[发明专利]超声射频元数据的自动识别方法及系统

权利要求书

1.一种超声射频元数据的自动识别方法，其特征在于，所述方法包括以下步骤：

采集超声回波信号，将其合成并为超声射频元数据信号；

直接对超声射频元数据信号进行Hilbert解包络，以生成解调信号；

选取感兴趣区域，提取其内所述解调信号中的特征信号，并进行特征描述；

所述特征信号包括：强度特征、纹理特征以及分形特征；

所述强度特征包括：区域灰度均值、灰度方差、灰度偏度、灰度峰度、灰度能量、灰度熵中的至少一种；

所述纹理特征包括：灰度共生矩阵的0～180°的对比度、0～180°的角二阶矩、0～180°的能量、以及0～180°的相关系数中的至少一种；

所述分形特征包括：一维分形维数和二维分形维数；

将所述特征信号作为输入向量输入到至少两种不同的分类机中，得到各自的AUC结果；通过AUC结果选择其中一种分类机，并将其识别结果最为最终的识别结果。

2.根据权利要求1所述的超声射频元数据的自动识别方法，其特征在于，

所述强度特征包括：区域灰度均值、灰度方差；

所述纹理特征包括：灰度共生矩阵的0°、45°、90°、135°分别对应的对比度、角二阶矩、能量以及相关系数；

所述分形特征采用一维Higuchi分形和二维Sarkar盒分形获得。

3.根据权利要求1所述的超声射频元数据的自动识别方法，其特征在于，“对所述解调信号的特征分类，并将其作为输入向量输入到至少两种不同的分类机中，得到各自的AUC结果；通过AUC结果选择其中一种分类机，并将其识别结果最为最终的识别结果”具体包括：

将所述特征信号作为输入向量分别输入到不同的分类机中，以分别获取对应各个分类机的工作特征曲线，比较各个分类机对应的工作特征曲线下的面积，选择面积较大者对应的分类机，对所述分形特征进行处理，并将其识别结果最为最终的识别结果。

4.根据权利要求1所述的超声射频元数据的自动识别方法，其特征在于，

所述分类机包括：人工神经网络和支持向量机。

5.根据权利要求4所述的超声射频元数据的自动识别方法，其特征在于，

所述人工神经网络为BP神经网络，其包括：7个输入节点、1个隐层、10个隐单元、2个输出节点；

所述支持向量机为二次核函数，其输入样本为7维向量，作二分类器使用。

6.一种超声射频元数据的自动识别系统，其特征在于，所述系统包括：

超声数据采集模块，用于采集超声回波信号，将其合成并为超声射频元数据信号；

信号解调模块，用于直接对超声射频元数据信号进行Hilbert解包络，以生成解调信号；

特征提取模块，用于选取感兴趣区域，提取其内所述解调信号中的特征信号，并进行特征描述；

所述特征信号包括：强度特征、纹理特征以及分形特征；

所述强度特征包括：区域灰度均值、灰度方差、灰度偏度、灰度峰度、灰度能量、灰度熵中的至少一种；

所述纹理特征包括：0～180°的对比度、0～180°的角二阶矩、0～180°的能量、以及0～180°的相关系数中的至少一种；

所述分形特征包括：一维分形维数和二维分形维数；

分类输出模块，用于将所述特征信号作为输入向量输入到至少两种不同的分类机中，得到各自的AUC结果；通过AUC结果选择其中一种分类机，并将其识别结果最为最终的识别结果。

7.根据权利要求6所述的超声射频元数据的自动识别系统，其特征在于，

所述强度特征包括：区域灰度均值、灰度方差；

所述纹理特征包括：0°、45°、90°、135°分别对应的对比度、角二阶矩、能量以及相关系数；

所述分形特征采用一维Higuchi分形和二维Sarkar盒分形获得。

8.根据权利要求6所述的超声射频元数据的自动识别系统，其特征在于，

所述分类输出模块具体用于：

将所述特征信号作为输入向量分别输入到不同的分类机中，以分别获取对应各个分类机的工作特征曲线，比较各个分类机对应的工作特征曲线下的面积，选择面积较大者对应的分类机，对所述分形特征进行处理，并将其识别结果最为最终的识别结果。