[發(fā)明專利]基于CAD系統(tǒng)提高前列腺腫瘤MRI圖像識(shí)別率的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510015896.5
• 申請(qǐng)日: 2015-01-13
• 公開（公告）號(hào): CN104794426A
• 公開（公告）日: 2015-07-22
• 發(fā)明（設(shè)計(jì)）人: 周濤;陸惠玲;楊德仁;楊柳;陳志強(qiáng);張艷寧
• 申請(qǐng)（專利權(quán)）人: 寧夏醫(yī)科大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62
• 代理公司: 寧夏專利服務(wù)中心 64100
• 代理人: 張尚星

1.一種基于CAD系統(tǒng)提高前列腺腫瘤MRI圖像識(shí)別率的方法，其特征在于：包括以下步驟：(1)采集前列腺患者的MRI圖像；(2)提取MRI前列腺腫瘤ROI區(qū)域特征；(3)對(duì)ROI區(qū)域特征進(jìn)行特征級(jí)融合；(4)利用神經(jīng)網(wǎng)絡(luò)作為分類器對(duì)融合后的特征進(jìn)行分類識(shí)別。

2.根據(jù)權(quán)利要求1所述的基于CAD系統(tǒng)提高前列腺腫瘤MRI圖像識(shí)別率的方法，其特征在于，步驟(2)所述ROI區(qū)域特征是幾何特征、統(tǒng)計(jì)特征、Hu不變矩特征、灰度共生矩陣的紋理特征、TAMURA紋理特征、頻域特征。

3.根據(jù)權(quán)利要求2所述的基于CAD系統(tǒng)提高前列腺腫瘤MRI圖像識(shí)別率的方法，其特征在于，步驟(2)所述幾何特征是：面積、周長(zhǎng)、矩形度、伸長(zhǎng)督、圓形度、歐拉數(shù)；

所述統(tǒng)計(jì)特征是：均值、方差、傾斜度、峰態(tài)、能量、熵；

所述Hu不變矩特征是：C1、C2、C3、C4、C5、C6、C7；

所述灰度共生矩陣的紋理特征是：能量、對(duì)比度、熵、和熵、差熵、相關(guān)性、逆差距、方差、和的方差、和的均值、差分方差、相關(guān)信息度量、最大相關(guān)系數(shù)；

所述TAMURA紋理特征是粗糙度、對(duì)比度、方向度；

所述頻域特征是：能量、范數(shù)、標(biāo)準(zhǔn)差。

4.根據(jù)權(quán)利要求1所述的基于CAD系統(tǒng)提高前列腺腫瘤MRI圖像識(shí)別率的方法，其特征在于，步驟(3)特征級(jí)融合采用的算法是線性降維算法。

5.根據(jù)權(quán)利要求4所述的基于CAD系統(tǒng)提高前列腺腫瘤MRI圖像識(shí)別率的方法，其特征在于，所述線性降維算法是PCA主成份分析法。

6.根據(jù)上述任意一項(xiàng)權(quán)利要求所述的基于CAD系統(tǒng)提高前列腺腫瘤MRI圖像識(shí)別率的方法，其特征在于，步驟(4)所述神經(jīng)網(wǎng)絡(luò)采用的訓(xùn)練算法是BFGS擬牛頓算法、BP算法、最速梯度下降算法Levenberg-Marquardt算法。