计算机辅助判别胰腺癌超声内镜图像的方法技术

本发明专利技术涉及一种计算机辅助判别胰腺癌超声内镜图像的方法，提出了胰腺内镜超声图像的纹理特征提取与分类方法，可应用于胰腺癌内镜超声图像的计算机辅助分析，胰腺内镜超声图像采用数字图像处理算法提取9大类共69个纹理特征。使用类间距作为可分性判据，实现特征的初步筛选，之后使用顺序前进搜索算法进一步筛选特征，并由支撑向量机实现分类。本发明专利技术通过提取内镜超声图像的纹理特征和分类器实现，创建各种客观、量化的诊断指标以及正确的描述解释内镜超声图像的方法，提高胰腺癌内镜超声早期诊断的准确性。

Computer aided diagnosis of ultrasonic images of pancreatic cancer

The invention relates to a method for computer aided discrimination of pancreatic endoscopic ultrasonography image, put forward the method of texture feature extraction and classification of pancreatic endoscopic ultrasonography image, computer aided analysis can be applied to pancreatic cancer endoscopic ultrasound images, EUS image extraction of 9 categories of 69 texture features using digital image processing algorithm. The class spacing is used as the separability criterion to realize the preliminary screening of features, and then the sequential forward search algorithm is used to filter the features further, and the SVM is used to classify the features. The texture feature and classifier of EUS images extracting diagnosis index, create a variety of objective and quantitative interpretation method and correct description of EUS images, improve the accuracy of endoscopic ultrasonography in the early diagnosis of pancreatic cancer.

【技术实现步骤摘要】

本专利技术属医疗仪器
，特别是涉及一种计算机辅助判别胰腺癌超声内镜图 像的方法。
技术介绍
胰腺癌是世界卫生组织公布的十大恶性肿瘤之一，是严重危及人类健康的重大疾 患。近年来，胰腺癌的发病率逐年上升。胰腺癌发展迅速、凶险，临床特点为病程短、进展快、 死亡率高。胰腺属于腹膜后位器官，位置隐蔽，啦邻关系复杂，周围有许多重要器官和血管。 因此，胰腺癌的早期发现、早期诊断、是长期困扰医学界的难题。内镜超声检查术(endoscopic uhrasonography，EUS)在八十年代初问世以来已经 在世界各国得到了广泛的应用。EUS是将微型高频超声探头安置在内镜顶端，当内镜插人体 腔后，通过内镜直接观察腔内的形态，同时又可进行实时超声扫描，以获得管道层次的组织 学特征及周围邻近脏器的超声图像，从而进一步提高了内镜和超声的诊断水平。由于插入 探头接近病变，缩短声路而降低了声衰减，故可明显提高图像分辨力，发现细小病灶。由于 其良好的显示能力，EUS目前已越来越普遍地被运用于胰腺疾病的诊断中。目前研究表明，EUS对胰腺癌具有较大的诊断价值，胰腺内镜超声图像可提示胰腺 癌的可能，便于早期诊断。然而，基于内镜超声图像的诊断受医生经验和主观因素影响较 大，不同医生的诊断准确率会有所不同；图像一些细微的变化很难由肉眼察觉；而使用EUS 引导下细针穿刺抽吸术(EUS guided-finenee-dle aspiration, EUS-FNA)进行细胞学检查 有一定创伤性。因此，开发出一套客观、可靠且无创的胰腺癌内镜超声早期诊断方法，是亟 待解决的问题。
技术实现思路
本专利技术所要解决的技术问题是提供一种将数字图像处理和模式分类的方法，应用 于胰腺癌内镜超声的计算机辅助诊断。通过提取内镜超声图像的纹理特征和分类器实现， 创建各种客观、量化的诊断指标以及正确的描述解释内镜超声图像的方法，提高胰腺癌内 镜超声早期诊断的准确性。本专利技术解决其技术问题所采用的技术方案是提供一种计算机辅助判别胰腺癌超 声内镜图像的方法，包括下列步骤(1)在微型高频超声探头顶端安置内镜，得到内镜超声图像，将其以Windows位图 格式BMP形式保存；(2)根据ROIs，截取矩形子图，提取每一个ROIs中用于胰腺EUS图像分类的纹理 特征，并由计算机进行筛选；(3)选取类间距最大的特征作为初步筛选得到的特征组合，然后选用顺序前进搜 索算法进行特征选择；(4)根据图像中提取的特征，通过分类器支撑向量机将图像进行自动分类，并计算 其敏感性、特异性、阳性预测值、阴性预测值和准确率。所述的纹理特征提取是根据ROIs进行纹理分析，提取9大类、69个特征用于模式 分类特征，同时各特征做归一化，所述的9大类特征包括一阶统计量特征、灰度共生矩阵特 征、灰度差统计特征、领域灰度差矩阵特征、Laws纹理测量特征、分形特征、Fourier功率谱 特征、不变矩特征和小波特征。所述的类间距最大选取25个特征作为初始特征，在所述的25个特征中选取12个 特征为灰度共生矩阵特征包括能量、对比度、协方差、均值和、方差和、熵和、三阶矩、一致 性，分形特征包括分形维数特征、二阶多重分形维数特、Laws纹理能量测度特征。所述的一阶统计量特征包括1)均值；2)标准偏差；3)平滑度；4)三阶矩；5)四阶 矩；6) 一致性；7)熵。所述的灰度共生矩阵特征包括1)能量；2)对比度；3)自相关；4)相关；5)协方 差；6)逆差矩；7)熵；8)均值和；9)方差和；10)熵和；11)差的方差；12)差商；13)三阶矩； 14)四阶矩；15) 一致性；16)绝对值；17)最大概率。所述的灰度差统计特征使用图像局部灰度值的一阶统计量。所述的邻域灰度差矩阵特征包括1)粗糙度；幻对比度；幻稀疏度；4)复杂度；5) 纹理力度。所述的Laws纹理能量测度特征选用LL，EE, LE, ES, LS为核，求取滤波后图像能量 作为纹理特征。所述的分形特征选用分形维数特征和多重分形维数特征，由差分盒子计数法估 计。所述的Fourier功率谱特征采用离散傅立叶变换的轴向和与角度和并将其用于 纹理特征。所述的不变矩特征提取对平移、缩放、镜像和旋转都不敏感的7个二维不变矩作 为纹理特征。所述的小波特征对图像做3层离散小波变换，提取各子图的熵和统计量作为纹理 特征。有益效果本专利技术通过提取内镜超声图像的纹理特征和分类器实现，创建各种客观、量化的 诊断指标以及正确的描述解释内镜超声图像的方法，提高胰腺癌内镜超声早期诊断的准确 性。附图说明图1为本专利技术流程示意图。 具体实施例方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术 而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人 员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。本专利技术包括下列步骤(1)在微型高频超声探头顶端安置内镜，得到内镜超声图像，将其以Windows位图 格式BMP形式保存；(2)根据ROIs，截取矩形子图，提取每一个ROIs中用于胰腺EUS图像分类的纹理 特征，并由计算机进行筛选；(3)选取类间距最大的特征作为初步筛选得到的特征组合，然后选用顺序前进搜 索算法进行特征选择；(4)根据图像中提取的特征，通过分类器支撑向量机将图像进行自动分类，并计算 其敏感性、特异性、阳性预测值、阴性预测值和准确率。所述的纹理特征提取是根据ROIs进行纹理分析，提取9大类、69个特征用于模式 分类特征，同时各特征做归一化，所述的9大类特征包括一阶统计量特征、灰度共生矩阵特 征、灰度差统计特征、领域灰度差矩阵特征、Laws纹理测量特征、分形特征、Fourier功率谱 特征、不变矩特征和小波特征。所述的类间距最大选取25个特征作为初始特征，在所述的25个特征中选取12个 特征为灰度共生矩阵特征包括能量、对比度、协方差、均值和、方差和、熵和、三阶矩、一致 性，分形特征包括分形维数特征、二阶多重分形维数特、Laws纹理能量测度特征。所述的一阶统计量特征包括1)均值；幻标准偏差；幻平滑度；4)三阶矩力)四阶 矩；6) 一致性；7)熵。所述的灰度共生矩阵特征包括1)能量；2)对比度；3)自相关；4)相关；5)协方 差；6)逆差矩；7)熵；8)均值和；9)方差和；10)熵和；11)差的方差；12)差商；13)三阶矩； 14)四阶矩；15) 一致性；16)绝对值；17)最大概率。所述的灰度差统计特征使用图像局部灰度值的一阶统计量。所述的邻域灰度差矩阵特征包括1)粗糙度；幻对比度；幻稀疏度；4)复杂度；5) 纹理力度。所述的Laws纹理能量测度特征选用LL，EE, LE, ES, LS为核，求取滤波后图像能量 作为纹理特征。所述的分形特征选用分形维数特征和多重分形维数特征，由差分盒子计数法估 计。所述的Rmrier功率谱特征采用离散傅立叶变换的轴向和与角度和并将其用于 纹理特征。所述的不变矩特征提取对平移、缩放、镜像和旋转都不敏感的7个二维不变矩作 为纹理特征。所述的小波特征对图像做3层离散小波变换，提取各子图的熵和统计量作为纹理 特征。将216例病例随机划分为训练集和测试集，训练集108例(癌症76例，非本文档来自技高网...

【技术保护点】
１．一种计算机辅助判别胰腺癌超声内镜图像的方法，包括下列步骤：（１）在微型高频超声探头顶端安置内镜，得到内镜超声图像，将其以Ｗｉｎｄｏｗｓ位图格式ＢＭＰ形式保存；（２）根据ＲＯＩｓ，截取矩形子图，提取每一个ＲＯＩｓ中用于胰腺ＥＵＳ图像分类的纹理特征，并由计算机进行筛选；（３）选取类间距最大的特征作为初步筛选得到的特征组合，然后选用顺序前进搜索算法进行特征选择；（４）根据图像中提取的特征，通过分类器支撑向量机将图像进行自动分类，并计算其敏感性、特异性、阳性预测值、阴性预测值和准确率。

【技术特征摘要】

【专利技术属性】
技术研发人员：张敏敏，金震东，李兆申，蔡哲元，吴仪俊，余建国，
申请(专利权)人：中国人民解放军第二军医大学，
类型：发明
国别省市：31