[發明專利]一種基于超聲圖像的智能化乳腺腫瘤辨別方法

在審

• 申請號: 202010693331.3
• 申請日: 2020-07-17
• 公開（公告）號: CN111832563A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 杜睿;張浩;施良;陳寶定;束薇薇;王安成
• 申請（專利權）人: 江蘇大學附屬醫院
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/40;G06K9/62;G06T7/11;G06K9/46
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 謝秀娟

1.一種基于超聲圖像的智能化乳腺腫瘤辨別方法，其特征在于，包括如下步驟：

采集乳腺腫瘤超聲圖像，并對所采集的乳腺腫瘤超聲圖像進行標記；

從標記好的乳腺腫瘤超聲圖像中選取感興趣區域ROI，并將ROI進行剪切后保存為灰度圖像，得到乳腺腫瘤的樣本圖像；

基于乳腺腫瘤的樣本圖像，提取乳腺腫瘤的灰度和紋理特征參數，得到乳腺腫瘤的灰度紋理特征矩陣；

對乳腺腫瘤的樣本圖像進行降噪處理，基于降噪處理后的乳腺腫瘤樣本圖像，提取乳腺腫瘤的形狀特征參數，得到乳腺腫瘤的形狀特征矩陣；

對乳腺腫瘤的灰度紋理特征矩陣、形狀特征矩陣進行合并，得到乳腺腫瘤樣本的特征矩陣；

基于支持向量機SVM構建乳腺腫瘤識別模型，并對乳腺腫瘤識別模型進行訓練，將待識別的超聲圖像輸入訓練好的乳腺腫瘤識別模型，完成超聲圖像中的乳腺腫瘤類型的識別。

2.根據權利要求1所述的基于超聲圖像的智能化乳腺腫瘤辨別方法，其特征在于，乳腺腫瘤的樣本圖像的獲取方法包括：從標記好的乳腺腫瘤超聲圖像中選取包含乳腺腫瘤組織的矩形區域作為ROI，對選取的ROI進行剪切，并保存為灰度等級為256級的灰度圖像，剔除超聲圖像中的冗余信息，得到乳腺腫瘤的樣本圖像；所述冗余信息包括：背景和除乳腺腫瘤之外的組織影像。

3.根據權利要求1所述的基于超聲圖像的智能化乳腺腫瘤辨別方法，其特征在于，對乳腺腫瘤的樣本圖像進行降噪處理的具體方法包括：依次通過小波變換、中值濾波、均值濾波對乳腺腫瘤的樣本圖像進行降噪處理。

4.根據權利要求1所述的基于超聲圖像的智能化乳腺腫瘤辨別方法，其特征在于，所述灰度紋理特征矩陣包括18個基于灰度共生矩陣的紋理特征和6個基于統計矩陣的紋理特征。

5.根據權利要求1所述的基于超聲圖像的智能化乳腺腫瘤辨別方法，其特征在于，所述形狀特征矩陣的獲取方法具體包括：

首先，對于經過降噪處理的乳腺腫瘤樣本圖像，統計圖像的灰度直方圖，通過灰度直方圖確定圖像中灰度頻率最高的點，將其灰度記作G_h；

其次，在圖像的幾何中心10*10像素大小的區域中，選取灰度值為G_h的像素點作為種子點，按照像素之間的8連通規則，向四周生長，生長迭代次數為200次，得到乳腺腫瘤樣本圖像中腫瘤區域的輪廓I_t，并對乳腺腫瘤樣本圖像中的腫瘤區域和背景進行自動分割；

再次，計算腫瘤區域的形狀特征參數，得到形狀特征矩陣；所述形狀特征參數包括腫瘤區域邊界的圓度、擬合橢圓長短軸比值。

6.根據權利要求5所述的基于超聲圖像的智能化乳腺腫瘤辨別方法，其特征在于，腫瘤區域邊界的圓度C的計算如式6所示：

式中，C為圓度，取值為0～1；S為腫瘤區域面積，P為腫瘤區域周長；

擬合橢圓長短軸比值的方法具體為：將腫瘤區域邊界的像素點坐標作為擬合橢圓邊界的離散點，采用偏最小二乘法擬合橢圓，得到橢圓的長軸與短軸長度，進一步求得長度較短軸與長度較長軸的比值；采用偏最小二乘法擬合橢圓，得到的標準方程如式7所示：

f(x，y)＝αx²+βy²+γxy+δx+εy+η………………7

其中，橢圓的長半軸短半軸Xc、Yc為腫瘤像素的質心坐標，α、β、γ、δ、ε、η為橢圓方程的系數，x、y為腫瘤像素的坐標。

7.根據權利要求1所述的基于超聲圖像的智能化乳腺腫瘤辨別方法，其特征在于，乳腺腫瘤識別模型訓練過程中，還對SVM進行參數優化；其中，SVM內置徑向基核函數，乳腺腫瘤識別模型訓練過程中自動選取徑向基核函數的參數C和gamma，獲得參數C和gamma取不同值時SVM的預測準確率，通過等高線圖得到徑向基核函數的參數C和gamma的優化值。