亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于SS?ELM的肺結(jié)節(jié)患病風險預(yù)測系統(tǒng)及方法與流程

文檔序號:11951356閱讀:330來源:國知局
一種基于SS?ELM的肺結(jié)節(jié)患病風險預(yù)測系統(tǒng)及方法與流程

本發(fā)明屬于計算機輔助診斷技術(shù)領(lǐng)域,具體涉及一種基于SS-ELM的肺結(jié)節(jié)患病風險預(yù)測系統(tǒng)及方法。



背景技術(shù):

目前,肺癌已成為死亡率最高的惡性腫瘤,主要是因為早期難發(fā)現(xiàn),晚期難治愈。肺癌的早期表現(xiàn)形式是肺結(jié)節(jié),對肺結(jié)節(jié)早發(fā)現(xiàn),早診斷,早治療的意義很大。臨床上,肺結(jié)節(jié)的診斷方法中最常用的是電子計算機斷層掃描CT的影像學(xué)診斷方法。但是隨著CT成像技術(shù)的發(fā)展,所能檢測到的肺結(jié)節(jié)越來越多,僅靠影像科醫(yī)生的視覺觀察來發(fā)現(xiàn)并診斷肺結(jié)節(jié)很困難。因此關(guān)于肺結(jié)節(jié)的患病風險預(yù)測系統(tǒng)具有很大的研究價值。

判別肺結(jié)節(jié)患病風險的關(guān)鍵在于找到合適的機器學(xué)習方法來實現(xiàn)肺結(jié)節(jié)圖像的良惡性分類并得到肺結(jié)節(jié)性質(zhì)表現(xiàn)為惡性的風險概率。同時,紋理特征能反映肺結(jié)節(jié)內(nèi)部結(jié)構(gòu)信息。傳統(tǒng)肺結(jié)節(jié)良惡性分類載體使用基于有監(jiān)督的分類算法,需要對有標記的肺結(jié)節(jié)數(shù)據(jù)所包含的信息進行學(xué)習,得出分類模型后對無標記數(shù)據(jù)進行分類,但是獲取標記數(shù)據(jù)時需要耗費一定的人力和物力資源,則大量標記數(shù)據(jù)的獲取通常比較困難,然而隨著信息技術(shù)的飛速發(fā)展,收集大量未標記數(shù)據(jù)則相當容易。因此,如何利用大量的無標記肺結(jié)節(jié)數(shù)據(jù)和少量的有標記肺結(jié)節(jié)數(shù)據(jù)來快速精準的實現(xiàn)肺結(jié)節(jié)的良惡性分類成為了技術(shù)難點。



技術(shù)實現(xiàn)要素:

針對現(xiàn)有技術(shù)的不足,本發(fā)明提出一種基于SS-ELM的肺結(jié)節(jié)患病風險預(yù)測系統(tǒng)及方法。

本發(fā)明的技術(shù)方案是:

一種基于SS-ELM的肺結(jié)節(jié)患病風險預(yù)測系統(tǒng),包括肺結(jié)節(jié)圖像處理單元、灰度共生矩陣構(gòu)造單元、Haralick特征參數(shù)計算單元、Haralick特征集合構(gòu)成單元和肺結(jié)節(jié)患病風險預(yù)測單元;

所述肺結(jié)節(jié)圖像處理單元,用于將獲取的有標簽肺結(jié)節(jié)圖像、無標簽肺結(jié)節(jié)圖像和待診斷肺結(jié)節(jié)圖像作為目標圖像,得到目標圖像集,并將目標圖像進行灰度處理,對灰度處理后的目標圖像的灰度級進行壓縮;

所述灰度共生矩陣構(gòu)造單元,用于將灰度處理后的目標圖像在0°、45°、90°和135°四個方向上分別生成灰度共生矩陣,并計算灰度共生矩陣中各灰度值組合在目標圖像上的概率,確定目標圖像在0°、45°、90°和135°四個方向上的關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及聯(lián)合概率分布密度函數(shù);

所述Haralick特征參數(shù)計算單元,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率、關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及聯(lián)合概率分布密度函數(shù),確定目標圖像在0°、45°、90°和135°四個方向上的Haralick特征參數(shù),即目標圖像在0°、45°、90°和135°四個方向上的角二階矩值、灰度值的對比度值、相關(guān)性值、灰度值方差、逆差矩、均和值、熵和、方差和、熵、差值的方差、差熵、第一相關(guān)性信息測度、第二相關(guān)性信息測度;

所述Haralick特征集合構(gòu)成單元,用于計算目標圖像在0°、45°、90°和135°四個方向上的各個Haralick特征參數(shù)的特征均值和特征方差,得到目標圖像的13個特征均值和目標圖像的13個特征方差,組成目標圖像的Haralick特征集合;

所述肺結(jié)節(jié)患病風險預(yù)測單元,用于將有標簽肺結(jié)節(jié)圖像的Haralick特征集合和無標簽肺結(jié)節(jié)圖像的Haralick特征集合作為SS-ELM學(xué)習機的輸入數(shù)據(jù),得到SS-ELM學(xué)習機的學(xué)習參數(shù),從而得到訓(xùn)練后的SS-ELM學(xué)習機,將待診斷肺結(jié)節(jié)圖像的Haralick特征集合輸入到訓(xùn)練后的SS-ELM學(xué)習機中,得到待診斷肺結(jié)節(jié)圖像性質(zhì)表現(xiàn)為惡性的風險概率。

可選地,所述肺結(jié)節(jié)圖像處理單元,包括灰度圖像生成器和圖像灰度級壓縮器;

所述灰度圖像生成器,用于將獲取的有標簽肺結(jié)節(jié)圖像、無標簽肺結(jié)節(jié)圖像和待診斷肺結(jié)節(jié)圖像作為目標圖像,得到目標圖像集,并將目標圖像進行灰度處理,得到灰度處理后的目標圖像;

所述圖像灰度級壓縮器,用于對灰度處理后的目標圖像的灰度級進行壓縮,將每個像素點的灰度值映射到1~Ng的整數(shù)范圍內(nèi),其中Ng為設(shè)定灰度級。

可選地,所述灰度共生矩陣構(gòu)造單元,包括灰度共生矩陣生成器和概率參數(shù)計算器;

所述灰度共生矩陣生成器,用于將灰度處理后的目標圖像在0°、45°、90°和135°四個方向上分別生成灰度共生矩陣;所述各個方向上的灰度共生矩陣為:中心像素點的灰度值i與在該方向上與中心像素點距離1個像素點單位的鄰域像素點的灰度值j的灰度值組合(i,j)在目標圖像上出現(xiàn)的次數(shù)作為元素的矩陣;

所述概率參數(shù)計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的灰度共生矩陣計算各灰度值組合(i,j)在目標圖像上的概率,確定目標圖像在四個方向上的關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及聯(lián)合概率分布密度函數(shù)。

可選地,所述Haralick特征參數(shù)計算單元包括:角二階矩計算器、對比度計算器、相關(guān)性計算器、方差計算器、逆差矩計算器、均值和計算器、熵和計算器、方差和計算器、熵計算器、差值的方差計算器、差熵計算器、第一相關(guān)性信息測度計算器、第二相關(guān)性信息測度計算器;

所述角二階矩計算器,用于根根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率確定目標圖像在0°、45°、90°和135°四個方向上的角二階矩值;

所述對比度計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率確定目標圖像在0°、45°、90°和135°四個方向上的灰度值的對比度值;

所述相關(guān)性計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的關(guān)于X的邊緣概率密度矩陣和關(guān)于Y的邊緣概率密度矩陣確定目標圖像在0°、45°、90°和135°四個方向上的相關(guān)性值;

所述方差計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率、關(guān)于X的邊緣概率密度矩陣和關(guān)于Y的邊緣概率密度矩陣確定目標圖像在0°、45°、90°和135°四個方向上的灰度值方差;

所述逆差矩計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率確定目標圖像在0°、45°、90°和135°四個方向上的逆差矩;

所述均值和計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的聯(lián)合概率分布密度函數(shù)確定目標圖像在0°、45°、90°和135°四個方向上的均和值;

所述熵和計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的聯(lián)合概率分布密度函數(shù)確定目標圖像在0°、45°、90°和135°四個方向上的熵和;

所述方差和計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的聯(lián)合概率分布密度函數(shù)以及熵和來確定目標圖像在0°、45°、90°和135°四個方向上的方差和;

所述熵計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率確定目標圖像在0°、45°、90°和135°四個方向上的熵;

所述差值的方差計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的聯(lián)合概率分布密度函數(shù)確定目標圖像在0°、45°、90°和135°四個方向上的差值的方差;

所述差熵計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的聯(lián)合概率分布密度函數(shù)確定目標圖像在0°、45°、90°和135°四個方向上的差熵;

所述第一相關(guān)性信息測度計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率、關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及熵確定目標圖像在0°、45°、90°和135°四個方向上的第一相關(guān)性信息測度;

所述第二相關(guān)性信息測度計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的關(guān)于X的邊緣概率密度矩陣和關(guān)于Y的邊緣概率密度矩陣確定目標圖像在0°、45°、90°和135°四個方向上的第二相關(guān)性信息測度。

可選地,所述Haralick特征集合構(gòu)成單元,包括特征均值計算器、特征方差計算器和Haralick特征集合生成器;

所述特征均值計算器,用于計算目標圖像在0°、45°、90°和135°四個方向上的各個Haralick特征參數(shù)的均值,得到目標圖像的13個特征均值;

所述特征方差計算器,用于計算目標圖像在0°、45°、90°和135°四個方向上的各個Haralick特征參數(shù)的方差,得到目標圖像的13個特征方差;

所述Haralick特征集合生成器,用于將目標圖像的13個特征均值和目標圖像的13個特征方差組成目標圖像的Haralick特征集合。

可選地,所述肺結(jié)節(jié)患病風險預(yù)測單元,包括SS-ELM訓(xùn)練器和SS-ELM診斷器;

所述SS-ELM訓(xùn)練器,用于將有標簽肺結(jié)節(jié)圖像的Haralick特征集合和無標簽肺結(jié)節(jié)圖像的Haralick特征集合作為SS-ELM學(xué)習機的輸入數(shù)據(jù),得到SS-ELM學(xué)習機的學(xué)習參數(shù),從而得到訓(xùn)練后的SS-ELM學(xué)習機;

所述SS-ELM診斷器,用于將待診斷肺結(jié)節(jié)圖像的Haralick特征集合輸入到訓(xùn)練后的SS-ELM學(xué)習機中,得到待診斷肺結(jié)節(jié)圖像性質(zhì)表現(xiàn)為惡性的風險概率。

采用基于SS-ELM的肺結(jié)節(jié)患病風險預(yù)測系統(tǒng)進行肺結(jié)節(jié)患病風險預(yù)測的方法,包括以下步驟:

步驟1:獲取有標簽肺結(jié)節(jié)圖像、無標簽肺結(jié)節(jié)圖像和待診斷肺結(jié)節(jié)圖像;

步驟2:將獲取的有標簽肺結(jié)節(jié)圖像、無標簽肺結(jié)節(jié)圖像和待診斷肺結(jié)節(jié)圖像作為目標圖像,得到目標圖像集;

步驟3:將目標圖像進行灰度處理,對灰度處理后的目標圖像的灰度級進行壓縮;

步驟4:將灰度處理后的目標圖像在0°、45°、90°和135°四個方向上分別生成灰度共生矩陣;

步驟5:根據(jù)目標圖像在0°、45°、90°和135°四個方向上的灰度共生矩陣計算各灰度值組合(i,j)在目標圖像上的概率,確定目標圖像在四個方向上的關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及聯(lián)合概率分布密度函數(shù);

步驟6:根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率、關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及聯(lián)合概率分布密度函數(shù),確定目標圖像在0°、45°、90°和135°四個方向上的Haralick特征參數(shù);

步驟7:計算目標圖像在0°、45°、90°和135°四個方向上的各個Haralick特征參數(shù)的特征均值和特征方差,得到目標圖像的13個特征均值和目標圖像的13個特征方差,組成目標圖像的Haralick特征集合;

步驟8:將有標簽肺結(jié)節(jié)圖像的Haralick特征集合和無標簽肺結(jié)節(jié)圖像的Haralick特征集合作為SS-ELM訓(xùn)練器的輸入數(shù)據(jù),得到SS-ELM訓(xùn)練器的學(xué)習參數(shù),從而得到訓(xùn)練后的SS-ELM診斷器;

步驟9:將待診斷肺結(jié)節(jié)圖像的Haralick特征集合輸入到訓(xùn)練后的SS-ELM診斷器中,得到待診斷肺結(jié)節(jié)圖像性質(zhì)表現(xiàn)為惡性的風險概率。

本發(fā)明的有益效果:

本發(fā)明提出一種基于SS-ELM的肺結(jié)節(jié)患病風險預(yù)測系統(tǒng)及方法,有別于傳統(tǒng)的基于監(jiān)督學(xué)習的肺結(jié)節(jié)患病風險預(yù)測方法,不僅能夠有效地改善肺結(jié)節(jié)患病風險預(yù)測的性能,而且解決了無標簽肺結(jié)節(jié)數(shù)據(jù)的訓(xùn)練學(xué)習問題。

附圖說明

圖1為本發(fā)明實施方式中基于SS-ELM的肺結(jié)節(jié)患病風險預(yù)測系統(tǒng)的結(jié)構(gòu)框圖;

圖2為本發(fā)明實施方式中有標簽肺結(jié)節(jié)圖像;

圖3為本發(fā)明實施方式中無標簽肺結(jié)節(jié)圖像;

圖4為本發(fā)明實施方式中待診斷肺結(jié)節(jié)圖像;

圖5為本發(fā)明實施方式中基于SS-ELM的肺結(jié)節(jié)患病風險預(yù)測方法的流程圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明具體實施方式加以詳細的說明。

一種基于SS-ELM的肺結(jié)節(jié)患病風險預(yù)測系統(tǒng),如圖1所示,包括肺結(jié)節(jié)圖像處理單元、灰度共生矩陣構(gòu)造單元、Haralick特征參數(shù)計算單元、Haralick特征集合構(gòu)成單元和肺結(jié)節(jié)患病風險預(yù)測單元。

肺結(jié)節(jié)圖像處理單元,用于將獲取的有標簽肺結(jié)節(jié)圖像、無標簽肺結(jié)節(jié)圖像和待診斷肺結(jié)節(jié)圖像作為目標圖像,得到目標圖像集,并將目標圖像進行灰度處理,對灰度處理后的目標圖像的灰度級進行壓縮。

本實施方式中,得到的有標簽肺結(jié)節(jié)圖像如圖2所示,無標簽肺結(jié)節(jié)圖像如圖3所示,待診斷肺結(jié)節(jié)圖像如圖4所示。

本實施方式中,肺結(jié)節(jié)圖像處理單元,包括灰度圖像生成器和圖像灰度級壓縮器。

灰度圖像生成器,用于將獲取的有標簽肺結(jié)節(jié)圖像、無標簽肺結(jié)節(jié)圖像和待診斷肺結(jié)節(jié)圖像作為目標圖像,得到目標圖像集,并將目標圖像進行灰度處理,得到灰度處理后的目標圖像。

本實施方式中,由于肺結(jié)節(jié)CT圖像以DICOM格式存儲,因此將目標圖像進行灰度處理,得到灰度處理后的目標圖像。

圖像灰度級壓縮器,用于對灰度處理后的目標圖像的灰度級進行壓縮,將每個像素點的灰度值映射到1~Ng的整數(shù)范圍內(nèi),其中Ng為設(shè)定灰度級。

本實施方式中,Ng取值為32。

灰度共生矩陣構(gòu)造單元,用于將灰度處理后的目標圖像在0°、45°、90°和135°四個方向上分別生成灰度共生矩陣,并計算灰度共生矩陣中各灰度值組合在目標圖像上的概率,確定目標圖像在0°、45°、90°和135°四個方向上的關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及聯(lián)合概率分布密度函數(shù)。

本實施方式中,灰度共生矩陣構(gòu)造單元,包括灰度共生矩陣生成器和概率參數(shù)計算器。

灰度共生矩陣生成器,用于將灰度處理后的目標圖像在0°、45°、90°和135°四個方向上分別生成灰度共生矩陣;各個方向上的灰度共生矩陣為:中心像素點的灰度值i與在該方向上與中心像素點距離1個像素點單位的鄰域像素點的灰度值j的灰度值組合(i,j)在目標圖像上出現(xiàn)的次數(shù)作為元素的矩陣。

概率參數(shù)計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的灰度共生矩陣計算各灰度值組合(i,j)在目標圖像上的概率,確定目標圖像在四個方向上的關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及聯(lián)合概率分布密度函數(shù)。

本實施方式中,各灰度值組合(i,j)在目標圖像上的概率p(i,j)的計算公式如式(1)所示:

p(i,j)=P(i,j)/R (1)

其中,戶(i,j)為灰度值組合(i,j)在整幅目標圖像區(qū)域中出現(xiàn)的次數(shù),R為所有灰度值組合出現(xiàn)的次數(shù)之和。

關(guān)于X的邊緣概率密度矩陣的第i個輸入元素px(i)如式(2)所示:

<mrow> <msub> <mi>p</mi> <mi>x</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

關(guān)于Y的邊緣概率密度矩陣的第j個輸入元素py(j)如式(3)所示:

<mrow> <msub> <mi>p</mi> <mi>y</mi> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>

兩個聯(lián)合概率分布密度函數(shù)px+y(k)和px-y(k)如式(4)和式(5)所示:

<mrow> <msub> <mi>p</mi> <mrow> <mi>x</mi> <mo>+</mo> <mi>y</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <munder> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> </munder> <mrow> <mi>i</mi> <mo>+</mo> <mi>j</mi> <mo>=</mo> <mi>k</mi> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>

其中,k取值為2,3,…,2Ng。

<mrow> <msub> <mi>p</mi> <mrow> <mi>x</mi> <mo>-</mo> <mi>y</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <munder> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> </munder> <mrow> <mo>|</mo> <mi>i</mi> <mo>-</mo> <mi>j</mi> <mo>|</mo> <mo>=</mo> <mi>k</mi> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>

其中,k取值為0,1,…,Ng-1。

Haralick特征參數(shù)計算單元,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率、關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及聯(lián)合概率分布密度函數(shù),確定目標圖像在0°、45°、90°和135°四個方向上的Haralick特征參數(shù),即目標圖像在0°、45°、90°和135°四個方向上的角二階矩值、灰度值的對比度值、相關(guān)性值、灰度值方差、逆差矩、均和值、熵和、方差和、熵、差值的方差、差熵、第一相關(guān)性信息測度、第二相關(guān)性信息測度。

本實施方式中,Haralick特征參數(shù)計算單元包括:角二階矩計算器、對比度計算器、相關(guān)性計算器、方差計算器、逆差矩計算器、均值和計算器、熵和計算器、方差和計算器、熵計算器、差值的方差計算器、差熵計算器、第一相關(guān)性信息測度計算器、第二相關(guān)性信息測度計算器。

角二階矩計算器,用于根根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率確定目標圖像在0°、45°、90°和135°四個方向上的角二階矩值。

本實施方式中,角二階矩計算器f1的計算公式如式(6)所示:

<mrow> <msub> <mi>f</mi> <mn>1</mn> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <msup> <mrow> <mo>{</mo> <mi>p</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>}</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>

對比度計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率確定目標圖像在0°、45°、90°和135°四個方向上的灰度值的對比度值。

本實施方式中,對比度計算器f2的計算公式如式(7)所示:

<mrow> <msub> <mi>f</mi> <mn>2</mn> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msup> <mi>n</mi> <mn>2</mn> </msup> <mo>{</mo> <munderover> <munder> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> </munder> <mrow> <mo>|</mo> <mi>i</mi> <mo>-</mo> <mi>j</mi> <mo>|</mo> <mo>=</mo> <mi>n</mi> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>

相關(guān)性計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的關(guān)于X的邊緣概率密度矩陣和關(guān)于Y的邊緣概率密度矩陣確定目標圖像在0°、45°、90°和135°四個方向上的相關(guān)性值。

本實施方式中,相關(guān)性計算器f3的計算公式如式(8)所示:

<mrow> <msub> <mi>f</mi> <mn>3</mn> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <mrow> <mo>(</mo> <mi>i</mi> <mi>j</mi> <mo>)</mo> </mrow> <mi>p</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>&mu;</mi> <mi>x</mi> </msub> <msub> <mi>&mu;</mi> <mi>y</mi> </msub> </mrow> <mrow> <msub> <mi>&sigma;</mi> <mi>x</mi> </msub> <msub> <mi>&sigma;</mi> <mi>y</mi> </msub> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>

其中,μx為px的均值,μy為py的均值,σx為px的標準差,σy為py的標準差。

方差計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率、關(guān)于X的邊緣概率密度矩陣和關(guān)于Y的邊緣概率密度矩陣確定目標圖像在0°、45°、90°和135°四個方向上的灰度值方差。

本實施方式中,方差計算器f4的計算公式如式(9)所示:

<mrow> <msub> <mi>f</mi> <mn>4</mn> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <msub> <mi>&mu;</mi> <mi>x</mi> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mi>j</mi> <mo>-</mo> <msub> <mi>&mu;</mi> <mi>y</mi> </msub> <mo>)</mo> </mrow> <mi>p</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>

逆差矩計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率確定目標圖像在0°、45°、90°和135°四個方向上的逆差矩。

本實施方式中,逆差矩計算器f的計算公式如式(10)所示:

<mrow> <msub> <mi>f</mi> <mn>5</mn> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mi>j</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mfrac> <mi>p</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>

均值和計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的聯(lián)合概率分布密度函數(shù)確定目標圖像在0°、45°、90°和135°四個方向上的均和值。

本實施方式中,均值和計算器f6的計算公式如式(11)所示:

<mrow> <msub> <mi>f</mi> <mn>6</mn> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>2</mn> </mrow> <mrow> <mn>2</mn> <msub> <mi>N</mi> <mi>g</mi> </msub> </mrow> </munderover> <msub> <mi>ip</mi> <mrow> <mi>x</mi> <mo>+</mo> <mi>y</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>

熵和計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的聯(lián)合概率分布密度函數(shù)確定目標圖像在0°、45°、90°和135°四個方向上的熵和。

本實施方式中,熵和計算器f7的計算公式如式(12)所示:

<mrow> <msub> <mi>f</mi> <mn>7</mn> </msub> <mo>=</mo> <mo>-</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>2</mn> </mrow> <mrow> <mn>2</mn> <msub> <mi>N</mi> <mi>g</mi> </msub> </mrow> </munderover> <msub> <mi>p</mi> <mrow> <mi>x</mi> <mo>+</mo> <mi>y</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mi>log</mi> <mo>{</mo> <msub> <mi>p</mi> <mrow> <mi>x</mi> <mo>+</mo> <mi>y</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>

方差和計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的聯(lián)合概率分布密度函數(shù)以及熵和來確定目標圖像在0°、45°、90°和135°四個方向上的方差和。

本實施方式中,方差和計算器f8的計算公式如式(13)所示:

<mrow> <msub> <mi>f</mi> <mn>8</mn> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>2</mn> </mrow> <mrow> <mn>2</mn> <msub> <mi>N</mi> <mi>g</mi> </msub> </mrow> </munderover> <msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <msub> <mi>f</mi> <mn>7</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <msub> <mi>p</mi> <mrow> <mi>x</mi> <mo>+</mo> <mi>y</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> </mrow>

熵計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率確定目標圖像在0°、45°、90°和135°四個方向上的熵。

本實施方式中,熵計算器f9的計算公式如式(14)所示:

<mrow> <msub> <mi>f</mi> <mn>9</mn> </msub> <mo>=</mo> <mo>-</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mrow> <mo>(</mo> <mi>p</mi> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>14</mn> <mo>)</mo> </mrow> </mrow>

差值的方差計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的聯(lián)合概率分布密度函數(shù)確定目標圖像在0°、45°、90°和135°四個方向上的差值的方差。

本實施方式中,差值的方差計算器f10的計算公式如式(15)所示:

f10=px-y的方差 (15)

差熵計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的聯(lián)合概率分布密度函數(shù)確定目標圖像在0°、45°、90°和135°四個方向上的差熵。

本實施方式中,差熵計算器f11的計算公式如式(16)所示:

<mrow> <msub> <mi>f</mi> <mn>11</mn> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>N</mi> <mi>g</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>p</mi> <mrow> <mi>x</mi> <mo>-</mo> <mi>y</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>{</mo> <msub> <mi>p</mi> <mrow> <mi>x</mi> <mo>-</mo> <mi>y</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>16</mn> <mo>)</mo> </mrow> </mrow>

第一相關(guān)性信息測度計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率、關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及熵確定目標圖像在0°、45°、90°和135°四個方向上的第一相關(guān)性信息測度。

本實施方式中,第一相關(guān)性信息測度計算器f12的計算公式如式(17)所示:

<mrow> <msub> <mi>f</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mi>H</mi> <mi>X</mi> <mi>Y</mi> <mo>-</mo> <mi>H</mi> <mi>X</mi> <mi>Y</mi> <mn>1</mn> </mrow> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>{</mo> <mi>H</mi> <mi>X</mi> <mo>,</mo> <mi>H</mi> <mi>Y</mi> <mo>}</mo> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>17</mn> <mo>)</mo> </mrow> </mrow>

其中,HXY=f9,

第二相關(guān)性信息測度計算器,用于根據(jù)目標圖像在0°、45°、90°和135°四個方向上的關(guān)于X的邊緣概率密度矩陣和關(guān)于Y的邊緣概率密度矩陣確定目標圖像在0°、45°、90°和135°四個方向上的第二相關(guān)性信息測度。

本實施方式中,第二相關(guān)性信息測度計算器f13的計算公式如式(18)所示:

f13=(1-exp[-2.0(HXY2-HXY)])1/2 (18)

其中,

Haralick特征集合構(gòu)成單元,用于計算目標圖像在0°、45°、90°和135°四個方向上的各個Haralick特征參數(shù)的特征均值和特征方差,得到目標圖像的13個特征均值和目標圖像的13個特征方差,組成目標圖像的Haralick特征集合。

本實施方式中,Haralick特征集合構(gòu)成單元,包括特征均值計算器、特征方差計算器和Haralick特征集合生成器。

特征均值計算器,用于計算目標圖像在0°、45°、90°和135°四個方向上的各個Haralick特征參數(shù)的均值,得到目標圖像的13個特征均值。

特征方差計算器,用于計算目標圖像在0°、45°、90°和135°四個方向上的各個Haralick特征參數(shù)的方差,得到目標圖像的13個特征方差。

Haralick特征集合生成器,用于將目標圖像的13個特征均值和目標圖像的13個特征方差組成目標圖像的Haralick特征集合。

肺結(jié)節(jié)患病風險預(yù)測單元,用于將有標簽肺結(jié)節(jié)圖像的Haralick特征集合和無標簽肺結(jié)節(jié)圖像的Haralick特征集合作為SS-ELM學(xué)習機的輸入數(shù)據(jù),得到SS-ELM學(xué)習機的學(xué)習參數(shù),從而得到訓(xùn)練后的SS-ELM學(xué)習機,將待診斷肺結(jié)節(jié)圖像的Haralick特征集合輸入到訓(xùn)練后的SS-ELM學(xué)習機中,得到待診斷肺結(jié)節(jié)圖像性質(zhì)表現(xiàn)為惡性的風險概率。

本實施方式中,肺結(jié)節(jié)患病風險預(yù)測單元,包括SS-ELM訓(xùn)練器和SS-ELM診斷器。

SS-ELM訓(xùn)練器,用于將有標簽肺結(jié)節(jié)圖像的Haralick特征集合和無標簽肺結(jié)節(jié)圖像的Haralick特征集合作為SS-ELM學(xué)習機的輸入數(shù)據(jù),得到SS-ELM學(xué)習機的學(xué)習參數(shù),從而得到訓(xùn)練后的SS-ELM學(xué)習機。

SS-ELM診斷器,用于將待診斷肺結(jié)節(jié)圖像的Haralick特征集合輸入到訓(xùn)練后的SS-ELM學(xué)習機中,得到待診斷肺結(jié)節(jié)圖像性質(zhì)表現(xiàn)為惡性的風險概率。

采用基于SS-ELM的肺結(jié)節(jié)患病風險預(yù)測系統(tǒng)進行肺結(jié)節(jié)患病風險預(yù)測的方法,如圖5所示,包括以下步驟:

步驟1:獲取有標簽肺結(jié)節(jié)圖像、無標簽肺結(jié)節(jié)圖像和待診斷肺結(jié)節(jié)圖像。

步驟2:將獲取的有標簽肺結(jié)節(jié)圖像、無標簽肺結(jié)節(jié)圖像和待診斷肺結(jié)節(jié)圖像作為目標圖像,得到目標圖像集。

步驟3:將目標圖像進行灰度處理,對灰度處理后的目標圖像的灰度級進行壓縮。

步驟4:將灰度處理后的目標圖像在0°、45°、90°和135°四個方向上分別生成灰度共生矩陣;。

步驟5:根據(jù)目標圖像在0°、45°、90°和135°四個方向上的灰度共生矩陣計算各灰度值組合(i,j)在目標圖像上的概率,確定目標圖像在四個方向上的關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及聯(lián)合概率分布密度函數(shù)。

步驟6:根據(jù)目標圖像在0°、45°、90°和135°四個方向上的各灰度值組合在目標圖像上的概率、關(guān)于X的邊緣概率密度矩陣、關(guān)于Y的邊緣概率密度矩陣以及聯(lián)合概率分布密度函數(shù),確定目標圖像在0°、45°、90°和135°四個方向上的Haralick特征參數(shù)。

步驟7:計算目標圖像在0°、45°、90°和135°四個方向上的各個Haralick特征參數(shù)的特征均值和特征方差,得到目標圖像的13個特征均值和目標圖像的13個特征方差,組成目標圖像的Haralick特征集合。

本實施方式中,得到v個有標簽肺結(jié)節(jié)圖像的Haralick特征集合HL如式(19)所示:

其中,公式(19)第一列為標簽,1表示惡性肺結(jié)節(jié)標簽,0表示良性肺結(jié)節(jié)標簽。

得到例個無標簽肺結(jié)節(jié)的Haralick特征集合HU如式(20)所示:

待診斷肺結(jié)節(jié)的Haralick特征集合HW如式(21)所示:

HW=[0.112919…0.015359]1×26 (21)

步驟8:將有標簽肺結(jié)節(jié)圖像的Haralick特征集合和無標簽肺結(jié)節(jié)圖像的Haralick特征集合作為SS-ELM訓(xùn)練器的輸入數(shù)據(jù),得到SS-ELM訓(xùn)練器的學(xué)習參數(shù),從而得到訓(xùn)練后的SS-ELM診斷器。

步驟9:將待診斷肺結(jié)節(jié)圖像的Haralick特征集合輸入到訓(xùn)練后的SS-ELM診斷器中,得到待診斷肺結(jié)節(jié)圖像性質(zhì)表現(xiàn)為惡性的風險概率。

當前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1