[发明专利]一种基于Tsallis熵选择的疑似肺结节检测方法

权利要求书

1.本发明一种基于Tsallis熵选择的疑似肺结节检测方法，主要包括以下内容：在特征提取的结节掩膜中引入Tsallis熵的理念，通过Tsallis熵值区分肺结节和与切片垂直的血管、支气管等组织，有效减少ROI的数量，在对肺结节检测之前先进行疑似肺结节的检测，能有效减少实验的假阳性，提高运算速度。技术方案如下：

步骤一：图片的获取，打算利用公开数据库LIDC，并利用中值滤波对图片进行预处理；

步骤二：首先使用阈值对原始图像进行初步分割，其次使用圆盘结构的元素对粗分割的肺部进行二维形态学开运算，然后利用三维区域生长算法对图像中的肺部区域进行分割，分割得到的部分就是肺部区域，接着使用孔洞填充算法来修补孔洞，最后使用了三维形态学闭运算来精炼肺部的边缘；

步骤三：首先用一系列阈值对原始的图像进行阈值分割，然后把分割的结果和肺部掩模进行逻辑与操作，然后再用一系列圆盘结构元素对分割好的结节进行二维形态学开运算，最后合并所有的中间结节掩模形成最终的结节掩模；

步骤四：选取阈值T，计算候选结节的Tsallis熵值，当Tsallis熵值大于T时为明显的假阳性，剔除掉，将留下的结节作为疑似结节。

步骤五，特征提取，打算利用传统意义上的一些特征，并且基于不同尺度三维的块来提取。特征主要有三大类：几何的，灰度的，梯度的特征，所有的这些特征都包含了二维的和三维的。最后再用SFS来优选一系列的特征；

步骤六：用SVM分类器对结节进行分类。

2.根据权利要求1所述的一种基于Tsallis熵选择的疑似肺结节检测方法，其特点在于在结节特征提取之前引入Tsallis的理念，通过Tsallis熵值区分肺结节和与切片垂直的血管、支气管等组织，从而筛选候选结节。

本发明中主要的特色是在特征提取时引入Tsallis熵理念，由于肺结节与血管在大小与形状上都极为相似，两者在灰度均值上没有较大差异，而在Tsallis熵上，却有比较明显的区别，从而在最后分类之前，对疑似结节先进行初选。主要包括：(1)对分割好的结节，通过Tsallis熵值来区分血管和肺结节，从而筛选出候选结节，进而构造多尺度的特征提取掩膜。(2)最后，用svm分类器对疑似结节再进行分类，从而得出实验结果。

首先对分割好的结节分别进行Tsallis熵值的计算。Tsallis熵是Shannon熵的广义形式，Tsallis熵是基于由Boltzmann-Gibbs理论产生的非广延统计的机制。在图像阈值选择中，很多图像存在非可加性信息，因此采用具有可加性的Shannon熵作为评价准则，不能得到理想的分割效果。其公式如下：

$\begin{array}{cc}{S}_q\left(p_i\right)=\frac{1}{q-1}(1-{\mathrm{\Σ}}_{i=1}^N{\left(p_i\right)}^q)& (q\≠1)\end{array}$

式中：P＝{p₁,p₂,…，p_N}是任一概率分布，并满足p_i≥0,q为非广延性系数，用来描述Tsallis熵的非广延性，即对一个可以分解为独立统计的两个子系统A与B的系统而言，其Tsallis熵可以表示为：

S_q(A+B)＝S_q(A)+S_q(B)+(1-q)S_q(A)S_q(B)

Tsallis熵进一步考虑了两个子系统之间的相互关系,在图像阈值选择中，很多图像中存在非可加性信息，因而采用具有可加性的Shannon熵作为评价准则，不能够得到理想的筛选效果。

将得到的候选结节的各自Tsallis熵与给定的经验阈值T比较，只保留Tsallis熵小于阈值T的结节作为疑似结节，然后对筛选出的疑似结节进行特征提取。

把上述环节提取的特征投入到SVM分类器中去对所有的结节进行二分类，最后得出实验结果。