[发明专利]基于遗传算法的乳腺肿瘤轮廓动态提取方法

权利要求书

1.一种基于遗传算法的乳腺肿瘤轮廓动态提取方法，其特征在于：

(1)构建初始肿瘤模型

1a)获取现有的乳腺肿瘤超声图；

1b)根据图像中的灰度值差别区分肿瘤组织和正常组织，并将图像转换为二值图，分别标记肿瘤组织和正常组织；

1c)按照设定的分辨率将1b)中的二值图网格化，生成网格图像，得到组织矩阵A：

其中，a_ij表示网格图像中位置为(i，j)的组织信息，若a_ij＝0，表示此位置为正常组织，若a_ij＝1，表示此位置为肿瘤组织；

1d)根据1c)得到的组织矩阵A，在XFDTD电磁仿真软件中建立初始肿瘤模型X^a，并在模型周围设置N根天线，每根天线轮流发射电磁波辐射肿瘤，所有天线同时接收并记录电磁回波，N≥8；

1e)拷贝初始肿瘤模型X^a，并将其中的肿瘤组织替换为正常组织，得到无肿瘤模型X^b；

(2)构建初始评估函数F：

式中，N表示天线总数，M为每一根天线的电流采样总数，表示初始肿瘤模型X^a的第i根天线在t时刻接收回波的电流值，表示无肿瘤模型X^b的第i根天线在t时刻接收回波的电流值；

(3)利用共焦成像获得肿瘤的中心位置，及最优的肿瘤矩形轮廓：

3a)在1d)建立的初始肿瘤模型X^a中，用共焦成像确定肿瘤基本区域；

3b)在1e)建立的无肿瘤模型X^b中，使用边长为8mm的肿瘤组织小格遍历肿瘤基本区域，得到带肿瘤组织小格的模型X^o，通过初始适应度函数F计算该模型的适应度值，选取模型X^o中适应度值最高的小格位置作为肿瘤的中心位置；

3c)调整中心位置上小格的长和宽，得到矩形肿瘤模型X^s，通过初始评估函数F迭代计算该模型的适应度值，直到适应度值不再增加，此时模型X^s中的矩形轮廓就是最优的肿瘤矩形轮廓；

(4)修改初始适应度函数F，获得距离补偿适应度函数F′；

(5)调整步骤(3)得到的矩形肿瘤的位置，获得初始轮廓模型序列，利用距离补偿适应度函数F′计算初始轮廓模型序列的适应度值，对初始轮廓模型序列进行编码，依次通过遗传算法与集成算法训练经过编码的初始轮廓模型序列，用1mm的变化量不断演进肿瘤轮廓的形状，得到演进轮廓模型序列；

(6)将演进轮廓模型序列的距离补偿适应度值序列f₁′，f₂′...，f_l′的最大值f′_max与预设的适应度阈值f作比较：

若f′_max≥f，则表示步骤(5)得到的演进轮廓模型序列中有最优模型，训练结束，输出此模型的肿瘤轮廓图像；

若f′_max＜f，则表示未得到最优模型，需要对演进轮廓模型序列再次编码，继续依次通过遗传算法与集成算法进行迭代训练，若达到设置的最大迭代次数时仍未得到最优模型，则输出适应度值最高的肿瘤轮廓图像。

2.根据权利要求1所述的方法，其特征在于：所述(2)中构建初始适应度函数F，实现如下：

2a)通过XFDTD仿真软件分别对初始肿瘤模型X^a和无肿瘤模型X^b进行仿真，得到X^a的第i根天线在t时刻接收回波的电流值和X^b的第i根天线在t 时刻接收回波的电流值计算两个电流的平方误差

2b)逐时刻、逐天线累加X^a和X^b的电流平方误差得到总电流误差E：

式中，N为天线总数，M为每一根天线的电流采样总数；

2c)将E取倒数得到适应度函数F：

无肿瘤模型中添加肿瘤后，与初始肿瘤模型越相似，则F的取值越大。