一種位置無(wú)關(guān)的病狀快速檢測(cè)及識(shí)別方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及一種位置無(wú)關(guān)的病狀快速檢測(cè)及識(shí)別方法。
【背景技術(shù)】
[0002]隨著醫(yī)學(xué)的快速發(fā)展和醫(yī)學(xué)影像技術(shù)的進(jìn)步，醫(yī)療影像數(shù)據(jù)呈獻(xiàn)快速增長(zhǎng)，這給 醫(yī)學(xué)影像數(shù)據(jù)的存儲(chǔ)和查詢帶來(lái)了巨大挑戰(zhàn)，同時(shí)為滿足醫(yī)生的診斷需求以及學(xué)術(shù)的教學(xué) 和研究，需要快速查詢和檢測(cè)到所需的影像資料，這就對(duì)影像數(shù)據(jù)庫(kù)信息的快速定位提出 了更高的要求，現(xiàn)有的醫(yī)學(xué)影像數(shù)據(jù)庫(kù)系統(tǒng)多數(shù)是按照醫(yī)學(xué)影像的屬性直接存儲(chǔ)影像信 息，醫(yī)生查詢醫(yī)學(xué)影像要查看所有圖像文件，找出所需圖像，這種方法存在明顯缺陷：
[0003] (1)查詢過(guò)程繁瑣，速度慢，無(wú)法滿足現(xiàn)代大量醫(yī)學(xué)影像資料的查詢；
[0004] (2)醫(yī)生直接查詢，依靠經(jīng)驗(yàn)區(qū)分影像資料，由于不同醫(yī)生能力不同，所以導(dǎo)致查 詢結(jié)果隨機(jī)性較大，查詢結(jié)果不確定；
[0005] (3)對(duì)醫(yī)學(xué)影像缺少技術(shù)處理手段，因此，導(dǎo)致影像資料利用率低，有效價(jià)值挖掘 不夠深入。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明提供了一種查詢速度快，操作簡(jiǎn)單快捷，準(zhǔn)確率高的位置無(wú)關(guān)的病狀快速 檢測(cè)及識(shí)別方法。
[0007] 本發(fā)明采用的技術(shù)方案是：
[0008] -種位置無(wú)關(guān)的病狀快速檢測(cè)及識(shí)別方法，其具體步驟如下：
[0009] (1)對(duì)醫(yī)學(xué)影像按其屬性進(jìn)行粗分類，得到具有同一屬性的醫(yī)學(xué)影像樣本；
[0010] (2)對(duì)具有同一屬性的醫(yī)學(xué)影像樣本，采用圖像處理技術(shù)進(jìn)行病狀的紋理特征和 形狀特征提取，得到該病狀的特征描述，特征提取步驟包括，
[0011] A、對(duì)醫(yī)學(xué)影像樣本進(jìn)行高斯濾波得到抑制噪聲后的平滑醫(yī)學(xué)影像；
[0012] B、對(duì)步驟A中得到的平滑醫(yī)學(xué)影像采用Canny算子邊緣檢測(cè)方法進(jìn)行邊緣檢測(cè)得 到醫(yī)學(xué)影像邊緣；
[0013] C、對(duì)步驟B中得到的醫(yī)學(xué)影像邊緣采用閾值分割法進(jìn)行邊緣分割獲得病狀R0I區(qū) 域，并計(jì)算獲得病狀R0I區(qū)域的面積特征、圓形度和中心位置坐標(biāo)，得到相應(yīng)的形狀特征；
[0014] D、對(duì)步驟C中得到的病狀R0I區(qū)域采用LBP算子進(jìn)行紋理特征提取，得到紋理特征 向量；
[0015] (3)對(duì)步驟(2)中得到的紋理特征向量、形狀特征進(jìn)行哈希編碼，得到該病狀的唯 一編碼值，存儲(chǔ)形成哈希編碼表；
[0016] (4)檢索查詢時(shí)采用KMP算法進(jìn)行輸入圖像病狀和哈希編碼表內(nèi)病狀編碼值的字 符相似度匹配，按照相似度降序排列輸出查詢結(jié)果。本發(fā)明的病狀檢測(cè)和識(shí)別是基于圖像 處理技術(shù)與哈希編碼技術(shù)實(shí)現(xiàn)的，具有查詢速度快，操作簡(jiǎn)單快捷，準(zhǔn)確率高，能有效挖掘 影像資料更有價(jià)值的信息等特點(diǎn)。
[0017] 進(jìn)一步，步驟A中高斯濾波是采用離散化的高斯函數(shù)產(chǎn)生一組歸一化的高斯核，之 后利用高斯核函數(shù)對(duì)圖像灰度矩陣的每一行加權(quán)求和。
[0018] 進(jìn)一步，步驟B中Canny算子邊緣檢測(cè)方法是先使用一階有限差分計(jì)算偏導(dǎo)數(shù)陣 列，其中選用的一對(duì)卷積陣列可以表示為
[0019]
[0020]最后進(jìn)行非極大值抑制和雙閾值檢測(cè)，從而得到梯度值最大的點(diǎn)，利用兩個(gè)閾值 thl和th2檢測(cè)邊緣，取thl=0.4*th2,將得到兩幅閾值不同的第一圖像和第二圖像，掃描第 一圖像，遇到非零灰度像素 P(x，y)時(shí)，跟蹤P(x，y)開(kāi)始的輪廓線，直到終點(diǎn);再次掃描第二 圖像，找到與第一圖像中位置相對(duì)應(yīng)的點(diǎn)，在其8鄰域內(nèi)尋找非零像素作為起點(diǎn)，重復(fù)上述 步驟，直到兩幅圖像無(wú)法繼續(xù)為止，這樣就找到了兩幅圖像的輪廓線，也就是邊緣檢測(cè)完 成。
[0021]進(jìn)一步，步驟C中病狀R0I區(qū)域的形狀特征提取如下:為計(jì)算病狀R0I區(qū)域的面積特 征，定」
其中3隱表示病狀R0I區(qū)域面積，f(x，y)為R0I區(qū)域的像素;為計(jì) 算圓形度C，定J
可?Ι
當(dāng)病狀R0I區(qū)域趨于圓形時(shí)，特征量C是單調(diào)遞增且趨于無(wú)窮的，不受區(qū)域，旋 轉(zhuǎn)度和尺度變化的影響。
[0022]進(jìn)一步，步驟D中提取紋理特征時(shí)，選定LBP算子窗口大小為3*3，將該窗口在圖像 中滑動(dòng)，若周圍像素值大于中心像素值，則該像素點(diǎn)位置標(biāo)記為1，否則為〇,結(jié)束后每一幅 圖像可得到與之相關(guān)的LBP碼，之后對(duì)每一張圖像進(jìn)行直方圖統(tǒng)計(jì)，并歸一化處理，最后得 到的就是這幅圖像中病狀的紋理特征向量。
[0023] 進(jìn)一步，步驟（1)中的粗分類是根據(jù)醫(yī)學(xué)影像的病狀部位、性別、年齡、影像類型、 方位來(lái)進(jìn)行。
[0024] 本發(fā)明的有益效果:查詢速度快，操作簡(jiǎn)單快捷，準(zhǔn)確率高，能有效挖掘影像資料 更有價(jià)值的信息。
【附圖說(shuō)明】
[0025]圖1是本發(fā)明的結(jié)構(gòu)示意圖。
[0026]圖2是本發(fā)明的步驟流程圖。
【具體實(shí)施方式】
[0027]下面結(jié)合具體實(shí)施例來(lái)對(duì)本發(fā)明進(jìn)行進(jìn)一步說(shuō)明，但并不將本發(fā)明局限于這些具 體實(shí)施方式。本領(lǐng)域技術(shù)人員應(yīng)該認(rèn)識(shí)到，本發(fā)明涵蓋了權(quán)利要求書范圍內(nèi)所可能包括的 所有備選方案、改進(jìn)方案和等效方案。
[0028] 參見(jiàn)圖1、圖2，一種位置無(wú)關(guān)的病狀快速檢測(cè)及識(shí)別方法，其具體步驟如下：
[0029] (1)對(duì)醫(yī)學(xué)影像按其屬性進(jìn)行粗分類，得到具有同一屬性的醫(yī)學(xué)影像樣本；
[0030] (2)對(duì)具有同一屬性的醫(yī)學(xué)影像樣本，采用圖像處理技術(shù)進(jìn)行病狀的紋理特征和 形狀特征提取，得到該病狀的特征描述，特征提取步驟包括，
[0031 ] A、對(duì)醫(yī)學(xué)影像樣本進(jìn)行高斯濾波得到抑制噪聲后的平滑醫(yī)學(xué)影像；
[0032] B、對(duì)步驟A中得到的平滑醫(yī)學(xué)影像采用Canny算子邊緣檢測(cè)方法進(jìn)行邊緣檢測(cè)得 到醫(yī)學(xué)影像邊緣；
[0033] C、對(duì)步驟B中得到的醫(yī)學(xué)影像邊緣采用閾值分割法進(jìn)行邊緣分割獲得病狀R0I (Region of Interest)區(qū)域，并計(jì)算獲得病狀R0I區(qū)域的面積特征、圓形度和中心位置坐 標(biāo)，得到相應(yīng)的形狀特征；
[0034] D、對(duì)步驟C中得到的病狀R0I區(qū)域采用LBP(Local Binary Pattren，局部二值模 型)算子進(jìn)行紋理特征提取，得到紋理特征向量；
[0035] (3)對(duì)步驟(2)中得到的紋理特征向量、形狀特征進(jìn)行哈希編碼，得到該病狀的唯 一編碼值，存儲(chǔ)形成哈希編碼表；
[0036] (4)檢索查詢時(shí)采用KMP(Knuth-Morris-Pratt)算法進(jìn)行輸入圖像病狀和哈希編 碼表內(nèi)病狀編碼值的字符相似度匹配，按照相似度降序排列輸出查詢結(jié)果。本發(fā)明的病狀 檢測(cè)和識(shí)別是基于圖像處理技術(shù)與哈希編碼技術(shù)實(shí)現(xiàn)的，具有查詢速度快，操作簡(jiǎn)單快捷， 準(zhǔn)確率高，能有效挖掘影像資料更有價(jià)值的信息等特點(diǎn)