一種醫(yī)學(xué)圖像的多維多種特征提取方法
【專利摘要】本發(fā)明提供一種頸動(dòng)脈圖像的多維多種特征提取方法，具體為：（1）依據(jù)頸動(dòng)脈的醫(yī)學(xué)三維超聲體數(shù)據(jù)構(gòu)建感興趣區(qū)域二維序列圖像和感興趣區(qū)域三維圖像；（2）對(duì)二維序列圖像提取二維特征，對(duì)三維圖像提取三維特征，所述二維特征包括二維紋理特征、二維形態(tài)特征和二維彈性特征，所述三維特征包括三維紋理特征；（3）驗(yàn)證各種特征是否對(duì)圖像分類具有貢獻(xiàn)，保留具有貢獻(xiàn)的特征；以假發(fā)現(xiàn)率最小為目標(biāo)，在具有貢獻(xiàn)的特征中搜索得到全局最優(yōu)特征組合。本發(fā)明針對(duì)圖像進(jìn)行了多個(gè)維度多類特征的提取，囊括了紋理、形態(tài)、彈性三大類特征，特征數(shù)目多，類型全，能夠全面、客觀、準(zhǔn)確地反映圖像特性，提高了分類的精確性，為臨床應(yīng)用提供重要的參考依據(jù)。
【專利說(shuō)明】一種醫(yī)學(xué)圖像的多維多種特征提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于醫(yī)學(xué)圖像信息處理領(lǐng)域，具體涉及一種醫(yī)學(xué)圖像的多維多種特征提取方法。
【背景技術(shù)】
[0002]圖像特征提取正在成為計(jì)算機(jī)輔助診斷領(lǐng)域研究的熱點(diǎn)之一，具有重要的意義。譬如，在頸動(dòng)脈粥樣硬化上，特征提取有助于易損斑塊的自動(dòng)識(shí)別，對(duì)醫(yī)生的臨床診斷具有有效的輔助作用。動(dòng)脈粥樣硬化斑塊破裂引發(fā)血栓，極有可能導(dǎo)致急性心血管病事件的發(fā)生。然而，并非所有斑塊都會(huì)破裂、形成血栓；斑塊是否會(huì)破裂，取決于其易損性。易損斑塊，即指容易破損、形成血栓、可能快速發(fā)展從而引發(fā)冠狀動(dòng)脈阻塞、死亡的斑塊。因此，識(shí)別易損斑塊是具有重要意義的前瞻性研究。提取易損斑塊識(shí)別的關(guān)鍵技術(shù)在于顯著性特征的提取，特征提取的好壞對(duì)斑塊識(shí)別的準(zhǔn)確性有很大的影響。目前，現(xiàn)有技術(shù)主要是基于形態(tài)、紋理、彈性上的特征提取，下面將詳細(xì)介紹。
[0003]在紋理特征的提取上，紋理分析技術(shù)一直是計(jì)算機(jī)視覺、圖像處理、圖像分析、圖像檢索等的活躍研究領(lǐng)域。20世紀(jì)70年代以前出現(xiàn)了自相關(guān)函數(shù)法，功率譜方法和一些與灰度頻率相關(guān)的方法。這些方法取得了一定的成功，但是沒有具體的定義、描述或紋理模型，僅僅是某種數(shù)學(xué)變換。另外還有一些提取紋理特征的方法，也僅限于提取特定的圖像屬性，如紋理粗糙度，紋理直線性等。1973年，Haralick在利用陸地衛(wèi)星圖像研究美國(guó)加利福尼亞海岸帶的土地利用問題時(shí)，開創(chuàng)性地提出了著名的灰度共生矩陣(Gray LevelCo-occurrence Matrix, GLCM),它在紋理分析中是一個(gè)很好的方法,被廣泛地應(yīng)用于將灰度值轉(zhuǎn)化為紋理信息。此外，這個(gè)階段出現(xiàn)的方法主要還有灰度行程長(zhǎng)度法(gray levelrun length method,RLM)、灰度差分統(tǒng)計(jì)法(gray differential statistics),自回歸模型法(Autoregressive model method,ARM)等,這些方法在紋理分類中有一定效果,但是這些方法的后續(xù)研究很少，在實(shí)際應(yīng)用中也較少采用。在形態(tài)特征的提取上，以往的研究主要從斑塊形態(tài)學(xué)的角度入手，發(fā)現(xiàn)易損斑塊具有較大的外彈力膜面積、斑塊面積、斑塊負(fù)荷、偏心指數(shù)等。因此，提取這些形態(tài)學(xué)特征可用于識(shí)別易損斑塊。但是，只提取斑塊的形態(tài)學(xué)特征，并不能全面地衡量斑塊的屬性；而且在提取過程中，還需要較多人工介入，比如提取偏心指數(shù)時(shí)，醫(yī)生需通過肉眼觀察、手工描點(diǎn)測(cè)量斑塊的最大厚度與最小厚度。這些缺點(diǎn)都是計(jì)算機(jī)自動(dòng)識(shí)別易損斑塊時(shí)需要著重克服的。
[0004]在彈性特征的提取上，血管搏動(dòng)時(shí)，收縮壓與舒張壓的差異造成斑塊的形變；不同斑塊的彈性狀況不同，因此形變也不同。可以從收縮期與舒張期的兩幅超聲(us)圖像中檢測(cè)斑塊的形變，從而表征斑塊的彈性特點(diǎn)。首先從US序列圖像中自動(dòng)抽取一對(duì)舒張期和收縮期圖像，接著借助非剛性圖像配準(zhǔn)估計(jì)斑塊的應(yīng)變。最后從應(yīng)變分布中提取表征斑塊彈性狀況的量化特征。
[0005]綜上所述，以往的研究多從單個(gè)維度出發(fā)或只提取某一類型的圖像特征，并不能全面客觀地反映圖像的特性。因此分類精確度較低，分類效果差，實(shí)用性不強(qiáng)。
【發(fā)明內(nèi)容】

[0006]針對(duì)現(xiàn)有技術(shù)只能從單個(gè)維度出發(fā)或只提取某一類型的圖像特征的缺陷，本發(fā)明提供一種圖像的多維多種特征提取方法，全面、客觀、準(zhǔn)確地反映圖像特性，提高了分類的精確性，為臨床應(yīng)用提供重要的參考依據(jù)。
[0007]—種頸動(dòng)脈圖像的多維多種特征提取方法，具體為:
[0008](I)提取感興趣區(qū)域:依據(jù)頸動(dòng)脈的醫(yī)學(xué)三維超聲體數(shù)據(jù)構(gòu)建感興趣區(qū)域二維序列圖像和感興趣區(qū)域三維圖像；
[0009](2)提取圖像特征:對(duì)感興趣區(qū)域二維序列圖像提取二維特征，以及對(duì)感興趣區(qū)域三維圖像提取三維特征，所述二維特征包括二維紋理特征、二維形態(tài)特征和二維彈性特征，所述三維特征包括三維紋理特征；
[0010](3)最優(yōu)特征選擇:對(duì)各種圖像特征進(jìn)行數(shù)值歸一化處理，處理后驗(yàn)證各種特征是否對(duì)圖像分類具有貢獻(xiàn)，保留具有貢獻(xiàn)的特征；以假發(fā)現(xiàn)率最小為目標(biāo)，在具有貢獻(xiàn)的特征中搜索得到全局最優(yōu)特征組合。
[0011]進(jìn)一步地，
[0012]所述二維紋理特征包括灰度統(tǒng)計(jì)特征、頻域統(tǒng)計(jì)特征和Laws能量特征；
[0013]所述二維形態(tài)特征包括周長(zhǎng)面積類、徑向特征類和橢圓擬合類；
[0014]所述二維彈性特征包括斑塊橫截面的順從性和膨脹性；
[0015]所述三維紋理特征包括灰度共生矩陣中的角二階矩、對(duì)比度和熵。
[0016]進(jìn)一步地，
[0017]所述二維紋理特征的灰度統(tǒng)計(jì)特征包括一階統(tǒng)計(jì)特征、灰度游程統(tǒng)計(jì)特征和灰度共生矩陣；
[0018]所述二維紋理特征的頻域統(tǒng)計(jì)特征包括環(huán)狀采樣、楔狀采樣及兩者的交叉采樣；
[0019]所述二維紋理特征的Laws能量特征包括由灰度、邊緣、點(diǎn)、波、漣漪和振蕩濾波模板卷積產(chǎn)生的特征。
[0020]進(jìn)一步地，
[0021]所述二維形態(tài)特征的周長(zhǎng)面積類包括斑塊面積、斑塊負(fù)荷、內(nèi)腔等效直徑、血管等效直徑、血管緊密度和內(nèi)腔緊密度；
[0022]所述二維形態(tài)特征的徑向特征類包括斑塊的偏心指數(shù)和近似偏心指數(shù)；
[0023]所述二維形態(tài)特征的橢圓擬合類包括內(nèi)腔長(zhǎng)軸長(zhǎng)、外膜長(zhǎng)軸長(zhǎng)、內(nèi)腔短軸長(zhǎng)、外膜短軸長(zhǎng)、內(nèi)腔偏心率和外膜偏心率。
[0024]進(jìn)一步地，
[0025]所述血管緊密度表示為
【權(quán)利要求】
1.一種頸動(dòng)脈圖像的多維多種特征提取方法，具體為: (1)提取感興趣區(qū)域:依據(jù)頸動(dòng)脈的醫(yī)學(xué)三維超聲體數(shù)據(jù)構(gòu)建感興趣區(qū)域二維序列圖像和感興趣區(qū)域三維圖像； (2)提取圖像特征:對(duì)感興趣區(qū)域二維序列圖像提取二維特征，以及對(duì)感興趣區(qū)域三維圖像提取三維特征，所述二維特征包括二維紋理特征、二維形態(tài)特征和二維彈性特征，所述三維特征包括三維紋理特征； (3)最優(yōu)特征選擇:對(duì)各種圖像特征進(jìn)行數(shù)值歸一化處理，處理后驗(yàn)證各種特征是否對(duì)圖像分類具有貢獻(xiàn)，保留具有貢獻(xiàn)的特征；以假發(fā)現(xiàn)率最小為目標(biāo)，在具有貢獻(xiàn)的特征中搜索得到全局最優(yōu)特征組合。
2.根據(jù)權(quán)利要求1所述的頸動(dòng)脈圖像的多維多種特征提取方法，其特征在于， 所述二維紋理特征包括灰度統(tǒng)計(jì)特征、頻域統(tǒng)計(jì)特征和Laws能量特征； 所述二維形態(tài)特征包括周長(zhǎng)面積類、徑向特征類和橢圓擬合類； 所述二維彈性特征包括斑塊橫截面的順從性和膨脹性； 所述三維紋理特征包括灰度共生矩陣中的角二階矩、對(duì)比度和熵。
3.根據(jù)權(quán)利要求2所述的頸 動(dòng)脈圖像的多維多種特征提取方法，其特征在于， 所述二維紋理特征的灰度統(tǒng)計(jì)特征包括一階統(tǒng)計(jì)特征、灰度游程統(tǒng)計(jì)特征和灰度共生矩陣； 所述二維紋理特征的頻域統(tǒng)計(jì)特征包括環(huán)狀采樣、楔狀采樣及兩者的交叉采樣；所述二維紋理特征的Laws能量特征包括由灰度、邊緣、點(diǎn)、波、漣漪和振蕩濾波模板卷積產(chǎn)生的特征。
4.根據(jù)權(quán)利要求2所述的頸動(dòng)脈圖像的多維多種特征提取方法，其特征在于， 所述二維形態(tài)特征的周長(zhǎng)面積類包括斑塊面積、斑塊負(fù)荷、內(nèi)腔等效直徑、血管等效直徑、血管緊密度和內(nèi)腔緊密度； 所述二維形態(tài)特征的徑向特征類包括斑塊的偏心指數(shù)和近似偏心指數(shù)； 所述二維形態(tài)特征的橢圓擬合類包括內(nèi)腔長(zhǎng)軸長(zhǎng)、外膜長(zhǎng)軸長(zhǎng)、內(nèi)腔短軸長(zhǎng)、外膜短軸長(zhǎng)、內(nèi)腔偏心率和外膜偏心率。
5.根據(jù)權(quán)利要求4所述的頸動(dòng)脈圖像的多維多種特征提取方法，其特征在于，所述血
ρβ 2管緊密度表示為C五=^二，PEe表示血管周長(zhǎng)，EEMA表示外彈力膜面積；所述內(nèi)腔緊密
EEMA度表示為a = ^-> PE^表示內(nèi)膜周長(zhǎng)，LA表示內(nèi)腔面積。
6.根據(jù)權(quán)利要求1或2所述的頸動(dòng)脈圖像的多維多種特征提取方法，其特征在于，所述步驟(3)驗(yàn)證各種特征是否對(duì)圖像分類具有貢獻(xiàn)的具體過程為: 提出假設(shè)H。:特征F對(duì)圖像分類具有貢獻(xiàn)， 備擇假設(shè)Ha:特征F不具有貢獻(xiàn)； 根據(jù)統(tǒng)計(jì)學(xué)假設(shè)檢驗(yàn)適用范圍，選取H。的概率標(biāo)準(zhǔn)即置信度α ；計(jì)算統(tǒng)計(jì)數(shù)據(jù)的u值:
7.根據(jù)權(quán)利要求1或2所述的頸動(dòng)脈圖像的多維多種特征提取方法，其特征在于，所述步驟(3)去除冗余特征的具體過程為:以假發(fā)現(xiàn)率最小為目標(biāo)，首先利用浮動(dòng)搜索技術(shù)初始化候選特征組合，再利用遺傳算法在候選特征組合中篩選以得到全局最優(yōu)的特征組合。
8.根據(jù)權(quán)利要求1或2所述的頸動(dòng)脈圖像的多維多種特征提取方法，其特征在于，所述步驟(1)具體為: 步驟(1.0:讀取三維超聲體數(shù)據(jù)，依據(jù)三維超聲體數(shù)據(jù)中的主頸動(dòng)脈的血管走向，等間距切分三維超聲體數(shù)據(jù)，得到二維橫斷面序列圖像； 步驟(1.2):在二維橫斷面序列圖像的每一張圖像中，分割得到各主頸動(dòng)脈血管的內(nèi)、外輪廓，將每一張二維血管的內(nèi)、外輪廓之間的區(qū)域作為感興趣區(qū)域二維序列圖像； 步驟(1.3):依據(jù) 二維序列ROI圖像及其二維序列的位置信息，按其空間位置關(guān)系三維重建，得到三維主頸動(dòng)脈血管內(nèi)、外輪廓，將三維血管的內(nèi)、外輪廓之間的區(qū)域作為感興趣區(qū)域三維ROI圖像。
【文檔編號(hào)】G06T7/00GK103593844SQ201310521900
【公開日】2014年2月19日 申請(qǐng)日期:2013年10月29日 優(yōu)先權(quán)日:2013年10月29日
【發(fā)明者】丁明躍, 楊鑫, 肖峰, 吳有為, 王犀點(diǎn), 鄺麗萍, 唐天漢 申請(qǐng)人:華中科技大學(xué)