[发明专利]一种甲状腺结节CT图像诊断系统设计方法

摘要

本发明公开了一种甲状腺结节CT图像诊断系统设计方法。该系统的成像设备模块用于获取病人的甲状腺结节CT图像；特征提取模块用于将甲状腺结节CT图像进行图像纹理特征提取，获取多维度纹理特征集，然后输出至基于GEP算法的分类器模块；基于GEP算法的分类器模块用于提取模块获得的甲状腺结节CT图像新特征集并输出至推理机模块；推理机模块参考从数据库获取先验信息，对甲状腺结节CT图像的病理特征进行推理分析；数据库模块用于存贮先验信息并接收已被确认后的甲状腺结节医学特征数据。本发明具有肿瘤医学图像实时分析效果好、自动化程度高、准确度高的特点，并具有定量分析能力。

主权项

一种甲状腺结节CT图像诊断系统设计方法，该系统包括以下模块：成像设备模块：其用于获取病人的甲状腺结节CT图像；特征提取模块：其用于将甲状腺结节CT图像进行滤波降噪处理，然后分割图像轮廓，得到甲状腺结节图像集，然后对甲状腺结节图像集进行图像纹理特征提取，获取甲状腺结节图像中的多维度纹理特征集，然后输出至基于GEP算法的分类器模块；基于GEP算法的分类器模块：其用于采用GEP算法将特征提取模块获得的甲状腺结节CT图像多维度纹理特征集进行处理，以获得新特征集并输出至推理机模块；该模块的新特征集产生过程包括以下步骤：步骤一：设置甲状腺结节CT图像多维度纹理特征集的种群大小N、子种群大小M、最大评价次数、基因长度、基因个数、变异概率、插串概率、插串长度以及重组概率，并将甲状腺结节CT图像多维度纹理特征集数据定义为初始种群Pt＝{X1，X2，…，Xn}，其中n为甲状腺结节CT图像纹理特征集的维度数，计算初始种群中每个个体的适应度fi；步骤二：对种群Pt中的N个个体执行基因表达式编程的选择、变异、插串以及重组，生成M个新个体，并将M个新个体组成子种群Ot，计算Ot中的每个个体的适应度，其中适应度最大的个体为最优个体；步骤三：将种群Pt中的N个个体和子种群Ot中的M个个体组成临时种群Pt’，计算临时种群Pt’中的每个个体的适应度，然后删除临时种群Pt’中适应度最大的前M个个体，得到由N个个体组成的新一代种群Pt+1；步骤四：重复步骤二至步骤三直至达到最大评价次数后结束，其中最大评价次数为500，结束时得到的新一代种群Pt+1即为甲状腺结节CT图像的新特征集；推理机模块：其用于接收基于GEP算法的分类器输出的甲状腺结节CT图像的新特征集，参考从数据库获取的已被病理证实的甲状腺良恶性结节CT图像纹理特征数据样本和病人的在线信息，采用贝叶斯推理规则对甲状腺结节CT图像的病理特征进行推理分析，得出判定结论并反馈给医生，由医生确认后将该甲状腺结节CT图像医学特征存入数据库模块；所述的病人的在线信息包括病人当前的血压、心率、血氧饱和度；数据库模块：其用于存贮已被病理证实的甲状腺良恶性CT结节图像纹理特征数据样本和用户的在线信息，并向推理机模块输送；接收已被医生确认后的甲状腺结节CT图像医学特征数据。