[发明专利]一种基于随机森林回归的胸腔X光片肋骨检测方法

摘要

一种基于随机森林回归的胸腔X光片肋骨检测方法，包括：基于随机采样的图像块生成及其HOG特征描述阶段，提取胸腔X光图像的图像特征块，并提取图像块HOG特征描述子，获取图像的全局和局部信息；基于特征块与目标点距离分布的随机森林回归器生成阶段，使用用户自主点取的标识点对目标肋骨进行标记，并基于特征块与目标点的距离分布，选定相关参数，训练随机森林回归器；基于随机森林回归的X光片目标检测阶段，使用前一步得到的随机森林回归模型，对多张胸腔X光片测试图像中的肋骨标识点位置进行预测，并据此框选出目标肋骨的位置。本发明可作为基本的医疗影像预处理手段，为后续的计算机辅助诊断、手术模拟训练、手术方案论证和手术预演等应用系统的研发提供必要的技术支持。

主权项

1.一种基于随机森林回归的胸腔X光片肋骨检测方法，其特征在于包括以下步骤：步骤(1)、基于随机采样的图像块生成及其HOG(Histograms ofOriented Gradients，梯度方向直方图)特征描述：从每张训练图像或测试图像中提取不同尺度和纵横比的图像块，即进行随机采样，构成稠密采样空间，并对每个图像块进行再划分，提取更小的不同尺度与纵横比的小图像块，以每个小图像块为HOG统计的基本单位，采用一定的排列方法将提取结果组合起来，最终获得每张图像块的特征向量和整张图像的特征描述矩阵；其中，训练图像表示用于胸腔X光片肋骨检测器训练的、带有用户手动标注的肋骨位置信息的胸腔肋骨X光片；测试图像表示不含肋骨位置信息标注的胸前肋骨X光片；步骤(2)、基于特征块与目标点距离分布的随机森林回归器生成：在程序运行过程中，采用可交互方法，让用户从训练图像上选取指定个数的目标点，并以这些目标点到稠密采样空间中图像块的中心位置的位移作为机器学习的输出空间实例，并使用随机森林架构进行回归训练，得到随机森林回归模型；步骤(3)、基于随机森林回归的X光片目标检测：使用步骤(1)中提出的方法，以多张胸腔X光图像作为测试的图像，提取测试的图像的特征描述矩阵，代入步骤(2)生成的随机森林回归模型中，获得每个图像块对目标点位置的预测结果，对预测结果进行加权整合，获得测试图像对目标点位置的预测信息，并根据对多个目标点位置的预测，框选出目标肋骨的位置；步骤(4)、多次进行步骤(2)中的以随机森林为架构的回归训练，每一次选定不同的随机森林参数，执行步骤(3)中的目标检测，比较不同参数下回归模型对目标肋骨位置预测的准确性和时间效率，选取最优的随机森林参数配置。