[发明专利]一种基于探路者智能搜索算法的医疗影像处理方法及装置

说明书

本发明提供一种基于探路者智能搜索算法的医疗影像处理方法及装置，所述方法包括：获取输入的待处理医疗影像I(i,j)，将图像分割为n个窗口，对n个窗口中的每一个窗口，采用中值滤波去除噪声，得到无噪声图像I^F(i,j)；基于灰度共生矩阵(GLCM)特征提取方法从所述无噪声图像I^F(i,j)中提取图像的纹理参数，所述纹理参数包括相邻像素之间的对比度、关联度、角二阶矩、逆差分矩(IDM)、熵，并构建GLCM特征；利用探路者智能搜索算法从构建的GLCM特征提取重要纹理特征；将提取到的所述重要纹理特征输入训练好的核极限学习机KELM，得到所述待处理医疗影像的分类、识别结果。根据本发明的方案，能够提高超声图像识别的准确性，提高超声图像分类、图像识别的效率。

技术领域

本发明涉及医学影像技术领域，尤其涉及一种基于探路者智能搜索算法的医疗影像处理方法及装置。

背景技术

近年来，医学影像技术得到快速发展，超声影像是医学影像学的一个重要分支，在定量分析、实时诊断和手术规划等方面都具有重要作用，可以为医务工作者的分析、诊断提供依据。

但超声图像的散斑噪声发生率比CT、MRI高，会影响超声图像的识别的准确性。并且为了对超声图像中感兴趣的区域进行识别，需要从超声图像中提取大量特征，虽然提取大量特征可以提高超声图像识别的准确性，但还是会提取到不相关的、冗余的特征，影响了超声图像分类、图像识别的效率。

发明内容

为解决上述技术问题，本发明提出了一种基于探路者智能搜索算法的医疗影像处理方法及装置，用以解决现有技术中超声图像噪声高，识别图像时提取了大量不相关的、冗余的特征，影响了超声图像分类、图像识别的效率的技术问题。

根据本发明的第一方面，提供一种基于探路者智能搜索算法的医疗影像处理方法，包括：

步骤S101：获取输入的待处理医疗影像I(i,j)，将图像分割为n个窗口，对n个窗口中的每一个窗口，采用中值滤波去除噪声，得到无噪声图像I^F(i,j)；

步骤S102：基于灰度共生矩阵(GLCM)特征提取方法从所述无噪声图像I^F(i,j)中提取图像的纹理参数，所述纹理参数包括相邻像素之间的对比度、关联度、角二阶矩、逆差分矩(IDM)、熵，并构建GLCM特征；

步骤S103：利用探路者智能搜索算法从构建的GLCM特征提取重要纹理特征；

步骤S104：将提取到的所述重要纹理特征输入训练好的核极限学习机KELM，得到所述待处理医疗影像的分类、识别结果。

进一步地，所述步骤S101：获取输入的待处理医疗影像I(i,j)，将图像分割为n个窗口，对n个窗口中的每一个窗口，采用中值滤波去除噪声，得到无噪声图像I^F(i,j)，包括：

首先将一个窗口中的所有像素点按像素值顺序排列，然后用中心像素值代替所考虑的像素点，再计算该窗口的中值，计算中值的中间滤波器的计算公式如下：

对于给定的医疗影像I(i,j)，(r,s)∈(-(w-1)/2,…,(w-1)/2)，

(i,j)∈(1,2,…,H)×(1,2,…,L)，H和L分别表示医疗影像的宽和高，w为窗口的奇数值，w＝(3,5,…)，W为矩形子图像窗口中的一组坐标，以点(x，y)为中心，用计算出的该中值替换该窗口中的全部中心像素值；

将该医疗影像I(i,j)的其余窗口采用中值滤波去除噪声，得到无噪声图像I^F(i,j)。