[发明专利]一种基于三支决策的肝脏肿瘤CT图像分类方法

摘要

本发明公开了一种基于三支决策的肝脏肿瘤CT图像分类方法，该方法首先训练分类器，将标注好的肝脏CT影像训练样本经过图像预处理和特征提取后形成特征向量，在此基础上采用属性约简方法进行规则提取，进而构建知识库，为后续新病例的分类诊断提供基础。待分类的病例首先经过图像预处理提取肝脏区域、肝血管和肝肿瘤，接下来计算14个病例特征，再将这些病例特征值输入到基于三支决策的分类器中，从而将病例分为下述三个类别之一良性肿瘤、恶性肿瘤以及不确定肿瘤，医生可针对不同的肿瘤类型定制不同的治疗方案。

主权项

一种基于三支决策的肝脏肿瘤CT图像分类方法，其特征在于，具体的方法过程为：一、首先，进行分类器的训练，以获得知识库：肝脏CT影像训练样本经过图像预处理和特征提取后形成特征向量，在此基础上采用属性约简方法进行规则提取，进而构建知识库，为后续新病例的分类诊断提供基础，具体包括如下步骤实施：(1)采集肝脏影像训练样本；(2)图像预处理，该步骤又包括：(21)首先使用半监督的图像分割方法(此技术已属于现有技术)来分割出肝脏图像，(22)然后在此基础上进一步的采用半监督的图像分割方法分割出肝肿瘤，(23)同时在步骤(21)分割出的肝脏图像中采用Hessian滤波方法(此技术已属于现有技术)增强肝脏图像中的管状结构，进而使用图像分割区域生长法(此技术已属于现有技术)分割出肝血管图像；(3)特征提取：共提取14个局部和全局特征，前者主要反映了局部病变区域本身的特点，后者着重描述肝肿瘤在整个肝脏区域的表现特征。这些特征包括：肝肿瘤的解剖位置ALocf：即为肝肿瘤和肝门静脉的空间关系，一般来说，肝肿瘤越接近肝门静脉主干，供血越充足，其为恶性肿瘤的可能性也越大。肝肿瘤中心的位置CLocf：当肝肿瘤蔓延生长于多个区域时，ALocf不能完全的表征肿瘤位置，特征CLocf反映了肝肿瘤的质心位置与肝门静脉的关系。肝肿瘤的平均灰度IAverf：原始CT图像肝肿瘤区域的平均灰度值。肝肿瘤的灰度多样性IDivf：采用肝肿瘤区域的信息熵Entrf来表征肝肿瘤的灰度多样性。假设Ng是肿瘤图像的灰度级数，P(I)是灰度为I的像素数和肿瘤区域像素数的比例，则Entrf可以表示为：Entrf=-ΣI=0Ng-1P(I)lnP(I)---(1)]]>Entrf越大，肝肿瘤区域的灰度分布越均匀。肝肿瘤与肝区的灰度比值IRat：肝肿瘤区域的平均灰度与肝区的平均灰度比。肝区的灰度多样性IDivl：采用肝区的信息熵Entrl来表征灰度多样性，假设Ng是肝区图像的灰度级数，P(I)是灰度为I的像素数和肝区像素数的比例，则Entrl可以表示为：Entrl=-ΣI=0Ng-1P(I)lnP(I)---(2)]]>Entrl越大，肝区的灰度分布越均匀。Perif：肝肿瘤的周长。Sizef：肝肿瘤的面积。肝肿瘤似圆度Rouf：计算公式如下：Metric=4πSizefPerif---(3)]]>Metric的值越大，肝肿瘤的形状越接近于圆形。SIncf：肝肿瘤的最大内接圆大小。SRat：肝肿瘤与肝区的大小之比。肝区的形变程度DDefl：该特征记录病变区域是否引起肝区的形变，如果引起形变，肝区形变的严重程度有多高。SBouf：肿瘤边界的光滑程度。Amou：肝区内肝肿瘤的数目。(4)规则提取：采用概率形式的决策等价类，对已标注类别的训练样本集进行决策域描述该等价类利用概率形式的隶属度阈值将决策域划分为正域、非域、不确定边界域，从而将病例图像样本判别为确定恶性、确定良性和不确定样本，并采用属性约简方法对14个特征进行关键属性提取，基于得到的关键属性产生三支决策规则。(5)构建知识库：将提取出的病例特征值输入到基于三支决策规则的分类器中，从而将病例分为下述三个类别之一：良性肿瘤、恶性肿瘤以及不确定肿瘤。二、获得知识库后进行临床使用：(1)获取待分类病例的腹腔CT图像。(2)与第一部分中的“步骤(2)图像预处理”相同。(3)与第一部分中的“步骤(3)特征提取”相同。(4)肝肿瘤诊断：将提取出的病例特征值输入到步骤一中的基于三支决策的分类器中，从而将病例分为下述三个类别之一：良性肿瘤、恶性肿瘤以及不确定肿瘤。不确定肿瘤是指以目前信息无法对肿瘤类别做出判断，需要结合医生经验或其它必要检查才能进一步确诊。