[发明专利]肿瘤类型识别方法和系统

权利要求书

1.一种肿瘤类型识别方法，包括以下步骤：

获取超声射频信号、二维图像数据和血流图像数据；

从所述超声射频信号、二维图像数据和血流图像数据中选取肿瘤位置的感兴趣区域；

在所述感兴趣区域提取超声射频信号特征、图像特征和血流特征，并形成特征集；

从所述特征集中提取最优特征子集；

对所述最优特征子集进行分类，得到所述肿瘤类型。

2.根据权利要求1所述的肿瘤类型识别方法，其特征在于，所述从所述特征集中提取最优特征子集的步骤包括：

对所述特征集中超声射频信号特征、图像特征和血流特征进行降维处理，得到特征向量的最优的协方系数；

利用特征向量的最优的协方系数作为参数建模得到基于感知函数的数学方程，采用最大似然法求解基于感知核函数的数学方程得到最优特征子集。

3.根据权利要求1所述的肿瘤类型识别方法，其特征在于，所述对所述最优特征子集进行分类，得到所述肿瘤类型的步骤包括：

采用模糊神经网络模型对所述最优特征子集进行分类，得到所述肿瘤类型。

4.根据权利要求3所述的肿瘤类型识别方法，其特征在于，所述采用模糊神经网络模型对所述最优特征子集进行分类，得到所述肿瘤类型包括：

将所述最优特征子集中的特征作为输入，输入总数为n，n为自然数；

对每个输入配置m个模糊集合，形成n×m个节点，m为自然数；

每个节点对应的输出为每个输入所属的模糊集合的隶属度函数其中，表示输入x_i的第j个模糊集合，i∈[1,n]中的自然数，j∈[1,m]中的自然数；

每个节点代表一条模糊规则，计算所述每条模糊规则的使用度aj=μ1jμ2j···μnj;]]>

对所述每条模糊规则的使用度进行归一化；

对归一化的使用度采用加权平均法进行处理得到所述肿瘤类型。

5.根据权利要求1所述的肿瘤类型识别方法，其特征在于，所述超声射频信号特征包括形状参数和频谱参数；所述图像特征包括形态特征和纹理特征；所述血流特征包括血流形态特征和血流动力学特征。

6.一种肿瘤类型识别系统，其特征在于，包括：

采集模块，用于获取超声射频信号、二维图像数据和血流图像数据；

选取模块，用于从所述超声射频信号、二维图像数据和血流图像数据中选取肿瘤位置的感兴趣区域；

提取模块，用于在所述感兴趣区域提取超声射频信号特征、图像特征和血流特征，并形成特征集；

分析模块，用于从所述特征集中提取最优特征子集；

识别模块，用于对所述最优特征子集进行分类，得到所述肿瘤类型。

7.根据权利要求6所述的肿瘤类型识别系统，其特征在于，所述分析模块用于对所述特征集中超声射频信号特征、图像特征和血流特征进行降维处理，得到特征向量的最优的协方系数，以及利用所述特征向量的最优的协方系数作为参数建模得到基于感知函数的数学方程，采用最大似然法求解基于感知核函数的数学方程得到最优特征子集。

8.根据权利要求6所述的肿瘤类型识别系统，其特征在于，所述识别模块还用于采用模糊神经网络模型对所述最优特征子集进行分类，得到所述肿瘤类型。