[发明专利]一种基于超声图像的智能化乳腺肿瘤辨别方法

说明书

本发明公开一种基于超声图像的智能化乳腺肿瘤辨别方法，包括：采集乳腺肿瘤超声图像并进行标记；选取感兴趣区域ROI，并将ROI进行剪切后保存为灰度图像，得到乳腺肿瘤的样本图像；基于乳腺肿瘤的样本图像，提取乳腺肿瘤的灰度纹理特征矩阵；对乳腺肿瘤的样本图像进行降噪处理，基于降噪处理后的乳腺肿瘤样本图像，提取乳腺肿瘤的形状特征矩阵；对乳腺肿瘤的灰度纹理特征矩阵、形状特征矩阵进行合并，得到乳腺肿瘤样本的特征矩阵；基于支持向量机SVM构建乳腺肿瘤识别模型并训练，通过训练好的乳腺肿瘤识别模型进行超声图像中的乳腺肿瘤类型的识别。本发明能够对超声图像中的肿瘤类型进行自动、准确地识别。

技术领域

本发明涉及图像识别技术领域，特别是涉及一种基于超声图像的智能化乳腺肿瘤辨别方法。

背景技术

全球乳腺癌发病率自20世纪70年代末开始一直呈上升趋势，近年我国乳腺癌发病率的增长速度高出高发国家1～2个百分点。影像学检查对乳腺癌的早期发现、治疗和预后起着重要的作用。其中超声检查对受检者无痛苦、无放射性损伤，且方便易行、费用低，是乳腺检查的首选方法。乳腺癌的超声图像临床显示，癌瘤边界不整，呈锯齿状或蟹足状，内部回声不均，呈低回声区，肿瘤纵横比大于1，肿瘤内部可见沙粒样钙化等。

但是在实际检查中，由于超声医师操作水平和诊断经验所限，可能误诊或漏诊部分恶性结果，贻误最佳治疗时机，因此急需一种能够辅助超声医师进行肿瘤性质辨别的方法来解决这一问题。

目前，国内外在乳腺超声图像的分割识别中已经提出了许多方法，主要是手动的或半自动的阈值分割，以及聚类方法等，这些方法均存在精度不高，自动化水平低的缺陷。华南理工大学提出了一种基于超声图像的乳腺肿瘤自动识别方法，虽然给出了一种乳腺肿瘤超声图像的识别方法，但其只使用了灰度、纹理等图像特征，不能完整的表述乳腺肿瘤的超声图像特征。东北大学提出一种乳腺肿瘤分析用特征训练参数获取方法，使用了清晰度更高的核磁共振影像，虽然分类效果要优于超声图像，但是核磁共振影像的获取成本更高，不能像超声检查一样快速普及。北京工业大学提出了一种乳腺肿瘤多模态超声多层次计算机辅助诊断方法，提供了一种基于多模态图像(超声图像、X射线图像、多普勒血流图像等)，这种方法需要使用多种医学图像进行建模与预测，在超声图像方面的特征提取不够细致。

因此开发一种能够自动、准确地识别超声图像中肿瘤类型的方法，有着广泛的临床应用和推广意义。

发明内容

本发明的目的是提供一种基于超声图像的智能化乳腺肿瘤辨别方法，以解决现有技术中存在的技术问题，能够对超声图像中的肿瘤类型进行自动、准确地识别。

为实现上述目的，本发明提供了如下方案：本发明提供一种基于超声图像的智能化乳腺肿瘤辨别方法，包括如下步骤：

采集乳腺肿瘤超声图像，并对所采集的乳腺肿瘤超声图像进行标记；

从标记好的乳腺肿瘤超声图像中选取感兴趣区域ROI，并将ROI进行剪切后保存为灰度图像，得到乳腺肿瘤的样本图像；

基于乳腺肿瘤的样本图像，提取乳腺肿瘤的灰度和纹理特征参数，得到乳腺肿瘤的灰度纹理特征矩阵；

对乳腺肿瘤的样本图像进行降噪处理，基于降噪处理后的乳腺肿瘤样本图像，提取乳腺肿瘤的形状特征参数，得到乳腺肿瘤的形状特征矩阵；

对乳腺肿瘤的灰度纹理特征矩阵、形状特征矩阵进行合并，得到乳腺肿瘤样本的特征矩阵；

基于支持向量机SVM构建乳腺肿瘤识别模型，并对乳腺肿瘤识别模型进行训练，将待识别的超声图像输入训练好的乳腺肿瘤识别模型，完成超声图像中的乳腺肿瘤类型的识别。