[發(fā)明專利]基于超聲圖像的多尺度多子圖肝纖維化多級(jí)量化分期方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611214165.4
• 申請(qǐng)日: 2016-12-26
• 公開（公告）號(hào): CN108241865B
• 公開（公告）日: 2021-11-02
• 發(fā)明（設(shè)計(jì)）人: 李丹丹;沈毅;張雅奎;金晶;姜宇
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06T7/45
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于超聲圖像的多尺度多子圖肝纖維化多級(jí)量化分期方法，其特征在于它包括如下步驟：

步驟一：感興趣區(qū)域的自動(dòng)選擇和預(yù)處理，預(yù)先在肝臟超聲圖像中選擇一個(gè)固定的大區(qū)域，感興趣區(qū)域的尺寸大小設(shè)置為64*64的方形區(qū)域，選擇目標(biāo)區(qū)域內(nèi)均方差最小的部分區(qū)域作為感興趣區(qū)域，將感興趣區(qū)域圖像的灰度值映射到0-255之間；

步驟二：構(gòu)造不同尺度d和角度θ下的24個(gè)灰度共生矩陣，即多尺度灰度共生矩陣，對(duì)構(gòu)造的多尺度灰度共生矩陣進(jìn)行紋理特征的提取；

1)選擇灰度共生矩陣的尺度分別為d＝1，2，3，4，5，6；

2)對(duì)于每一個(gè)尺度d，分別取角度θ＝0°，45°，90°，135°；

3)構(gòu)造不同尺度d和角度θ下的24個(gè)灰度共生矩陣，得到多尺度灰度共生矩陣；

4)對(duì)于每一個(gè)歸一化的多尺度灰度共生矩陣進(jìn)行紋理特征參數(shù)的提取，在一個(gè)尺度d和一個(gè)角度θ下可以得到的14個(gè)紋理特征參數(shù)；

5)計(jì)算同一尺度d在4個(gè)角度下得到的14個(gè)特征參數(shù)的均值和范圍作為特征參數(shù)，得到同一尺度d下的紋理特征參數(shù)共84個(gè)，在6個(gè)尺度下可以得到的特征參數(shù)共有504個(gè)；

步驟三：小波多子圖共生矩陣的構(gòu)造和紋理特征提取；

1)對(duì)感興趣區(qū)域進(jìn)行一次小波分解，得到近似子圖LL，和細(xì)節(jié)子圖LH和HL，并將高頻子圖HH視為噪聲舍去；

2)將細(xì)節(jié)子圖LH和HL按照下述公式合并為整體細(xì)節(jié)子圖LHL：

3)將LL和LHL量化到N_g個(gè)灰度級(jí)，進(jìn)行小波多子圖共生矩陣的構(gòu)造；小波多子圖共生矩陣的元素p(i，j)定義為在近似子圖LL(m，n)和細(xì)節(jié)子圖LHL(m，n)中同時(shí)具有整體灰度值為i，細(xì)節(jié)灰度值為j的像素的個(gè)數(shù)：

p(i，j)＝#{(m，n)∈H_x×H_y|LL(m，n)＝i，LHL(m，n)＝j(luò)}

其中H_x＝{1，2，...，N_x}代表水平空間域，H_y＝{1，2，...，N_y}代表垂直空間域；N_x和N_y分別為感興趣區(qū)域的水平和垂直方向像素個(gè)數(shù)；

4)對(duì)構(gòu)造的小波多子圖共生矩陣按下式進(jìn)行歸一化：

其中，q(i，j)是歸一化之后的p(i，j)；

5)對(duì)歸一化后的小波多子圖共生矩陣進(jìn)行11個(gè)紋理特征參數(shù)的提取，具體的參數(shù)定義如下：

其中，

經(jīng)過以上特征提取運(yùn)算后，得到11個(gè)紋理特征參數(shù)，與步驟二第5)步得到的504個(gè)特征參數(shù)合在一起得到了515個(gè)紋理特征參數(shù)；

步驟四：基于支持向量機(jī)的不完全窮舉封裝式特征選擇；

1)將待分類的每個(gè)尺度的樣本分為訓(xùn)練集、測(cè)試集和驗(yàn)證集三部分；

2)對(duì)于訓(xùn)練集和測(cè)試集的樣本數(shù)據(jù)構(gòu)造特征個(gè)數(shù)為Cⁱ_n的特征子集，其中n＝95，i的值取i＝1，2，3，4；

3)根據(jù)肝纖維化的嚴(yán)重程度(S0-S4)將每個(gè)樣本的標(biāo)簽設(shè)置為0-4；

4)利用步驟五進(jìn)行基于支持向量機(jī)的分級(jí)分類，得出應(yīng)用訓(xùn)練集訓(xùn)練和測(cè)試集測(cè)試時(shí)各種特征組合對(duì)應(yīng)的分類結(jié)果，從這些結(jié)果中選出使分類準(zhǔn)確率最高的特征組合；

步驟五：基于支持向量機(jī)的多級(jí)分類方法；

1)對(duì)于待驗(yàn)證的樣本，首先將其劃分為無纖維化/有纖維化兩種；

2)對(duì)于有纖維化的樣本，繼續(xù)將其劃分為輕度纖維化和重度纖維化；

3)將輕度纖維化的樣本劃分為S1/S2階段；

4)重度纖維化的樣本劃分為S3/S4階段。