一種基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段分類方法
【專利摘要】本發(fā)明屬于醫(yī)療信息【技術(shù)領(lǐng)域】，具體涉及一種基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段分類方法。本發(fā)明包括：待分類圖像提出分類請(qǐng)求，待分類圖像應(yīng)為原始醫(yī)學(xué)圖像數(shù)據(jù)；圖像預(yù)處理過程：圖像建模；多階段分類；展示結(jié)果。本發(fā)明提出的弱對(duì)稱性和強(qiáng)對(duì)稱性的概念是對(duì)醫(yī)學(xué)圖像的一個(gè)重新定義。提出弱對(duì)稱性判定算法和強(qiáng)對(duì)稱性判定算法實(shí)現(xiàn)醫(yī)學(xué)圖像的多階段的分類。這種多階段分類的分類準(zhǔn)確率很高，每一個(gè)階段直接的銜接逐層深入，從而提高醫(yī)生的診斷精度和縮短診斷時(shí)間。采用對(duì)稱性理論實(shí)現(xiàn)醫(yī)學(xué)圖像的分類，使基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段分類方法具有更高的準(zhǔn)確性。
【專利說明】一種基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段分類方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于醫(yī)療信息【技術(shù)領(lǐng)域】，具體涉及一種基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段 分類方法。

【背景技術(shù)】
[0002] 由于醫(yī)學(xué)圖像中蘊(yùn)含著豐富的圖像和醫(yī)學(xué)信息，近年來面向醫(yī)學(xué)圖像的數(shù)據(jù)挖掘 技術(shù)成為醫(yī)學(xué)和計(jì)算機(jī)交叉學(xué)科研究的熱點(diǎn)。隨著醫(yī)療數(shù)字化設(shè)備的快速發(fā)展，醫(yī)學(xué)信息 數(shù)據(jù)庫被廣泛使用。病人的結(jié)構(gòu)化文本信息，以及大量的非結(jié)構(gòu)化醫(yī)學(xué)圖像信息，為醫(yī)學(xué)圖 像的數(shù)據(jù)挖掘提供了豐富的數(shù)據(jù)資源。醫(yī)學(xué)圖像可以有效的輔助醫(yī)師在診斷過程中對(duì)病理 變化區(qū)域進(jìn)行檢測(cè)、定位以及判斷它的良惡性，因此被廣泛應(yīng)用于臨床診斷過程中。然而， 具有不同知識(shí)背景的醫(yī)生即使對(duì)同一張醫(yī)學(xué)圖像可能存在不同的判斷，所以，運(yùn)用數(shù)據(jù)挖 掘方法研究醫(yī)學(xué)圖像分類方法，對(duì)輔助醫(yī)生根據(jù)醫(yī)學(xué)圖像進(jìn)行診斷，提高其效率和精度，具 有較高的學(xué)術(shù)價(jià)值和實(shí)際應(yīng)用前景。
[0003] 目前，國內(nèi)外在醫(yī)學(xué)圖像分類研究方面，主要采用的分類方法包括統(tǒng)計(jì)方法、神經(jīng) 網(wǎng)絡(luò)方法、模糊模式識(shí)別方法、機(jī)器學(xué)習(xí)方法等。已有的分類方法是將醫(yī)學(xué)圖像分類為正異 常或定位異常的位置，而對(duì)醫(yī)學(xué)圖像逐層深入的多階段分類方法暫沒有實(shí)現(xiàn)。醫(yī)學(xué)圖像的 成像結(jié)果顯示關(guān)于圖像的中垂線兩側(cè)是近似對(duì)稱的，健康的圖像在圖像灰度級(jí)分布和圖像 形狀位置上都呈現(xiàn)近似的對(duì)稱結(jié)構(gòu)。而發(fā)生病變的圖像將破壞這種近似對(duì)稱的結(jié)構(gòu)。為此 提出一種能夠充分利用醫(yī)學(xué)圖像本身的對(duì)稱性的知識(shí)實(shí)現(xiàn)多階段的分類方法是一個(gè)亟待 解決的問題。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提出一種基于對(duì)稱性理論提高醫(yī)學(xué)圖像多階段分類準(zhǔn)確率的醫(yī) 學(xué)圖像分類方法。
[0005] 本發(fā)明的目的是這樣實(shí)現(xiàn)的：
[0006] 本發(fā)明包括如下步驟：
[0007] (1)待分類圖像提出分類請(qǐng)求：待分類圖像應(yīng)為原始醫(yī)學(xué)圖像數(shù)據(jù)；
[0008] (2)圖像預(yù)處理過程：對(duì)原始醫(yī)學(xué)圖像提取感興趣區(qū)域（ROI，Region Of Interest)，計(jì)算圖像R0I區(qū)域的灰度直方圖，得到圖像R0I區(qū)域的灰度直方圖的波谷列表， 根據(jù)波谷列表對(duì)圖像分級(jí)提取紋理特征，根據(jù)實(shí)際需要將得到的分級(jí)紋理圖像規(guī)范化到統(tǒng) 一的大??；關(guān)于圖像R0I區(qū)域的中垂線將R0I區(qū)域分割為左右兩側(cè)，關(guān)于分級(jí)紋理圖像的中 垂線分割為左右兩側(cè)；
[0009] (3)圖像建模：根據(jù)醫(yī)學(xué)圖像的強(qiáng)對(duì)稱性和弱對(duì)稱性的概念，建立醫(yī)學(xué)圖像多階 段分類的圖模型；
[0010] (4)多階段分類：基于灰度直方圖相交性的弱對(duì)稱性判定方法，對(duì)醫(yī)學(xué)圖像在較 粗粒度上進(jìn)行了第一階段的分類；基于點(diǎn)對(duì)稱的強(qiáng)對(duì)稱性判定方法，結(jié)合弱對(duì)稱性判定方 法，對(duì)第一階段分類結(jié)果為異常的圖像進(jìn)行了更細(xì)粒度的第二階段分類，定位了病變區(qū)域 的位置；最后，利用對(duì)病變區(qū)域所提取的特征，對(duì)病變區(qū)域進(jìn)行了第三階段的分類；
[0011] (5)展示結(jié)果：基于對(duì)稱性理論的多階段分類方法將原始圖像數(shù)據(jù)庫中的圖像實(shí) 現(xiàn)分類。
[0012] 圖像建模為：根據(jù)弱對(duì)稱性和強(qiáng)對(duì)稱性的概念建立醫(yī)學(xué)圖像多階段分類模型，弱 對(duì)稱性為：對(duì)于一個(gè)醫(yī)學(xué)圖像G，弱對(duì)稱性是指G中D (L)和D (R)在每個(gè)組距K中共有的像 素?cái)?shù)目，用它們相交的距離來衡量弱對(duì)稱性
[0013]

【權(quán)利要求】
1. 一種基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段分類方法，其特征在于，包括如下步驟： (1) 待分類圖像提出分類請(qǐng)求，待分類圖像應(yīng)為原始醫(yī)學(xué)圖像數(shù)據(jù)； (2) 圖像預(yù)處理過程：對(duì)原始醫(yī)學(xué)圖像提取感興趣區(qū)域ROI，計(jì)算圖像ROI區(qū)域的灰度 直方圖，得到圖像ROI區(qū)域的灰度直方圖的波谷列表，根據(jù)波谷列表對(duì)圖像分級(jí)提取紋理 特征，根據(jù)實(shí)際需要將得到的分級(jí)紋理圖像規(guī)范化到統(tǒng)一的大??；關(guān)于圖像ROI區(qū)域的中 垂線將ROI區(qū)域分割為左右兩側(cè)，關(guān)于分級(jí)紋理圖像的中垂線分割為左右兩側(cè)； (3) 圖像建模：根據(jù)醫(yī)學(xué)圖像的強(qiáng)對(duì)稱性和弱對(duì)稱性的概念，建立醫(yī)學(xué)圖像多階段分 類的圖模型； (4) 多階段分類：基于灰度直方圖相交性的弱對(duì)稱性判定方法，對(duì)醫(yī)學(xué)圖像在較粗粒 度上進(jìn)行了第一階段的分類；基于點(diǎn)對(duì)稱的強(qiáng)對(duì)稱性判定方法，結(jié)合弱對(duì)稱性判定方法， 對(duì)第一階段分類結(jié)果為異常的圖像進(jìn)行了更細(xì)粒度的第二階段分類，定位了病變區(qū)域的位 置；最后，利用對(duì)病變區(qū)域所提取的特征，對(duì)病變區(qū)域進(jìn)行了第三階段的分類； (5) 展示結(jié)果：基于對(duì)稱性理論的多階段分類方法將原始圖像數(shù)據(jù)庫中的圖像實(shí)現(xiàn)分 類。
2. 根據(jù)權(quán)利要求1所述的一種基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段分類方法，其特征 是，所述的圖像建模過程為：根據(jù)醫(yī)學(xué)圖像的強(qiáng)對(duì)稱性的概念和弱對(duì)稱性的概念建立醫(yī)學(xué) 圖像多階段分類的圖模型。
3. 根據(jù)權(quán)利要求1所述的一種基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段分類方法，其特征 是，所述的弱對(duì)稱性為：對(duì)于一個(gè)醫(yī)學(xué)圖像G，弱對(duì)稱性是指G中D(L)和D(R)在每個(gè)組距K 中共有的像素?cái)?shù)目，用它們相交的距離來衡量弱對(duì)稱性
其中，組距K是直方圖每組的寬度。
4. 根據(jù)權(quán)利要求1所述的一種基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段分類方法，其特征 是，所述的強(qiáng)對(duì)稱性為：強(qiáng)對(duì)稱性是指TI中圓內(nèi)或圓上的點(diǎn)的個(gè)數(shù)的多少，用它們的半徑 范圍來衡量強(qiáng)對(duì)稱性rad(v(i)) = mov(v(i))。
5. 根據(jù)權(quán)利要求1所述的一種基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段分類方法，其特征 是，所述的多階段分類過程為：基于灰度直方圖相交性的弱對(duì)稱性判定方法，對(duì)醫(yī)學(xué)圖像在 較粗粒度上進(jìn)行了第一階段的分類；基于點(diǎn)對(duì)稱的強(qiáng)對(duì)稱性判定方法，結(jié)合弱對(duì)稱性判定 方法，對(duì)第一階段分類結(jié)果為異常的圖像進(jìn)行了更細(xì)粒度的第二階段分類，定位了病變區(qū) 域的位置；最后，利用對(duì)病變區(qū)域所提取的特征，對(duì)病變區(qū)域進(jìn)行了第三階段的分類。
6. 根據(jù)權(quán)利要求1所述的一種基于對(duì)稱性理論的醫(yī)學(xué)圖像多階段分類方法，其特征 是，所述的醫(yī)學(xué)圖像預(yù)處理后的數(shù)據(jù)庫為：通過對(duì)已有圖像庫中的每張圖像進(jìn)行預(yù)處理，然 后對(duì)預(yù)處理過的圖像集進(jìn)行多階段分類圖像建模得到一個(gè)多階段分類圖集D= {匕，^，… ，Gn}。
【文檔編號(hào)】G06K9/62GK104217213SQ201410409810
【公開日】2014年12月17日 申請(qǐng)日期:2014年8月20日 優(yōu)先權(quán)日:2014年8月20日
【發(fā)明者】潘海為, 榮晶施, 韓啟龍, 高琳琳, 戰(zhàn)宇, 吳枰 申請(qǐng)人:哈爾濱工程大學(xué)