[發明專利]一種基于超聲造影圖像均勻程度的分類方法

有效

• 申請號: 201910093165.0
• 申請日: 2019-01-30
• 公開（公告）號: CN109800820B
• 公開（公告）日: 2020-03-03
• 發明（設計）人: 莊華;羅燕;尹皓;劉西耀;覃浪寬;羅源;劉東權
• 申請（專利權）人: 四川大學華西醫院;成都思多科醫療科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32;G06K9/46
• 代理公司: 四川力久律師事務所 51221
• 代理人: 李正

本發明公開了一種基于超聲造影圖像均勻程度的分類方法，該方法通過對超聲造影圖像進行預處理，得到若干個矩形感興趣子區域，并對每個矩形感興趣子區域完成分類標注，接著從每個矩形感興趣子區域中提取出多組紋理特征，通過對每組紋理特征進行篩選，再結合主成分分析方法，得到分類訓練樣本；然后，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，利用分類訓練樣本訓練得到相應的二分類QDA模型，最后利用得到的多個二分類QDA模型對未標注的超聲造影圖像進行分類預測，并以投票的方式決定該超聲造影圖像的分類結果。因此，本發明能夠降低分類模型的學習難度，提高分類模型的訓練效率。

技術領域

本發明涉及超醫學圖像處理技術領域，特別涉及一種基于超聲造影圖像均勻程度的分類方法。

背景技術

醫學影像在醫療診斷階段中有重要的作用，但是醫生通過醫學影像來進行判斷，需要大量的專業知識和臨床經驗，其判斷結果容易受到醫生的主觀因素影響，診斷結果不穩定。

而超聲檢查作為一種醫學影像檢測手段，具有無創、無痛、無電離輻射影響的優勢，超聲圖像與CT及MRI相比，其圖像的分辨率更高，其實時動態的圖像更能顯示腫瘤內部的細節。隨著超聲儀器分辨率的不斷提高及超聲探頭頻率的不斷改進，超聲在器官組織病損的輔助診療中具有更加明顯的優勢。但是超聲醫師的水平差異及操作規范的不均一性，經常給圖像特征的穩定性的判斷帶來困難。同時，醫生的工作量巨大，工作時間長，對大量數據進行判讀時，獲得結果困難。因此，利用機器學習和圖像處理技術輔助醫生診斷已經成為醫學影像診斷的發展趨勢。而為了增強結果判斷的穩定性，降低工作量，有必要利用機器學習和圖像處理技術對超聲造影圖像分類，做出準確的判斷，以輔助人工診斷及療效的判定。

目前，灰度共生矩陣是一種常用于超聲圖像的紋理分析方法，已經廣泛地應用在肝臟病變、乳腺腫瘤、甲狀腺結節等病癥的超聲圖像分析。但灰度共生矩陣需要的計算開銷大，占用更大的存儲空間。

發明內容

本發明的目的在于：提供一種基于超聲造影圖像均勻程度的分類方法，其不僅能夠降低醫生的工作量，有效地輔助醫生做出準確的診斷結果，還能夠減小圖像處理的計算開銷，從而降低分類模型的學習難度，提高分類模型的訓練效率。

為了實現上述發明目的，本發明提供了以下技術方案：

一種基于超聲造影圖像均勻程度的分類方法，其包括以下步驟：

S1：從超聲造影圖像中提取出矩形感興趣區域，再將提取的矩形感興趣區域劃分為若干個矩形感興趣子區域，并分別對每個矩形感興趣子區域進行分類標注；

S2：從每個矩形感興趣子區域中提取出多組紋理特征；

S3：將每組紋理特征分別用于訓練QDA模型，并篩選出每組紋理特征中QDA模型訓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據進行標準化處理，再利用主成分分析法對標準化處理后的數據進行降維處理，而得到分類訓練樣本；

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，利用分類訓練樣本訓練得到相應的二分類QDA模型；

S6：利用步驟S5中得到的多個二分類QDA模型對未標注的超聲造影圖像進行分類預測，并以投票的方式決定該超聲造影圖像的分類結果。

根據一種具體的實施方式，本發明基于超聲造影圖像均勻程度的分類方法步驟S1中，采用一個設定尺寸的矩形窗口在所述矩形感興趣區域上滑動，每滑動一次則將所述矩形窗口內的圖像作為一個矩形感興趣子區域；其中，所述矩形窗口每次滑動的距離根據矩形感興趣子區域之間的重疊率而設定。

根據一種具體的實施方式，本發明基于超聲造影圖像均勻程度的分類方法中的步驟S2具體包括以下步驟：

S201：將每個矩形感興趣子區域的灰度級壓縮到1～Ng；