[发明专利]引入遗传算法的最大类间距离法肺部恶性肿瘤MRI识别方法

权利要求书

1.一种引入遗传算法的最大类间距离法肺部恶性肿瘤MRI识别方法，其特征在于，它包括以下步骤：

(1)、建立已知肺部MRI图像的标准信噪比数据合集；

(2)、获取待分割的肺部MRI图像，并且将其转换为灰度图像；

(3)、计算步骤(2)得到的灰度图像的灰度直方图；

(4)、对步骤(2)中得到的灰度图像的灰度值进行编码，随机产生M个初始种群；

(5)、计算步骤(4)得到的种群中每一个个体的适应度；

(6)、对步骤(4)得到的种群进行遗传操作得到新种群，遗传操作包括选择操作、交叉操作以及变异操作；

(7)、判断新种群是否满足终止条件，若满足，则结束，得到分割阈值，并且跳转到下一步；若不满足，则跳转到步骤(5)；

(8)、根据步骤(7)得到的分割阈值处理步骤(2)得到的待分割的肺部灰度图像，然后得到分割图像；

(9)、将步骤(8)得到的分割图像以3*3邻域的模式，分块依次输入到非线性遗传阵列优化模型，得到输出信噪比数据合集，其中所述的非线性遗传阵列优化模型如下：

dsdt=A×f(t,γ)+img(t)+ns-ms3+2αξ(t);]]>

式中，A为信号幅度；s为布朗粒子运动坐标；t为布朗粒子运动时间；γ为偏振初始值；A×f(t,γ)为非周期性输入信号函数；img(t)为3*3邻域输入图像；m、n为双稳态势垒实参数；α为噪声强度；ξ(t)为均值为0的高斯白噪声；

(10)、将步骤(9)得到的输出信噪比数据合集与步骤(1)得到的标准信噪比数据合集相比，若相似度≥90％，在判断优化成功；若相似度＜90％，则判断优化不成功，返回步骤(2)继续进行分割与优化。

2.根据权利要求1所述的引入遗传算法的最大类间距离法肺部恶性肿瘤MRI识别方法，其特征在于：步骤(1)中建立已知肺部MRI图像的标准信噪比数据合集包括以下具体步骤：

A、通过传统方法分割多个肺部MRI图像；

B、通过医生肉眼观察判断步骤A分割后的图像是否准确，若准确则归入到正确图像集中；

C、计算步骤B中正确图像集中的所有分割图像的信噪比数据合集，然后取平均值得到标准信噪比数据合集。

3.根据权利要求1所述的引入遗传算法的最大类间距离法肺部恶性肿瘤MRI识别方法，其特征在于：步骤(5)中计算步骤(4)得到的种群中每一个个体的适应度所采用的算法为最大类间方差法。