[发明专利]基于机器学习和能谱CT的泌尿结石成分分析方法及系统

权利要求书

1.基于机器学习和能谱CT的泌尿结石成分分析方法，其特征在于：包括以下步骤：

获取待分析的能谱CT图像；

从获取的能谱CT图像中提取结石的感兴趣区域；

根据结石的感兴趣区域采用机器学习的方法进行泌尿结石成分分析；

所述根据结石的感兴趣区域采用机器学习的方法进行泌尿结石成分分析这一步骤，具体包括：

以肌肉区域的灰度值作为参考，对结石的感兴趣区域进行归一化；

根据归一化的结果采用机器学习的方法进行模型训练，得到泌尿结石成分分析模型；

采用泌尿结石成分分析模型对待分析的样本进行分析，得到泌尿结石成分分析的结果；

所述根据归一化的结果采用机器学习的方法进行模型训练，得到泌尿结石成分分析模型这一步骤，具体包括：

根据归一化的结果从训练样本提取模型训练的特征；

根据提取的特征和训练样本采用随机森林算法进行模型训练，得到泌尿结石成分分析模型；

所述根据归一化的结果从训练样本提取模型训练的特征这一步骤，具体包括：

根据归一化的结果从训练样本的第一图像提取第一特征，所述第一图像包括水图、碘图和单能量图，所述单能量图为从单能量40kev图至单能量140kev图中以5kev为能量间隔所取的21种图像，所述第一特征包括直方图上灰度0到0.4上频率最大的灰度值、直方图上灰度0.6到1上频率最大的灰度值、直方图上灰度0.4到0.6上平均灰度值、直方图上频率最大的灰度值、灰度从小到大排列时前四分之一的平均值、灰度从小到大排列时前四分之二到前四分之三的平均值、平均值和方差这8种特征；

根据归一化的结果从训练样本的图像提取第二特征，所述第二特征包括能谱曲线斜率、单能量40kev图平均值除以单能量140kev图平均值、单能量70kev图平均值除以单能量140kev图平均值、单能量70kev图平均值除以单能量120kev图平均值和碘水比值；

根据第一特征和第二特征得到模型训练的特征。

2.根据权利要求1所述的基于机器学习和能谱CT的泌尿结石成分分析方法，其特征在于：所述从获取的能谱CT图像中提取结石的感兴趣区域这一步骤，具体包括：

对获取的能谱CT图像进行预处理，得到预处理后的能谱CT图像，所述预处理包括去噪和窗口调整；

根据预处理后的能谱CT图像采用三维的区域生长算法提取出结石的感兴趣区域。

3.根据权利要求1所述的基于机器学习和能谱CT的泌尿结石成分分析方法，其特征在于：所述根据提取的特征和训练样本采用随机森林算法进行模型训练，得到泌尿结石成分分析模型这一步骤，具体包括：

根据提取的特征采用随机森林算法对训练样本进行第一次二分类，得到磷酸钙成分的样本以及非纯磷酸钙成分的样本；

采用随机森林算法对非纯磷酸钙成分的样本进行第二次二分类，得到草酸钙成分的样本以及第一混合成分的样本，其中，所述第一混合成分包括草酸钙成分和磷酸钙成分；

采用随机森林算法对草酸钙成分的样本进行第三次二分类，得到二水草酸钙成分的样本以及第二混合成分的样本，其中，所述第二混合成分包括一水草酸钙成分和二水草酸钙成分；

根据磷酸钙成分的样本、第一混合成分的样本、二水草酸钙成分的样本以及第二混合成分的样本得到泌尿结石成分分析模型。