塵肺病大體成像中病灶區(qū)域的提取與分析方法
【專利摘要】本發(fā)明涉及塵肺病大體成像中病灶區(qū)域的提取與分析方法,其步驟如下:算出一個2k-1維的特征向量F1,進行預(yù)訓練并算出特征向量F2,訓練一個用于判別一個區(qū)域是否為病灶區(qū)域的支持向量機分類器h0,訓練一個用于判別一個病灶區(qū)域類別的多分類支持向量機分類器h1~hk,輸入塵肺病大體成像,提取病灶區(qū)域特征,對病灶區(qū)域進行分類,病灶區(qū)域統(tǒng)計特征計算。本發(fā)明通過對圖像像素進行空間拓展形成面元小區(qū)域,利用訓練好的分類器對面元區(qū)域進行分類,并對分類置信度低的面元區(qū)域進行精細處理,從而實現(xiàn)不同病灶區(qū)域的準確提取。本發(fā)明效率高、誤差小且無需人工交互。
【專利說明】塵肺病大體成像中病灶區(qū)域的提取與分析方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像中的區(qū)域提取與分析方法,具體而言是塵肺病大體成像中病灶區(qū)域的提取與分析方法。
【背景技術(shù)】
[0002]塵肺病(pneumoconiosis)是由于在職業(yè)活動中長期吸入生產(chǎn)性粉塵并在肺內(nèi)潴留而引起的以肺組織彌漫性纖維化為主的全身性疾病,我國目前塵肺病人數(shù)目之多、增長速度之快位居世界之首。
[0003]目前塵肺病診斷主要有X射線透射成像(胸片)診斷、病理學診斷兩種形式。胸片診斷雖然是一種無損診斷方式,但由于成像方式的原因,其判讀結(jié)果偏差較大,只適用于塵肺病的篩查,塵肺病的最終確診則需要依靠病理學診斷,而塵肺病病理學診斷的關(guān)鍵在于病理大體圖像分析。目前,病理大體圖像分析完全依靠人工操作來完成,不僅操作繁瑣、效率低下,而且計量誤差大。因此提供一種效率高、誤差小且無需人工交互的塵肺病大體成像中病灶區(qū)域的提取與分析方法十分必要。
【發(fā)明內(nèi)容】
[0004]本發(fā)明的目的是提供一種效率高、誤差小且無需人工交互的塵肺病大體成像中病灶區(qū)域的提取與分析方法。
[0005]為實現(xiàn)上述目的,本發(fā)明采用如下技術(shù)方案:塵肺病大體成像中病灶區(qū)域的提取與分析方法,其步驟如下:
[0006]S1.提取特征:
[0007]Sll.將塵肺病大體成像數(shù)據(jù)庫與計算機連接,
[0008]S12.分別計算出塵肺病大體成像數(shù)據(jù)庫中已經(jīng)標注的塵肺正常組織區(qū)域和病灶區(qū)域的中心坐標(cx,cy),以區(qū)域中心為起點,每隔10°均勻畫出36條射線,分別交于區(qū)域邊界上的對應(yīng)點,得到36條線段,將每條線段均勻分成k等分,將各條線段上相應(yīng)的等分點分別相連,將區(qū)域分為k個環(huán)形部分,算出每個環(huán)形部分的灰度平均值,形成k維特征向量,對k維特征向量進行差分運算,得到k-Ι維特征向量,將k維特征向量和k-Ι維特征向量合并為一個2k-l維的特征向量F1,
[0009]S13.利用塵肺病大體成像數(shù)據(jù)庫中塵肺大體成像對卷積神經(jīng)網(wǎng)絡(luò)進行預(yù)訓練和學習,利用塵肺病大體成像數(shù)據(jù)庫中已經(jīng)標注的病灶區(qū)域?qū)?jīng)過預(yù)訓練的卷積神經(jīng)網(wǎng)絡(luò)進行微調(diào),算出特征向量F2;
[0010]S2.訓練分類器:
[0011]S21.通過步驟S12得到的F1,訓練一個用于判別一個區(qū)域是否為病灶區(qū)域的支持向量機分類器Iv
[0012]S22.將步驟S13得到的F2隨機分割成k個大小相同的組,分別利用每一組特征訓練一個用于判別一個病灶區(qū)域是否為塵斑、結(jié)節(jié)或纖維化區(qū)域的多分類支持向量機分類器hi~hk, Ii1~hk組成隨機多分類支持向量機隊列H ;
[0013]S3.病灶區(qū)域提取:
[0014]S31.輸入待提取分析的塵肺病大體成像,
[0015]S32.利用圖論分割算法對步驟S31輸入的塵肺病大體成像進行分割,得到區(qū)域D1 ~Dn,
[0016]S33.用步驟S12的方法分別計算出區(qū)域D1~Dn的特征E1~En,利用分類器&判別是否為病灶區(qū)域,對非病灶區(qū)域標記為正常組織區(qū)域,對病灶區(qū)域進入下一步驟,
[0017]S34.用步驟S13的方法計算出特征f2,利用分類器H中Ii1~hk通過加權(quán)投票進行判定,若分類器H的置信度大于設(shè)定閾值,則標記該區(qū)域病灶類型,否則進入下一步驟進行精細處理,
[0018]S35.對需要精細處理的區(qū)域的面積進行開平方運算,得到等效正方形邊長d,根據(jù)等效正方形邊長d擴大待精細處理區(qū)域面積,重復(fù)步驟S32~S34 ;
[0019]S4.病灶區(qū)域統(tǒng)計特征計算:
[0020]S41.根據(jù)提取的塵斑病灶,計算出塵斑病灶的面積,找出塵斑病灶面積最大值M1,將M1等分為S1個區(qū)間,計算出不同區(qū)間的塵斑在圖像中所占的比例,建立尺度比例特征向
量?,代入公式化進行積分求和,得到尺度比例積分向量&~F1,,
[0021]S42.根據(jù)提取的結(jié)節(jié)病灶,計算出結(jié)節(jié)病灶的面積,找出結(jié)節(jié)病灶面積最大值M2,將M2等分為S2個區(qū)間,計算出不同區(qū)間的塵斑在圖像中所占的比例,建立尺度比例特征向
量/!μ ?,代入公式
【權(quán)利要求】
1.塵肺病大體成像中病灶區(qū)域的提取與分析方法,其步驟如下: S1.提取特征: S11.將塵肺病大體成像數(shù)據(jù)庫與計算機連接, S12.分別計算出塵肺病大體成像數(shù)據(jù)庫中已經(jīng)標注的塵肺正常組織區(qū)域和病灶區(qū)域的中心坐標(cx,cy),以區(qū)域中心為起點,每隔10°均勻畫出36條射線,分別交于區(qū)域邊界上的對應(yīng)點,得到36條線段,將每條線段均勻分成k等分,將各條線段上相應(yīng)的等分點分別相連,將區(qū)域分為k個環(huán)形部分,算出每個環(huán)形部分的灰度平均值,形成k維特征向量,對k維特征向量進行差分運算,得到k-Ι維特征向量,將k維特征向量和k-Ι維特征向量合并為一個2k-l維的特征向量F1, S13.利用塵肺病大體成像數(shù)據(jù)庫中塵肺大體成像對卷積神經(jīng)網(wǎng)絡(luò)進行預(yù)訓練和學習,利用塵肺病大體成像數(shù)據(jù)庫中已經(jīng)標注的病灶區(qū)域?qū)?jīng)過預(yù)訓練的卷積神經(jīng)網(wǎng)絡(luò)進行微調(diào),算出特征向量F2; S2.訓練分類器: S21.通過步驟S12得到的F1,訓練一個用于判別一個區(qū)域是否為病灶區(qū)域的支持向量機分類器&, S22.將步驟S13得到的F2隨機分割成k個大小相同的組,分別利用每一組特征訓練一個用于判別一個病灶區(qū)域是否為塵斑、結(jié)節(jié)或纖維化區(qū)域的多分類支持向量機分類器Ii1~hk, hi~hk組成隨機多分類支持向量機隊列H ; S3.病灶區(qū)域提取: S31.輸入待提取分析的塵肺病大體成像, S32.利用圖論分割算法對步驟S31輸入的塵肺病大體成像進行分割,得到區(qū)域D1~Dn, S33.用步驟S12的方法分別計算出區(qū)域D1~Dn的特征E1~En,利用分類器&判別是否為病灶區(qū)域,對非病灶區(qū)域標記為正常組織區(qū)域,對病灶區(qū)域進入下一步驟, S34.用步驟S13的方法計算出特征f2,利用分類器H中Ill~hk通過加權(quán)投票進行判定,若分類器H的置信度大于設(shè)定閾值,則標記該區(qū)域病灶類型,否則進入下一步驟進行精細處理, S35.對需要精細處理的區(qū)域的面積進行開平方運算,得到等效正方形邊長d,根據(jù)等效正方形邊長d擴大待精細處理區(qū)域面積,重復(fù)步驟S32~S34 ; S4.病灶區(qū)域統(tǒng)計特征計算: S41.根據(jù)提取的塵斑病灶,計算出塵斑病灶的面積,找出塵斑病灶面積最大值M1,將M1等分為S1個區(qū)間,計算出不同區(qū)間的塵斑在圖像中所占的比例,建立尺度比例特征向量
2.根據(jù)權(quán)利要求1所述的塵肺病大體成像中病灶區(qū)域的提取與分析方法,其特征在于:所述步驟S35中,根據(jù)等效正方形邊長d擴大2-4倍待精細處理區(qū)域面積,重復(fù)步驟S32 ~S34。
3.根據(jù)權(quán)利要求2所述的塵肺病大體成像中病灶區(qū)域的提取與分析方法,其特征在于:所述步驟S35中,根據(jù)等效正方形邊長d擴大3倍待精細處理區(qū)域面積,重復(fù)步驟S32~S34。
4.根據(jù)權(quán)利要求1~3所述的塵肺病大體成像中病灶區(qū)域的提取與分析方法,其特征在于:所述步驟S35中 ,步驟S32~S34只重復(fù)一次。
【文檔編號】G06K9/62GK103886318SQ201410125612
【公開日】2014年6月25日 申請日期:2014年3月31日 優(yōu)先權(quán)日:2014年3月31日
【發(fā)明者】明德烈 申請人:武漢天仁影像科技有限公司