[發(fā)明專利]一種特征優(yōu)化的醫(yī)學肝臟圖像識別方法

在審

• 申請?zhí)枺?/td>: 202111120832.3
• 申請日: 2021-09-24
• 公開（公告）號: CN114118183A
• 公開（公告）日: 2022-03-01
• 發(fā)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(lián)知識產權代理有限公司 32243
• 代理人: 文雯

一種特征優(yōu)化的醫(yī)學肝臟圖像識別方法，包括：采用交互式定位分割方法獲取感興趣區(qū)域；基于灰度直方圖特征提取方法提取感興趣區(qū)域的灰度特征、基于Gabor特征提取方法提取感興趣區(qū)域的紋理特征、基于Hu不變矩特征提取方法提取感興趣區(qū)域的形狀特征；在對特征做規(guī)格化的基礎上，采用局部線性嵌入LLE方法進行特征降維；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。本方法對多類特征進行降維融合，比僅用單類特征更能客觀描述感興趣區(qū)域；采用局部線性嵌入降維方法，在流形學習算法中表現(xiàn)出了較強的魯棒性；混合核函數(shù)支持向量機較單一核函數(shù)支持向量機，取得了更高識別率。

技術領域

本發(fā)明涉及醫(yī)學圖像識別方法，具體涉及一種特征優(yōu)化的醫(yī)學肝臟圖像識別方法。

背景技術

對于肝臟CT圖像，人工判讀受到醫(yī)生閱歷和主觀因素的影響，可能存在漏判或者誤判的情形，而且高強度的工作會降低醫(yī)生的工作效率，因此利用計算機，尋找合適的自動輔助識別方法，幫助醫(yī)生進行輔助診斷，成為計算機和醫(yī)學交叉領域的迫切需求。

通過觀察人體腹部肝臟CT圖像，發(fā)現(xiàn)異常圖像和正常圖像是有較為明顯的特征差別的，利用計算機提取的特征通常包括顏色特征、紋理特征和形狀特征，在實際應用中，僅僅利用一類特征是很難完整描述一副圖像內容的。

提取后的特征不僅維數(shù)較高，而且特征之間也有冗余，如何充分有效利用各類特征，提高肝臟圖像識別率，從而輔助醫(yī)生診斷，是當前醫(yī)學圖像識別領域的研究熱點之一。

發(fā)明內容

本發(fā)明的目的是提供一種特征優(yōu)化的醫(yī)學肝臟圖像識別方法。本發(fā)明，一種特征優(yōu)化的醫(yī)學肝臟圖像識別方法，采用的技術方案是：

一種特征優(yōu)化的醫(yī)學肝臟圖像識別方法，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(qū)域；

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

步驟3，在對特征做規(guī)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。

進一步地，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(qū)域的中心點，自動分割出一塊m*n的感興趣區(qū)域。參數(shù)m和n可由用戶預先根據(jù)需要設置，再由計算機程序實現(xiàn)自動分割。

進一步地，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(qū)域的灰度特征，這些特征是均值μ、方差σ²、傾斜度μ_s、峰態(tài)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(qū)域的紋理特征，這些特征標記為f＝(μ₀₀,σ₀₀,μ₀₁,σ₀₁,...,μ_s-1k-1,σ_s-1k-1)，此處的均值(mean)μ和方差(variance)σ是基于Gabor特征提取方法提取的均值和方差，s為小波尺度數(shù)，k為方向數(shù)；包括基于Hu不變矩特征提取方法提取感興趣區(qū)域的形狀特征，這些特征標記為M₁,…M_z。