[發明專利]一種醫學圖像病變區域定位和分類方法

在審

• 申請號: 201710538315.5
• 申請日: 2017-07-04
• 公開（公告）號: CN107330883A
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 張小瑞;徐慧;孫偉;朱利豐;宋愛國;牛建偉
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/73;G06T7/44
• 代理公司: 南京匯盛專利商標事務所(普通合伙)32238
• 代理人: 張立榮,裴詠萍

1.一種醫學圖像病變區域定位和分類方法，其特征在于：所述醫學圖像病變區域定位和分類方法通過對采集的醫學圖像進行病變區域定位、分割，然后將分割圖像采用深度學習模型進行特征提取與分類。

2.根據權利要求1所述的醫學圖像病變區域定位和分類方法，其特征在于：對采集的醫學圖像進行病變區域定位步驟為：

第一步：將采集的醫學圖像分為訓練集和測試集，提取訓練集圖像WLD直方圖特征信息；

第二步：訓練KNN分類器，再用測試集圖像對訓練好的KNN分類器進行測試，完成醫學圖像病變區域定位。

3.根據權利要求2所述的醫學圖像病變區域定位和分類方法，其特征在于：所述第一步WLD直方圖特征信息包括差異激勵和梯度方向。

4.根據權利要求2所述的醫學圖像病變區域定位和分類方法，其特征在于：所述第二步訓練KNN分類器步驟為：

A.根據提取的WLD直方圖特征信息，對訓練集圖像特征點進行標記；

B.求未知點與標記點的距離，并按距離遞增次序排序；

C.選取與未知點距離最小的k個點，其中k取值為3或5；

D.確定前k個點所在類別出現頻率；

E.返回前k個點出現頻率最高的類別作為當前點的預測分類。

5.根據權利要求1所述的醫學圖像病變區域定位和分類方法，其特征在于：分割圖像方法采用直方圖門限法，分割后保留病變區域。

6.根據權利要求1所述的醫學圖像病變區域定位和分類方法，其特征在于：所述深度學習模型采用AlexNet模型。

7.根據權利要求6所述的醫學圖像病變區域定位和分類方法，其特征在于：所述AlexNet模型包括八層結構，分別為前五層卷積層和后三層全連接層；各卷積層都包含ReLU激勵函數進行非線性化處理，前五層卷積層中第1、2、5層采用了降采樣處理減少數據維度，防止過擬合；整個AlexNet模型的前七層用于從分割好的圖像中提取高級特征，最后一層全連接層將提取的高級特征圖像放入SVM分類器用于圖像病變區域特征分類并輸出分類結果。