[发明专利]采用高维特征选择对肺部肿瘤CT图像进行判别的方法

权利要求书

1.一种采用高维特征选择对肺部肿瘤CT图像进行判别的方法，其特征在于，包括如下步骤：

实验数据获取和预处理步骤：获取肺部图像数据库中获取带有明确诊断结论的肺部肿瘤CT图像，形成单个样本，所述CT图像包括良性肿瘤图像和恶性肿瘤图像，所述单个样本包括82维条件属性和1维决策属性，从原始CT图像中截取对肺部肿瘤有较强区分能力的子图作为ROI区域，并将ROI图像归一化为50*50大小的实验图像；

图像分割步骤：采用最大类间方差法对预处理后的ROI区域进行分割，以准确刻画肺部肿瘤CT图像的形状、纹理和灰度特征；

肺部区域特征提取步骤：对获取到的肺部CT图像进行区域特征提取，所述区域特征包括形状、灰度及纹理特征，对提取到的特征进行82维特征分量归一化，从而共同量化ROI；

属性约简步骤：利用BRS和GA算法进行属性约简，降低分类器的时间复杂度和空间复杂度，提高分类性能；

肺部区域寻优分类识别步骤：利用布谷鸟算法及SVM方式，进行参数全局寻优分类操作，进行肺部肿瘤高维特征选择。

2.根据权利要求1所述方法，其特征在于，所述肺部区域特征提取步骤还包括：

采用最大类间方差法对预处理后的ROI区域进行分割。

3.根据权利要求2所述方法，其特征在于，所述方法还包括：

在ROI区域分割提取特征后，构建决策信息表；

采用模糊C均值聚类算法对决策信息表进行离散化处理。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

利用BRS和GA算法进行属性约简，降低分类器的时间复杂度和空间复杂度，提高分类性能，具体包括：

参数设定：染色体为0，1组成的序列，其长度等于条件属性的数目N，交叉概率P_c，变异概率P_m，最大迭代次数K＝150，初始种群M＝20；

编码：采用二进制编码，长度等于条件属性的个数，“0”表示特征未被选中，“1”表示特征被选中；

初始种群的生成：随机产生M个长度等于条件属性个数的染色体串构成初始种群；

遗传算子：遗传算子包括选择算子、交叉算子和变异算子，遗传算子组合为无回放随机余数选择、均匀交叉和高斯变异；

适应度函数：适应度函数的有效性决定GA算法的搜索方向和进化结果，适应度值是判断个体性能的主要指标；

从全局相对增益函数、属性约简长度和基因编码权值函数三个方面，通过加权和构造适应度函数框架，进行遗传算法的寻优过程，找到最具区分能力的特征子集，从而实现对肺部肿瘤CT图像基于高维特征选择的良恶性判别。