[發明專利]基于字典學習和稀疏表示的影像特征提取方法及表達方法

在審

• 申請號: 201910583956.1
• 申請日: 2019-07-01
• 公開（公告）號: CN110276414A
• 公開（公告）日: 2019-09-24
• 發明（設計）人: 李振江;尹勇;李寶生;朱健;吳仕章
• 申請（專利權）人: 山東省腫瘤防治研究院（山東省腫瘤醫院）
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06T7/00
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜明

本發明公開了一種基于字典學習和稀疏表示的影像特征提取方法及表達方法，屬于圖像特征提取領域，要解決的技術問題為如何降低參數描述維度；提取方法為：將訓練集影像組學特征分為兩種類型；對于每種訓練集影像組學特征，提取多個圖像樣本并計算每個圖像樣本的紋理特征圖，構建初始字典；按照字段更新初始字典，得到超完備冗余字典；基于待匹配特征系數與每種類別對應的參考特征系數之間的歐式距離，逐一對每個測試集影像組學特征進行特征分類。表達方法包括：回顧性精確標記傳統影像的感興趣區域；提取每個感興趣區域的影像組學特征；逐像素點的對每個感興趣區域圖像進行特征提取；對影像組學特征進行特征提取和分類。

技術領域

本發明涉及圖像特征提取領域，具體地說是一種基于字典學習和稀疏表示的影像特征提取方法及表達方法。

背景技術

通過常規醫學影像[例如計算機斷層(CT)影像、核磁共振圖像(MRI)、正電子發射斷層影像(PET)、錐形束影像(CBCT)等]進行腫瘤感興趣的精準勾畫提取已經成為臨床腫瘤治療過程中的重要一部分，如何精準的提取和描述腫瘤感興趣區域已經越來越受到臨床上的關注。如果能根據腫瘤的影像學特征，詳細的分析腫瘤異質性區域的變化，精準的進行感興趣區域的勾畫、療效和預后的評估分析，有針對性的根據腫瘤的異質性影像學特征制定治療方案，對于制定個體化的治療方案至關重要。

影像學在腫瘤的特征評價和靶區精確勾畫方面存在局限性。傳統的解剖影像在評價腫瘤特征方面僅能夠提供腫瘤靶區的宏觀異質性信息，包括靶區影像學的對比度等信息，無法提供腫瘤區域微觀異質性信息，缺乏功能信息的參考，在描述腫瘤療效反映方面也存在缺陷。影像組學可以很好的解決上述問題。多項研究證實從傳統影像中提取出的影像組學特征指標與腫瘤本身的生物學特性和臨床治療療效存在顯著的相關性。比如：①從腫瘤區域提取的某些影像組學特征指標與腫瘤內部異質性有關，指向腫瘤內不同區域是乏氧還是富氧，是否有血管生成；②從腫瘤區域提取的某些影像組學特征指標與腫瘤接受放療或化療后的反應敏感度有關，這些指標可用于預測放化療療效；③從肺組織區域提取的某些影像組學特征指標，與患者接受放療后出現放射性肺炎的可能性有關，可用于在治療前預測患者接受放療后出現并發癥的風險。

上述研究從另一個側面較好的證實了影像組學的方法在腫瘤區域精準描述、療效預測等方面的優勢。但是，上述研究也暴露了影像組學的諸多缺陷：首先就是多數的研究缺乏臨床應用普適性，無法進行臨床推廣；其次，選擇的參數眾多，缺乏較好的臨床應用價值；最后，參數選擇缺乏標準化。

基于上述分析，如何降低參數描述維度、減少參數復雜度、增強特征的表達能力，以提高影像組學特征提取過程的標準化和可靠性，是需要解決的技術問題。

發明內容

本發明的技術任務是針對以上不足，提供一種基于字典學習和稀疏表示的影像特征提取方法及表達，來解決如何降低參數描述維度、減少參數復雜度、增強特征的表達能力的問題。

第一方面，本發明提供一種基于字典學習和稀疏表示的影像特征提取方法，用于對影像組學特征進行特征提取和分類，包括：

S100、基于腫瘤包括治療抵抗類型和治療敏感類型，將訓練集影像組學特征分為兩種類型，分別為治療抵抗類型和治療敏感類型；

S200、對于每種訓練集影像組學特征，提取多個圖像樣本并計算每個圖像樣本的紋理特征圖，通過列向量的形式表達紋理特征圖，以構建初始字典；

S300、按照字段更新初始字典，得到超完備冗余字典；

S400、通過超完備冗余字典對訓練集影像組學特征進行稀疏表示，得到具有相應類別的特征系數，所述特征系數作為相應類別的參考特征系數；

S500、通過超完備冗余字典對未知類別的測試集影像組學特征進行稀疏表示，得到特征系數，所述特征系數作為待匹配特征系數，基于待匹配特征系數與每種類別對應的參考特征系數之間的歐式距離，逐一對每個測試集影像組學特征進行特征分類。