[發明專利]一種基于超聲圖像的乳腺腫瘤區域自動識別方法

在審

• 申請號: 201410309467.4
• 申請日: 2014-07-01
• 公開（公告）號: CN104143101A
• 公開（公告）日: 2014-11-12
• 發明（設計）人: 黃慶華;張強志
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 蔡茂略

1.一種基于超聲圖像的乳腺腫瘤區域自動識別方法，其特征在于，包含以下順序的步驟：

S1.獲取乳腺超聲圖像，并對其進行預處理；

S2.使用圖像分割算法對預處理后的超聲圖像進行分割，得到多個分割子區域；

S3.提取超聲圖像的灰度直方圖、紋理特征、梯度特征、形態特征，再加上二維位置信息，得到高維度的特征向量；

S4.對高維度的特征向量，通過基于雙聚類的特征排序和選擇方法來選取最有效的特征子集，具體包括以下步驟：

(1)提取雙聚類種子點：對每一單獨列內的元素做聚類，每一個聚類的結果都被看做一個雙聚類的種子點；對于給定的一個R行C列的數據矩陣，應用一種凝聚分等級聚類算法到目標矩陣的每一列；

(2)啟發式構造雙聚類：利用一種啟發式的方法對第一步中提取的雙聚類種子點做擴展，根據預先設定的準則構造雙聚類；

(3)消除冗余的雙聚類：首先，對雙聚類集合按照每個雙聚類包含的列數目升序排序；然后，從包含最少列數目的雙聚類開始迭代，檢測它是否屬于排在后面的雙聚類的子集，如果是，則消除該雙聚類；

(4)特征排序和選擇：對數據矩陣提取出雙聚類之后，需要從這些雙聚類中提取出能夠衡量各個特征的信息，即計算出每個特征相應的雙聚類分值，分值越高，表明該特征越能表達該數據集，與其它特征的聯系越緊密，然后根據所需要的特征數目選擇出分值最高的特征子集，即為最有效的特征子集；

S5.選擇出最有效的特征子集后，使用分類器對其進行學習分類，即可達到乳腺腫瘤區域自動識別的目的。

2.根據權利要求1所述的基于超聲圖像的乳腺腫瘤區域自動識別方法，其特征在于：步驟S1中，所述的預處理采用全變分模型，通過最小化全變分來達到濾波去噪的目的，全變分定義為

TV[u]=∫Ω|▿u|dx]]>

其中，Ω表示連續的信號域，表示圖像梯度，dx則表示Ω的一個元素。

3.根據權利要求1所述的基于超聲圖像的乳腺腫瘤區域自動識別方法，其特征在于：步驟S2中，所述的圖像分割算法閾值法、聚類法、最大后驗法、馬爾可夫隨機場法、動態規劃法、貝葉斯水平集法、基于圖論的分割算法中的一種。

4.根據權利要求1所述的基于超聲圖像的乳腺腫瘤區域自動識別方法，其特征在于：步驟S4的分步驟(1)中，所述的一種凝聚分等級聚類算法具體如下：

a、計算所有原始數據的距離的最大值和最小值；

b、將所有原始數據每個元素初始化為單獨一類；

c、建立距離數組，記錄各類之間的距離，初始化為各個原始數據的距離；

d、對所有數據做以下循環：找到距離數組的最小值，如果該值小于閾值τ，則將這兩個類歸為一類，重新計算距離數組，直到距離數組的最小值大于或等于τ，終止循環；

凝聚分等級聚類后，將得到目標矩陣的一系列雙聚類種子點：

[C_s(i,j),N_cl(j)]＝HC(j,τ),j＝1,...,C

其中，HC代表凝聚分等級聚類算法，τ是聚類算法預設的閾值，C_s(i,j)表示第j列的第i個雙聚類的種子點，N_cl(j)表示第j列雙聚類種子點的總數目。