專利名稱：一種醫(yī)學圖像分類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于下山算法的圖像分類方法，尤其是一種醫(yī)學圖像分類方法， 屬于圖像處理領(lǐng)域。
背景技術(shù)：
隨著計算機斷層掃描CT、核磁共振影像MRT、超聲圖像US等技術(shù)的發(fā)展，醫(yī)學圖像對醫(yī)學臨床診斷越來越重要。目前的醫(yī)學圖像識讀主要依靠醫(yī)生個人的臨床經(jīng)驗和主觀判斷，通過肉眼觀察圖像中的病變區(qū)域?qū)崿F(xiàn)臨床診斷，其缺點是①醫(yī)學圖像信息利用率不高，醫(yī)學圖像一般具有很高的分辨率，那些實際存在而人眼無法分辨的圖像信息得不到充分應(yīng)用；②在圖像識讀依賴醫(yī)生臨床經(jīng)驗的多寡，人為因素影響嚴重；③個人主觀性強，同一張醫(yī)學圖像，不同的醫(yī)生可能會有不同的識讀結(jié)果；④耗時多，當醫(yī)生面對單個病人的診斷時，耗費的時間和精力或許還可以接受，但當需要對大量醫(yī)學圖像進行病理分析時，就難以為繼了。因此需要借助圖像分類來實現(xiàn)醫(yī)學的輔助診斷。圖像分類是指根據(jù)在圖像信息中所反映的不同特征，把不同類別的目標區(qū)分開來的圖像處理過程。它利用計算機對圖像進行定量分析，把圖像或圖像中的每個像元或區(qū)域劃歸為若干個類別中的某一種，以代替人的視覺判讀。換言之，圖像分類就是從圖像中提取能代表區(qū)分該圖像結(jié)構(gòu)內(nèi)容的特征向量，在這些特征向量所在的空間中比較、分析各向量之間的距離或相似關(guān)系，通過對圖像內(nèi)容的分析，進一步發(fā)現(xiàn)圖像內(nèi)容、知識和模式?，F(xiàn)有的醫(yī)學圖像的分類方法或多或少存在缺陷，如貝葉斯方法只有在各個特征間相互獨立時才具有較高的準確性，當不獨立時分類的準確度就會大大降低；圖像空間的分類方法的共同缺點是數(shù)據(jù)量大，計算復(fù)雜性高；BP神經(jīng)網(wǎng)絡(luò)雖然能夠?qū)斎脒M行并行處理，有效地解決了非正態(tài)分布、非線性的評價問題，但他對初始權(quán)重非常敏感，極易收斂于局部極小，而且存在過擬合問題。核密度分類法對數(shù)據(jù)初始化和數(shù)據(jù)的順序不敏感，可以分析出任意復(fù)雜的分類， 是圖像分類中最有前途的一種方法。其中，爬山法是圖像核密度分類法中的一種關(guān)鍵技術(shù)。 但是，在用爬山法進行分類可能會出現(xiàn)如下幾個問題(1)山脊問題。在爬山過稱中如何判斷處于山脊狀態(tài)，以及當處于山脊狀態(tài)時，爬山法如何爬出山脊并找到真正的密度吸引子。因為在高維空間中，梯度方向僅是密度函數(shù)值變化最快的方向，不能保證從任意方向搜索的xi+1的密度比\密度小，也就不能保證此時的密度吸引子不是山脊。如果此時存在某一方向的的密度比&密度大，則爬山就處于山脊狀態(tài)。如

圖1所示，如果在Si處沿著梯度方向是密度吸引子，但是沿著其他方向發(fā)現(xiàn) SO才是真正的密度吸引子。(2)平頂問題。在爬山過稱中如何判斷處于平頂狀態(tài)，以及當處于平頂狀態(tài)時，爬山法如何爬出平頂并繼續(xù)前進。因為在高維空間中，由于法中采用固定的爬山步長，所以可能在快到山頂?shù)臅r候由于步長太長，真正的密度吸引子被遺漏了，結(jié)果沒到山峰，爬山就結(jié)束了。此時就會出現(xiàn)多個的密度吸引子，也就是說本來是一個分類的結(jié)果被劃分了幾個分類。如圖2在爬山中可能找到了 3個密度吸引子Si、S2和S3，事實上，它們本來屬于同一個真正的但遺漏的密度吸引子，結(jié)果Si、S2和S3處于平頂狀態(tài)。(3)單閾值的問題。因為爬山算法對于整個圖像只采用了一個全局閾值進行判斷分類出來的數(shù)據(jù)是否有效，其實不同組織的密度函數(shù)分布結(jié)果不同，對應(yīng)的密度閾值也應(yīng)該不同，采用同一個標準進行一刀切會導(dǎo)致有用的組織分類成為無用噪聲，也可以能把無用的噪聲分類成為有用的組織，從而導(dǎo)致分類效果比較差?？傊?，采用上述現(xiàn)有技術(shù)均難以在保證分類處理質(zhì)量——不丟失、不誤導(dǎo)、不遺漏所需圖像特征的同時，提高處理速度。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)存在的局限性，提出一種處理質(zhì)量高、速度快的醫(yī)學圖像分類方法，從而顯著提高圖像處理效率，滿足醫(yī)護人員的診斷閱讀需求。理論和實踐表明，對于醫(yī)學圖像而言，醫(yī)生在診斷時往往只需要整體圖像中的某個或某幾個人體器官組織的圖像信息，只有通過合理分類，將各人體器官組織相互分離，才能更好地滿足上述診斷需求。為達到上述目的，本發(fā)明的醫(yī)學圖像分類方法通過動態(tài)爬山算法尋找下個密度吸引子來實現(xiàn)，包括如下基本步驟第一步、圖像預(yù)處理——將攝取的醫(yī)學圖像轉(zhuǎn)為預(yù)定格式文件、縮放成預(yù)定規(guī)格像素(尺度歸一化)；第二步、提取圖像特征——提取預(yù)處理后圖像中每個像素的空間位置(χ，y)和灰度特征數(shù)據(jù)gray作為特征值；第三步、構(gòu)造密度函數(shù)——以下式作為預(yù)處理后圖像中以(x，y，gray)為特征值的 X點的密度函數(shù)
權(quán)利要求
1. 一種醫(yī)學圖像分類方法，其特征在于包括如下基本步驟 第一步、圖像預(yù)處理——將攝取的醫(yī)學圖像轉(zhuǎn)為預(yù)定格式文件、縮放成預(yù)定規(guī)格像素； 第二步、提取圖像特征——提取預(yù)處理后圖像中每個像素的空間位置(X，y)和灰度特征數(shù)據(jù)(gray)作為特征值；第三步、構(gòu)造密度函數(shù)——以下式作為預(yù)處理后圖像中以(x，y，gray)為特征值的X點的密度函數(shù) 式中/(^)—像素點X的密度函數(shù) η——像素點的個數(shù) h——平滑參數(shù)X——任意一個像素點的特征值Xi——第i個像素點的特征值第四步、尋找密度吸引子—— —分步驟如下4A、從預(yù)處理后的圖像中隨機選擇一個當前像素點；4B、按下式確定當前像素點X的梯度方向Vyw=Z(Ui)/^)式中v/(xf)—像素點Xi的梯度方向其它字母含義同前述 4C、按下式確定最優(yōu)步長δ = Wf、x從’苴中 _ Vf(Xi) ‘Sir^2Z(Xi)Si 一T ‘ "HVZ(Xi)H式中S i——最優(yōu)步長值Il V/(X,)||—像素點\梯度方向的模T——轉(zhuǎn)置運算符4D、沿選定梯度方向，以最優(yōu)步長確定下一個在后像素點；4E、比較前、后兩像素點的密度函數(shù)值，如果后者大于前者，則將該在后像素點作為新的當前像素點，轉(zhuǎn)入分步驟4A;如果前者大于后者，則搜索該點的八領(lǐng)域中是否有密度值更大的點，如果有則轉(zhuǎn)入分步驟4B ；否則就以此點作為密度吸引子； 第五步、尋找山腳像素點——分步驟如下 5A、以密度吸引子為出發(fā)點，搜索下山方向； 5B、從所有可能下山方向中任選之一作為梯度方向； 5C、按分步驟4C相同公式確定最優(yōu)步長； 5D、沿選定梯度方向，以最優(yōu)步長確定下一個在后像素點；5E、比較前、后兩像素點的密度函數(shù)值，如果前者大于后者，則將該在后像素點作為新的當前像素點，轉(zhuǎn)入分步驟5C;如果前者小于后者，則將此像素點作為該下山方向的山腳像素點，再返回出發(fā)點，順序選擇所有可能下山方向中未選過的方向作為梯度方向，進入分步驟5C ；直至可能下山方向的所有山腳像素點都被找到；第六步、分出布局圖像——將所有山腳像素點連接，即構(gòu)成對應(yīng)器官組織的圖像邊緣， 而前述所有訪問過的像素點則構(gòu)成對應(yīng)器官的有效組織，從而完成從醫(yī)學圖像中分類出一個器官組織。
2.根據(jù)權(quán)利要求1所述的醫(yī)學圖像分類方法，其特征在于所述第一步中，還可以對圖像進行灰度拉伸，以提高其清晰度。
3.根據(jù)權(quán)利要求2所述的醫(yī)學圖像分類方法，其特征在于所述第三步中密度函數(shù)的平滑參數(shù)h按以下算式確定1其中對
4.根據(jù)權(quán)利要求3所述的醫(yī)學圖像分類方法，其特征在于所述第五步中下山方向按以下條件搜索如像素點XtlWk個最近鄰數(shù)據(jù)集為Near (Xtl) = {Xql, Xq2,…，)W，從Xq到 Xqi的(1彡i彡k)的方向Spi = (XtrXJf(Xtl),搜索滿足版K)=telv7(、M<0}的所有口1為所有可能下山方向。
全文摘要
本發(fā)明涉及一種醫(yī)學圖像分類方法，屬于圖像處理領(lǐng)域。本發(fā)明的方法基于下山算法，經(jīng)圖像預(yù)處理、提取圖像特征、尋找密度吸引子、尋找山腳像素、分出布局圖像等步驟實現(xiàn)。理論和實踐證明，本發(fā)明妥善解決了山脊、平頂、單閾值問題，采用本發(fā)明的方法后，不僅可以高效完成醫(yī)學圖像的分類，而且不丟失、不誤導(dǎo)、不遺漏圖像特征，因此可以獲得高質(zhì)量的醫(yī)學分類圖像，滿足醫(yī)護人員的診斷閱讀需求。
文檔編號G06K9/62GK102467667SQ20101053968
公開日2012年5月23日 申請日期2010年11月11日 優(yōu)先權(quán)日2010年11月11日
發(fā)明者宋余慶, 張勇, 陳健美 申請人:江蘇大學