[发明专利]一种基于超声图像的乳腺肿瘤区域自动识别方法

摘要

本发明公开了一种基于超声图像的乳腺肿瘤区域自动识别方法，包含以下步骤：获取乳腺超声图像，并对其进行预处理；使用图像分割算法对预处理后的超声图像进行分割，得到多个分割子区域；提取超声图像的灰度直方图、纹理特征、梯度特征、形态特征，再加上二维位置信息，得到高维度的特征向量；对高维度的特征向量，通过基于双聚类的特征排序和选择方法来选取最有效的特征子集；选择出最有效的特征子集后，使用分类器对其进行学习分类，即可自动识别乳腺肿瘤区域。本发明的方法，可以从乳腺肿瘤超声图像的分割结果中自动识别出肿瘤区域，从而提高计算机辅助诊断的自动化性能，减少临床医生的手工操作，降低临床医生的主观影响。

主权项

一种基于超声图像的乳腺肿瘤区域自动识别方法，其特征在于，包含以下顺序的步骤：S1.获取乳腺超声图像，并对其进行预处理；S2.使用图像分割算法对预处理后的超声图像进行分割，得到多个分割子区域；S3.提取超声图像的灰度直方图、纹理特征、梯度特征、形态特征，再加上二维位置信息，得到高维度的特征向量；S4.对高维度的特征向量，通过基于双聚类的特征排序和选择方法来选取最有效的特征子集，具体包括以下步骤：(1)提取双聚类种子点：对每一单独列内的元素做聚类，每一个聚类的结果都被看做一个双聚类的种子点；对于给定的一个R行C列的数据矩阵，应用一种凝聚分等级聚类算法到目标矩阵的每一列；(2)启发式构造双聚类：利用一种启发式的方法对第一步中提取的双聚类种子点做扩展，根据预先设定的准则构造双聚类；(3)消除冗余的双聚类：首先，对双聚类集合按照每个双聚类包含的列数目升序排序；然后，从包含最少列数目的双聚类开始迭代，检测它是否属于排在后面的双聚类的子集，如果是，则消除该双聚类；(4)特征排序和选择：对数据矩阵提取出双聚类之后，需要从这些双聚类中提取出能够衡量各个特征的信息，即计算出每个特征相应的双聚类分值，分值越高，表明该特征越能表达该数据集，与其它特征的联系越紧密，然后根据所需要的特征数目选择出分值最高的特征子集，即为最有效的特征子集；S5.选择出最有效的特征子集后，使用分类器对其进行学习分类，即可达到乳腺肿瘤区域自动识别的目的。