[發明專利]骨轉移瘤和骨島的能譜CT鑒別模型生成方法及鑒別方法

在審

• 申請號: 202010680425.7
• 申請日: 2020-07-15
• 公開（公告）號: CN111833332A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 袁翠云;劉晨彬;劉周;羅德紅;鄒麗艷;楊倩;吳式琇;金晶;任驊;王綠化
• 申請（專利權）人: 中國醫學科學院腫瘤醫院深圳醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 深圳眾鼎匯成知識產權代理有限公司 44566
• 代理人: 朱業剛

1.一種骨轉移瘤和骨島的能譜CT鑒別模型生成方法，其特征在于，包括：

采集攜帶圖像標識的原始能譜CT圖，所述圖像標識為骨轉移瘤標識或骨島標識；

從所述原始能譜CT圖中勾畫出感興趣區域，獲取訓練感興趣能譜CT圖；

采用特征提取算法對所述訓練感興趣能譜CT圖進行特征提取，獲取所述訓練感興趣能譜CT圖的待篩選特征；

采用F檢驗算法對所述待篩選特征進行篩選，獲取目標訓練特征；

基于所述目標訓練特征和對應的所述圖像標識，形成目標訓練樣本，采用所述目標訓練樣本對預設分類模型進行訓練，獲取骨轉移瘤和骨島圖像鑒別模型。

2.如權利要求1所述的骨轉移瘤和骨島的能譜CT鑒別模型生成方法，其特征在于，所述原始能譜CT圖包括鈣-水圖、水-鈣圖和碘-鈣圖；

所述采集攜帶圖像標識的原始能譜CT圖，包括：

獲取平掃能譜CT圖，對所述平掃能譜CT圖進行物質分離，獲取鈣-水圖和水-鈣圖；

獲取增強能譜CT圖，對所述增強能譜CT圖進行物質分離，獲取碘-鈣圖。

3.如權利要求1所述的骨轉移瘤和骨島的能譜CT鑒別模型生成方法，其特征在于，所述待篩選特征為紋理特征和一階特征，所述采用特征提取算法對所述訓練感興趣能譜CT圖進行特征提取，獲取所述訓練感興趣能譜CT圖的待篩選特征，包括：

采用灰度矩陣算法對所述訓練感興趣能譜CT圖進行特征提取，獲取所述訓練感興趣能譜CT圖對應的紋理特征；

根據直方圖函數，對所述訓練感興趣能譜CT圖進行處理，獲取所述訓練感興趣能譜CT圖對應的目標直方圖，基于所述目標直方圖，獲取所述訓練感興趣能譜CT圖對應的一階特征。

4.如權利要求3所述的骨轉移瘤和骨島的能譜CT鑒別模型生成方法，其特征在于，所述采用灰度矩陣算法對所述訓練感興趣能譜CT圖進行特征提取，獲取所述訓練感興趣能譜CT圖對應的紋理特征，包括：

采用灰度共生矩陣算法對所述訓練感興趣能譜CT圖進行特征提取，獲取灰度共生矩陣特征；

采用灰度游程矩陣算法對所述訓練感興趣能譜CT圖進行特征提取，獲取灰度游程矩陣特征；

采用鄰域灰度差矩陣算法對所述訓練感興趣能譜CT圖進行特征提取，獲取灰度區域大小矩陣特征；

采用鄰域灰度差矩陣算法對所述訓練感興趣能譜CT圖進行特征提取，獲取鄰域灰度差矩陣特征；

其中，所述紋理特征包括灰度共生矩陣特征、灰度游程矩陣特征、灰度區域大小矩陣特征和鄰域灰度差矩陣特征。

5.如權利要求1所述的骨轉移瘤和骨島的能譜CT鑒別模型生成方法，其特征在于，所述采用F檢驗算法對所述待篩選特征進行篩選，獲取目標訓練特征，包括：

計算待篩選特征的特征間方差及特征內方差；

基于待篩選特征的所述特征間方差及特征內方差，計算每一所述待篩選特征的對應的特征F值；

對所述特征F值大于預設F值的所述待篩選特征進行處理，獲取目標訓練特征。

6.如權利要求5所述的骨轉移瘤和骨島的能譜CT鑒別模型生成方法，其特征在于，所述對所述特征F值大于預設F值的所述待篩選特征進行處理，獲取目標訓練特征，包括：

將所述特征F值大于預設F值的所述待篩選特征確定為訓練原始特征；

對所述訓練原始特征進行歸一化處理，獲取目標訓練特征。

7.一種能譜CT圖像鑒別方法，其特征在于，包括：

獲取待鑒別能譜CT圖；

從所述待鑒別能譜CT圖中勾畫出感興趣區域，獲取待鑒別感興趣能譜CT圖；

采用特征提取算法對待鑒別感興趣能譜CT圖進行特征提取，獲取與權利要求1-6任一項所述目標訓練特征相對應的待鑒別特征；

將待鑒別特征輸入如權利要求1-6的骨轉移瘤和骨島圖像鑒別模型，獲取鑒別結果。