基于数据挖掘的肝病CT图像计算机辅助诊断系统及方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108805858A(43)申请公布日2018.11.13(21)申请号201810313764.4G16H50/20(2018.01)(22)申请日2018.04.10(71)申请人燕山大学地址066004河北省秦皇岛市海港区河北大街西段438号(72)发明人童凯周伟王允轩孙家儒汪梅婷(74)专利代理机构秦皇岛一诚知识产权事务所(普通合伙)13116代理人李合印(51)Int.Cl.G06T7/00(2017.01)G06T7/12(2017.01)G06T7/45(2017.01)G16H30/20(2018.01)权利要求书2页说明书7页附图3页(54)发明名称基于数据挖掘的肝病CT图像计算机辅助诊断系统及方法(57)摘要本发明公开了一种基于数据挖掘的肝病CT图像计算机辅助诊断系统及方法。所述系统包括输入模块、纹理特征提取模块、分类诊断识别模块和输出模块。所述方法采用所述系统，其内容包括：预先对腹部CT图像进行轮廓分割和提取，并标记好正常肝脏CT、肝囊肿、肝癌，将预处理后的图像导入到所述系统中；图像纹理特征提取模块对导入图像进行图像纹理分析，获取CT图像中的13维灰度共生纹理特征；分类诊断模块内存储已经证实的肝癌、肝囊肿图像纹理特征以及正常肝图像肝脏纹理特征构成的数据库，根据数据库建立诊断模型，将输入的肝脏CT图像纹理特征代入诊断模型分类器中进行处理，得到诊断结果以及准确度。CN108805858ACN108805858A权利要求书1/2页1.一种基于数据挖掘的肝病CT图像计算机辅助诊断系统，其特征在于：所述系统包括有依次连接的输入模块、纹理特征提取模块、分类诊断识别模块和输出模块；所述输入模块是用于导入经过轮廓分割和提取的肝部CT图像；所述图像纹理特征提取模块是用于对提取的肝部CT图像进行一系列图像纹理分析，获得目标图像的图像特征，所述图像特征为9维灰度共生纹理特征；所述分类诊断模块，该模块内包括分类器和存有多例病理确诊的肝癌、肝囊肿以及正常肝脏CT图像纹理特征的数据库，所述分类诊断模块根据已有数据库训练好的诊断模型，对输入的图像纹理特征进行统计分析以及分类判断；所述输出模块是用于将分类统计结果输出显示并生成报告，统计结果包括分类判断结果和准确度统计指标。2.一种基于数据挖掘的肝病CT图像计算机辅助诊断方法，其特征在于：该方法采用所述基于数据挖掘的肝病CT图像计算机辅助诊断系统，其内容主要包括以下步骤：(1)预先对腹部CT图像进行轮廓分割和提取，并标记好正常肝脏CT、肝囊肿、肝癌，将预处理后的图像导入到所述系统中；(2)图像纹理特征提取模块对导入图像进行图像纹理分析，获取CT图像中的13维灰度共生纹理特征；(3)分类诊断模块内存储已经证实的肝癌、肝囊肿图像纹理特征以及正常肝图像肝脏纹理特征构成的数据库，根据数据库建立诊断模型，将输入的肝脏CT图像纹理特征代入诊断模型分类器中进行处理，得到诊断结果以及准确度。3.根据权利要求2所述的一种基于数据挖掘的肝病CT图像计算机辅助诊断方法，其特征在于：在步骤(1)中，所述对腹部CT图像进行轮廓分割和提取，其过程为：首先对图像进行切割得到ROI,然后对于感兴趣的区域进行填充和去除噪声的处理，采用中值滤波法去除噪声，采用直方图均衡化方法进行图像增强；并对CT图像进行256级灰度转换，而后存储为double类型，最后进行16级灰度压缩，将所有提取的ROI图像构成肝脏CT图像集。4.根据权利要求2所述的一种基于数据挖掘的肝病CT图像计算机辅助诊断方法，其特征在于：在步骤(2)中，所述获取CT图像中的13维灰度共生纹理特征，获取其中9维灰度共生纹理特征的过程为：在图像中任取一像素点A(x，y)，然后获得与像素点A距离为d的另一个像素点B(x+a，y+b)，像素点A和像素点B形成一个点对，记录这一点对的灰度值(i，j)，固定a和b的值，使像素点A(x，y)在图像上移动，获得多种像素点对组合，Ng为图像灰度级别值，i∈[0，Ng-1]，j∈[0，Ng-1]，改变d和θ，θ为像素点对连线与水平线的夹角，统计图像中的像素点对的灰度值，构成灰度共生矩阵P(i，j，θ，d)，其中#{x}是集合x中的所有元素的个数；然后根据灰度共生矩阵提取9维纹理特征，分别为对比度、逆差矩、相关性、熵、角二阶矩、共生和均值、共生和的熵、共生和差值以及共生差的熵。5.根据权利要求2所述的一种基于数据挖掘的肝病CT图像计算机辅助诊断方法，其特征在于：在步骤(3)中，所述根据数据库建立诊断模型，建立诊断模型的过程为：从数据库内选取n个纹理特征数据样本作为训练样本集，用训练样本集对分类器进行训练，其中n为正整数，且为整个数据库样本集的1/2，并将数据