[發明專利]一種融合放射組學和深度卷積特征進行圖像分類的方法

在審

• 申請號: 201810368169.0
• 申請日: 2018-04-23
• 公開（公告）號: CN108596247A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 張煜;寧振源
• 申請（專利權）人: 南方醫科大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06K9/46;G06N3/04
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 趙蕊紅

1.一種融合放射組學和深度卷積特征進行圖像分類的方法,其特征在于，包括以下步驟：

步驟一，讀取圖像并對圖像區域進行三維分割，得到三維分割圖像；

步驟二，將步驟一的三維分割圖像的像素歸一化得到歸一化圖像；

步驟三，對步驟二的歸一化圖像預處理，進行放射組學特征提取；

步驟四，對步驟三放射組學特征篩選，得到待結合的放射組學特征；

步驟五，對步驟二的歸一化圖像進行等概率隨機抽取三維圖像塊；

步驟六，對步驟五的三維圖像塊進行訓練，將三維圖像塊輸入到卷積神經網絡中進行訓練，得到最終深度特征；

步驟七，將步驟四放射組學特征和步驟六中的深度學習特征串聯結合，輸入到分類器進行醫學圖像進行處理，得到醫學分類圖像。

2.根據權利要求1所述的融合放射組學和深度卷積特征進行圖像分類的方法，其特征在于：所述步驟一具體為，讀取圖像，將圖像導入影像控制軟件并對圖像進行三維分割，得到三維分割圖像。

3.根據權利要求2所述的融合放射組學和深度卷積特征進行圖像分類的方法，其特征在于：所述步驟二具體為，將步驟一的三維分割圖像的窗寬和窗位調整為默認值，并進行像素歸一化得到歸一化圖像。

4.根據權利要求3所述的融合放射組學和深度卷積特征進行圖像分類的方法，其特征在于：所述步驟三具體為，對步驟二的歸一化圖像進行預處理，進行包括紋理特征和非紋理特征的三維放射組學特征提取。

5.根據權利要求4所述的融合放射組學和深度卷積特征進行圖像分類的方法，其特征在于：所述步驟四具體為，使用特征選擇算子結合分類器的性能對步驟三放射組學特征進行篩選，篩選出的特征為待結合的放射組學特征。

6.根據權利要求5所述的融合放射組學和深度卷積特征進行圖像分類的方法，其特征在于：所述步驟五具體為，對步驟二的歸一化圖像進行等概率隨機抽取多個三維圖像塊。

7.根據權利要求6所述的融合放射組學和深度卷積特征進行圖像分類的方法，其特征在于：所述步驟六具體為，對步驟五的多個三維圖像塊進行訓練，每個三維圖像塊通過一定維數的特征表達，將每個三維圖像塊分別輸入到卷積神經網絡中進行訓練，微調網絡參數提升卷積神經網絡的性能，當分類性能達最高時的池化層輸出的特征為待結合深度特征，將每個三維圖像的待結合深度特征池化，得到最終深度特征。

8.根據權利要求7所述的融合放射組學和深度卷積特征進行圖像分類的方法，其特征在于：所述圖像為CT圖像、MRI圖像或者PET圖像。

9.根據權利要求8所述的融合放射組學和深度卷積特征進行圖像分類的方法，其特征在于：所述影像控制軟件為ITK-SNAP3.xTeam。

10.根據權利要求9所述的融合放射組學和深度卷積特征進行圖像分類的方法，其特征在于：所述預處理包括有小波帶通濾波、各向同性采樣和灰階量化。