[发明专利]多时序图像处理方法、电子设备及存储介质

说明书

本发明公开了一种多时序图像处理方法、电子设备及存储介质，该方法包括以下步骤：1)多时序感兴趣区域分割；2)感兴趣区域综合特征提取；3)多时序图像特征提取；4)图像集处理：5)将所述步骤4)得到的特征矩阵M进行特征筛选后通过分类器进行分类，获得图像处理结果。本发明的多时序图像处理方法，能同时实现对多个病人的多时序图像分类，从多时相特征中能得到更加丰富的影像学定量特征；本发明通过构建多时相影像特征及其不同时相之间的特征差异，共同构成特征集合，可以更加有效的反映不同组织的影像学表现，利于得到更加丰富的影像学信息。

技术领域

本发明涉及医学图像处理技术领域，特别涉及一种多时序图像处理方法、电子设备及存储介质。

背景技术

肿瘤是一种常见的恶性肿瘤，如肺结节，临床研究发现用CT诊断肺结节的准确率高，CT图像可在临床上用于疾病筛查、预后评估、疗效评估等。对图像进行医学影像处理分析能为医生的判断提供有利的数据支撑，具有极高的实用意义。例如专利201810165489.6提供了一种采用影像组学技术进行低辐射剂量肺结节筛查的方法。

目前针对多时序图像的医学影像处理方法，不适用多时相图像，无法计算不同时相之间影像特征的变化，而很多影像感兴趣区域，在不同时相影像中有不同的影像学表现，这些影像学表现的变化，反映了组织之间的区别。所以能适用多时相图像的处理方法势必能利于从图像中获得更加丰富的有用信息，但现在缺少可靠的方法。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种多时序图像处理方法、电子设备及存储介质。

为解决上述技术问题，本发明采用的技术方案是：一种多时序图像处理方法，包括以下步骤：

1)多时序感兴趣区域分割：

对一个病人的一个时相的组织图像(如CT图像)进行感兴趣区域分割，获得J个ROI图像；

2)感兴趣区域综合特征提取：

计算每个ROI图像的7个特征向量，包括：一阶统计矩特征向量F_fos、计算三维形状特征向量F_s3d、灰度共生矩阵特征向量F_glcm、灰度行程矩阵特征向量F_glrlm、灰度区域大小矩阵特征向量F_glszm、相邻灰度差分矩阵特征向量F_ngtdm及灰度相关矩阵特征向量F_gldm，将同一个ROI图像的上述7个特征向量按照行方向逐一拼接成，形成新的特征向量，记作F_i，i＝1,2，…,J，然后将所有ROI图像的F_i按照行方向逐一拼接，得到感兴趣区域的综合特征向量Z；

3)多时序图像特征提取：

对一个病人的m个时相的组织图像按照所述步骤1)和步骤2)的方法，分别提取其综合特征向量，记作Z_m；计算不同Z_m之间的差异矩阵Z_mm’，根据Z_m和Z_mm’计算一个病人的m个时相的组织图像的多时相图像特征向量D_f；

4)图像集处理：

按照所述步骤1)-3)，获得所有病人各自的多时相图像特征向量D_fx，x＝1,2，…,X，X表示病人总数；

对D_fx按照列方向逐一拼接，形成图像集的特征矩阵，记作M；特征矩阵M中的列向量代表同一个病人的多时相图像的特征值向量，特征矩阵M中的行向量代表不同病人的多时相图像中相同特征名的特征值向量；

5)将所述步骤4)得到的特征矩阵M进行特征筛选后通过分类器进行分类，获得图像处理结果。