[发明专利]一种基于超声造影图像均匀程度的分类方法

权利要求书

1.一种基于超声造影图像均匀程度的分类方法，其特征在于，包括以下步骤：

S1：从超声造影图像中提取出矩形感兴趣区域，再将提取的矩形感兴趣区域划分为若干个矩形感兴趣子区域，并分别对每个矩形感兴趣子区域进行分类标注；

S2：从每个矩形感兴趣子区域中提取出多组纹理特征；

S3：将每组纹理特征分别用于训练QDA模型，并筛选出每组纹理特征中QDA模型训练错误率较低的多个纹理特征；

S4：对筛选出的纹理特征的数据进行标准化处理，再利用主成分分析法对标准化处理后的数据进行降维处理，而得到分类训练样本；

S5：将多分类问题分解为多个二分类问题，并分别针对每个二分类问题，利用分类训练样本训练得到相应的二分类QDA模型；

S6：利用步骤S5中得到的多个二分类QDA模型对未标注的超声造影图像进行分类预测，并以投票的方式决定该超声造影图像的分类结果；

所述S3的具体步骤为：

S301，设feature＝{f1,f2,f3,f4,f5,f6,f7,f8,f9}，selectFeature＝{}，feature表示一组特征，selectFeature表示从feature中选择出的特征；

S302，单独使用feature中的每一个特征训练QDA模型，选择出使QDA模型错误率最小的特征fk，将fk添加到集合selectFeature中，从feature中删除fk；

S303，将feature中剩下的每一个特征，分别和集合selectFeature中的特征进行组合训练QDA模型，选择出使模型错误率最小的特征，添加到集合selectFeature中，并从feature中删除所述使模型错误率最小的特征；

S304，重复步骤S303，直到集合selectFeature中的特征数目为5；

所述步骤S2具体包括以下步骤：

S201：将每个矩形感兴趣子区域的灰度级压缩到1～Ng；

S202：在每个矩形感兴趣子区域中的多个不同的方向上提取像素，且在每个方向上依次提取相同个数的像素；

S203：计算出每个方向上提取的像素中相对距离为(d₁,d₂)的两个像素之间的和、差，并统计出相应的和直方图与差直方图，再将和直方图、差直方图归一化，计算出和直方图、差直方图的数据特征；

S204：基于每个方向上提取的像素而计算出的和直方图、差直方图的数据特征，分别计算出一组纹理特征；

其中，设矩形感兴趣子区域D中，相对距离为(d₁,d₂)的两个像素表示为：

y₁＝g(m,n)；

y₂＝g(m+d₁,n+d₂)；

设像素y₁与y₂的和、差分别表示为：

s_m,n＝y₁+y₂；

d_m,n＝y₁-y₂；

则和直方图与差直方图分别为：

h_s(i；d₁,d₂)＝h_s(i)＝Card{(m,n)∈D|s_m,n＝i}；

h_d(j；d₁,d₂)＝h_d(j)＝Card{(m,n)∈D|d_m,n＝j}；

以及，和直方图与差直方图的数据特征分别为：

步骤S201中，Ng取64，对矩形感兴趣子区域进行图像压缩的公式为：其中g(m，n)为图像的像素。

2.如权利要求1所述的基于超声造影图像均匀程度的分类方法，其特征在于，步骤S1中，采用一个设定尺寸的矩形窗口在所述矩形感兴趣区域上滑动，每滑动一次则将所述矩形窗口内的图像作为一个矩形感兴趣子区域；其中，所述矩形窗口每次滑动的距离根据矩形感兴趣子区域之间的重叠率而设定。