[發明專利]一種基于不變特征的腦膠質瘤組織學分類及其可視化方法

在審

• 申請號: 202011107532.7
• 申請日: 2020-10-16
• 公開（公告）號: CN112287985A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 陳祈劍;王麗會;王黎;鄧澤宇
• 申請（專利權）人: 貴州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/40
• 代理公司: 日照市聚信創騰知識產權代理事務所(普通合伙) 37319
• 代理人: 輝雪瑛

1.一種基于不變特征的腦膠質瘤組織學分類及其可視化方法，其特征在于，是基于小波散射變換的不變特征提取，包括有如下步驟：

1)選定膠質瘤核磁共振數據集，將所有數據集劃分為互不相關的訓練集以及測試集，并對其進行預處理；

2)選定小波散射變換的最大尺度，最大方向，最大散射層數，小波函數，尺度函數以及小波散射變換的散射路徑；

3)沿著散射路徑生成散射傳播算子，散射傳播算子結合尺度函數運算得到輸入圖像的散射輸出特征圖；

4)計算所有數據集的散射特征輸出圖的特征值，使用降維算法對訓練集的特征進行降維，得到降維預訓練模型以及訓練集降維特征，將訓練集降維后的特征輸入到分類器，得到分類預訓練模型；最后將訓練集特征輸入到降維預訓練模型和分類預訓練進行膠質瘤組織學分類；

5)每一張輸入切片，對于其腫瘤區域，進行選定大小的滑塊操作，進行膠質瘤腫瘤區域的可視化。

2.根據權利要求1所述的一種基于不變特征的腦膠質瘤組織學分類及其可視化方法，其特征在于：所述步驟1)中選定核磁共振圖像大小為[A，B，C]，A和B為切片大小C為切片數量。預處理的步驟包括：N4偏正場矯正，顱骨剝離，圖像配準到標準空間以及歸一化等操作。

3.根據權利要求1所述的一種基于不變特征的腦膠質瘤組織學分類及其可視化方法，其特征在于：所述步驟2)中選定最大尺度為J，最大方向為L，最大散射層數為M，小波函數ψ_j，r(u)＝2^-2jψ(2^-jr^-1u)，尺度函數φ_J(u)＝2^-2Jφ(2^-Ju)，以及小波散射變換的散射路徑其中u為輸入圖像，為高斯函數，小波函數的尺度j滿足1≤2^j≤2^j，小波函數的旋轉角度r滿足r＝2πl/L，記錄小波散射的尺度j，旋轉方向r和散射層數m，表示沿著記錄的方向，尺度和散射層數的散射路徑，l＝0，1，…，L代表方向，r＝2πl/L為小波函數的旋轉角，m＝0，1…M為第m散射層。

4.根據權利要求1所述的一種基于不變特征的腦膠質瘤組織學分類及其可視化方法，其特征在于：所述步驟3)中由選定的小波函數結合模運算沿著散射路徑生成散射傳播算子沿著散射路徑，級聯運算得到散射輸出特征圖

5.根據權利要求1所述的一種基于不變特征的腦膠質瘤組織學分類及其可視化方法，其特征在于：所述步驟4)中，對提取的每一張散射特征圖，對其進行log運算以及均值運算，得到核磁共振圖像中的不變特征；使用偏最小二乘算法對對訓練集得到的不變特征進行降維，得到特征降維的偏最小二乘預訓練模型；使用邏輯回歸，支持向量機，隨機森林等分類器對訓練集降維后的特征進行膠質瘤組織學分類訓練，得到分類預訓練模型；最后使用偏最小二乘預訓練模型對測試集特征進行降維，將降維后的測試集特征用在分類預訓練模型上進行膠質瘤組織學分類。

6.根據權利要求1所述的一種基于不變特征的腦膠質瘤組織學分類及其可視化方法，其特征在于：所述步驟5)中，對每一個腦膠質瘤核磁共振切片圖像(大小為[A，B])中的腫瘤區域，選定滑塊大小為Size*Size，對輸入切片不斷進行滑塊操作，對于每個Size*Size大小的滑塊，重復進行步驟2)和步驟3)中的特征提取方案，不斷提取其不變特征，讓所有滑塊的值等于所提取的特征值，進而進行可視化。