[发明专利]一种乳腺肿块针吸图像的分析处理方法

说明书

本发明公开了一种乳腺肿块针吸图像的分析处理方法，涉及图像处理技术领域。本发明公开的乳腺肿块针吸图像的分析处理方法，包括：收集乳腺肿块针吸图像，图像预处理得到数值化后的图像特征，基于改进的二进制灰狼算法从提取的特征中实施特征选择；乳腺肿块针吸图像的快速特征数字化；新样本的数字特征通过特征选择模型进行预测，输出预测结果。该分析方法包含具有较好的平衡局部搜索和全局搜索能力的特征选择算法，可以有效提高分类准确度，加快预测进程；同时提供了一种图像的快速特征数字化方法，不仅可以用于乳腺肿块针吸细胞图像识别，也可以用于具有类似数据特征的分类识别，提高诊断准确率，及早预防乳腺癌的发生。

技术领域

本发明涉及图像处理技术领域，具体涉及一种乳腺肿块针吸图像的分析处理方法。

背景技术

根据世界卫生组织国际癌症研究中心公布的数据，每年因病死亡病例中有近六分之一的人死于癌症，而乳腺癌的新发病例在所有癌症中占15％左右，新发病例在女性恶性肿瘤当中居首位。大部分乳腺癌患者死亡发生在中低收入水平的国家，主要是因为这些国家缺乏对早期发现疾病的认识，多数患乳腺癌的女性在疾病的晚期才得到诊断，失去了最佳的治疗时期，所以早期准确地诊断和治疗已成为当代面临最为迫切的问题。

传统的乳腺癌诊断方法是完全依靠医生通过患者的超声图像进行观察，这样不仅医生的劳动强度极大，而且完全依靠医生的个人经验，致使识别效率不高。近年来随着图像处理技术和人工智能技术的日趋成熟，计算机辅助诊断系统已经应用到各个医学领域，利用计算机对乳腺医学图像做出快速精准预测，辅助医生做出准确判断，极大降低医生的工作负担。

特征选择是一个重要的数据预处理步骤，它根据预定义的评估标准从所有可用特征中选择一小部分相关特征。它旨在过滤掉不相关和冗余的特征，可以减少过拟合，提高学习算法的分类精度，降低了系统在时间和空间上的复杂性。特征选择在建立高效、改进的决策系统中起着关键的作用，因此特征选择已在医疗诊断等数据挖掘和机器学习任务中得到了广泛的应用。

发明内容

本发明的目的是为了提高乳腺癌预测准确率，结合平衡二进制灰狼预测算法的全局搜索能力和局部搜索能力，通过卷积神经网络快速输出图像数字化特征，新样本的数字特征通过特征选择模型进行预测，输出预测结果的乳腺肿块针吸图像的分析处理方法。

本发明具体采用如下技术方案：

一种乳腺肿块针吸图像的分析处理方法，包括以下步骤：

S1.收集乳腺肿块针吸图像样本，包括良性和恶性图像；

S2.对样本图像进行预处理、数值化，提取区域内的图像特征；

S3.采用基于改进的二进制灰狼算法对数值化的特征进行特征选择；

S4.利用样本图像及其数值化的特征构建卷积神经网络模型；

S5.通过训练好的卷积神经网络模型对新的样本图像快速特征数字化；

S6.将提取的特征通过特征选择模型和分类算法进行预测，输出预测结果。

优选地，收集乳腺肿块针吸样本图像的具体步骤为：

S11.使用细针穿刺吸取出乳腺肿块少许细胞；

S12.将取出的细胞制作成涂片，并通过苏木精-伊红染色法染色；

S13.带湿固定3-4分钟后通过数码相机拍照。

优选地，对样本图像进行预处理、数值化的具体步骤为：

S21.图像增强；使得原本模糊的照片变得比原来更为清晰，突出目标，对采取到的乳腺肿块进行增强处理，假设用F(x，y)来表示每个图像像素的位置，G(x，y)是增加后的像素值，其计算如式(1)所示：

G(X,Y)＝N*F(x,y) (1)