[发明专利]基于多模态超声图像的淋巴结良恶性病变辅助诊断方法

说明书

本发明公开一种基于多模态超声图像的淋巴结良恶性病变辅助诊断方法。本方法的操作步骤是：首先，对B型超声图像和实时弹性超声成像图像进行预处理。其次，利用计算机算法分别对常规B型超声图像和实时弹性成像图像中的病灶提取量化特征。然后，用多种特征选择算法对两种模态的量化特征进行特征选择。最后是模型融合，对两种模态经过不同特征选择算法得到的六个特征集分别使用支持向量机（SVM）对淋巴结良恶性进行分类。随后使用序列最小优化算法来获得SVM分类的概率，它是一个介于0和1之间的后验概率，表示淋巴结被分类到每个类别中的可能性。然后，再使用以决策树作为基本弱学习算法的Adaboost合并六个训练过的SVM分类器模型来提高性能，得出分类结果。

所属技术领域

本发明涉及基于医学图像的计算机分析技术的应用领域，具体涉及一种基于多模态超声图像的淋巴结良恶性病变辅助诊断方法。

背景技术

淋巴结是淋巴系统的一部分，作用类似于过滤器，其内部包含淋巴细胞，能吞噬淋巴液中的病毒与细菌。淋巴结的病变包含反应性增生、淋巴结核、淋巴瘤、转移性恶性肿瘤等。其中反应性增生、淋巴结核为良性病变，淋巴瘤、转移性恶性肿瘤恶性病变。淋巴结病变的良恶性鉴别是淋巴结病临床治疗(如分期、治疗决策和预后预测)的重要步骤。常规B型超声(US)常用于淋巴结的诊断，它提供了淋巴结结构信息，包括其数量，大小，形状，边界，边缘和内部回声。近年，实时弹性超声成像(RTE)已用于评估淋巴结的弹性，该技术通过手持换能器对组织施压从而产生组织应变。与传统B型超声相比，RTE提供了有关淋巴结生物力学特性的诊断信息。

通过视觉观察淋巴结RTE图像能够识别淋巴结状态。然而，视觉观察受到不同观察者间的主观影响，限制了诊断的准确性，并且过程乏味耗时。计算机辅助诊断(CAD)能够避免主观性以及减少对观察者的依赖性，并且能更精确和有效的完成对淋巴结的诊断。

RTE成像系统通常能够提供淋巴结的两种成像模态，即常规B型超声图像和RTE。目前用于鉴别淋巴结的CAD系统主要使用上述两种模态中的单一模态图像特征。设计将两种模态的特征融合在一起的CAD系统仍然是一项具有挑战性的任务。由于各个模态所表征的信息不同，从单模态所提取的信息是不全面的，因此利用多模态超声数据进行分类，能够获得更好的分类结果。

发明内容

本发明的目的在于针对已有技术的不足，提供一种基于多模态超声图像的淋巴结病变辅助诊断方法，主要利用常规B型超声和RTE两个模态数据提取特征，综合两种模态的优势，最终完成分类，从而为医生提供有效的辅助诊断参考。

为达到上述目的，本发明采用下述技术方案：

一种基于多模态超声图像的淋巴结良恶性病变辅助诊断方法，包括以下步骤：

步骤1：输入淋巴结的常规B型超声图像和RTE图像；

步骤2：对两种模态的图像进行预处理；

步骤3：特征提取：利用计算机算法分别对常规B型超声图像和RTE图像中的病灶提取量化特征；

步骤4：特征选择：利用多种特征选择算法对两种模态的量化特征进行选择，得到精简的特征；

步骤5：模型融合：首先，使用支持向量机(SVM)对两种模态的淋巴结图像分别进行分类。随后使用序列最小优化算法(Platt)算法获得SVM分类的概率，它是一个介于0和1之间的后验概率，表示淋巴结被分类到每个类别中的可能性；然后，再使用以决策树作为基本弱学习算法的Adaboost合并多个训练过的SVM分类器模型来提高性能，得出分类结果。

步骤2中所述的对两种模态的图像进行预处理包括以下具体步骤：

步骤2-1：根据超声成像仪上的弹性彩色编码条(colorbar)将RTE图像转换成软度图，从0(最硬)到1(最软)；

步骤2-2：手工勾勒出淋巴结的边界，分割出病灶的完整区域；