[发明专利]基于数字放射图像及支持向量回归的手臂骨密度测量方法

权利要求书

1.基于数字放射图像及支持向量回归的手臂骨密度测量方法，其特征在于，包括以下步骤：

S1、输入DR图像并分割出感兴趣区域；

S2、对分割区域进行图像特征提取，对分割得到的感兴趣区域分别提取DR图像的灰度特征和纹理特征；具体实现方法为：

S21、提取灰度特征：通过计算DR图像的灰度直方图，分别提取均值、方差、标准差、能量和熵5个灰度特征；

均值：反映一幅DR图像的灰度平均值：

H(i)表示第i个点的灰度值，L表示图像的灰度级数；

方差：反映一幅DR图像的灰度在数值上的离散分布情况：

标准差：是方差的平方根；

能量：反映灰度分布的均匀程度，其计算公式为：

熵：反映灰度直方图分布的均匀性，其计算公式为：

S22、提取纹理特征：采用灰度共生矩阵方法提取图像的纹理特征，分别提取二阶矩、对比度、相关性、同质化4个纹理特征；

二阶矩：反映一幅DR图像的平滑性，其计算公式为：

W₁＝∑_i∑_j[m(i-j)]²

m(i，j)表示灰度共生矩阵中的元素，i，j＝0，1，2，…，L-1；

对比度：反映一幅DR图像的清晰度，其计算公式为：

W₂＝∑_i∑_j(i-j)²m(i，j)

相关系数：反映灰度共生矩阵中行与列的线性相关程度，其计算公式为：

其中，

μ_x＝∑_ii∑_jm(i，j)

μ_y＝∑_jj∑_im(i，j)

同质化：反映灰度共生矩阵中元素的分布到对角线紧密程度，其计算公式为：

S23、将提取的灰度特征和纹理特征进行数据汇总，并对特征值进行数据归一化处理，将不同的特征按比例缩放，使之映射到[-1,1]的特定区间内；

归一化的公式为：

其中，x是原始的特征值，x^*为归一化后的特征值；mean为特征数据的均值，max为特征数据的最大值，min为特征数据的最小值；

S3、使用支持向量建立回归模型：使用SVR算法建立回归模型，利用S2中提取的图像特征值及其对应的骨密度标签数据进行回归；

S4、计算骨密度预测值并输出预测结果：利用S3中训练产生的回归模型，预测新受试者DR图像的骨密度。

2.根据权利要求1所述的基于数字放射图像及支持向量回归的手臂骨密度测量方法，其特征在于，所述步骤S1包括以下子步骤：

S11、从原始DR图像中分割出感兴趣区域；

S12、对步骤S11中得到的图像进行归一化处理，将图像的像素值归一化到0-255之间。

3.根据权利要求1所述的基于数字放射图像及支持向量回归的手臂骨密度测量方法，其特征在于，所述步骤S3中骨密度标签数据即该图像对应的真实骨密度。