[發(fā)明專利]稀疏動(dòng)態(tài)集成選擇的胃部CT圖像疑似淋巴結(jié)提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310325484.2
• 申請(qǐng)日: 2013-07-22
• 公開(kāi)（公告）號(hào): CN103400385A
• 公開(kāi)（公告）日: 2013-11-20
• 發(fā)明（設(shè)計(jì)）人: 劉芳;周治國(guó);李玲玲;郝紅俠;戚玉濤;焦李成;李婉;尚榮華;馬文萍;馬晶晶
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;A61B6/03
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 程曉霞;王品華

1.一種稀疏動(dòng)態(tài)集成選擇的胃部CT圖像疑似淋巴結(jié)提取方法，胃部CT圖像疑似淋巴結(jié)區(qū)域提取包括有如下步驟：

步驟1，提取一副胃部CT圖像；

步驟2，對(duì)該胃部CT圖像人為標(biāo)記無(wú)疑確定的部分脂肪組織，運(yùn)用均值漂移進(jìn)行整體圖像的初始分割，分割為未標(biāo)記區(qū)域集和已標(biāo)記脂肪區(qū)域集，然后采用灰度直方圖作為特征將與已標(biāo)記區(qū)域相鄰并且相似的未標(biāo)記區(qū)域迭代標(biāo)記，最后將重新標(biāo)定的標(biāo)記區(qū)域集合提取，重新標(biāo)定的標(biāo)記區(qū)域集合包含人為標(biāo)記脂肪組織區(qū)域以及其連通區(qū)域的脂肪組織區(qū)域；

步驟3，對(duì)已提取的脂肪組織區(qū)域再根據(jù)其灰度值運(yùn)用均值漂移進(jìn)行過(guò)分割，達(dá)到將脂肪組織區(qū)域初始化；

步驟4，提取脂肪組織的每個(gè)過(guò)分割區(qū)域灰度直方圖特征，每個(gè)過(guò)分割區(qū)域的灰度直方圖特征為一組數(shù)據(jù)，脂肪組織區(qū)域中的所有過(guò)分割區(qū)域構(gòu)成待分類樣本集，其中待分類樣本集包含有疑似淋巴結(jié)區(qū)域；

步驟5，運(yùn)用稀疏動(dòng)態(tài)集成選擇方法，將稀疏表示引用到動(dòng)態(tài)集成選擇中，對(duì)已提取的脂肪組織區(qū)域待分類樣本集進(jìn)行分類；

步驟6，將同一類別的過(guò)分割區(qū)域合并為一個(gè)分割區(qū)域，獲得胃部CT圖像疑似淋巴結(jié)區(qū)域。

2.根據(jù)權(quán)利要求1所述的一種稀疏動(dòng)態(tài)集成選擇的胃部CT圖像疑似淋巴結(jié)提取方法，其特征在于，其中步驟5所述的運(yùn)用稀疏動(dòng)態(tài)集成選擇方法對(duì)已提取的脂肪組織區(qū)域待分類集進(jìn)行分類的過(guò)程包括訓(xùn)練階段和測(cè)試階段：

訓(xùn)練階段

5.1從一些已經(jīng)存在成功分類的脂肪組織已標(biāo)記圖像中選取訓(xùn)練樣本，該訓(xùn)練樣本記作X＝{(x_i，y_i)|x_i∈R^F，y_i∈{1，2，...，L}，i＝1，2，...，r}，這里x_i是從脂肪組織已標(biāo)記圖像中提取樣本的灰度直方圖特征，y_i是樣本的標(biāo)記，F(xiàn)是所提灰度直方圖特征的維數(shù)，L是分割的類別數(shù)，r是所提樣本的數(shù)量；

5.2為已提取的待分類脂肪組織學(xué)習(xí)一個(gè)字典，從訓(xùn)練樣本中提取初始字典P為字典的原子數(shù)，該原子指字典D^I中的第i個(gè)列向量，從每一類樣本中分別選擇原子，然后運(yùn)用K-SVD算法進(jìn)行訓(xùn)練，經(jīng)過(guò)訓(xùn)練得到的字典表示為D＝[d₁，d₂，...，d_P]，其中d_i，i＝1，2，...，P為學(xué)習(xí)得到的字典原子；

5.3利用訓(xùn)練數(shù)據(jù)X，采用集成分類器生成方法產(chǎn)生分類器集成系統(tǒng)C＝{C₁，C₂，...，C_m}，其中C_i，i＝1，2，...，m為基分類器，m是基分類器的個(gè)數(shù)；

5.4對(duì)任意一個(gè)原子d_p，采用K近鄰方法自適應(yīng)的從訓(xùn)練樣本X中選擇一組近鄰樣本集

5.5利用分類器集成系統(tǒng)C中的基分類器對(duì)近鄰樣本集進(jìn)行分類標(biāo)記，并將標(biāo)記結(jié)果與樣本標(biāo)準(zhǔn)標(biāo)記做比對(duì)，若通過(guò)某個(gè)基分類器得到的標(biāo)記與近鄰樣本集合中樣本的標(biāo)準(zhǔn)標(biāo)記一致，則將基分類器納入原子d_p對(duì)應(yīng)的原子集成系統(tǒng)SC_p，SC_p∈C，若沒(méi)有一個(gè)基分類器能夠?qū)颖炯现兴袠颖菊_劃分，那么令K＝K-1，轉(zhuǎn)置5.4繼續(xù)執(zhí)行，這個(gè)過(guò)程會(huì)迭代執(zhí)行直到至少一個(gè)基分類器被選擇出來(lái)；

5.6迭代執(zhí)行過(guò)程5.4-5.5，直至所有原子d_p找到對(duì)應(yīng)的原子集成系統(tǒng)SC_p，p＝1，2，...，P，訓(xùn)練階段結(jié)束，進(jìn)入測(cè)試階段；

測(cè)試階段

5.7x代表已提取脂肪組織中的一個(gè)過(guò)分割區(qū)域的灰度直方圖特征，即一個(gè)待分類樣本，稀疏系數(shù)α通過(guò)下式優(yōu)化求得：

minα||x-Dα||22Subjectto||α||0≤t]]>

其中，t表示稀疏閾值，即能產(chǎn)生非零個(gè)數(shù)的最大數(shù)目，優(yōu)化過(guò)程利用正交匹配追蹤實(shí)現(xiàn)，稀疏系數(shù)α中的非零系數(shù)提取出來(lái)作為權(quán)重向量，權(quán)重向量記作β＝[β₁，β₂，...β_N]^T，N是非零系數(shù)的數(shù)量，同時(shí)提取出過(guò)分割區(qū)域x相應(yīng)的原子集成系統(tǒng)集SCx={SC1x,SC2x,...,SCNx};]]>

5.8待分類樣本x輸入到SC^x中的每一個(gè)原子集成系統(tǒng)中，使用每個(gè)運(yùn)用投票方式對(duì)x進(jìn)行分類，得到N個(gè)標(biāo)記向量，將N個(gè)標(biāo)記向量利用權(quán)重向量β加權(quán)求和，得到x的標(biāo)記其中為原子集成系統(tǒng)對(duì)x輸出的標(biāo)記向量，最終分類結(jié)果由決定，為f^x的第i個(gè)元素；

5.9迭代執(zhí)行過(guò)程5.7-5.8，直到所有的已提取脂肪組織中所有過(guò)分割區(qū)域分類完成。