[發(fā)明專利]一種基于多尺度三維塊特征提取的肺結節(jié)多輪分類方法

在審

• 申請?zhí)枺?/td>: 201610154156.4
• 申請日: 2016-03-17
• 公開（公告）號: CN105740875A
• 公開（公告）日: 2016-07-06
• 發(fā)明（設計）人: 藍天;王偉;丁熠;秦臻;于躍;王飛;陳浩;肖哲;徐路路;陳實
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明屬于計算機視覺領域，更為具體地講，涉及一種基于多尺度三維塊特征提取的肺結節(jié)多輪分類檢測方法。

背景技術

中國每年癌癥新發(fā)病例為312萬例，每年因癌癥死亡超過200萬例，其中死亡最多的癌種是肺癌。肺癌的治愈率與診斷時的臨床分期密切相關，早期的肺癌患者的5年生存率為90％以上，I期肺癌患者的生存率降為60％，而Ⅱ到Ⅳ期的肺癌患者的年生存率從40％降到5％。因此，“早發(fā)現(xiàn)，早診斷，早治療”是提髙肺癌患者生存率的關鍵。但是不容樂觀的是只有15％的肺癌在早期被發(fā)現(xiàn)。然而在出現(xiàn)咳嗽和咳血等長期不愈的不良癥狀時，再去醫(yī)院進行檢查，往往就己經(jīng)是肺癌晚期。因此，如何做到“早發(fā)現(xiàn)”和“早診斷”是需要研究的重要課題。

檢測肺結節(jié)的CADe系統(tǒng)通常有五個子系統(tǒng)來組成：獲取，預處理，分割，結節(jié)檢測和減少假陽性。獲取子系統(tǒng)的主要責任就是獲得醫(yī)學圖片。公開數(shù)據(jù)庫能夠被用來發(fā)展，訓練和驗證CADe系統(tǒng)。它同樣能夠用來訓練醫(yī)學學生，并且它能夠在不同CADe系統(tǒng)之間作比較。主要的預處理技術有：中值濾波,增強濾波,對比度受限自適應直方圖均衡化,自動增強,維納濾波,快速傅里葉變換,小波變換,抗幾何擴散,腐蝕濾波,平滑濾波和噪音修正。

分割肺部圖像的兩個主要的方法是：基于閾值的分割和可變形模型的分割。在基于閾值的分割上，一個亮度的閾值實施了分離操作。分割肺部圖片使用的主要類型的可變形模型有：活動輪廓和基于水平集的可變形模型。區(qū)域增長是分割腫瘤區(qū)域的最好的辦法因為找到的邊界很完美的瘦和連接。其它歷史上分割肺結節(jié)的技術有：圓柱形的和球形濾波器,形態(tài)學運算，閾值化，多重灰度級閾值化和連接元素分析。主要抽取的特征有：像素的亮度值，形態(tài)學，紋理，不規(guī)則碎片形。主要的分類器有：線性判別分析,基于規(guī)則,聚類,馬爾科夫隨機場,人工神經(jīng)網(wǎng)絡,支持向量機(SVM),大量訓練的神經(jīng)網(wǎng)絡(MTANNs),雙閾值切割。

發(fā)明內容

本發(fā)明的目的在于設計一種從不同尺度下對肺結節(jié)進行特征的提取，并且將具有代表性的特征投入到兩輪分類器中去，把兩輪分類的結果做一個合并，以提高最后的靈敏度。

為實現(xiàn)上述目的，本發(fā)明一種基于多尺度三維塊特征提取的肺結節(jié)多輪分類檢測方法，主要包括以下內容：在特征提取的結節(jié)掩膜中引入多尺度掩膜的概念，利用不同尺度的塊對結節(jié)進行特征提取，并將提取的特征投入到第一個分類器中去，然后再將分類的為假陽性的結節(jié)再投入到第二個分類器中去，最后合并兩個分類器中真陽性結節(jié)的子集。

技術原理如圖1所示，具體技術流程如下：

步驟一：圖片的獲取，打算利用公開數(shù)據(jù)庫LIDC，并且進行相關的預處理使其能夠被matlab直接處理；

步驟二：首先使用閾值對原始圖像進行初步分割，其次使用圓盤結構的元素對粗分割的肺部進行二維形態(tài)學開運算，然后使用三維六元素連接抽取最大體積的部分，該部分就是分割的肺部，接著使用孔洞填充算法來修補孔洞，最后使用了三維形態(tài)學閉運算來精煉肺部的邊緣；

步驟三：首先用一系列閾值對原始的圖像進行閾值分割，然后把分割的結果和肺部掩模進行邏輯與操作，然后再用一系列圓盤結構的元素對分割好的結節(jié)進行二維形態(tài)學開運算，最后合并所有的中間結節(jié)掩模形成最后的結節(jié)掩模；

步驟四：特征提取，打算利用傳統(tǒng)意義上的一些特征，并且基于不同尺度三維的塊來提取。特征主要有三大類：幾何的，亮度的，梯度特征，所有的這些特征包含了二維的和三維的。最后再用SFS來優(yōu)選一系列的特征；

步驟五：分類器分類一共有兩輪分類，第一輪用SVM來進行二分類，第二輪用FLD分類器來對第一輪中分類為假陽性的結節(jié)再次進行分類，最后把結果中的真陽性結節(jié)進行合并做為最后的結果。

附圖說明

圖1是本發(fā)明一種基于多尺度三維塊特征提取的肺結節(jié)多輪分類檢測方法的原理框圖。

圖2是本發(fā)明一種基于多尺度三維塊特征提取的肺結節(jié)多輪分類檢測方法的技術方案圖。

具體實施方式

下面結合附圖對本發(fā)明的具體實施方式進行描述，以便本領域的技術人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，可能淡化本發(fā)明主要內容的已知功能和設計的詳細描述將被忽略。

在本實施方案中，本發(fā)明一種基于多尺度分析的特征包構建方法主要包括以下環(huán)節(jié)：1.圖片獲取、2.肺部分割、3.結節(jié)分割、4.多尺度特征提取、5.二輪分類。

圖片的獲取，打算利用公開數(shù)據(jù)庫LIDC，并且進行相關的預處理使其能夠被matlab直接處理。