[發明專利]一種腦瘤MIB-1指數范圍檢測方法

有效

• 申請號: 201110350415.8
• 申請日: 2011-11-08
• 公開（公告）號: CN102509113A
• 公開（公告）日: 2012-06-20
• 發明（設計）人: 夏順仁;潘穎;劉晨彬
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

1.一種腦瘤MIB-1指數范圍檢測方法，包括以下步驟：

(1)采集腦瘤患者的磁共振圖像，構造病變區域圖像訓練樣本；

(2)提取病變區域圖像訓練樣本的圖像特征，根據提取的病變區域圖像訓練樣本的圖像特征，訓練得到支持向量機模型；

(3)構造病變區域圖像檢測樣本，提取病變區域圖像檢測樣本的圖像特征；根據病變區域圖像檢測樣本的圖像特征，用訓練得到的支持向量機模型識別并獲取該病變區域圖像檢測樣本的MIB-1指數所處的范圍。

2.根據權利要求1所述的腦瘤MIB-1指數范圍檢測方法，其特征在于：在步驟(1)中，所述腦瘤患者的磁共振圖像的體數據分辨率為512x512x16體素。

3.根據權利要求1所述的腦瘤MIB-1指數范圍檢測方法，其特征在于：在步驟(1)中，所述的構造病變區域圖像訓練樣本，包括以下步驟：

a.截取磁共振圖像中的病變區域圖像；

b.對所述的病變區域圖像進行分類，對每個類別選取一定數量的病變區域圖像，得到病變區域圖像訓練樣本。

4.根據權利要求3所述的腦瘤MIB-1指數范圍檢測方法，其特征在于：在步驟b中，所述的對所述的病變區域圖像進行分類，包括以下步驟：

i、對病變區域圖像的MIB-1指數進行檢測，確定MIB-1指數的分界點；

ii、根據所述的MIB-1指數的分界點，對病變區域圖像進行分類。

5.根據權利要求1所述的腦瘤MIB-1指數范圍檢測方法，其特征在于：在步驟(2)中，所述的提取病變區域圖像訓練樣本的圖像特征，包括提取病變區域圖像訓練樣本的紋理特征。

6.根據權利要求5所述的腦瘤MIB-1指數范圍檢測方法，其特征在于：所述的提取病變區域圖像訓練樣本的紋理特征，包括步驟：

使用基本灰度統計信息提取病變區域圖像訓練樣本的圖像特征；

使用灰度共生矩陣提取病變區域圖像訓練樣本的圖像特征；

使用灰度-梯度共生矩陣提取病變區域圖像訓練樣本的圖像特征；

使用游程長度矩陣提取病變區域圖像訓練樣本的圖像特征；

使用閔可夫斯基泛函提取病變區域圖像訓練樣本的圖像特征。

7.根據權利要求1所述的腦瘤MIB-1指數范圍檢測方法，其特征在于：在步驟(2)中，根據提取的病變區域圖像訓練樣本的圖像特征，訓練得到支持向量機模型，包括以下步驟：

a、根據提取的病變區域圖像訓練樣本的圖像特征構造病變區域圖像特征樣本集；

b、根據病變區域圖像特征樣本集確定支持向量機模型的參數。

8.根據權利要求7所述的腦瘤MIB-1指數范圍檢測方法，其特征在于：在步驟b中，所述的根據病變區域圖像特征樣本集確定支持向量機模型的參數，包括：基于離散粒子群算法對病變區域圖像特征樣本集進行優化，得到病變區域圖像優化特征集。

9.根據權利要求8所述的腦瘤MIB-1指數范圍檢測方法，其特征在于：基于離散粒子群算法對病變區域圖像特征樣本集進行優化，得到病變區域圖像優化特征集，包括以下步驟：

i、確定離散粒子群算法的粒子群規模，每個粒子對應一個隨機選取的病變區域圖像特征樣本集子集；

ii、將每個粒子對應的病變區域圖像特征樣本集子集分別放入支持向量機中用留一交叉檢驗法進行分類，計算每個病變區域圖像特征樣本集子集的分類準確率，并將該準確率作為對應粒子的適應度；基于粒子的適應度迭代更新病變區域圖像特征樣本集子集達一定次數，將適應度最大的粒子對應的特征樣本集子集作為病變區域圖像優化特征集。