[发明专利]一种基于CT影像的特征参数降维方法和系统

说明书

本发明提供一种基于CT影像的特征参数降维方法和系统，方法包括如下步骤：选取CT影像的感兴趣区域；在CT影像的感兴趣区域选取与病理相关的特征，将其作为直观特征；根据设定权重对感兴趣区域进行二值化处理，筛选出权重大于设定权重的特征，将其作为二值化处理后的特征；通过直观特征和二值化处理后的特征进行赋值，对CT影像的特征参数降维。本发明提供的技术方案，能够通过对直观特征和二值化处理后的特征进行赋值，实现对CT影像特征参数的降维，从而解决现有技术中在对CT影像进行分析处理时由于特征过多而导致计算复杂的问题。

技术领域

本发明属于CT影像分析技术领域，具体涉及一种基于CT影像的特征参数降维方法和系统。

背景技术

影像学诊断主要从结节的大小、部位、内部特征、周边环境等进行评判。其主要诊断方法有X线胸片、计算机断层扫描(computed tomography，CT)、正电子发射断层扫描(positron emission tomography，PET)、正电子发射断层扫描/CT(psitron emissiontomography/CT，PET/CT)、核磁共振成像(magnetic resonance imaging，MRI)。CT是目前最有价值的影像学检查方法，通过CT影像分析，放射科医师可根据一些区域的特征判断疾病的良恶性，如结节越大，恶性病变的几率越大，70％的恶性结节位于上叶，这些区域被称为感兴趣区域。

研究利用不同方法筛选出与疾病的良、恶性密切相关的影像学指标，并纳入不同指标建立模型，利用先进的生物信息学技术对筛选出的肿瘤标记物进行分析，可以探讨它们的生物学功能以及在疾病形成和发展过程中的作用。对于现有的CT图像的特征提取，基本做法大都是先进行选择感兴趣区域，再进行特征的提取以及特征的降维以及归一化处理，然后得到降维后的特征向量集，将降维后的特征向量集归一化处理后作为分类系统的输入，为之后的支持向量机分类识别以及建模做好了基础。

但建立模型时，选择合适的特征子集纳入模型也是问题的关键，选择过多的特征会使计算复杂度提高，增加过度拟合的可能性，而选择过少的特征则会训练产生一个不可靠的分类器。

发明内容

本发明提供一种基于CT影像的特征参数降维方法，用于解决现有技术中在对CT影像进行分析处理时由于特征过多而导致计算复杂的问题；相应的，为了解决上述技术问题，本发明还提供了一种基于CT影像的特征参数降维系统。

为实现上述目的，本发明提供的技术方案为：

一种基于CT影像的特征参数降维方法，包括如下步骤：

(1)选取CT影像的感兴趣区域；

(2)在CT影像的感兴趣区域选取与病理相关的特征，将其作为直观特征；

(3)根据设定权重对感兴趣区域进行二值化处理，筛选出权重大于设定权重的特征，将其作为二值化处理后的特征；

(4)通过直观特征和二值化处理后的特征进行赋值，对CT影像的特征参数降维。

进一步的，步骤(1)中，将CT影像与对应的正常CT影像进行比对，将两者存在差异的区域作为CT影像的感兴趣区域。

进一步的，步骤(4)中根据特征的权重大小对直观特征和二值化处理后的特征参数进行赋值。

进一步的，步骤(4)中对直观特征参数和二值化处理后的特征参数进行赋值时，首先对其进行归一化处理。

进一步的，在对二值化处理后特征中的混合特征赋值时，首先获取二值化处理后白色区域的内切圆，然后根据各混合特征与该内切圆边界之间的距离，确定混合特征的赋值。

一种基于CT影像的特征参数降维系统，包括处理器和存储器，所述存储器上存储有用于在处理器上执行的计算机程序；所述处理器执行该计算机程序时，实现如些控制步骤：