[发明专利]一种基于体局部方向三值模式的肺结节纹理特征提取系统及方法有效

专利信息
申请号: 201910204748.6 申请日: 2019-03-18
公开(公告)号: CN109978846B 公开(公告)日: 2021-01-29
发明(设计)人: 赵志杰;任聪;金雪松;王冉;韩小为;张立志;孙华东;范智鹏;陈永超;陶武超 申请(专利权)人: 哈尔滨商业大学
主分类号: G06T7/00 分类号: G06T7/00;G06K9/46
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 刘冰
地址: 150028 黑*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 局部 方向 模式 结节 纹理 特征 提取 系统 方法
【权利要求书】:

1.一种基于体局部方向三值模式的肺结节纹理特征提取系统,其特征在于:所述的系统包括:

基于VLBP模式对肺结节的相邻切片进行局部模式提取的步骤;对提取的局部模式利用正态分布函数进行局部自适应阈值的计算的步骤;计算得到局部三值模式的步骤;

将计算得到的局部三值模式,以中心像素为中心进行各方向的三值概率统计的步骤,具体为:

1)、利用局部三值模式,以中心像素为中心进行各方向θ的三值概率统计,θ的十三个方向为(0 1 0);(-1 1 0);(-1 0 0);(-1 -1 0);(0 1 -1);(0 0 -1);(0 -1 -1);(-1 0 -1);(1 0 -1);(-1 1 -1);(1 -1 -1);(-1 -1 -1);(1 1 -1);

将各方向的三值总和连接形成特征向量:

式中,N1×N2×N3表示三维图像大小,LTP局部三值模式,(i,j,m)表示处于图像第i行第j列第m层的像素,θ表示(i,j,m)的各个方向,且中心像素的邻域半径与方向个数和邻域像素个数的关系:

R∈N+,当且仅当P=4时,θN=7

式中,θN表示方向个数,P表示领域像素个数,R表示中心像素的邻域半径;

2)、将特征向量进行归一化:

L与R相等;

将统计得到的各方向的三值概率作为特征向量和KNN分类算法来识别肺结节,并利用准确率、混淆矩阵以及受试者操作特征曲线进行肺结节纹理特征识别结果的评价,得出识别结果是否正确的步骤。

2.根据权利要求1所述的一种基于体局部方向三值模式的肺结节纹理特征提取系统,其特征在于:所述的基于VLBP模式对肺结节的相邻切片进行局部模式提取的步骤为:

将所选肺结节切片按顺序排列,顺序为切片1,2,......,n;在每个平面上选取以每个像素为中心,形成3×3×3的邻域像素矩阵,即像素中心与其周围26个邻域像素形成的矩阵。

3.根据权利要求2所述的一种基于体局部方向三值模式的肺结节纹理特征提取系统,其特征在于,所述的对提取的局部模式利用正态分布函数进行局部自适应阈值的计算的步骤为:

利用正态分布函数计算所提取的肺结节相邻切片的局部模式的局部自适应阈值,得出局部三值模式:

局部三值模式计算公式如下所示:

式中,μ表示根据26个邻域像素值以及中心像素值计算均值得到的中心像素值;gp表示邻域像素;σ表示根据26个邻域像素值以及中心像素值计算均方差得到的固定阈值,k为阈值系数;函数表示中心像素与邻域像素之间的关系;

局部自适应阈值σ’的计算公式:

式中,xi'表示第i’个像素值,μ表示局部模式像素均值,N表示局部模式像素个数取值为27。

4.根据权利要求3所述的一种基于体局部方向三值模式的肺结节纹理特征提取系统,其特征在于,所述的将统计得到的各方向的三值概率作为特征向量和KNN分类算法来识别肺结节,并利用准确率、混淆矩阵以及受试者操作特征曲线进行肺结节纹理特征识别结果的评价,得出识别结果是否正确的步骤为:

1)、使用KNN分类算法对归一化的特征向量进行肺结节识别;

2)、再利用准确率、混淆矩阵以及受试者操作特征曲线客观地对肺结节纹理特征的识别结果进行评价,其中:

(1)肺结节识别结果准确率计算公式如下所示:

式中,TP表示正样本预测结果为正;TNP负样本预测结果为负;FP负样本预测结果为正;FNP正样本预测结果为负;

(2)混淆矩阵的计算公式如下所示:

式中,元素的行下标对应目标的真实属性,列下标对应分类器产生的识别属性;对角线元素表示各模式能够被分类器C正确识别的百分率,而非对角线元素则表示发生错误判断的百分率;

(3)受试者操作特征曲线使用曲线下的面积来度量分类算法的性能,曲线下的面积越接近1,表示系统的性能越好。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨商业大学,未经哈尔滨商业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910204748.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top