[发明专利]基于超声图像的多尺度多子图肝纤维化多级量化分期方法

权利要求书

1.一种基于超声图像的多尺度多子图肝纤维化多级量化分期方法，其特征在于它包括如下步骤：

步骤一：感兴趣区域的自动选择和预处理，预先在肝脏超声图像中选择一个固定的大区域，感兴趣区域的尺寸大小设置为64*64的方形区域，选择目标区域内均方差最小的部分区域作为感兴趣区域，将感兴趣区域图像的灰度值映射到0-255之间；

步骤二：构造不同尺度d和角度θ下的24个灰度共生矩阵，即多尺度灰度共生矩阵，对构造的多尺度灰度共生矩阵进行纹理特征的提取；

1)选择灰度共生矩阵的尺度分别为d＝1，2，3，4，5，6；

2)对于每一个尺度d，分别取角度θ＝0°，45°，90°，135°；

3)构造不同尺度d和角度θ下的24个灰度共生矩阵，得到多尺度灰度共生矩阵；

4)对于每一个归一化的多尺度灰度共生矩阵进行纹理特征参数的提取，在一个尺度d和一个角度θ下可以得到的14个纹理特征参数；

5)计算同一尺度d在4个角度下得到的14个特征参数的均值和范围作为特征参数，得到同一尺度d下的纹理特征参数共84个，在6个尺度下可以得到的特征参数共有504个；

步骤三：小波多子图共生矩阵的构造和纹理特征提取；

1)对感兴趣区域进行一次小波分解，得到近似子图LL，和细节子图LH和HL，并将高频子图HH视为噪声舍去；

2)将细节子图LH和HL按照下述公式合并为整体细节子图LHL：

3)将LL和LHL量化到N_g个灰度级，进行小波多子图共生矩阵的构造；小波多子图共生矩阵的元素p(i，j)定义为在近似子图LL(m，n)和细节子图LHL(m，n)中同时具有整体灰度值为i，细节灰度值为j的像素的个数：

p(i，j)＝#{(m，n)∈H_x×H_y|LL(m，n)＝i，LHL(m，n)＝j}

其中H_x＝{1，2，...，N_x}代表水平空间域，H_y＝{1，2，...，N_y}代表垂直空间域；N_x和N_y分别为感兴趣区域的水平和垂直方向像素个数；

4)对构造的小波多子图共生矩阵按下式进行归一化：

其中，q(i，j)是归一化之后的p(i，j)；

5)对归一化后的小波多子图共生矩阵进行11个纹理特征参数的提取，具体的参数定义如下：

其中，

经过以上特征提取运算后，得到11个纹理特征参数，与步骤二第5)步得到的504个特征参数合在一起得到了515个纹理特征参数；

步骤四：基于支持向量机的不完全穷举封装式特征选择；

1)将待分类的每个尺度的样本分为训练集、测试集和验证集三部分；

2)对于训练集和测试集的样本数据构造特征个数为Cⁱ_n的特征子集，其中n＝95，i的值取i＝1，2，3，4；

3)根据肝纤维化的严重程度(S0-S4)将每个样本的标签设置为0-4；

4)利用步骤五进行基于支持向量机的分级分类，得出应用训练集训练和测试集测试时各种特征组合对应的分类结果，从这些结果中选出使分类准确率最高的特征组合；

步骤五：基于支持向量机的多级分类方法；

1)对于待验证的样本，首先将其划分为无纤维化/有纤维化两种；

2)对于有纤维化的样本，继续将其划分为轻度纤维化和重度纤维化；

3)将轻度纤维化的样本划分为S1/S2阶段；

4)重度纤维化的样本划分为S3/S4阶段。