[发明专利]一种医学影像体数据的三维纹理分析方法

说明书

技术领域

本发明属于数字图像处理及模式识别领域。特别是在医学影像分析领域中， 利用本发明的纹理分析方法可以计算出感兴趣目标的内在纹理模式，从而实现目 标的计算机辅助识别。

背景技术

纹理是一种常见且重要的目标物识别方法。目前纹理特征的提取方法大致 可以分为两类：统计分析方法和结构分析方法。前者从图像的有关属性的统计分 析出发，根据纹理元素及排列规则来描述纹理结构，反映像素之间的灰度级空间 相关规律；后者则着力找出纹理基元，再从结构组成探索纹理的规律，也有直接 去探求纹理构成的结构规律。一般来说统计法适用于分析纹理细而且不规则的物 体；结构法则适用于纹理基元排列较规则的图像。

纹理特征提取的主要目的是将随机的纹理或几何纹理的空间结构差异转化 为特征灰度值的差异，用一些数学模型来描述图像的纹理信息，包括图像区域的 平滑、稀疏和规则性等。通常，纹理特征与纹理的位置、走向、尺寸、形状等性 质有关，但是与平均灰度级(亮度)无关。随着计算机运算能力的提高，利用纹 理分析作为核心方法进行计算机辅助病灶检测在最近几年逐渐成为一个研究热 点。纹理分析的一个经典算法是1973年由haralick提出的灰度共生矩阵 [Haralick，R.M，K.Shanmugam，and Itshak Dinstein.″Textural Features for Image Classification.″IEEE Transactions on Systems，Man，and Cybernetics，vol.Smc-3，no.6，Nov.1973.pp.610-621.]。Susomboon等 为了探索最佳的纹理分析扫描窗口大小，对离体动脉、脂肪、肾脏、肝脏、肺脏、 肌肉、脾脏和骨头用不同的窗口大小扫描后进行二维纹理分析，最终获得了这些 正常组织的Haralick典型特征向量数据[R.Susomboon，D.S.Raicu，and J.D. Furst，″Pixel-Based Texture Classification of Tissues in Computed Tomography″，CTI Research Symposium，April 2006]。S.Gordon等利用纹理 分析的方法对PACS中的子宫颈图像进行分析归类[S.Gordon，G.Zimmerman，H. Greenspan，Image segmentation of Uterine Cervix images for indexing in PACS， Proceedings of the 17th IEEE Symposium on Computer-Based Medical Systems， 2004]。在肺结节的影像学检查中，利用纹理分析的方法降低人工读片的失误已 经是一种相对成熟的技术[Bram van Ginneken*，Bart M.ter Haar Romeny，and Max A.Viergever，Member IEEE，Computer-Aided Diagnosis in Chest Radiography：A Survey，IEEE TRANSACTIONS ON MEDICAL IMAGING，2001； 20：1228-1240]。另外基于二维纹理分析的方法在在肝脏的疾病的自动分类 [Ahmadian，Mostafa，Abolhassani，Salimpour，A texture classification method for diffused liver diseases using Gabor wavelets，Engineering in Medicine and Biology Society，2005.IEEE-EMBS 2005.27th Annual International Conference of the Volume，Issue，17-18Jan.2006：1567-1570]和乳腺X照相检查中对于乳腺癌的计 算机辅助探测中均有应用[Juliette S.，Kathy，Jeffrey et al.Detection of Breast Cancer with Full-Field Digital Mammography and Computer-Aided Detection，Am.J. Roentgenol.，2009；192：337-340]。综上可以看出，二维纹理分析在CAD技术中的 应用已经非常广泛而且取得了较好的效果。