[發明專利]基于SVM的醫學影像分類方法

在審

• 申請號: 201310431616.X
• 申請日: 2013-09-22
• 公開（公告）號: CN103473569A
• 公開（公告）日: 2013-12-25
• 發明（設計）人: 胡邊;王燕妮;陳波;劉貴
• 申請（專利權）人: 江蘇美倫影像系統有限公司
• 主分類號: G06K9/64
• 分類號: G06K9/64
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

?

技術領域

本發明屬于醫學領域，尤其涉及其中的醫學影像管理。

背景技術

醫學影像在臨床診斷和治療中的應用日益廣泛，如何利用大量的醫學影像，輔助醫生進行疾病的診斷和治療是目前業界都在研究的問題。一個優秀的醫學影像分類方法必須根據疾病種類及供體的完善細致分類，以便隨時進行高效檢索，及信息分析和挖掘。傳統的醫學影像都是采用人工識別、文字分類的方法，但是，隨著醫學影像的日益增多，尤其其中涉及的人種、性別、年齡等差異，導致其對人工識別的難度越來越大，且工作量日益增大。如何解決這個問題，引入日益成熟的計算機圖像識別技術，取代人工來完成上述工作是未來的發展趨勢。本發明在該研究工作中，提出自己的研究思路，以期提供一種新的方法，尤其是利用目前已經成熟的SVM（Support?Vector?Machine，支持向量機，作為一種可訓練的機器學習方法，依靠小樣本學習后的模型參數完善技術）技術，來實現自動化的分類管理工作。

發明內容

本發明是根據上述思路設計的一種自動化分類的基于SVM的醫學影像分類方法。

本發明的技術方案是提供一種基于SVM的醫學影像分類方法，其特征在于：其包括以下步驟：

1)將醫學影像存儲于原始影像數據庫，醫學影像包括數字相片及供體信息；

2)利用特征識別器，識別所述原始影像數據庫中的醫學影像的醫學特征；

3)利用分類器根據所述特征識別器獲得的醫學特征對疾病進行識別，并根據疾病種類存儲在分類影像數據庫中。

優選的，在所述步驟1）之前還包括以下步驟：

a)收集人體器官標準模型的醫學影像并存儲于標準模型庫；

b)收集標準疾病模型的醫學特征并存儲于標準疾病模型庫。

優選的，所述步驟2包括以下步驟：

2.1）圖像預處理，對待識別的所述醫學影像進行轉正、縮放、濾波、分辨率調整處理；

2.2）器官圖像標準化調整，對待識別的所述醫學影像進行變形、局部縮放處理，使其中器官圖像輪廓線與所述標準模型庫中的醫學影像的輪廓線趨于重合，所述標準模型庫中的醫學影像是在所述標準模型庫中篩選得到的；

2.3）對步驟2.2）中，器官圖像輪廓線與所述標準模型庫中的醫學影像的輪廓線不重合部分進行疾病特征提取。

優選的，所述標準模型庫存儲人體器官標準模型的醫學影像根據人體的性別、年齡、人種、身高、體重進行分類。

優選的，所述步驟2.2）中篩選所述標準模型庫中的醫學影像的條件包括：人體的性別、年齡、人種、身高、體重。

優選的，所述特征識別器利用基于Adaboost級聯分類器預先訓練。

本發明的基于SVM的醫學影像分類方法利用Adaboost級聯分類器進行預先訓練，針對不同的樣本具有較好的識別率和誤識率，并且計算速度快，可以快速進行大量的醫學影像識別和分類，可用于大規模的醫學影像數據庫系統。

附圖說明

圖1是應用本發明的系統的結構框圖。

具體實施方式

下面對本發明的具體實施方式作進一步詳細的描述。

如圖1所示，本發明的一種基于SVM的醫學影像分類方法對應的系統包括：

原始影像數據庫、分類影像數據庫、標準模型庫、標準疾病模型庫、特征識別器和分類器。

其中：

原始影像數據庫，用于存儲醫學影像并記錄供體的信息；

分類影像數據庫，用于根據疾病種類分類存儲原始影像數據庫中的醫學影像；

標準模型庫，用于存儲不同性別、年齡、人種、身高、體重的分類人體器官標準模型的醫學影像；

標準疾病模型庫，用于存儲標準疾病模型的醫學特征，包括疾病的各個階段。

特征識別器是利用基于Adaboost級聯分類器預先訓練好的，用于識別原始影像數據庫中的醫學影像的醫學特征。Adaboost是一種迭代算法，其核心思想是針對同一個訓練集訓練不同的分類器(弱分類器)，然后把這些弱分類器集合起來，構成一個更強的最終分類器（強分類器），其是業界業已成熟的技術手段。

而分類器，則利用特征識別器對影像數據庫中的醫學影像進行識別，獲得其醫學特征，然后對標準疾病模型庫重大疾病模型進行比對，對疾病進行識別，并根據疾病種類存儲在分類影像數據庫中。

其中，特征識別器識別醫學影像的醫學特征的步驟包括：

1）圖像預處理，對待識別的醫學影像進行轉正、縮放、濾波、分辨率調整處理；