[發(fā)明專利]基于影像的無創(chuàng)監(jiān)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?zhí)枺?/td>: 201010182615.2
• 申請日: 2010-05-25
• 公開（公告）號: CN101859441A
• 公開（公告）日: 2010-10-13
• 發(fā)明（設(shè)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(quán)）人: 中國人民解放軍第四軍醫(yī)大學(xué)
• 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(shù)領(lǐng)域

本發(fā)明屬于醫(yī)學(xué)影像計算機輔助監(jiān)測與診斷領(lǐng)域。根據(jù)圖像中感興趣區(qū)域(圖像中包含腫瘤組織及其周圍組織的區(qū)域)的紋理特征以及本發(fā)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(shù)方案確定及治療后隨訪提供依據(jù)。

背景技術(shù)

圖像紋理就是圖像像素灰度值的變化規(guī)律。為定量描述紋理的變化規(guī)律，人們設(shè)計了很多的數(shù)學(xué)模型來度量紋理。這些數(shù)學(xué)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(jié)構(gòu)差異轉(zhuǎn)化為像素灰度值的差異，并用一些數(shù)學(xué)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(zhì)、類別進行區(qū)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(tǒng)計分析方法和結(jié)構(gòu)分析方法。前者從圖像屬性的統(tǒng)計分析出發(fā)，根據(jù)紋理元素及排列規(guī)則來描述紋理結(jié)構(gòu)，反映像素之的灰度變化及空間相關(guān)規(guī)律；后者則著力找出紋理基元，再從結(jié)構(gòu)組成探索紋理的規(guī)律。一般來說統(tǒng)計法適用于分析紋理細(xì)而且不規(guī)則的物體；結(jié)構(gòu)法則適用于紋理基元排列較規(guī)則的圖像，如織物紋理。由于醫(yī)學(xué)圖像的規(guī)則性差，紋理較細(xì)，因此通常采用基于統(tǒng)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(zhì)有關(guān)。常見的基于統(tǒng)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(shù)(skewness)、峰度系數(shù)(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(xué)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(guī)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(xié)方差系數(shù)(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(guān)(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(yōu)勢(SmallGradsDominance)、大梯度優(yōu)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(guān)(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]。