一種頸部淋巴結(jié)超聲圖像特征選擇方法
【專利摘要】本發(fā)明一種頸部淋巴結(jié)超聲圖像特征選擇方法，涉及圖像處理【技術(shù)領(lǐng)域】；所要解決的技術(shù)問(wèn)題為避免利用遺傳算法和離散粒子群算法進(jìn)行頸部淋巴結(jié)超聲圖像特征選擇容易陷入局部極值的問(wèn)題；采用的技術(shù)方案為：第一步、采集并提取頸部淋巴結(jié)圖像的量化特征；第二步、形成樣本集；第三步、設(shè)計(jì)極限學(xué)習(xí)機(jī)分類器；第四步、對(duì)樣本集進(jìn)行學(xué)習(xí)和訓(xùn)練；第五步、計(jì)算每個(gè)個(gè)體的加速度第六步、更新各自的速度第七步、計(jì)算各自的波爾茲曼函數(shù)第八步、更新各自的位置第九步、若符合終止條件，則結(jié)束并輸出最優(yōu)位置即最優(yōu)特征子集，否則迭代次數(shù)加1，并返回第三步繼續(xù)進(jìn)化種群直到滿足終止條件；本發(fā)明適于幫助醫(yī)生選取有價(jià)值的頸部淋巴結(jié)超聲圖像特征。
【專利說(shuō)明】一種頸部淋巴結(jié)超聲圖像特征選擇方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，尤其涉及一種基于萬(wàn)有引力搜索算法和波爾茲曼函數(shù)的淋巴結(jié)超聲圖像特征選擇方法。
【背景技術(shù)】
[0002]淋巴結(jié)分布在整個(gè)人體的頸部，腋窩，腹股溝等各個(gè)部位，人體免疫系統(tǒng)能否正常運(yùn)作其中淋巴結(jié)扮演著重要的作用。臨床上，淋巴結(jié)的病理變化是惡性腫瘤的一個(gè)重要標(biāo)準(zhǔn)，大多數(shù)臨床醫(yī)生利用頸部淋巴結(jié)超聲圖像診斷和檢查淋巴結(jié)疾病，頸部淋巴結(jié)超聲圖像具有很多淋巴結(jié)特征，但這些特征中有些特征數(shù)據(jù)是冗余的，或者是含有噪聲的，因此，選擇對(duì)醫(yī)生有價(jià)值的特征是臨床醫(yī)生和研究者關(guān)注的焦點(diǎn)之一。特征選擇就是選擇對(duì)分類有價(jià)值的特征，去除冗余和噪聲，提高分類的精確度。目前淋巴結(jié)超聲圖像特征選擇方法有基于全局最優(yōu)搜索策略的互信息法和線性判別法。但是這兩種方法的缺點(diǎn)是不能有效結(jié)合分類結(jié)果來(lái)指導(dǎo)特征值的選擇。基于隨機(jī)搜索策略的遺傳算法和離散粒子群算法屬于群集智能的方法，它們能夠通過(guò)種群的優(yōu)化取得較好的最優(yōu)解，但是它們?nèi)菀紫萑刖植繕O值的問(wèn)題。

【發(fā)明內(nèi)容】

[0003]本發(fā)明克服現(xiàn)有技術(shù)存在的不足，所要解決的技術(shù)問(wèn)題為提供一種用于頸部淋巴結(jié)超聲圖像的特征選擇方法，避免了利用遺傳算法和離散粒子群算法進(jìn)行頸部淋巴結(jié)超聲圖像特征選擇容易陷入局部極值的問(wèn)題。
[0004]為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案為:一種頸部淋巴結(jié)超聲圖像特征選擇方法，包括以下步驟:
[0005]第一步、采集頸部淋巴結(jié)灰階多普勒超聲圖像并提取頸部淋巴結(jié)圖像的量化特征；
[0006]第二步、基于第一步給出的量化特征，使用二進(jìn)制編碼標(biāo)記特征組合并隨機(jī)初始化多個(gè)個(gè)體的位置及速度，形成樣本集；
[0007]第三步、根據(jù)所述樣本集設(shè)計(jì)極限學(xué)習(xí)機(jī)分類器；
[0008]第四步、對(duì)所述樣本集進(jìn)行學(xué)習(xí)和訓(xùn)練，測(cè)試并記錄分類精度，采用分類精度和所選特征數(shù)目?jī)蓚€(gè)標(biāo)準(zhǔn)設(shè)計(jì)每個(gè)個(gè)體的適應(yīng)度函數(shù)Hti ；
[0009]第五步、計(jì)算每個(gè)個(gè)體的質(zhì)量Mi (t)，作用力Fid(t)，進(jìn)而得出每個(gè)個(gè)體的加速度
[0010]第六步、根據(jù)第五步中每個(gè)個(gè)體的加速度更新各自的速度vf (O;
[0011]第七步、根據(jù)第六步中每個(gè)個(gè)體更新后的速度計(jì)算各自的波爾茲曼函數(shù)
jwfm[0012]第八步、使用第七步中每個(gè)個(gè)體的波爾茲曼函數(shù)更新各自的位置;Tf (I);
[0013]第九步、若符合終止條件，則結(jié)束并輸出最優(yōu)位置即最優(yōu)特征子集，否則迭代次數(shù)加1，并返回第三步繼續(xù)進(jìn)化種群直到滿足特征選擇終止條件，所述終止條件為:達(dá)到最大迭代次數(shù)。
[0014]所述第一步中，提取頸部淋巴結(jié)超聲圖像的量化特征，具體方法如下:
[0015]通過(guò)超聲儀器采集頸部淋巴結(jié)灰階多普勒超聲圖像，給出淋巴結(jié)超聲圖像的量化特征，這里用Fi來(lái)表示第i個(gè)量化特征，具體定義如下:
[0016](I)外形特EF1 - F11:包括使用致密度F1 ;實(shí)占率F2 ;凸包深度& ;傅里葉形狀因子F4 ；4個(gè)矩形狀因子特征F5 - F8 ；3個(gè)基于歸一化徑向長(zhǎng)度特征F9 - F11 ；
[0017](2)邊界特征F12-F14:包括采用銳度F12 ;邊緣亮度變化比F13 ;邊界平均最大下降梯度F14 ；
[0018](3)形態(tài)特征F15:長(zhǎng)/短徑的比率F15 ；
[0019](4)紋理特征，包括灰度共生矩陣、Laws能量模板、灰度游程長(zhǎng)度和小波紋理，它們分別為:
[0020]I)灰度共生矩陣F16-F29:包括角二階矩F16 ;對(duì)比度F17 ;相關(guān)F18 ；?F19 ;方差F2tl ；均值和F21 ;逆差矩F22 ;方差和F23 ;差的方差F24 ;和熵F25 ;差熵F26 ;聚類陰影F27 ;顯著聚類F28 ;最大概率F29 ；
[0021]2) Laws能量模板F3tl — F39:包括L5E5模板卷積后的均值F3tl ；L5S5模板卷積后的均值F31 ；E5L5模板卷積后的均值F32 ；S5L5模板卷積后的均值F33 ；E5E5模板卷積后的均值F34 ；L5E5模板卷積后的方差F35 ；E5L5模板卷積后的方差F36 ；S5L5模板卷積后的方差F37 ；E5E5模板卷積后的方差F38 ；L5S5模板卷積后的方差F39 ；
[0022]3)灰度游程長(zhǎng)度F4tl - F44:包括短游程優(yōu)勢(shì)F4tl ;長(zhǎng)游程優(yōu)勢(shì)F41 ;灰度不均勻性度量F42 ;游程長(zhǎng)度不均性度量F43 ;游程比率F44 ；
[0023]4)小波紋理特征F45 - F56:包括低低頻均值F45 ;低低頻方差F46 ;低低頻和Laws能量模板卷積后得到的各自的均值和方差F47 - F560
[0024]所述第二步中，基于第一步給出的量化特征F1 - F56，使用二進(jìn)制編碼標(biāo)記特征組合并隨機(jī)初始化多個(gè)個(gè)體的位置及速度，具體方法如下:
[0025]個(gè)體編碼采用二進(jìn)制，原始量化特征有56個(gè)，即個(gè)體的長(zhǎng)度L=56，個(gè)體的每一個(gè)基因?qū)?yīng)相應(yīng)次序的特征，即當(dāng)個(gè)體中的某一個(gè)基因?yàn)椤癐”時(shí)，表示該基因?qū)?yīng)的特征項(xiàng)被選用；反之，為“O”時(shí)，表示該特征項(xiàng)未被選用。個(gè)體第i個(gè)基因值隨機(jī)產(chǎn)生的公式為:
[0026]
【權(quán)利要求】
1.一種頸部淋巴結(jié)超聲圖像特征選擇方法，其特征在于，包括以下步驟: 第一步、采集頸部淋巴結(jié)灰階多普勒超聲圖像并提取頸部淋巴結(jié)圖像的量化特征； 第二步、基于第一步給出的量化特征，使用二進(jìn)制編碼標(biāo)記特征組合并隨機(jī)初始化多個(gè)個(gè)體的位置及速度，形成樣本集； 第三步、根據(jù)所述樣本集設(shè)計(jì)極限學(xué)習(xí)機(jī)分類器； 第四步、對(duì)所述樣本集進(jìn)行學(xué)習(xí)和訓(xùn)練，測(cè)試并記錄分類精度，采用分類精度和所選特征數(shù)目?jī)蓚€(gè)標(biāo)準(zhǔn)設(shè)計(jì)每個(gè)個(gè)體的適應(yīng)度函數(shù)fiti ； 第五步、計(jì)算每個(gè)個(gè)體的質(zhì)量Mjt)，作用力Fid(t)，進(jìn)而得出每個(gè)個(gè)體的加速度<(/); 第六步、根據(jù)第五步中每個(gè)個(gè)體的加速度更新各自的速度vf (O ； 第七步、根據(jù)第六步中每個(gè)個(gè)體更新后的速度計(jì)算各自的波爾茲曼函數(shù); 第八步、使用第七步中每個(gè)個(gè)體的波爾茲曼函數(shù)更新各自的位置XHt) X 第九步、若符合終止條件，則結(jié)束并輸出最優(yōu)位置即最優(yōu)特征子集，否則迭代次數(shù)加1，并返回第三步繼續(xù)進(jìn)化種群直到滿足特征選擇終止條件，所述終止條件為:達(dá)到最大迭代次數(shù)。
2.根據(jù)權(quán)利要求1所述的一種頸部淋巴結(jié)超聲圖像特征選擇方法，其特征在于，所述第一步中，提取頸部淋巴結(jié)超聲圖像的量化特征，具體方法如下: 通過(guò)超聲儀器采集頸部淋巴結(jié)灰階多普勒超聲圖像，給出淋巴結(jié)超聲圖像的量化特征，這里用Fi來(lái)表示第i個(gè)量化特征，具體定義如下:· (1)外形特征F1-F11:包括使用致密度F1 ;實(shí)占率F2 ;凸包深度& ;傅里葉形狀因子F4 ；4個(gè)矩形狀因子特征F5 - F8 ；3個(gè)基于歸一化徑向長(zhǎng)度特征F9 - F11 ； (2)邊界特征F12— F14:包括采用銳度F12 ;邊緣亮度變化比F13 ;邊界平均最大下降梯度F14 ； (3)形態(tài)特征F15:長(zhǎng)/短徑的比率F15; (4)紋理特征，包括灰度共生矩陣、Laws能量模板、灰度游程長(zhǎng)度和小波紋理，它們分別為: 1)灰度共生矩陣F16— F29:包括角二階矩F16 ;對(duì)比度F17 ;相關(guān)F18 ;熵F19 ;方差F20 ;均值和F21 ;逆差矩F22 ;方差和F23 ;差的方差F24 ;和熵F25 ;差熵F26 ;聚類陰影F27 ;顯著聚類F28 ；最大概率F29 ； 2)Laws能量模板F3tl - F39:包括L5E5模板卷積后的均值F3tl ；L5S5模板卷積后的均值F31 ；E5L5模板卷積后的均值F32 ；S5L5模板卷積后的均值F33 ；E5E5模板卷積后的均值F34 ；L5E5模板卷積后的方差F35 ；E5L5模板卷積后的方差F36 ；S5L5模板卷積后的方差F37 ；E5E5模板卷積后的方差F38 ；L5S5模板卷積后的方差F39 ； 3)灰度游程長(zhǎng)度F4tl— F44:包括短游程優(yōu)勢(shì)F4tl ;長(zhǎng)游程優(yōu)勢(shì)F41 ;灰度不均勻性度量F42 ；游程長(zhǎng)度不均性度量F43 ;游程比率F44 ； 4)小波紋理特征F45- F56:包括低低頻均值F45 ;低低頻方差F46 ;低低頻和Laws能量模板卷積后得到的各自的均值和方差F47 - F560
3.根據(jù)權(quán)利要求2所述的一種頸部淋巴結(jié)超聲圖像特征選擇方法，其特征在于，所述第二步中，基于第一步給出的量化特征F1 - F56，使用二進(jìn)制編碼標(biāo)記特征組合并隨機(jī)初始化多個(gè)個(gè)體的位置及速度，具體方法如下: 個(gè)體編碼采用二進(jìn)制，原始量化特征有56個(gè)，即個(gè)體的長(zhǎng)度L=56，個(gè)體的每一個(gè)基因?qū)?yīng)相應(yīng)次序的特征，即當(dāng)個(gè)體中的某一個(gè)基因?yàn)椤癐”時(shí)，表示該基因?qū)?yīng)的特征項(xiàng)被選用；反之，為“O”時(shí)，表示該特征項(xiàng)未被選用。個(gè)體第i個(gè)基因值隨機(jī)產(chǎn)生的公式為:
4.根據(jù)權(quán)利要求3所述的一種頸部淋巴結(jié)超聲圖像特征選擇方法，其特征在于，所述第四步中，適應(yīng)度函數(shù)計(jì)算過(guò)程如下:
5.根據(jù)權(quán)利要求4所述的一種頸部淋巴結(jié)超聲圖像特征選擇方法，其特征在于，所述第五步中， 質(zhì)量Mi(t)的計(jì)算按下公式:
6.根據(jù)權(quán)利要求5所述的一種頸部淋巴結(jié)超聲圖像特征選擇方法，其特征在于，所述第六步中，更新速度<(0按如下方法: I? (/): mild: X vf (? — I) + af (I)，其中為個(gè)體的加速度。
7.根據(jù)權(quán)利要求6所述的一種頸部淋巴結(jié)超聲圖像特征選擇方法，其特征在于，所述第七步中，個(gè)體的波爾茲曼函數(shù)按如下方法實(shí)現(xiàn):
8.根據(jù)權(quán)利要求7所述的一種頸部淋巴結(jié)超聲圖像特征選擇方法，其特征在于，所述第八步中，新個(gè)體的位置按如下方法實(shí)現(xiàn):
9.根據(jù)權(quán)利要求1或3所述的一種頸部淋巴結(jié)超聲圖像特征選擇方法，其特征在于，所述第二步中，基于第一步給出的量化`特征F1 - F56，使用二進(jìn)制編碼標(biāo)記特征組合并隨機(jī)初始化的個(gè)體的數(shù)量為100個(gè)。
10.根據(jù)權(quán)利要求1所述的一種頸部淋巴結(jié)超聲圖像特征選擇方法，其特征在于，所述第九步中，最大迭代次數(shù)為200，或?yàn)?00，或?yàn)?00，或?yàn)?00。
【文檔編號(hào)】G06K9/46GK103593674SQ201310585163
【公開(kāi)日】2014年2月19日 申請(qǐng)日期:2013年11月19日 優(yōu)先權(quán)日:2013年11月19日
【發(fā)明者】韓曉紅, 蘭媛, 權(quán)龍
申請(qǐng)人:太原理工大學(xué)