[发明专利]胎盘植入B超图像特征提取与验证方法

说明书

本发明涉及一种胎盘植入B超图像特征提取与验证方法，首先将已标注分类的胎盘植入B超图像数据集分为训练集合和测试集合；接着构建B超图像训练数据集的列向量数据矩阵，计算均值向量；然后依次通过均值向量，计算数据矩阵的协方差矩阵，计算协方差矩阵的特征值，选取主成分，建立变换矩阵，根据变换矩阵，建立训练数据集图像的特征子空间投影，实现B超图像的特征提取；接着计算测试数据集图像在特征子空间上的投影，采用最小距离法获取测试B超图像的分类；最后判别测试图像分类的正确性用以验证特征提取。本发明有助于后续通过机器学习方法对小样本B超图像集合的进一步学习。

技术领域

本发明涉及妇产医学领域，特别是一种胎盘植入B超图像特征提取与验证方法。

背景技术

胎盘作为胎儿呼吸、营养吸收、代谢与排泄的重要介质，担负着母体与胎儿之间物质交换的重任。由此可见，胎盘的疾病将直接影响到子宫内胎儿的生长与发育，甚至关乎安危。胎盘植入是一种产科危重而少见的并发症，是胎盘绒毛侵入到子宫肌层，导致在第三产程胎盘植入部分不能正常自行剥离，将引起生产孕妇大量出血、子宫穿透、休克、进而引发感染甚至导致死亡。胎盘植入又经常伴随着胎盘前置同时发生，胎盘前置又可分类为低置胎盘、边缘性前置胎盘、完全性前置胎盘、中央性前置胎盘四种类型。

通过产前B超检测胎盘植入，对于高危孕产妇是必不可少的。但当前胎盘植入的产前检测基本依赖于医师的主观经验，具有相当的局限性。目前缺少对于胎盘植入B超的机器识别技术。

发明内容

有鉴于此，本发明的目的是提出一种胎盘植入B超图像特征提取与验证方法，能够有效对胎盘植入B超的图像特征进行提取，为医生的后续判断提供帮助。

本发明采用以下方案实现：一种胎盘植入B超图像特征提取与验证方法，具体包括以下步骤：

步骤S1：将包含标注分类信息的胎盘植入B超图像数据集分为训练集和测试集；

步骤S2：构建数据矩阵：将训练集的每幅B超图像写成列向量形式并排列成数据矩阵，计算列向量的均值；

步骤S3：通过均值向量将数据矩阵中心化，计算协方差矩阵；

步骤S4：计算协方差矩阵的特征值，选取最大的K个特征值，计算对应的特征向量，并将其排列成变换矩阵；

步骤S5：根据变换矩阵的正交向量构建特征子空间基向量，使训练集中的每幅B超图像都向其投影并对应于子空间的一点，实现特征提取；

步骤S6：选取测试集中的B超图像并计算其在特征子空间上的投影；

步骤S7：采用最小距离法遍历训练集找到与测试集中对应B超图像在特征子空间上投影坐标最近的图像，获得该图像在训练集中的分类，对应为测试集中对应B超图像的类别；

步骤S8：判别测试集中B超图像分类的正确性用以验证特征提取。

进一步地，步骤S1中，预先提取胎盘植入B超图像的ROI(region of interest)区域，选出胎盘区域作为图像数据。

进一步地，步骤S2具体为：将训练集中的B超图像由二维数组转化成列向量X_i并排列成数据矩阵X＝(X₁，X₂，...，X_n)；其中，列向量均值μ的计算公式为：

进一步地，步骤S3中，通过均值向量将数据矩阵中心化，计算协方差矩阵：

C＝(X₁-μ，x₂-μ，...x_n-μ)

式中，C表示去中心化后的数据矩阵，μ为列向量均值，Σ为协方差矩阵。