[發明專利]一種基于主動學習的腹腔CT圖像腹膜轉移自動標記方法

有效

• 申請號: 201811061701.0
• 申請日: 2018-09-12
• 公開（公告）號: CN109191452B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 薛玉靜;杜娟;劉松;顧慶
• 申請（專利權）人: 南京大學;南京鼓樓醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

本發明公開了一種基于主動學習的腹腔CT圖像腹膜轉移自動標記方法，其步驟是：1）CT圖像預處理，采用閾值法完成圖像分割；2）提取圖像特征，基于圖像分割結果，選擇圖像顆粒提取灰度和紋理特征；3）采用隨機游走分類法計算圖像標記不確定性；4）基于標記不確定性和多樣性選擇CT圖像供專家標記；返回步驟3）直至所有CT圖像的標記已確定；5）輸出確定標記的所有CT圖像，其中陰性標記表示未發生腹膜轉移，陽性標記表示發生了腹膜轉移。本發明方法充分利用CT圖像特點和腫瘤腹膜轉移特征，應用主動學習思想，在少量專家標記的基礎上，能夠完成大量腹腔CT圖像腹膜轉移的自動標記，為惡性腫瘤診療提供依據。

技術領域

本發明屬于醫學圖像處理技術領域，涉及一種基于主動學習的腹腔CT圖像腹膜轉移自動標記方法，特別針對已標記CT圖像數量少的問題，運用圖像處理技術和機器學習方法，實現大量腹腔CT圖像的自動標記。

背景技術

腹膜是腹腔內多種惡性腫瘤常見的轉移部位，標記腹膜轉移是評價惡性腫瘤治愈效果的重要依據。存在腹膜轉移的腫瘤患者病情發展快、預后差，臨床治療難度大，需要盡早診斷、及時治療。標記腹膜轉移可通過結節檢測來完成，腹腔CT圖像是檢測小結節的重要診斷依據。但CT會產生大量的圖像，其中包含淋巴、血管等類似于結節的圖像顆粒，通過結節檢測腹腔轉移需要經驗豐富的醫師來完成，現有的人工閱片方式會消耗大量人力和時間資源，而且受主觀因素影響，檢測精度低且難以重復。通過人工智能技術處理腹腔CT圖像，自動標記腹膜轉移以進行惡性腫瘤診斷是計算機輔助醫療的新趨勢之一，能夠在減少醫師工作量的同時提高診斷準確性。

本發明應用主動學習技術完成腹腔CT圖像腹膜轉移自動標記，若給定CT圖像包含腹膜轉移，則標記為陽性，否則標記為陰性。通過篩選最有價值的樣本進行專家標記來解決標記樣本數量少、標記成本高的問題。主動學習的關鍵在于判斷一個未標記樣本是否為“有用的”或者“含有信息”的，其中基于分類器的不確定性采樣是一種廣泛使用的方法。該方法基于現有已標記樣本訓練分類器，預測未標記樣本屬于為各類別的概率以衡量未標記樣本的不確定性。由于已標記樣本的數據分布代表性差以及已標記樣本數量少等問題直接影響分類器的預測性能，基于分類器的方法會產生較大的樣本標記誤差。隨機游走分類是一種基于隨機游走模型的分類技術，它通過利用整體樣本集的信息緩解已標記樣本數量少的問題，可有效衡量未標記樣本的標記不確定性。

發明內容

針對于上述現有技術的不足，本發明的目的在于提供一種基于主動學習的腹腔CT圖像腹膜轉移自動標記方法，本發明方法易于理解、計算開銷小、算法迭代速度快，能夠在少量專家標記的基礎上，完成大量腹腔CT圖像的腹膜轉移自動標記，為惡性腫瘤診療提供依據，具有良好的實用性、擴展性和魯棒性。

為達到上述目的，本發明采用的技術方案如下：

本發明的一種基于主動學習的腹腔CT圖像腹膜轉移自動標記方法，包括步驟如下：

1)讀取腹腔CT圖像，對其進行截取、濾波、去噪、平滑、增強的預處理工作；采用閾值分割技術對腹腔CT圖像進行區域分割，獲取顆粒圖像；

2)基于分割后的CT圖像，選取顆粒圖像，分別提取灰度和紋理特征，構建CT圖像的特征向量；

3)基于隨機游走分類算法計算未標記CT圖像的標記不確定性；

4)基于標記不確定性初次篩選未標記CT圖像，采用聚類技術計算圖像多樣性再次篩選CT圖像，提醒專家標記篩選出的CT圖像；返回步驟3)，直至不存在標記不確定的CT圖像；

5)完成所有腹腔CT圖像的腹膜轉移標記，并輸出已標記的腹腔CT圖像。

優選地，所述步驟2)中基于每張分割后的CT圖像選取顆粒圖像的處理過程基于以下三個特征：

21)像素個數：顆粒圖像中包含的像素個數；

22)最大灰度值：顆粒圖像所有像素中的最大灰度值；