[發明專利]基于遺傳算法的乳腺腫瘤輪廓動態提取方法

有效

• 申請號: 202010024155.4
• 申請日: 2020-01-10
• 公開（公告）號: CN111242965B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 王一波;趙建勛;鄧軍;何桂演;但佳雄;張旭
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06N3/12;G06T7/181
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華

1.一種基于遺傳算法的乳腺腫瘤輪廓動態提取方法，其特征在于：

(1)構建初始腫瘤模型

1a)獲取現有的乳腺腫瘤超聲圖；

1b)根據圖像中的灰度值差別區分腫瘤組織和正常組織，并將圖像轉換為二值圖，分別標記腫瘤組織和正常組織；

1c)按照設定的分辨率將1b)中的二值圖網格化，生成網格圖像，得到組織矩陣A：

其中，a_ij表示網格圖像中位置為(i，j)的組織信息，若a_ij＝0，表示此位置為正常組織，若a_ij＝1，表示此位置為腫瘤組織；

1d)根據1c)得到的組織矩陣A，在XFDTD電磁仿真軟件中建立初始腫瘤模型X^a，并在模型周圍設置N根天線，每根天線輪流發射電磁波輻射腫瘤，所有天線同時接收并記錄電磁回波，N≥8；

1e)拷貝初始腫瘤模型X^a，并將其中的腫瘤組織替換為正常組織，得到無腫瘤模型X^b；

(2)構建初始評估函數F：

式中，N表示天線總數，M為每一根天線的電流采樣總數，表示初始腫瘤模型X^a的第i根天線在t時刻接收回波的電流值，表示無腫瘤模型X^b的第i根天線在t時刻接收回波的電流值；

(3)利用共焦成像獲得腫瘤的中心位置，及最優的腫瘤矩形輪廓：

3a)在1d)建立的初始腫瘤模型X^a中，用共焦成像確定腫瘤基本區域；

3b)在1e)建立的無腫瘤模型X^b中，使用邊長為8mm的腫瘤組織小格遍歷腫瘤基本區域，得到帶腫瘤組織小格的模型X^o，通過初始適應度函數F計算該模型的適應度值，選取模型X^o中適應度值最高的小格位置作為腫瘤的中心位置；

3c)調整中心位置上小格的長和寬，得到矩形腫瘤模型X^s，通過初始評估函數F迭代計算該模型的適應度值，直到適應度值不再增加，此時模型X^s中的矩形輪廓就是最優的腫瘤矩形輪廓；

(4)修改初始適應度函數F，獲得距離補償適應度函數F′；

(5)調整步驟(3)得到的矩形腫瘤的位置，獲得初始輪廓模型序列，利用距離補償適應度函數F′計算初始輪廓模型序列的適應度值，對初始輪廓模型序列進行編碼，依次通過遺傳算法與集成算法訓練經過編碼的初始輪廓模型序列，用1mm的變化量不斷演進腫瘤輪廓的形狀，得到演進輪廓模型序列；

(6)將演進輪廓模型序列的距離補償適應度值序列f₁′，f₂′...，f_l′的最大值f′_max與預設的適應度閾值f作比較：

若f′_max≥f，則表示步驟(5)得到的演進輪廓模型序列中有最優模型，訓練結束，輸出此模型的腫瘤輪廓圖像；

若f′_max＜f，則表示未得到最優模型，需要對演進輪廓模型序列再次編碼，繼續依次通過遺傳算法與集成算法進行迭代訓練，若達到設置的最大迭代次數時仍未得到最優模型，則輸出適應度值最高的腫瘤輪廓圖像。

2.根據權利要求1所述的方法，其特征在于：所述(2)中構建初始適應度函數F，實現如下：

2a)通過XFDTD仿真軟件分別對初始腫瘤模型X^a和無腫瘤模型X^b進行仿真，得到X^a的第i根天線在t時刻接收回波的電流值和X^b的第i根天線在t?時刻接收回波的電流值計算兩個電流的平方誤差

2b)逐時刻、逐天線累加X^a和X^b的電流平方誤差得到總電流誤差E：

式中，N為天線總數，M為每一根天線的電流采樣總數；

2c)將E取倒數得到適應度函數F：

無腫瘤模型中添加腫瘤后，與初始腫瘤模型越相似，則F的取值越大。