本發(fā)明涉及醫(yī)學(xué)數(shù)字圖像處理技術(shù)領(lǐng)域，具體而言，涉及一種基于PET/CT圖像特征的肺部檢測方法和裝置。

背景技術(shù)：

肺癌是世界范圍內(nèi)最致命的癌癥之一。PET/CT(positron emission tomography/computer tomography，正電子發(fā)射斷層顯像/計(jì)算機(jī)斷層掃描)作為一種無創(chuàng)新型影像學(xué)診斷技術(shù)，近年來在肺癌診斷及術(shù)前分期的應(yīng)用有了很大的發(fā)展。與傳統(tǒng)的CT(computer tomography，計(jì)算機(jī)斷層掃描)、MRI(Magnetic Resonance Imaging，磁共振成像)或單純的PET(positron emission tomography，正電子發(fā)射斷層顯像)等技術(shù)相比，PET/CT技術(shù)的優(yōu)勢是十分明顯的。

在利用PET/CT影像進(jìn)行檢測和定位腫瘤組織方面，已經(jīng)出現(xiàn)了一些應(yīng)用閾值判斷和SUV值比較的技術(shù)手段，另外，還有一些技術(shù)使用閾值和隱馬爾科夫模型相結(jié)合的方法來定位和劃分癌變區(qū)域。上述技術(shù)能夠一定程度上幫助醫(yī)生判斷病灶狀況和腫瘤性質(zhì)。

另外，考慮到在CT、MRI影像的應(yīng)用中，基于圖像特征(如紋理特征)的定量研究取得了較好的成果。其中，紋理特征作為圖像最基本的視覺特征，能夠幫助醫(yī)生對(duì)CT、MRI影像做出進(jìn)一步判斷。同樣的，對(duì)于PET/CT進(jìn)行圖像特征的分析應(yīng)該可以作為癌癥判斷的一種依據(jù)。但是，目前對(duì)基于PET/CT圖像特征進(jìn)行腫瘤性質(zhì)和病灶狀況的判斷尚無完善的方案。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種基于PET/CT圖像特征的肺部檢測方法和裝置，通過圖像處理技術(shù)手段對(duì)PET/CT圖像進(jìn)行病灶分析和識(shí)別處理，病灶識(shí)別的準(zhǔn)確率和靈敏度均較高。

第一方面，本發(fā)明實(shí)施例提供了一種基于PET/CT圖像特征的肺部檢測方法，所述方法包括：

從PET/CT圖像庫中獲取病灶對(duì)應(yīng)區(qū)域的局部圖像作為訓(xùn)練圖像；所述PET/CT圖像庫包含有多個(gè)類型病灶的肺部病灶圖像；

對(duì)所述訓(xùn)練圖像進(jìn)行變換和濾波處理，得到處理后的所述訓(xùn)練圖像；

提取處理后的所述訓(xùn)練圖像的特征信息，所述特征信息包括紋理特征信息和顏色特征信息中的任意一種或組合；

根據(jù)所述特征信息建立病灶檢測模型；

基于所述病灶檢測模型對(duì)待檢測肺部圖像進(jìn)行檢測，確定所述待檢測肺部圖像中存在病灶的類型。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第一種可能的實(shí)施方式，其中，所述對(duì)所述訓(xùn)練圖像進(jìn)行變換和濾波處理，得到處理后的所述訓(xùn)練圖像，包括：

依次對(duì)所述訓(xùn)練圖像進(jìn)行雙樹復(fù)小波變換處理和采用非下采樣方向?yàn)V波器進(jìn)行濾波處理，得到處理后的所述訓(xùn)練圖像。

結(jié)合第一方面或第一方面的第一種可能的實(shí)施方式，本發(fā)明實(shí)施例提供了第一方面的第二種可能的實(shí)施方式，其中，所述特征信息包括所述紋理特征信息；所述提取處理后的所述訓(xùn)練圖像的特征信息，包括：

對(duì)處理后的所述訓(xùn)練圖像進(jìn)行單像素灰度統(tǒng)計(jì)，得到對(duì)應(yīng)的灰度直方圖，對(duì)處理后的所述訓(xùn)練圖像進(jìn)行雙像素灰度統(tǒng)計(jì)，得到對(duì)應(yīng)的灰度共生矩陣和相鄰灰度差分矩陣；

利用所述灰度直方圖提取處理后的所述訓(xùn)練圖像的第一紋理特征信息；其中，所述第一紋理特征信息包括以下信息中的一種或多種：平均亮度信息、平均對(duì)比度信息、相對(duì)平滑度信息、灰度偏斜信息、灰度一致性信息和像素隨機(jī)信息；

利用所述灰度共生矩陣提取處理后的所述訓(xùn)練圖像的第二紋理特征信息；其中，所述第二紋理特征信息包括以下信息中的一種或多種：灰度均勻度和紋理粗細(xì)度信息、平滑度信息、紋理復(fù)雜度信息、局部相關(guān)度信息、對(duì)比度信息和灰度均值信息；

利用所述相鄰灰度差分矩陣提取處理后的所述訓(xùn)練圖像的第三紋理特征信息；其中，所述第三紋理特征信息包括以下信息中的一種或多種：粗糙度信息和頻度信息。

結(jié)合第一方面或第一方面的第一種可能的實(shí)施方式，本發(fā)明實(shí)施例提供了第一方面的第三種可能的實(shí)施方式，其中，所述特征信息包括所述顏色特征信息；所述提取處理后的所述訓(xùn)練圖像的特征信息，包括：

對(duì)處理后的所述訓(xùn)練圖像進(jìn)行顏色空間轉(zhuǎn)換處理，得到轉(zhuǎn)換處理后的訓(xùn)練圖像；

基于非均勻量化方法對(duì)轉(zhuǎn)換處理后的所述訓(xùn)練圖像進(jìn)行量化處理，得到量化處理后的訓(xùn)練圖像；

對(duì)量化處理后的訓(xùn)練圖像進(jìn)行顏色統(tǒng)計(jì)，得到對(duì)應(yīng)的顏色相關(guān)圖；

利用所述顏色相關(guān)圖提取量化處理后的所述訓(xùn)練圖像的顏色特征信息；其中，所述顏色特征信息至少包括：相同灰度級(jí)別的像素點(diǎn)個(gè)數(shù)信息。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第四種可能的實(shí)施方式，其中，所述根據(jù)所述特征信息建立病灶檢測模型，包括：

基于深度神經(jīng)網(wǎng)絡(luò)對(duì)所述特征信息進(jìn)行深度學(xué)習(xí)，建立對(duì)應(yīng)的病灶檢測模型。

第二方面，本發(fā)明實(shí)施例還提供了一種基于PET/CT圖像特征的肺部檢測裝置，所述裝置包括：

獲取模塊，用于從PET/CT圖像庫中獲取病灶對(duì)應(yīng)區(qū)域的局部圖像作為訓(xùn)練圖像；所述PET/CT圖像庫包含有多個(gè)類型病灶的肺部病灶圖像；

處理模塊，用于對(duì)所述訓(xùn)練圖像進(jìn)行變換和濾波處理，得到處理后的所述訓(xùn)練圖像；

提取模塊，用于提取處理后的所述訓(xùn)練圖像的特征信息，所述特征信息包括紋理特征信息和顏色特征信息中的任意一種或組合；

建立模塊，用于根據(jù)所述特征信息建立病灶檢測模型；

檢測模塊，用于基于所述病灶檢測模型對(duì)待檢測肺部圖像進(jìn)行檢測，確定所述待檢測肺部圖像中存在病灶的類型。

結(jié)合第二方面，本發(fā)明實(shí)施例提供了第二方面的第一種可能的實(shí)施方式，其中，所述處理模塊還用于，依次對(duì)所述訓(xùn)練圖像進(jìn)行雙樹復(fù)小波變換處理和采用非下采樣方向?yàn)V波器進(jìn)行濾波處理，得到處理后的所述訓(xùn)練圖像。

結(jié)合第二方面或第二方面的第一種可能的實(shí)施方式，本發(fā)明實(shí)施例提供了第二方面的第二種可能的實(shí)施方式，其中，所述提取模塊包括：

灰度生成單元，用于對(duì)處理后的所述訓(xùn)練圖像進(jìn)行單像素灰度統(tǒng)計(jì)，得到對(duì)應(yīng)的灰度直方圖，對(duì)處理后的所述訓(xùn)練圖像進(jìn)行雙像素灰度統(tǒng)計(jì)，得到對(duì)應(yīng)的灰度共生矩陣和相鄰灰度差分矩陣；

第一紋理提取單元，用于利用所述灰度直方圖提取處理后的所述訓(xùn)練圖像的第一紋理特征信息；其中，所述第一紋理特征信息包括以下信息中的一種或多種：平均亮度信息、平均對(duì)比度信息、相對(duì)平滑度信息、灰度偏斜信息、灰度一致性信息和像素隨機(jī)信息；

第二紋理提取單元，用于利用所述灰度共生矩陣提取處理后的所述訓(xùn)練圖像的第二紋理特征信息；其中，所述第二紋理特征信息包括以下信息中的一種或多種：灰度均勻度和紋理粗細(xì)度信息、平滑度信息、紋理復(fù)雜度信息、局部相關(guān)度信息、對(duì)比度信息和灰度均值信息；

第三紋理提取單元，用于利用所述相鄰灰度差分矩陣提取處理后的所述訓(xùn)練圖像的第三紋理特征信息；其中，所述第三紋理特征信息包括以下信息中的一種或多種：粗糙度信息和頻度信息。

結(jié)合第二方面或第二方面的第一種可能的實(shí)施方式，本發(fā)明實(shí)施例提供了第二方面的第三種可能的實(shí)施方式，其中，所述提取模塊還包括：

轉(zhuǎn)換處理單元，用于對(duì)處理后的所述訓(xùn)練圖像進(jìn)行顏色空間轉(zhuǎn)換處理，得到轉(zhuǎn)換處理后的訓(xùn)練圖像；

量化處理單元，用于基于非均勻量化方法對(duì)轉(zhuǎn)換處理后的所述訓(xùn)練圖像進(jìn)行量化處理，得到量化處理后的訓(xùn)練圖像；

顏色生成單元，用于對(duì)量化處理后的訓(xùn)練圖像進(jìn)行顏色統(tǒng)計(jì)，得到對(duì)應(yīng)的顏色相關(guān)圖；

顏色提取單元，用于利用所述顏色相關(guān)圖提取量化處理后的所述訓(xùn)練圖像的顏色特征信息；其中，所述顏色特征信息至少包括：相同灰度級(jí)別的像素點(diǎn)個(gè)數(shù)信息。

結(jié)合第二方面，本發(fā)明實(shí)施例提供了第二方面的第四種可能的實(shí)施方式，其中，所述建立模塊還用于，基于深度神經(jīng)網(wǎng)絡(luò)對(duì)所述特征信息進(jìn)行深度學(xué)習(xí)，建立對(duì)應(yīng)的病灶檢測模型。

本發(fā)明實(shí)施例提供的基于PET/CT圖像特征的肺部檢測方法和裝置，與現(xiàn)有技術(shù)中尚無對(duì)基于PET/CT圖像特征進(jìn)行腫瘤性質(zhì)和病灶狀況的判斷的方案相比，其首先從PET/CT圖像庫中多個(gè)類型病灶的肺部病灶圖像中獲取病灶對(duì)應(yīng)區(qū)域的局部圖像作為訓(xùn)練圖像；然后對(duì)獲取得到的訓(xùn)練圖像進(jìn)行變換和濾波處理，并對(duì)處理后的訓(xùn)練圖像進(jìn)行特征提取，得到包括紋理特征信息和/或顏色特征信息的特征信息；再者根據(jù)上述特征信息建立病灶檢測模型；最后基于該病灶檢測模型對(duì)待檢測肺部圖像進(jìn)行檢測，確定待檢測肺部圖像中存在病灶的類型，其通過圖像處理技術(shù)手段對(duì)PET/CT圖像進(jìn)行病灶分析和識(shí)別處理，從而提高了病灶識(shí)別的準(zhǔn)確率和靈敏度。

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說明如下。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實(shí)施例，因此不應(yīng)被看作是對(duì)范圍的限定，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。

圖1示出了本發(fā)明實(shí)施例所提供的一種基于PET/CT圖像特征的肺部檢測方法的流程圖；

圖2示出了本發(fā)明實(shí)施例所提供的另一種基于PET/CT圖像特征的肺部檢測方法的流程圖；

圖3示出了本發(fā)明實(shí)施例所提供的另一種基于PET/CT圖像特征的肺部檢測方法的流程圖；

圖4示出了本發(fā)明實(shí)施例所提供的一種基于PET/CT圖像特征的肺部檢測裝置的結(jié)構(gòu)示意圖。

主要元件符號(hào)說明：

11、獲取模塊；22、處理模塊；33、提取模塊；44、建立模塊；55、檢測模塊。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。通常在此處附圖中描述和示出的本發(fā)明實(shí)施例的組件可以以各種不同的配置來布置和設(shè)計(jì)。因此，以下對(duì)在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實(shí)施例?；诒景l(fā)明的實(shí)施例，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

考慮到現(xiàn)有技術(shù)中在CT、MRI影像的應(yīng)用中，基于紋理特征的定量研究取得了較好的成果，而對(duì)基于PET/CT圖像特征進(jìn)行腫瘤性質(zhì)和病灶狀況的判斷尚無完善的方案?；诖?，本發(fā)明實(shí)施例提供了一種基于PET/CT圖像特征的肺部檢測方法和裝置，其通過圖像處理技術(shù)手段對(duì)PET/CT圖像進(jìn)行病灶分析和識(shí)別處理，病灶識(shí)別的準(zhǔn)確率和靈敏度均較高。

參見圖1所示的本發(fā)明實(shí)施例提供的基于PET/CT圖像特征的肺部檢測方法的流程圖，所述方法具體包括如下步驟：

S101、從PET/CT圖像庫中獲取病灶對(duì)應(yīng)區(qū)域的局部圖像作為訓(xùn)練圖像；PET/CT圖像庫包含有多個(gè)類型病灶的肺部病灶圖像；

具體的，考慮到本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測方法的具體應(yīng)用場景，本發(fā)明實(shí)施例首先通過訓(xùn)練圖像訓(xùn)練得到病灶檢測模型，然后再根據(jù)該病灶檢測模型進(jìn)行任意待檢測肺部圖像的檢測。其中，病灶檢測模型的準(zhǔn)確度進(jìn)一步影響了肺部的檢測準(zhǔn)確度，而訓(xùn)練圖像的獲取又進(jìn)一步限定了模型訓(xùn)練的效果。

為了更好的進(jìn)行模型訓(xùn)練，本發(fā)明實(shí)施例首先獲取多個(gè)類型病灶的肺部病灶圖像，并將該肺部病灶圖像建立對(duì)應(yīng)的PET/CT圖像庫，然后將該P(yáng)ET/CT圖像庫中的肺部病灶圖像中獲取的病灶對(duì)應(yīng)區(qū)域的局部圖像作為訓(xùn)練圖像。

其中，肺部病灶圖像可以是PET-CT(Positron Emission Tomography-Computer Tomography,正電子發(fā)射計(jì)算機(jī)斷層顯像)設(shè)備攝取到的PET/CT圖像，還可以是其他圖像獲取來源，本發(fā)明實(shí)施例優(yōu)選為前者獲取的方式。

對(duì)于上述獲取到的多個(gè)類型病灶的肺部病灶圖像，本發(fā)明實(shí)施例不僅可以通過人工的方式進(jìn)行病灶對(duì)應(yīng)區(qū)域的局部圖像，還可以通過相應(yīng)的計(jì)算機(jī)程序進(jìn)行自動(dòng)獲取。其中，該局部圖像是指圖片內(nèi)病灶對(duì)應(yīng)的區(qū)域圖像，也即是通常意義下的感興趣區(qū)域。

S102、對(duì)訓(xùn)練圖像進(jìn)行變換和濾波處理，得到處理后的訓(xùn)練圖像；

S103、提取處理后的訓(xùn)練圖像的特征信息，特征信息包括紋理特征信息和顏色特征信息中的任意一種或組合；

具體的，本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測方法對(duì)于獲取得到的訓(xùn)練圖像，首先進(jìn)行變換和濾波處理，然后再對(duì)處理后的訓(xùn)練圖像進(jìn)行特征提取，且提取的特征信息包括紋理特征信息和顏色特征信息中的任意一種或組合。

S104、根據(jù)特征信息建立病灶檢測模型；

S105、基于病灶檢測模型對(duì)待檢測肺部圖像進(jìn)行檢測，確定待檢測肺部圖像中存在病灶的類型。

具體的，隨著大數(shù)據(jù)時(shí)代的到來，只有比較復(fù)雜的模型，或者說表達(dá)能力強(qiáng)的模型，才能充分發(fā)掘海量數(shù)據(jù)中蘊(yùn)含的豐富信息，所以本發(fā)明實(shí)施例能夠根據(jù)大量訓(xùn)練圖像的特征信息建立對(duì)應(yīng)的病灶檢測模型。其中，該病灶檢測模型采用的是強(qiáng)大的深度模型，以使得能夠從大數(shù)據(jù)挖掘出更多有價(jià)值的信息和知識(shí)，且該病灶檢測模型作為一個(gè)分類器，可以對(duì)輸入的待檢測肺部圖像進(jìn)行分類，以確定該待檢測肺部圖像中存在病灶的類型。其中，上述病灶的類型至少包括良性肺結(jié)節(jié)和惡性肺結(jié)節(jié)。

本發(fā)明實(shí)施例提供的基于PET/CT圖像特征的肺部檢測方法，與現(xiàn)有技術(shù)中尚無對(duì)基于PET/CT圖像特征進(jìn)行腫瘤性質(zhì)和病灶狀況的判斷的方案相比，其首先從PET/CT圖像庫中多個(gè)類型病灶的肺部病灶圖像中獲取病灶對(duì)應(yīng)區(qū)域的局部圖像作為訓(xùn)練圖像；然后對(duì)獲取得到的訓(xùn)練圖像進(jìn)行變換和濾波處理，并對(duì)處理后的訓(xùn)練圖像進(jìn)行特征提取，得到包括紋理特征信息和/或顏色特征信息的特征信息；再者根據(jù)上述特征信息建立病灶檢測模型；最后基于該病灶檢測模型對(duì)待檢測肺部圖像進(jìn)行檢測，確定待檢測肺部圖像中存在病灶的類型，其通過圖像處理技術(shù)手段對(duì)PET/CT圖像進(jìn)行病灶分析和識(shí)別處理，從而提高了病灶識(shí)別的準(zhǔn)確率和靈敏度。

為了更好的對(duì)訓(xùn)練圖像進(jìn)行處理，上述S102的處理過程，具體通過如下步驟實(shí)現(xiàn)：

依次對(duì)訓(xùn)練圖像進(jìn)行雙樹復(fù)小波變換處理和采用非下采樣方向?yàn)V波器進(jìn)行濾波處理，得到處理后的訓(xùn)練圖像。

具體的，為了規(guī)避現(xiàn)有技術(shù)中的二維小波由于不能有效地捕獲圖像方向信息而應(yīng)用受限，本發(fā)明實(shí)施例創(chuàng)新性的采用復(fù)輪廓波變換對(duì)獲取到的所有訓(xùn)練圖像進(jìn)行分析處理，該復(fù)輪廓波變換(DTCWT-NSDFB)不僅可以避免頻率混淆的產(chǎn)生，同時(shí)具有移不變性。本發(fā)明實(shí)施例優(yōu)選的采用DTCWT(Dual Tree Complex Wavelet Transform，雙樹復(fù)小波變換)級(jí)聯(lián)NSDFB(Non-subsampled Directional Filter Bank，非下采樣方向?yàn)V波器)的方法進(jìn)行構(gòu)造。對(duì)訓(xùn)練圖像進(jìn)行DTCWT變換，DTCWT獨(dú)立使用2棵實(shí)濾波器樹來生成小波系數(shù)的實(shí)部和虛部，既保證了完全重構(gòu)性，也保持了復(fù)小波的良好性質(zhì)。在對(duì)訓(xùn)練圖像經(jīng)過DTCWT以后再，對(duì)圖像的高頻系數(shù)進(jìn)行NSDFB濾波，利用等效易位原理，去除傳統(tǒng)DFB的下采樣操作，從而能夠在對(duì)圖像進(jìn)行去噪時(shí)可抑制人造紋理(由頻率混疊造成)的產(chǎn)生。

其中，本發(fā)明實(shí)施例中，雙樹復(fù)小波變換的具體原理如下：

首先對(duì)訓(xùn)練圖像并行使用4個(gè)可分離的二維的兩層小波變換，其中行和列使用不同的濾波器組。行列可分離的小波變換可表示為

ψ(x,y)＝ψ(x)ψ(y)

其中ψ(x)、ψ(y)是近似解析的復(fù)小波，其表示形式如下

ψ(x)＝ψ_h(x)+jψ_g(x),ψ(y)＝ψ_h(y)+jψ_g(y)

則ψ(x,y)表示如下：

ψ(x,y)＝ψ(x)ψ(y)＝[ψ_h(x)+jψ_g(x)][ψ_h(y)+jψ_g(y)]＝[ψ_h(x)ψ_h(y)-ψ_g(x)ψ_g(y)]+j[ψ_h(x)ψ_g(y)+ψ_g(x)ψ_h(y)]

其中ψ(x,y)稱為方向復(fù)小波函數(shù)。

然后通過4個(gè)分樹子帶圖像的和與差獲得6個(gè)方向的小波系數(shù)。根據(jù)不同的尺度函數(shù)和小波函數(shù)的運(yùn)算可得到6個(gè)方向復(fù)小波函數(shù)，分別為φ(x)ψ(y)、φ(x)ψ(y)^*、ψ(x)ψ(y)、ψ(x)ψ(y)^*、ψ(x)φ(y)、ψ(x)φ(y)^*，分別表示±15°、±45°、±75°的六個(gè)主方向。

另外，上述非下采樣方向?yàn)V波的具體原理如下：

首先構(gòu)造互補(bǔ)扇形濾波器，然后根據(jù)構(gòu)造的濾波器進(jìn)行相應(yīng)的上采樣和線性變換。設(shè)為非下采樣方向?yàn)V波器第l方向子帶基函數(shù)，其中為上采樣矩陣，由上一個(gè)公式可得第j尺度上CCT的方向子帶空間的基函數(shù)如下：

其中0≤k≤2^l,m∈Z²,n∈Z²。

本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測方法不僅能夠提取紋理特征還能夠提取顏色特征，參見圖2，本發(fā)明實(shí)施例中的紋理特征提取具體過程包括：

S201、對(duì)處理后的訓(xùn)練圖像進(jìn)行單像素灰度統(tǒng)計(jì)，得到對(duì)應(yīng)的灰度直方圖，對(duì)處理后的訓(xùn)練圖像進(jìn)行雙像素灰度統(tǒng)計(jì)，得到對(duì)應(yīng)的灰度共生矩陣和相鄰灰度差分矩陣；

具體的，本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測方法不僅可以對(duì)處理后的訓(xùn)練圖像進(jìn)行單像素灰度統(tǒng)計(jì)，以得到對(duì)應(yīng)的灰度直方圖反應(yīng)圖像中每種灰度出現(xiàn)的頻率，還可以對(duì)處理后的訓(xùn)練圖像進(jìn)行雙像素灰度統(tǒng)計(jì)，以得到對(duì)應(yīng)的灰度共生矩陣和相鄰灰度差分矩陣反應(yīng)灰度的空間相關(guān)特性。

S202、利用灰度直方圖提取處理后的訓(xùn)練圖像的第一紋理特征信息；其中，第一紋理特征信息包括以下信息中的一種或多種：平均亮度信息、平均對(duì)比度信息、相對(duì)平滑度信息、灰度偏斜信息、灰度一致性信息和像素隨機(jī)信息；

具體的，利用上述灰度直方圖，本發(fā)明實(shí)施例可以計(jì)算訓(xùn)練圖像的第一紋理特征信息，該第一紋理特征信息為總體紋理特征。其中，上述平均亮度信息、平均對(duì)比度信息、相對(duì)平滑度信息、灰度偏斜信息、灰度一致性信息和像素隨機(jī)信息對(duì)應(yīng)的物理表達(dá)式如下：

(1)均值m：表示圖像的平均亮度，其表達(dá)式為：

其中，L為一幅圖像灰度值的可能取值，rk表示第k個(gè)灰度等級(jí)，Pr(rk)表示該灰度出現(xiàn)的相對(duì)頻率。

(2)標(biāo)準(zhǔn)差σ：標(biāo)準(zhǔn)偏差表示圖像的平均對(duì)比度，其表達(dá)式為：

其中，m為均值，rk表示第k個(gè)灰度等級(jí)，Pr(rk)表示該灰度出現(xiàn)的相對(duì)頻率。

(3)平滑度R：表示圖像亮度的相對(duì)平滑度。R為0，表示常量亮度，R越接近1，則表示圖像亮度越粗糙。其表達(dá)式為：

R＝1-1/(1+σ²)

其中，σ為標(biāo)準(zhǔn)差。

(4)三階矩μ₃：度量直方圖的偏斜。若三階矩為0，則直方圖是對(duì)稱的，若三階矩為正，則直方圖向右偏斜，若度量為負(fù)，則直方圖向左偏斜。其表達(dá)式為：

其中，m為均值，rk表示第k個(gè)灰度等級(jí)，Pr(rk)表示該灰度出現(xiàn)的相對(duì)頻率。

(5)一致性U：表示圖像灰度的統(tǒng)一程度，當(dāng)所有的灰度值都相等時(shí)，該值最大。其表達(dá)式為：

其中，L為一幅圖像灰度值的可能取值，rk表示第k個(gè)灰度等級(jí)，Pr(rk)表示該灰度出現(xiàn)的相對(duì)頻率。

(6)熵h：度量圖像像素的隨機(jī)性。其表達(dá)式為

其中，L為一幅圖像灰度值的可能取值，rk表示第k個(gè)灰度等級(jí)，Pr(rk)表示該灰度出現(xiàn)的相對(duì)頻率。

S203、利用灰度共生矩陣提取處理后的訓(xùn)練圖像的第二紋理特征信息；其中，第二紋理特征信息包括以下信息中的一種或多種：灰度均勻度和紋理粗細(xì)度信息、平滑度信息、紋理復(fù)雜度信息、局部相關(guān)度信息、對(duì)比度信息和灰度均值信息；

具體的，利用上述灰度共生矩陣，本發(fā)明實(shí)施例可以計(jì)算訓(xùn)練圖像的第二紋理特征信息，該第二紋理特征信息為局部紋理特征。其中，上述灰度均勻度和紋理粗細(xì)度信息、平滑度信息、紋理復(fù)雜度信息、局部相關(guān)度信息、對(duì)比度信息和灰度均值信息對(duì)應(yīng)的物理表達(dá)式如下：

(1)能量(Energy)：也稱為角二階矩，反映圖像灰度分布均勻程度和紋理粗細(xì)程度。其表達(dá)式為：

其中，P(i,j)表示圖像中兩個(gè)相鄰像素的灰度值分別為i和j的可能性。

(2)灰度均值(Mean)：反映像素所有灰度值的集中區(qū)實(shí)施，表達(dá)式為：

(3)逆差矩(Inverse Difference Moment,IDM)：反映圖像的平滑性，表達(dá)式為：

(4)熵(Entropy)：表征圖像中紋理的復(fù)雜程度，反映紋理灰度分布的隨機(jī)性，腫瘤攝取異質(zhì)性越高時(shí)，其值越大。

(5)相關(guān)性(Correlation)：反映圖像中紋理區(qū)域在某方向上的相似性，是圖像局部灰度線性相關(guān)的度量，腫瘤攝取異質(zhì)性越高時(shí)，其值越小。

(6)聚類趨勢(Cluster Tendency)：測量相似灰度水平值像素的分組，表達(dá)式為：

(7)對(duì)比度(Contrast)：反映圖像的清晰度，是圖像局部灰度變化程度的度量，腫瘤攝取異質(zhì)性越高時(shí)，其值越大。

(8)同質(zhì)度(Homogeneity)：反映灰度水平的相似程度，表達(dá)式為：

(9)方差(Variance)：反映灰度水平的分布情況，表達(dá)式為：

(10)最大概率(Maximum Probability)：最突出的像素對(duì)的發(fā)生率，表達(dá)式為：

(11)和的均值(Sum-Mean)：提供圖像中灰度水平的均值，表達(dá)式為：

(12)差的均值(Difference-Mean)：提供圖像中灰度水平的均值，表達(dá)式為：

(13)和的熵(Sum-Entropy)：表達(dá)式為：

(14)差的熵(Difference-Entropy)

S204、利用相鄰灰度差分矩陣提取處理后的訓(xùn)練圖像的第三紋理特征信息；其中，第三紋理特征信息包括以下信息中的一種或多種：粗糙度信息和頻度信息。

具體的，利用上述相鄰灰度差分矩陣，本發(fā)明實(shí)施例可以計(jì)算訓(xùn)練圖像的第三紋理特征信息，該第三紋理特征信息為局部紋理特征。其中，上述粗糙度信息和頻度信息對(duì)應(yīng)的物理表達(dá)式如下：

(1)粗糙度(coarseness)

其中，G_h是圖像中最高的灰度等級(jí)，ε是一個(gè)防止出現(xiàn)無窮大值的小值。p_i是灰度值i在圖像中出現(xiàn)的概率。

(2)對(duì)比度(contrast)

其中，N_g是不同灰度值的總數(shù)。

(3)頻度(busyness)

另外，參見圖3，本發(fā)明實(shí)施例中的顏色特征提取具體過程包括：

S301、對(duì)處理后的訓(xùn)練圖像進(jìn)行顏色空間轉(zhuǎn)換處理，得到轉(zhuǎn)換處理后的訓(xùn)練圖像；

S302、基于非均勻量化方法對(duì)轉(zhuǎn)換處理后的訓(xùn)練圖像進(jìn)行量化處理，得到量化處理后的訓(xùn)練圖像；

S303、對(duì)量化處理后的訓(xùn)練圖像進(jìn)行顏色統(tǒng)計(jì)，得到對(duì)應(yīng)的顏色相關(guān)圖；

S304、利用顏色相關(guān)圖提取量化處理后的訓(xùn)練圖像的顏色特征信息；其中，顏色特征信息至少包括：相同灰度級(jí)別的像素點(diǎn)個(gè)數(shù)信息。

具體的，首先將處理后的訓(xùn)練圖像從RGB顏色空間模型轉(zhuǎn)換到HSV空間模型，然后再采用非均勻量化的方法量化訓(xùn)練圖像。其中，具體的量化過程如下：H、S、V分別表示色調(diào)、飽和度、亮度。轉(zhuǎn)換后HSV各分量的范圍為：h∈[0,360],s∈[0,1],v∈[0,1]。為了不至于混淆，規(guī)定h,s,v為RGB空間顏色轉(zhuǎn)換到HSV空間的連續(xù)值，而H,S,V為h,s,v3個(gè)分量量化后的離散值。色調(diào)H從0到360變化時(shí)，色調(diào)一次呈現(xiàn)紅橙黃綠青藍(lán)紫，而每一種色調(diào)對(duì)應(yīng)的H分量的區(qū)域不均勻，本發(fā)明實(shí)施例中將H通道量化為不等間隔的7份符合人類視覺對(duì)顏色的心理感知。具體步驟如下：

(1)對(duì)于亮度v<0.2的顏色認(rèn)為是黑色，L＝0；

(2)對(duì)于飽和度s<0.1且亮度v>0.2的顏色按亮度劃分為3種灰度，分別為：深灰(0.2,0.5)、淺灰(0.5,0.9)和白色(0.9,1)，L分別為1、2、3；

(3)其他顏色認(rèn)為是彩色，將其劃分為28種顏色。對(duì)色度h[0,360]劃分的7個(gè)區(qū)間，H分別取值為0、1、2、3、4、5、6，代表紅、橙、黃、綠、青、藍(lán)、紫。對(duì)于亮度V劃分為暗色(0.2,0.5)和明色(0.5,1),對(duì)于飽和度S劃分為淡色(0.1,0.75)和明色(0.75,1)。公式如下：

根據(jù)H、S、V的量化級(jí)數(shù)和其頻帶寬度可取組合后的一維矢量L：

L＝HQ_SQ_V+SQ_V+V

其中，Q_S、Q_V分別是分量S和V的量化級(jí)數(shù)，有Q_S＝2，Q_V＝2。因?yàn)榍懊嬖黾恿?個(gè)顏色空間，所以上式為

L＝4+4H+2S+V

對(duì)于顏色統(tǒng)計(jì)得到對(duì)應(yīng)的顏色相關(guān)圖進(jìn)行顏色特征的提取，設(shè)d為距離集合{d₀，d₁，…，d_n}，顏色相關(guān)圖描述了距離為d的灰度對(duì)(g_i，g_j)。表達(dá)式為：

即給定灰度級(jí)別為g_i像素P_i，計(jì)算與其相距為d，灰度級(jí)別為g_i的像素點(diǎn)P_i的個(gè)數(shù)，即為相同灰度級(jí)別的像素點(diǎn)個(gè)數(shù)信息。

為了更好的建立病灶檢測模型，上述S104的建立過程，具體通過如下步驟實(shí)現(xiàn)：

基于深度神經(jīng)網(wǎng)絡(luò)對(duì)特征信息進(jìn)行深度學(xué)習(xí)，建立對(duì)應(yīng)的病灶檢測模型。

具體的，根據(jù)以上步驟所提取的紋理特征信息和/或顏色特征信息，建立圖像特征數(shù)據(jù)庫，采用數(shù)據(jù)挖掘的方法建立病灶檢測模型。本發(fā)明實(shí)施例優(yōu)選的采用深度神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法。

其中，基于不同的深度神經(jīng)網(wǎng)絡(luò)可以對(duì)特征信息進(jìn)行不同的深度學(xué)習(xí)，則建立的病灶檢測模型也并不相同。本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測方法中的病灶檢測模型不僅可以識(shí)別病灶類型(如良性肺結(jié)節(jié)和惡性肺結(jié)節(jié))，還能夠?qū)Υ龣z測肺部圖像確認(rèn)是良性肺結(jié)節(jié)和惡性肺結(jié)節(jié)的具體概率，從而具有較好的醫(yī)學(xué)應(yīng)用前景。

另外，考慮到本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測方法還可以對(duì)非肺結(jié)節(jié)性病灶所對(duì)應(yīng)的訓(xùn)練圖像進(jìn)行病灶檢測模型的訓(xùn)練，因此，本發(fā)明實(shí)施例不僅能夠識(shí)別肺結(jié)節(jié)性的良性腫瘤或惡性腫瘤，還能夠識(shí)別非肺結(jié)節(jié)性的病癥(如肺部炎癥)。

本發(fā)明實(shí)施例提供的基于PET/CT圖像特征的肺部檢測方法，與現(xiàn)有技術(shù)中尚無對(duì)基于PET/CT圖像特征進(jìn)行腫瘤性質(zhì)和病灶狀況的判斷的方案相比，其首先從PET/CT圖像庫中多個(gè)類型病灶的肺部病灶圖像中獲取病灶對(duì)應(yīng)區(qū)域的局部圖像作為訓(xùn)練圖像；然后對(duì)獲取得到的訓(xùn)練圖像進(jìn)行變換和濾波處理，并對(duì)處理后的訓(xùn)練圖像進(jìn)行特征提取，得到包括紋理特征信息和/或顏色特征信息的特征信息；再者根據(jù)上述特征信息建立病灶檢測模型；最后基于該病灶檢測模型對(duì)待檢測肺部圖像進(jìn)行檢測，確定待檢測肺部圖像中存在病灶的類型，其通過圖像處理技術(shù)手段對(duì)PET/CT圖像進(jìn)行病灶分析和識(shí)別處理，從而提高了病灶識(shí)別的準(zhǔn)確率和靈敏度。

本發(fā)明實(shí)施例還提供了一種基于PET/CT圖像特征的肺部檢測裝置，所述裝置用于執(zhí)行上述基于PET/CT圖像特征的肺部檢測方法，參見圖4，所述裝置包括：

獲取模塊11，用于從PET/CT圖像庫中獲取病灶對(duì)應(yīng)區(qū)域的局部圖像作為訓(xùn)練圖像；PET/CT圖像庫包含有多個(gè)類型病灶的肺部病灶圖像；

處理模塊22，用于對(duì)訓(xùn)練圖像進(jìn)行變換和濾波處理，得到處理后的訓(xùn)練圖像；

提取模塊33，用于提取處理后的訓(xùn)練圖像的特征信息，特征信息包括紋理特征信息和顏色特征信息中的任意一種或組合；

建立模塊44，用于根據(jù)特征信息建立病灶檢測模型；

檢測模塊55，用于基于病灶檢測模型對(duì)待檢測肺部圖像進(jìn)行檢測，確定待檢測肺部圖像中存在病灶的類型。

為了更好的對(duì)訓(xùn)練圖像進(jìn)行處理，上述處理模塊22還用于，依次對(duì)訓(xùn)練圖像進(jìn)行雙樹復(fù)小波變換處理和采用非下采樣方向?yàn)V波器進(jìn)行濾波處理，得到處理后的訓(xùn)練圖像。

具體的，為了規(guī)避現(xiàn)有技術(shù)中的二維小波由于不能有效地捕獲圖像方向信息而應(yīng)用受限，本發(fā)明實(shí)施例創(chuàng)新性的采用復(fù)輪廓波變換對(duì)獲取到的所有訓(xùn)練圖像進(jìn)行分析處理，該復(fù)輪廓波變換(DTCWT-NSDFB)不僅可以避免頻率混淆的產(chǎn)生，同時(shí)具有移不變性。本發(fā)明實(shí)施例優(yōu)選的采用DTCWT(Dual Tree Complex Wavelet Transform，雙樹復(fù)小波變換)級(jí)聯(lián)NSDFB(Non-subsampled Directional Filter Bank，非下采樣方向?yàn)V波器)的方法進(jìn)行構(gòu)造。對(duì)訓(xùn)練圖像進(jìn)行DTCWT變換，DTCWT獨(dú)立使用2棵實(shí)濾波器樹來生成小波系數(shù)的實(shí)部和虛部，既保證了完全重構(gòu)性，也保持了復(fù)小波的良好性質(zhì)。在對(duì)訓(xùn)練圖像經(jīng)過DTCWT以后再，對(duì)圖像的高頻系數(shù)進(jìn)行NSDFB濾波，利用等效易位原理，去除傳統(tǒng)DFB的下采樣操作，從而能夠在對(duì)圖像進(jìn)行去噪時(shí)可抑制人造紋理(由頻率混疊造成)的產(chǎn)生。

其中，本發(fā)明實(shí)施例的肺部檢測裝置中的雙樹復(fù)小波變換和非下采樣方向?yàn)V波的具體原理與對(duì)應(yīng)的肺部檢測方法一致，在此不在贅述。

本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測裝置不僅能夠提取紋理特征還能夠提取顏色特征，本發(fā)明實(shí)施例中的提取模塊33包括：

灰度生成單元，用于對(duì)處理后的訓(xùn)練圖像進(jìn)行單像素灰度統(tǒng)計(jì)，得到對(duì)應(yīng)的灰度直方圖，對(duì)處理后的訓(xùn)練圖像進(jìn)行雙像素灰度統(tǒng)計(jì)，得到對(duì)應(yīng)的灰度共生矩陣和相鄰灰度差分矩陣；

第一紋理提取單元，用于利用灰度直方圖提取處理后的訓(xùn)練圖像的第一紋理特征信息；其中，第一紋理特征信息包括以下信息中的一種或多種：平均亮度信息、平均對(duì)比度信息、相對(duì)平滑度信息、灰度偏斜信息、灰度一致性信息和像素隨機(jī)信息；

第二紋理提取單元，用于利用灰度共生矩陣提取處理后的訓(xùn)練圖像的第二紋理特征信息；其中，第二紋理特征信息包括以下信息中的一種或多種：灰度均勻度和紋理粗細(xì)度信息、平滑度信息、紋理復(fù)雜度信息、局部相關(guān)度信息、對(duì)比度信息和灰度均值信息；

第三紋理提取單元，用于利用相鄰灰度差分矩陣提取處理后的訓(xùn)練圖像的第三紋理特征信息；其中，第三紋理特征信息包括以下信息中的一種或多種：粗糙度信息和頻度信息。

具體的，本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測裝置不僅可以對(duì)處理后的訓(xùn)練圖像進(jìn)行單像素灰度統(tǒng)計(jì)，以得到對(duì)應(yīng)的灰度直方圖反應(yīng)圖像中每種灰度出現(xiàn)的頻率，還可以對(duì)處理后的訓(xùn)練圖像進(jìn)行雙像素灰度統(tǒng)計(jì)，以得到對(duì)應(yīng)的灰度共生矩陣和相鄰灰度差分矩陣反應(yīng)灰度的空間相關(guān)特性。

利用上述灰度直方圖，本發(fā)明實(shí)施例可以計(jì)算訓(xùn)練圖像的第一紋理特征信息，該第一紋理特征信息為總體紋理特征。其中，上述平均亮度信息、平均對(duì)比度信息、相對(duì)平滑度信息、灰度偏斜信息、灰度一致性信息和像素隨機(jī)信息對(duì)應(yīng)的物理表達(dá)式如下：

(1)均值m：表示圖像的平均亮度，其表達(dá)式為：

其中，L為一幅圖像灰度值的可能取值，rk表示第k個(gè)灰度等級(jí)，Pr(rk)表示該灰度出現(xiàn)的相對(duì)頻率。

(2)標(biāo)準(zhǔn)差σ：標(biāo)準(zhǔn)偏差表示圖像的平均對(duì)比度，其表達(dá)式為：

其中，m為均值，rk表示第k個(gè)灰度等級(jí)，Pr(rk)表示該灰度出現(xiàn)的相對(duì)頻率。

(3)平滑度R：表示圖像亮度的相對(duì)平滑度。R為0，表示常量亮度，R越接近1，則表示圖像亮度越粗糙。其表達(dá)式為：

R＝1-1/(1+σ²)

其中，σ為標(biāo)準(zhǔn)差。

(4)三階矩μ₃：度量直方圖的偏斜。若三階矩為0，則直方圖是對(duì)稱的，若三階矩為正，則直方圖向右偏斜，若度量為負(fù)，則直方圖向左偏斜。其表達(dá)式為：

其中，m為均值，rk表示第k個(gè)灰度等級(jí)，Pr(rk)表示該灰度出現(xiàn)的相對(duì)頻率。

(5)一致性U：表示圖像灰度的統(tǒng)一程度，當(dāng)所有的灰度值都相等時(shí)，該值最大。其表達(dá)式為：

其中，L為一幅圖像灰度值的可能取值，rk表示第k個(gè)灰度等級(jí)，Pr(rk)表示該灰度出現(xiàn)的相對(duì)頻率。

(6)熵h：度量圖像像素的隨機(jī)性。其表達(dá)式為

其中，L為一幅圖像灰度值的可能取值，rk表示第k個(gè)灰度等級(jí)，Pr(rk)表示該灰度出現(xiàn)的相對(duì)頻率。

另外，利用灰度共生矩陣提取處理后的訓(xùn)練圖像的第二紋理特征信息；其中，第二紋理特征信息包括以下信息中的一種或多種：灰度均勻度和紋理粗細(xì)度信息、平滑度信息、紋理復(fù)雜度信息、局部相關(guān)度信息、對(duì)比度信息和灰度均值信息；

具體的，利用上述灰度共生矩陣，本發(fā)明實(shí)施例可以計(jì)算訓(xùn)練圖像的第二紋理特征信息，該第二紋理特征信息為局部紋理特征。其中，上述灰度均勻度和紋理粗細(xì)度信息、平滑度信息、紋理復(fù)雜度信息、局部相關(guān)度信息、對(duì)比度信息和灰度均值信息對(duì)應(yīng)的物理表達(dá)式如下：

(1)能量(Energy)：也稱為角二階矩，反映圖像灰度分布均勻程度和紋理粗細(xì)程度。其表達(dá)式為：

其中，P(i,j)表示圖像中兩個(gè)相鄰像素的灰度值分別為i和j的可能性。

(2)灰度均值(Mean)：反映像素所有灰度值的集中區(qū)實(shí)施，表達(dá)式為：

(3)逆差矩(Inverse Difference Moment,IDM)：反映圖像的平滑性，表達(dá)式為：

(4)熵(Entropy)：表征圖像中紋理的復(fù)雜程度，反映紋理灰度分布的隨機(jī)性，腫瘤攝取異質(zhì)性越高時(shí)，其值越大。

(5)相關(guān)性(Correlation)：反映圖像中紋理區(qū)域在某方向上的相似性，是圖像局部灰度線性相關(guān)的度量，腫瘤攝取異質(zhì)性越高時(shí)，其值越小。

(6)聚類趨勢(Cluster Tendency)：測量相似灰度水平值像素的分組，表達(dá)式為：

(7)對(duì)比度(Contrast)：反映圖像的清晰度，是圖像局部灰度變化程度的度量，腫瘤攝取異質(zhì)性越高時(shí)，其值越大。

(8)同質(zhì)度(Homogeneity)：反映灰度水平的相似程度，表達(dá)式為：

(9)方差(Variance)：反映灰度水平的分布情況，表達(dá)式為：

(10)最大概率(Maximum Probability)：最突出的像素對(duì)的發(fā)生率，表達(dá)式為：

(11)和的均值(Sum-Mean)：提供圖像中灰度水平的均值，表達(dá)式為：

(12)差的均值(Difference-Mean)：提供圖像中灰度水平的均值，表達(dá)式為：

(13)和的熵(Sum-Entropy)：表達(dá)式為：

(14)差的熵(Difference-Entropy)

另外，利用上述相鄰灰度差分矩陣，本發(fā)明實(shí)施例可以計(jì)算訓(xùn)練圖像的第三紋理特征信息，該第三紋理特征信息為局部紋理特征。其中，上述粗糙度信息和頻度信息對(duì)應(yīng)的物理表達(dá)式如下：

(1)粗糙度(coarseness)

其中，G_h是圖像中最高的灰度等級(jí)，ε是一個(gè)防止出現(xiàn)無窮大值的小值。p_i是灰度值i在圖像中出現(xiàn)的概率。

(2)對(duì)比度(contrast)

其中，N_g是不同灰度值的總數(shù)。

(3)頻度(busyness)

另外，本發(fā)明實(shí)施例中的提取模塊33還包括：

轉(zhuǎn)換處理單元，用于對(duì)處理后的訓(xùn)練圖像進(jìn)行顏色空間轉(zhuǎn)換處理，得到轉(zhuǎn)換處理后的訓(xùn)練圖像；

量化處理單元，用于基于非均勻量化方法對(duì)轉(zhuǎn)換處理后的訓(xùn)練圖像進(jìn)行量化處理，得到量化處理后的訓(xùn)練圖像；

顏色生成單元，用于對(duì)量化處理后的訓(xùn)練圖像進(jìn)行顏色統(tǒng)計(jì)，得到對(duì)應(yīng)的顏色相關(guān)圖；

顏色提取單元，用于利用顏色相關(guān)圖提取量化處理后的訓(xùn)練圖像的顏色特征信息；其中，顏色特征信息至少包括：相同灰度級(jí)別的像素點(diǎn)個(gè)數(shù)信息。

具體的，本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測裝置，首先通過轉(zhuǎn)換處理單元將處理后的訓(xùn)練圖像從RGB顏色空間模型轉(zhuǎn)換到HSV空間模型，然后再采用量化處理單元量化訓(xùn)練圖像。其中，具體的量化過程如下：H、S、V分別表示色調(diào)、飽和度、亮度。轉(zhuǎn)換后HSV各分量的范圍為：h∈[0,360],s∈[0,1],v∈[0,1]。為了不至于混淆，規(guī)定h,s,v為RGB空間顏色轉(zhuǎn)換到HSV空間的連續(xù)值，而H,S,V為h,s,v3個(gè)分量量化后的離散值。色調(diào)H從0到360變化時(shí)，色調(diào)一次呈現(xiàn)紅橙黃綠青藍(lán)紫，而每一種色調(diào)對(duì)應(yīng)的H分量的區(qū)域不均勻，本發(fā)明實(shí)施例中將H通道量化為不等間隔的7份符合人類視覺對(duì)顏色的心理感知。具體步驟如下：

(1)對(duì)于亮度v<0.2的顏色認(rèn)為是黑色，L＝0；

(2)對(duì)于飽和度s<0.1且亮度v>0.2的顏色按亮度劃分為3種灰度，分別為：深灰(0.2,0.5)、淺灰(0.5,0.9)和白色(0.9,1)，L分別為1、2、3；

(3)其他顏色認(rèn)為是彩色，將其劃分為28種顏色。對(duì)色度h[0,360]劃分的7個(gè)區(qū)間，H分別取值為0、1、2、3、4、5、6，代表紅、橙、黃、綠、青、藍(lán)、紫。對(duì)于亮度V劃分為暗色(0.2,0.5)和明色(0.5,1),對(duì)于飽和度S劃分為淡色(0.1,0.75)和明色(0.75,1)。公式如下：

根據(jù)H、S、V的量化級(jí)數(shù)和其頻帶寬度可取組合后的一維矢量L：

L＝HQ_SQ_V+SQ_V+V

其中，Q_S、Q_V分別是分量S和V的量化級(jí)數(shù)，有Q_S＝2，Q_V＝2。因?yàn)榍懊嬖黾恿?個(gè)顏色空間，所以上式為

L＝4+4H+2S+V

對(duì)于顏色統(tǒng)計(jì)得到對(duì)應(yīng)的顏色相關(guān)圖進(jìn)行顏色特征的提取，設(shè)d為距離集合{d₀，d₁，…，d_n}，顏色相關(guān)圖描述了距離為d的灰度對(duì)(g_i，g_j)。表達(dá)式為：

即給定灰度級(jí)別為g_i像素P_i，計(jì)算與其相距為d，灰度級(jí)別為g_i的像素點(diǎn)P_i的個(gè)數(shù)，即為相同灰度級(jí)別的像素點(diǎn)個(gè)數(shù)信息。

為了更好的建立病灶檢測模型，上述建立模塊44還用于，基于深度神經(jīng)網(wǎng)絡(luò)對(duì)特征信息進(jìn)行深度學(xué)習(xí)，建立對(duì)應(yīng)的病灶檢測模型。

具體的，根據(jù)以上步驟所提取的紋理特征信息和/或顏色特征信息，建立圖像特征數(shù)據(jù)庫，采用數(shù)據(jù)挖掘的方法建立病灶檢測模型。本發(fā)明實(shí)施例優(yōu)選的采用深度神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法。

其中，基于不同的深度神經(jīng)網(wǎng)絡(luò)可以對(duì)特征信息進(jìn)行不同的深度學(xué)習(xí)，則建立的病灶檢測模型也并不相同。本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測裝置中的病灶檢測模型不僅可以識(shí)別病灶類型(如良性肺結(jié)節(jié)和惡性肺結(jié)節(jié))，還能夠?qū)Υ龣z測肺部圖像確認(rèn)是良性肺結(jié)節(jié)和惡性肺結(jié)節(jié)的具體概率，從而具有較好的醫(yī)學(xué)應(yīng)用前景。

另外，考慮到本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測裝置還可以對(duì)非肺結(jié)節(jié)性病灶所對(duì)應(yīng)的訓(xùn)練圖像進(jìn)行病灶檢測模型的訓(xùn)練，因此，本發(fā)明實(shí)施例不僅能夠識(shí)別肺結(jié)節(jié)性的良性腫瘤或惡性腫瘤，還能夠識(shí)別非肺結(jié)節(jié)性的病癥(如肺部炎癥)。

本發(fā)明實(shí)施例提供的基于PET/CT圖像特征的肺部檢測裝置，與現(xiàn)有技術(shù)中尚無對(duì)基于PET/CT圖像特征進(jìn)行腫瘤性質(zhì)和病灶狀況的判斷的方案相比，其首先從PET/CT圖像庫中多個(gè)類型病灶的肺部病灶圖像中獲取病灶對(duì)應(yīng)區(qū)域的局部圖像作為訓(xùn)練圖像；然后對(duì)獲取得到的訓(xùn)練圖像進(jìn)行變換和濾波處理，并對(duì)處理后的訓(xùn)練圖像進(jìn)行特征提取，得到包括紋理特征信息和/或顏色特征信息的特征信息；再者根據(jù)上述特征信息建立病灶檢測模型；最后基于該病灶檢測模型對(duì)待檢測肺部圖像進(jìn)行檢測，確定待檢測肺部圖像中存在病灶的類型，其通過圖像處理技術(shù)手段對(duì)PET/CT圖像進(jìn)行病灶分析和識(shí)別處理，從而提高了病灶識(shí)別的準(zhǔn)確率和靈敏度。

本發(fā)明實(shí)施例所提供的進(jìn)行基于PET/CT圖像特征的肺部檢測方法的計(jì)算機(jī)程序產(chǎn)品，包括存儲(chǔ)了程序代碼的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述程序代碼包括的指令可用于執(zhí)行前面方法實(shí)施例中所述的方法，具體實(shí)現(xiàn)可參見方法實(shí)施例，在此不再贅述。

本發(fā)明實(shí)施例所提供的基于PET/CT圖像特征的肺部檢測裝置可以為設(shè)備上的特定硬件或者安裝于設(shè)備上的軟件或固件等。本發(fā)明實(shí)施例所提供的裝置，其實(shí)現(xiàn)原理及產(chǎn)生的技術(shù)效果和前述方法實(shí)施例相同，為簡要描述，裝置實(shí)施例部分未提及之處，可參考前述方法實(shí)施例中相應(yīng)內(nèi)容。所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，前述描述的系統(tǒng)、裝置和單元的具體工作過程，均可以參考上述方法實(shí)施例中的對(duì)應(yīng)過程，在此不再贅述。

在本發(fā)明所提供的實(shí)施例中，應(yīng)該理解到，所揭露裝置和方法，可以通過其它的方式實(shí)現(xiàn)。以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，又例如，多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些通信接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明提供的實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。

所述功能如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(ROM，Read-Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

應(yīng)注意到：相似的標(biāo)號(hào)和字母在下面的附圖中表示類似項(xiàng)，因此，一旦某一項(xiàng)在一個(gè)附圖中被定義，則在隨后的附圖中不需要對(duì)其進(jìn)行進(jìn)一步定義和解釋，此外，術(shù)語“第一”、“第二”、“第三”等僅用于區(qū)分描述，而不能理解為指示或暗示相對(duì)重要性。

最后應(yīng)說明的是：以上所述實(shí)施例，僅為本發(fā)明的具體實(shí)施方式，用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制，本發(fā)明的保護(hù)范圍并不局限于此，盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，其依然可以對(duì)前述實(shí)施例所記載的技術(shù)方案進(jìn)行修改或可輕易想到變化，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改、變化或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明實(shí)施例技術(shù)方案的精神和范圍。都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。