專利名稱：計算機輔助判別胰腺癌超聲內(nèi)鏡圖像的方法
技術領域：
本發(fā)明屬醫(yī)療儀器技術領域，特別是涉及一種計算機輔助判別胰腺癌超聲內(nèi)鏡圖 像的方法。
背景技術：
胰腺癌是世界衛(wèi)生組織公布的十大惡性腫瘤之一，是嚴重危及人類健康的重大疾 患。近年來，胰腺癌的發(fā)病率逐年上升。胰腺癌發(fā)展迅速、兇險，臨床特點為病程短、進展快、 死亡率高。胰腺屬于腹膜后位器官，位置隱蔽，啦鄰關系復雜，周圍有許多重要器官和血管。 因此，胰腺癌的早期發(fā)現(xiàn)、早期診斷、是長期困擾醫(yī)學界的難題。內(nèi)鏡超聲檢查術(endoscopic uhrasonography，EUS)在八十年代初問世以來已經(jīng) 在世界各國得到了廣泛的應用。EUS是將微型高頻超聲探頭安置在內(nèi)鏡頂端，當內(nèi)鏡插人體 腔后，通過內(nèi)鏡直接觀察腔內(nèi)的形態(tài)，同時又可進行實時超聲掃描，以獲得管道層次的組織 學特征及周圍鄰近臟器的超聲圖像，從而進一步提高了內(nèi)鏡和超聲的診斷水平。由于插入 探頭接近病變，縮短聲路而降低了聲衰減，故可明顯提高圖像分辨力，發(fā)現(xiàn)細小病灶。由于 其良好的顯示能力，EUS目前已越來越普遍地被運用于胰腺疾病的診斷中。目前研究表明，EUS對胰腺癌具有較大的診斷價值，胰腺內(nèi)鏡超聲圖像可提示胰腺 癌的可能，便于早期診斷。然而，基于內(nèi)鏡超聲圖像的診斷受醫(yī)生經(jīng)驗和主觀因素影響較 大，不同醫(yī)生的診斷準確率會有所不同；圖像一些細微的變化很難由肉眼察覺；而使用EUS 引導下細針穿刺抽吸術(EUS guided-finenee-dle aspiration, EUS-FNA)進行細胞學檢查 有一定創(chuàng)傷性。因此，開發(fā)出一套客觀、可靠且無創(chuàng)的胰腺癌內(nèi)鏡超聲早期診斷方法，是亟 待解決的問題。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術問題是提供一種將數(shù)字圖像處理和模式分類的方法，應用 于胰腺癌內(nèi)鏡超聲的計算機輔助診斷。通過提取內(nèi)鏡超聲圖像的紋理特征和分類器實現(xiàn)， 創(chuàng)建各種客觀、量化的診斷指標以及正確的描述解釋內(nèi)鏡超聲圖像的方法，提高胰腺癌內(nèi) 鏡超聲早期診斷的準確性。本發(fā)明解決其技術問題所采用的技術方案是提供一種計算機輔助判別胰腺癌超 聲內(nèi)鏡圖像的方法，包括下列步驟(1)在微型高頻超聲探頭頂端安置內(nèi)鏡，得到內(nèi)鏡超聲圖像，將其以Windows位圖 格式BMP形式保存；(2)根據(jù)ROIs，截取矩形子圖，提取每一個ROIs中用于胰腺EUS圖像分類的紋理 特征，并由計算機進行篩選；(3)選取類間距最大的特征作為初步篩選得到的特征組合，然后選用順序前進搜 索算法進行特征選擇；
(4)根據(jù)圖像中提取的特征，通過分類器支撐向量機將圖像進行自動分類，并計算 其敏感性、特異性、陽性預測值、陰性預測值和準確率。所述的紋理特征提取是根據(jù)ROIs進行紋理分析，提取9大類、69個特征用于模式 分類特征，同時各特征做歸一化，所述的9大類特征包括一階統(tǒng)計量特征、灰度共生矩陣特 征、灰度差統(tǒng)計特征、領域灰度差矩陣特征、Laws紋理測量特征、分形特征、Fourier功率譜 特征、不變矩特征和小波特征。所述的類間距最大選取25個特征作為初始特征，在所述的25個特征中選取12個 特征為灰度共生矩陣特征包括能量、對比度、協(xié)方差、均值和、方差和、熵和、三階矩、一致 性，分形特征包括分形維數(shù)特征、二階多重分形維數(shù)特、Laws紋理能量測度特征。所述的一階統(tǒng)計量特征包括1)均值；2)標準偏差；3)平滑度；4)三階矩；5)四階 矩；6) 一致性；7)熵。所述的灰度共生矩陣特征包括1)能量；2)對比度；3)自相關；4)相關；5)協(xié)方 差；6)逆差矩；7)熵；8)均值和；9)方差和；10)熵和；11)差的方差；12)差商；13)三階矩； 14)四階矩；15) 一致性；16)絕對值；17)最大概率。所述的灰度差統(tǒng)計特征使用圖像局部灰度值的一階統(tǒng)計量。所述的鄰域灰度差矩陣特征包括1)粗糙度；幻對比度；幻稀疏度；4)復雜度；5) 紋理力度。所述的Laws紋理能量測度特征選用LL，EE, LE, ES, LS為核，求取濾波后圖像能量 作為紋理特征。所述的分形特征選用分形維數(shù)特征和多重分形維數(shù)特征，由差分盒子計數(shù)法估 計。所述的Fourier功率譜特征采用離散傅立葉變換的軸向和與角度和并將其用于 紋理特征。所述的不變矩特征提取對平移、縮放、鏡像和旋轉都不敏感的7個二維不變矩作 為紋理特征。所述的小波特征對圖像做3層離散小波變換，提取各子圖的熵和統(tǒng)計量作為紋理 特征。有益效果本發(fā)明通過提取內(nèi)鏡超聲圖像的紋理特征和分類器實現(xiàn)，創(chuàng)建各種客觀、量化的 診斷指標以及正確的描述解釋內(nèi)鏡超聲圖像的方法，提高胰腺癌內(nèi)鏡超聲早期診斷的準確 性。


圖1為本發(fā)明流程示意圖。
具體實施例方式下面結合具體實施例，進一步闡述本發(fā)明。應理解，這些實施例僅用于說明本發(fā)明 而不用于限制本發(fā)明的范圍。此外應理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領域技術人 員可以對本發(fā)明作各種改動或修改，這些等價形式同樣落于本申請所附權利要求書所限定的范圍。本發(fā)明包括下列步驟(1)在微型高頻超聲探頭頂端安置內(nèi)鏡，得到內(nèi)鏡超聲圖像，將其以Windows位圖 格式BMP形式保存；(2)根據(jù)ROIs，截取矩形子圖，提取每一個ROIs中用于胰腺EUS圖像分類的紋理 特征，并由計算機進行篩選；(3)選取類間距最大的特征作為初步篩選得到的特征組合，然后選用順序前進搜 索算法進行特征選擇；(4)根據(jù)圖像中提取的特征，通過分類器支撐向量機將圖像進行自動分類，并計算 其敏感性、特異性、陽性預測值、陰性預測值和準確率。所述的紋理特征提取是根據(jù)ROIs進行紋理分析，提取9大類、69個特征用于模式 分類特征，同時各特征做歸一化，所述的9大類特征包括一階統(tǒng)計量特征、灰度共生矩陣特 征、灰度差統(tǒng)計特征、領域灰度差矩陣特征、Laws紋理測量特征、分形特征、Fourier功率譜 特征、不變矩特征和小波特征。所述的類間距最大選取25個特征作為初始特征，在所述的25個特征中選取12個 特征為灰度共生矩陣特征包括能量、對比度、協(xié)方差、均值和、方差和、熵和、三階矩、一致 性，分形特征包括分形維數(shù)特征、二階多重分形維數(shù)特、Laws紋理能量測度特征。所述的一階統(tǒng)計量特征包括1)均值；幻標準偏差；幻平滑度；4)三階矩力)四階 矩；6) 一致性；7)熵。所述的灰度共生矩陣特征包括1)能量；2)對比度；3)自相關；4)相關；5)協(xié)方 差；6)逆差矩；7)熵；8)均值和；9)方差和；10)熵和；11)差的方差；12)差商；13)三階矩； 14)四階矩；15) 一致性；16)絕對值；17)最大概率。所述的灰度差統(tǒng)計特征使用圖像局部灰度值的一階統(tǒng)計量。所述的鄰域灰度差矩陣特征包括1)粗糙度；幻對比度；幻稀疏度；4)復雜度；5) 紋理力度。所述的Laws紋理能量測度特征選用LL，EE, LE, ES, LS為核，求取濾波后圖像能量 作為紋理特征。所述的分形特征選用分形維數(shù)特征和多重分形維數(shù)特征，由差分盒子計數(shù)法估 計。所述的Rmrier功率譜特征采用離散傅立葉變換的軸向和與角度和并將其用于 紋理特征。所述的不變矩特征提取對平移、縮放、鏡像和旋轉都不敏感的7個二維不變矩作 為紋理特征。所述的小波特征對圖像做3層離散小波變換，提取各子圖的熵和統(tǒng)計量作為紋理 特征。將216例病例隨機劃分為訓練集和測試集，訓練集108例(癌癥76例，非癌癥32 例)、測試集108例(癌癥77例，非癌癥31例)，用訓練集訓練分類器，測試集進行測試。 為減少實驗樣本有限引起的誤差，共進行了 50次隨機實驗，最終得出SVM分類的準確性為 (97. 98士 1. 237) %，敏感性為(94. 324—0. 0354) %，特異性為(99. 454—0. 0102) %，陽性預測值(98. 654-0. 0251) %，陰性預測值為(97. 774—0. 0137) %0
權利要求
1.一種計算機輔助判別胰腺癌超聲內(nèi)鏡圖像的方法，包括下列步驟(1)在微型高頻超聲探頭頂端安置內(nèi)鏡，得到內(nèi)鏡超聲圖像，將其以Windows位圖格式 BMP形式保存；(2)根據(jù)ROIs，截取矩形子圖，提取每一個ROIs中用于胰腺EUS圖像分類的紋理特征， 并由計算機進行篩選；(3)選取類間距最大的特征作為初步篩選得到的特征組合，然后選用順序前進搜索算 法進行特征選擇；(4)根據(jù)圖像中提取的特征，通過分類器支撐向量機將圖像進行自動分類，并計算其敏 感性、特異性、陽性預測值、陰性預測值和準確率。
2.根據(jù)權利要求1所述的一種計算機輔助判別胰腺癌超聲內(nèi)鏡圖像的方法，其特征在 于所述的紋理特征提取是根據(jù)ROIs進行紋理分析，提取9大類、69個特征用于模式分類 特征，同時各特征做歸一化，所述的9大類特征包括一階統(tǒng)計量特征、灰度共生矩陣特征、 灰度差統(tǒng)計特征、領域灰度差矩陣特征、Laws紋理測量特征、分形特征、Fourier功率譜特 征、不變矩特征和小波特征。
3.根據(jù)權利要求1所述的一種計算機輔助判別胰腺癌超聲內(nèi)鏡圖像的方法，其特征在 于所述的類間距最大選取25個特征作為初始特征，在所述的25個特征中選取12個特征 為灰度共生矩陣特征包括能量、對比度、協(xié)方差、均值和、方差和、熵和、三階矩、一致性，分 形特征包括分形維數(shù)特征、二階多重分形維數(shù)特、Laws紋理能量測度特征。
全文摘要
本發(fā)明涉及一種計算機輔助判別胰腺癌超聲內(nèi)鏡圖像的方法，提出了胰腺內(nèi)鏡超聲圖像的紋理特征提取與分類方法，可應用于胰腺癌內(nèi)鏡超聲圖像的計算機輔助分析，胰腺內(nèi)鏡超聲圖像采用數(shù)字圖像處理算法提取9大類共69個紋理特征。使用類間距作為可分性判據(jù)，實現(xiàn)特征的初步篩選，之后使用順序前進搜索算法進一步篩選特征，并由支撐向量機實現(xiàn)分類。本發(fā)明通過提取內(nèi)鏡超聲圖像的紋理特征和分類器實現(xiàn)，創(chuàng)建各種客觀、量化的診斷指標以及正確的描述解釋內(nèi)鏡超聲圖像的方法，提高胰腺癌內(nèi)鏡超聲早期診斷的準確性。
文檔編號G06K9/00GK102122356SQ20111006314
公開日2011年7月13日 申請日期2011年3月16日 優(yōu)先權日2011年3月16日
發(fā)明者余建國, 吳儀俊, 張敏敏, 李兆申, 蔡哲元, 金震東 申請人:中國人民解放軍第二軍醫(yī)大學