[發(fā)明專利]一種基于超聲造影圖像均勻程度的分類方法有效
| 申請?zhí)枺?/td> | 201910093165.0 | 申請日: | 2019-01-30 |
| 公開(公告)號: | CN109800820B | 公開(公告)日: | 2020-03-03 |
| 發(fā)明(設(shè)計(jì))人: | 莊華;羅燕;尹皓;劉西耀;覃浪寬;羅源;劉東權(quán) | 申請(專利權(quán))人: | 四川大學(xué)華西醫(yī)院;成都思多科醫(yī)療科技有限公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06K9/32;G06K9/46 |
| 代理公司: | 四川力久律師事務(wù)所 51221 | 代理人: | 李正 |
| 地址: | 610041 四川*** | 國省代碼: | 四川;51 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 超聲 造影 圖像 均勻 程度 分類 方法 | ||
1.一種基于超聲造影圖像均勻程度的分類方法,其特征在于,包括以下步驟:
S1:從超聲造影圖像中提取出矩形感興趣區(qū)域,再將提取的矩形感興趣區(qū)域劃分為若干個矩形感興趣子區(qū)域,并分別對每個矩形感興趣子區(qū)域進(jìn)行分類標(biāo)注;
S2:從每個矩形感興趣子區(qū)域中提取出多組紋理特征;
S3:將每組紋理特征分別用于訓(xùn)練QDA模型,并篩選出每組紋理特征中QDA模型訓(xùn)練錯誤率較低的多個紋理特征;
S4:對篩選出的紋理特征的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,再利用主成分分析法對標(biāo)準(zhǔn)化處理后的數(shù)據(jù)進(jìn)行降維處理,而得到分類訓(xùn)練樣本;
S5:將多分類問題分解為多個二分類問題,并分別針對每個二分類問題,利用分類訓(xùn)練樣本訓(xùn)練得到相應(yīng)的二分類QDA模型;
S6:利用步驟S5中得到的多個二分類QDA模型對未標(biāo)注的超聲造影圖像進(jìn)行分類預(yù)測,并以投票的方式?jīng)Q定該超聲造影圖像的分類結(jié)果;
所述S3的具體步驟為:
S301,設(shè)feature={f1,f2,f3,f4,f5,f6,f7,f8,f9},selectFeature={},feature表示一組特征,selectFeature表示從feature中選擇出的特征;
S302,單獨(dú)使用feature中的每一個特征訓(xùn)練QDA模型,選擇出使QDA模型錯誤率最小的特征fk,將fk添加到集合selectFeature中,從feature中刪除fk;
S303,將feature中剩下的每一個特征,分別和集合selectFeature中的特征進(jìn)行組合訓(xùn)練QDA模型,選擇出使模型錯誤率最小的特征,添加到集合selectFeature中,并從feature中刪除所述使模型錯誤率最小的特征;
S304,重復(fù)步驟S303,直到集合selectFeature中的特征數(shù)目為5;
所述步驟S2具體包括以下步驟:
S201:將每個矩形感興趣子區(qū)域的灰度級壓縮到1~Ng;
S202:在每個矩形感興趣子區(qū)域中的多個不同的方向上提取像素,且在每個方向上依次提取相同個數(shù)的像素;
S203:計(jì)算出每個方向上提取的像素中相對距離為(d1,d2)的兩個像素之間的和、差,并統(tǒng)計(jì)出相應(yīng)的和直方圖與差直方圖,再將和直方圖、差直方圖歸一化,計(jì)算出和直方圖、差直方圖的數(shù)據(jù)特征;
S204:基于每個方向上提取的像素而計(jì)算出的和直方圖、差直方圖的數(shù)據(jù)特征,分別計(jì)算出一組紋理特征;
其中,設(shè)矩形感興趣子區(qū)域D中,相對距離為(d1,d2)的兩個像素表示為:
y1=g(m,n);
y2=g(m+d1,n+d2);
設(shè)像素y1與y2的和、差分別表示為:
sm,n=y(tǒng)1+y2;
dm,n=y(tǒng)1-y2;
則和直方圖與差直方圖分別為:
hs(i;d1,d2)=hs(i)=Card{(m,n)∈D|sm,n=i};
hd(j;d1,d2)=hd(j)=Card{(m,n)∈D|dm,n=j(luò)};
以及,和直方圖與差直方圖的數(shù)據(jù)特征分別為:
步驟S201中,Ng取64,對矩形感興趣子區(qū)域進(jìn)行圖像壓縮的公式為:其中g(shù)(m,n)為圖像的像素。
2.如權(quán)利要求1所述的基于超聲造影圖像均勻程度的分類方法,其特征在于,步驟S1中,采用一個設(shè)定尺寸的矩形窗口在所述矩形感興趣區(qū)域上滑動,每滑動一次則將所述矩形窗口內(nèi)的圖像作為一個矩形感興趣子區(qū)域;其中,所述矩形窗口每次滑動的距離根據(jù)矩形感興趣子區(qū)域之間的重疊率而設(shè)定。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于四川大學(xué)華西醫(yī)院;成都思多科醫(yī)療科技有限公司,未經(jīng)四川大學(xué)華西醫(yī)院;成都思多科醫(yī)療科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910093165.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設(shè)備、圖像形成系統(tǒng)和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序





