CT：Impact?of?malignancy?on?texture?in?apparentlydisease-free?areas?of?the?liver.Eur?J?Radiol，2009；70：101-110.]；2、基于視覺心理學的紋理特征(Tamura紋理)，包括粗糙度(coarseness)、對比度(contrast)、方向度(directionality)、線像度(linelikeness)、規整度(regularity)粗略度(roughness)[H.Tamura，S.Mori，and?T.Yamawaki.Texturefeatures?corresponding?to?visual?perception，IEEE?Trans.OnSystems，Man，and?Cybernetics，1978；Smc-8(6)：460-473.]；3、自協方差系數(Auto-covariance?coefficient)[Wen-Jie?Wu，WooKyung?Moon.Ultrasound?Breast?Tumor?Image?Computer-AidedDiagnosis?With?Texture?and?Morphological?Features.Acad?Radiol，2008，15：873-880.]；4、灰度共生矩陣，包括角二階距(angularsecond?moment)、對比度(contrast)、相關(correlation)、熵(entropy)、逆差距等共17項[Robert?M.Haralick，K.Shanmugam，Its’hak?Dinstein.Textural?Features?for?Image?Classification.IEEE?transactions?on?systems，man?andcybernetics，1973，SMC-3(6)：PP.610-621；R.W.Conners，M.M.Trivedi，C.A.Harlow.”Segmentation?of?a?High-ResolutionUrban?Scene?Using?Texture?Operators.Computer?Vision，Graphics，and?Image?Processing，1984，25：273-310.]；5、灰度梯度共生矩陣，包括小梯度優勢(SmallGradsDominance)、大梯度優勢(BigGradsDominance)、灰度分布不均勻性(GrayAsymmetry)、梯度分布不均勻性(GradsAsymmetry)、能量(Energy)，相關(Correlation)、灰度熵(GrayEntropy)、梯度熵(GradsEntropy)、混合熵(Entropy)、慣性(Inertia)、逆差距(DifferMoment)共11項。[H?Ji-guang，Gray?Level-gradient?Co-occurrence?MatrixTexture?Analysis?Method.Acta?Automatica?Sinica，1984]。