[发明专利]骨转移瘤和骨岛的能谱CT鉴别模型生成方法及鉴别方法在审

专利信息
申请号: 202010680425.7 申请日: 2020-07-15
公开(公告)号: CN111833332A 公开(公告)日: 2020-10-27
发明(设计)人: 袁翠云;刘晨彬;刘周;罗德红;邹丽艳;杨倩;吴式琇;金晶;任骅;王绿化 申请(专利权)人: 中国医学科学院肿瘤医院深圳医院
主分类号: G06T7/00 分类号: G06T7/00
代理公司: 深圳众鼎汇成知识产权代理有限公司 44566 代理人: 朱业刚
地址: 518117 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 转移 ct 鉴别 模型 生成 方法 鉴别方法
【权利要求书】:

1.一种骨转移瘤和骨岛的能谱CT鉴别模型生成方法,其特征在于,包括:

采集携带图像标识的原始能谱CT图,所述图像标识为骨转移瘤标识或骨岛标识;

从所述原始能谱CT图中勾画出感兴趣区域,获取训练感兴趣能谱CT图;

采用特征提取算法对所述训练感兴趣能谱CT图进行特征提取,获取所述训练感兴趣能谱CT图的待筛选特征;

采用F检验算法对所述待筛选特征进行筛选,获取目标训练特征;

基于所述目标训练特征和对应的所述图像标识,形成目标训练样本,采用所述目标训练样本对预设分类模型进行训练,获取骨转移瘤和骨岛图像鉴别模型。

2.如权利要求1所述的骨转移瘤和骨岛的能谱CT鉴别模型生成方法,其特征在于,所述原始能谱CT图包括钙-水图、水-钙图和碘-钙图;

所述采集携带图像标识的原始能谱CT图,包括:

获取平扫能谱CT图,对所述平扫能谱CT图进行物质分离,获取钙-水图和水-钙图;

获取增强能谱CT图,对所述增强能谱CT图进行物质分离,获取碘-钙图。

3.如权利要求1所述的骨转移瘤和骨岛的能谱CT鉴别模型生成方法,其特征在于,所述待筛选特征为纹理特征和一阶特征,所述采用特征提取算法对所述训练感兴趣能谱CT图进行特征提取,获取所述训练感兴趣能谱CT图的待筛选特征,包括:

采用灰度矩阵算法对所述训练感兴趣能谱CT图进行特征提取,获取所述训练感兴趣能谱CT图对应的纹理特征;

根据直方图函数,对所述训练感兴趣能谱CT图进行处理,获取所述训练感兴趣能谱CT图对应的目标直方图,基于所述目标直方图,获取所述训练感兴趣能谱CT图对应的一阶特征。

4.如权利要求3所述的骨转移瘤和骨岛的能谱CT鉴别模型生成方法,其特征在于,所述采用灰度矩阵算法对所述训练感兴趣能谱CT图进行特征提取,获取所述训练感兴趣能谱CT图对应的纹理特征,包括:

采用灰度共生矩阵算法对所述训练感兴趣能谱CT图进行特征提取,获取灰度共生矩阵特征;

采用灰度游程矩阵算法对所述训练感兴趣能谱CT图进行特征提取,获取灰度游程矩阵特征;

采用邻域灰度差矩阵算法对所述训练感兴趣能谱CT图进行特征提取,获取灰度区域大小矩阵特征;

采用邻域灰度差矩阵算法对所述训练感兴趣能谱CT图进行特征提取,获取邻域灰度差矩阵特征;

其中,所述纹理特征包括灰度共生矩阵特征、灰度游程矩阵特征、灰度区域大小矩阵特征和邻域灰度差矩阵特征。

5.如权利要求1所述的骨转移瘤和骨岛的能谱CT鉴别模型生成方法,其特征在于,所述采用F检验算法对所述待筛选特征进行筛选,获取目标训练特征,包括:

计算待筛选特征的特征间方差及特征内方差;

基于待筛选特征的所述特征间方差及特征内方差,计算每一所述待筛选特征的对应的特征F值;

对所述特征F值大于预设F值的所述待筛选特征进行处理,获取目标训练特征。

6.如权利要求5所述的骨转移瘤和骨岛的能谱CT鉴别模型生成方法,其特征在于,所述对所述特征F值大于预设F值的所述待筛选特征进行处理,获取目标训练特征,包括:

将所述特征F值大于预设F值的所述待筛选特征确定为训练原始特征;

对所述训练原始特征进行归一化处理,获取目标训练特征。

7.一种能谱CT图像鉴别方法,其特征在于,包括:

获取待鉴别能谱CT图;

从所述待鉴别能谱CT图中勾画出感兴趣区域,获取待鉴别感兴趣能谱CT图;

采用特征提取算法对待鉴别感兴趣能谱CT图进行特征提取,获取与权利要求1-6任一项所述目标训练特征相对应的待鉴别特征;

将待鉴别特征输入如权利要求1-6的骨转移瘤和骨岛图像鉴别模型,获取鉴别结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国医学科学院肿瘤医院深圳医院,未经中国医学科学院肿瘤医院深圳医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010680425.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top