[發明專利]一種特征優化的醫學肝臟圖像識別方法

在審

• 申請號: 202111120832.3
• 申請日: 2021-09-24
• 公開（公告）號: CN114118183A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 郭依正;倪紅軍;焦蓬蓬
• 申請（專利權）人: 南京師范大學泰州學院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 文雯

1.一種特征優化的醫學肝臟圖像識別方法，其特征在于：所述方法包括如下步驟：

步驟1，采用交互式定位分割方法獲取感興趣區域；

步驟2，基于灰度直方圖特征提取方法提取感興趣區域的灰度特征、基于Gabor特征提取方法提取感興趣區域的紋理特征、基于Hu不變矩特征提取方法提取感興趣區域的形狀特征；

步驟3，在對特征做規格化的基礎上，采用局部線性嵌入LLE方法進行特征降維；

步驟4，采用改進的支持向量機SVM，識別方法判斷肝臟圖像是否異常。

2.根據權利要求1所述的一種特征優化的醫學肝臟圖像識別方法，其特征在于：所述步驟1具體是待用戶打開一副肝臟圖像后，使用鼠標定位感興趣區域的中心點，自動分割出一塊m*n的感興趣區域。

3.根據權利要求1所述的一種特征優化的醫學肝臟圖像識別方法，其特征在于：所述步驟2包括基于灰度直方圖特征提取方法提取感興趣區域的灰度特征，這些特征是均值μ、方差σ²、傾斜度μ_s、峰態μ_k、能量μ_N、熵μ_E；包括基于Gabor特征提取方法提取感興趣區域的紋理特征，這些特征標記為f＝(μ₀₀,σ₀₀,μ₀₁,σ₀₁,...,μ_{s-1 k-1},σ_s-1k-1)，s為小波尺度數，k為方向數；包括基于Hu不變矩特征提取方法提取感興趣區域的形狀特征，這些特征標記為M₁,…M_z。

4.根據權利要求1所述的一種特征優化的醫學肝臟圖像識別方法，其特征在于：所述步驟3具體包括采用標準差變換和極差轉換對提取的特征進行規格化，將所有特征規格化到[0,1]之間；接著采用LLE算法進行特征降維，假設輸入的高維空間樣本集為X＝{X₁,X₂,...X_n},X_i∈R^D，把X映射到低維度空間后變為Y＝{Y₁,Y₂,...Y_n},Y_i∈R^d，R^D和R^d分別代表D維和d維空間；找到離目標樣本點最近的K個數據點，作為該目標點的鄰近點，代價函數如下：

其中W_ij為X_i和X_ij間的重構加權值，X_ij表示X_i的第j個近鄰點，且滿足∑_jW_ij＝1，如果X_j不是X_i的近鄰點則W_ij＝0，代價函數越小則重建的越好；

約束關系如下：

式中M＝(I-W)^T(I-W)為稀疏陣，需要求解M中最小的(d+1)個特征值所對應的特征向量。低維流形Y就是由第2個到第(d+1)個特征向量組合成。

5.根據權利要求1所述的一種特征優化的醫學肝臟圖像識別方法，其特征在于：所述步驟4所采用的改進的SVM，是混合核函數支持向量機，核函數構造如下：

K(x,y)＝δK_Poly(x,y)+(1-δ)K_Sigmoid(x,y)

其中δ∈(0,1)，δ為核函數的權值，即將Poly核和Sigmoid核線性結合構成混合核函數。