一種輕量型切口疝補片三維超聲圖像特征提取方法技術

本發明專利技術屬于圖像處理技術領域，具體為一種輕量型切口疝補片三維超聲圖像特征提取方法。本發明專利技術首先使用紋理特征萃取算法自動量化提取自動化三維乳腺超聲（ABUS）圖像的三維感興趣容積（VOI）中待分類區域的相關紋理特征參數，以便用于對補片和筋膜的區分；然后針對二維紋理參數對切口疝補片術后卷曲、收縮等空間變換較為敏感的問題，引入了三維紋理參數和三維位置參數來提高輕量型補片分類識別算法的魯棒性；最后使用類間距算法和順序前進搜索法來進行特征選擇。本發明專利技術方法特征選擇效果好，效率高，能夠有效提高輕量型切口疝補片三維超聲圖像的分類精度，便于自動分類識別。

A three-dimensional feature extraction method for light weighted incisional hernia patches

The invention belongs to the technical field of image processing, in particular to a light weight type incisional hernia patch three-dimensional ultrasonic image feature extraction method. The invention firstly uses texture feature extraction algorithm of automatic quantitative extraction of automatic 3D breast ultrasound (ABUS) three-dimensional image volume (VOI) in the interest to be related to texture feature parameter classification area, in order to distinguish between the patch and fascia; then the 2D texture parameters of incisional hernia repair surgery, crimp contraction of space transform is a sensitive problem, robust introduces 3D texture parameters and 3D position parameters to improve the lightweight patch classification algorithm; finally using class distance algorithm and sequential forward search method for feature selection. The method of the invention has the advantages of good feature selection effect and high efficiency, and can effectively improve the classification accuracy of the three-dimensional ultrasound images of light cut incisional hernia patches, and is convenient for automatic classification and recognition.

【技術實現步驟摘要】
一種輕量型切口疝補片三維超聲圖像特征提取方法
本專利技術屬于圖像處理
，具體涉及一種輕量型切口疝補片三維超聲圖像特征提取方法。
技術介紹
輕量型補片厚度通常不足0.5mm，編織孔徑在3mm以上，異物殘留量很小，導致其回聲信號較弱，在成像結果中的線條狀高回聲像不夠明顯。同時，在腹壁疝修補術中，輕量型補片可以被放置于腹壁筋膜前(Onlay)、肌間(Inlay)、筋膜與腹膜間的空隙(Sublay)和腹腔內的腹膜內壁(IPOM)四個與腹壁解剖結構層次相關的位置(如圖2所示)，而所有植入位置都較為靠近筋膜組織。然而，在HHUS(hand-heldultrasound,二維手持超聲)的剖面視圖(橫斷面和/或矢狀面)中，由于輕量型補片和筋膜組織通常都顯示為一個線狀的高回聲區域[9]。因此，HHUS剖面視圖的條狀紋理特征所反映的是輕量型補片和筋膜組織相互重疊的混合紋理屬性。筋膜可以看作是輕量型補片鑒別時的解剖學噪聲，不僅有害于人工檢測，更大大降低了該條狀紋理在計算機圖像識別時對筋膜和輕量型補片的鑒別診斷價值。由于HHUS圖像中輕量型補片和筋膜組織相互重疊，因此很難將輕量型補片從其周圍的筋膜組織中區分出來。然而，ABUS(automated3-Dbreastultrasound，自動化三維乳腺超聲)通過其冠狀面(手術平面)為輕量型補片的鑒別提供了額外的診斷信息，新的冠狀面視圖能夠從筋膜組織中分離出輕量型補片，從而呈現出了顯著的輕量型補片網孔紋理可視化。因此，ABUS提供了有選擇性地分析輕量型補片冠狀面紋理特征的可能性，具有提供更加準確的特征參數來描繪網孔紋理的潛能，能夠從本質上為輕量型補片的識別提供更準確的特征參數。
技術實現思路
本專利技術的目的在于提出一種輕量型切口疝補片三維超聲圖像特征提取方法，以便能夠準確地提取輕量型切口疝補片三維超聲圖像特征，便于后續處理過程中自動分類識別。本專利技術提出的輕量型切口疝補片三維超聲圖像特征提取方法，首先使用紋理特征萃取算法自動量化提取ABUS圖像的VOI(volumeofinterest，感興趣容積)中待分類區域的相關紋理特征參數，以便用于對補片和筋膜的區分；然后針對二維紋理參數對切口疝補片術后卷曲、收縮等空間變換較為敏感的問題，引入了三維紋理參數和三維位置參數，來提高輕量型補片分類識別算法的魯棒性；最后使用類間距算法和順序前進搜索法來進行特征選擇。本專利技術的具體步驟如下：S1：構建一個ABUS冠狀面的2-D(two-dimensional，二維)前景掩模；S2：提取VOI；S3：對VOI圖像進行預處理操作；S4：經過預處理之后，給定一組VOI的待分類區域，逐一對每個待分類區域進行特征提取，對每一個待分類區域總共提取40項特征；S5：對提取的40項特征進行特征選擇，最終選取11個使輕量型補片和筋膜的分類誤差達到最小的特征作為特征組合。下面就本專利技術方法中步驟涉及的相關技術細節作進一步的具體描述：1.步驟S1中，所述構建一個冠狀面的2-D前景掩模，其步驟為：S1.1：將所有位于0.5至0.9倍掃描總深度的ABUS冠狀面切片C1-Cn取出，對所有C1-Cn圖像中相同位置的像素點做均值處理，得到一張冠狀面均值圖像Cmean；S1.2：使用Otsu算法對圖像Cmean進行閾值處理，得到二值圖像Cbinary；S1.3：采用形態學開運算對Cbinary圖像中的連通區域進行邊界平滑處理，并對其最大白色連通區域中由病灶或陰影造成的黑色空洞進行填充，得到冠狀面2-D前景掩模圖像Cmask。2.步驟S2中，所述提取VOI，其步驟為：S2.1：從ABUS冠狀面掩模圖像Cmask左上角開始，將圖像等分為50×50像素的圖像塊；當在右邊界和下邊界處遇到像素不足無法分塊時，則添加適當黑色區域；S2.2：將所有全黑圖像塊(所有像素點的二值化取值之和為0)的冠狀面位置特征置為0，將所有與前景掩模邊界相交的圖像塊(所有像素點的二值化取值之和在1至49之間)的冠狀面位置特征置為1，將所有全白圖像塊(所有像素點的二值化取值之和為50)的冠狀面位置特征置為2；S2.3：逐一將所有冠狀面位置特征不為0的圖像塊選取為當前ROI(regionofinterest，當前感興趣區域)；使用所有與ROI相關的ABUS橫斷面和矢狀面圖像區域，將2-D的ROI擴展為3-D的VOI；逐一將當前VOI送入后續特征提取模塊，直至完成對所有VOI的遍歷。3.步驟S3中，所述對VOI圖像進行預處理操作，其步驟為：S3.1：使用3-DISRAD(intelligentspecklereducinganisotropicdiffusion，智能斑點降噪各向異性擴散)算法[1]對自動提取出的VOI進行三維濾波處理，以盡量濾除ABUS圖像同質區域中所含的斑點噪聲而不破壞例如輕量型補片網狀紋理等細節特征；S3.2：使用Otsu算法[8]對位于VOI中心的單幀橫斷面圖像做二值化處理，得到備選白色連通區域；S3.3：使用開運算刪除二值圖像中所有面積小于15像素的白色連通區域；S3.4：萃取出每個白色連通區域的最小外切邊界框，計算出邊界框的寬度、高度和頂點坐標；S3.5：刪除邊界框的寬度<15像素的白色連通區域；S3.6：對所有剩余白色連通區域進行編號標注，以作為待分類區域。4.步驟S4中，所述逐一對每個待分類區域進行特征提取，其步驟為：S4.1：提取待分類區域的2-D紋理特征；S4.2：提取待分類區域的3-D紋理特征；S4.3：提取待分類區域所處掃描深度的局部特征，以一個基于待分類區域所處掃描深度即ABUS的Y-方向的局部特征fdepth來表征補片的出現幾率；S4.4：提取待分類區域與疝囊位置關系的環境特征，以一個基于待分類區域與疝囊位置關系的位置參數fadjacency來表征補片的出現幾率。這里主要使用已被理論證明有效并得到廣泛應用的GLCM(graylevelco-occurrencematrix，灰度共生矩陣)[2]來將待分類區域圖像中的灰度值轉化為紋理信息。同時，針對輕量型補片在冠狀面會呈現出顯著的網狀紋理的特點，還加入了較適合于網狀紋理分析的FD(fractaldimension，分形維數)[3]特征。針對輕量型補片在術后可能會出現的具有空間變換特征的收縮、卷曲等的臨床現象，還進一步引入了3-DGLCM[4]和3-DFD[5]以提取待分類區域的三維紋理特征。針對ABUS掃描屬性和切口疝補片植入位置特性，還提出了兩項待分類區域的位置特征(即局部特征和環境特征對應)。綜上，總共使用40項參數來對每個待分類區域進行特征表述。其中，包括25項2-D紋理特征，13項3-D紋理特征，1項基于待分類區域所處掃描深度的局部特征，1項基于待分類區域與疝囊位置關系的環境特征。5.步驟S4.1中，所述提取待分類區域的2-D紋理特征，分兩步進行：第一步，計算待分類區域橫斷面單幀切片的12項2-DGLCM紋理特征。首先，提取出VOI中心的單幀橫斷面降噪圖像；其次，對每個待分類區域在掃描深度方向做上下5像素的區域擴展；接著，分割出每個待分類區域的橫斷面單幀切片；最后，對該單幀切片計算12項描述符，作為該待分類區域橫斷面單幀切片的2-DGLCM紋理特征；第二步，計算待本文檔來自技高網...

【技術保護點】
一種輕量型切口疝補片三維超聲圖像特征提取方法，其特征在于，包括以下步驟：S1：構建一個ABUS冠狀面的二維（2?D）前景掩模；S2：提取VOI；S3：對VOI圖像進行預處理操作；S4：對給定一組VOI的待分類區域，可對每個待分類區域提取40項特征；S5：對提取的40項特征進行選擇，最終選取使輕量型補片和筋膜的分類誤差達到最小的特征作為特征組合；步驟S1中，所述構建一個冠狀面的2?D前景掩模的具體步驟為：S1.1：將所有位于0.5至0.9倍掃描總深度的ABUS冠狀面切片

【技術特征摘要】
1.一種輕量型切口疝補片三維超聲圖像特征提取方法，其特征在于，包括以下步驟：S1：構建一個ABUS冠狀面的二維（2-D）前景掩模；S2：提取VOI；S3：對VOI圖像進行預處理操作；S4：對給定一組VOI的待分類區域，可對每個待分類區域提取40項特征；S5：對提取的40項特征進行選擇，最終選取使輕量型補片和筋膜的分類誤差達到最小的特征作為特征組合；步驟S1中，所述構建一個冠狀面的2-D前景掩模的具體步驟為：S1.1：將所有位于0.5至0.9倍掃描總深度的ABUS冠狀面切片C1-Cn取出，對所有C1-Cn圖像中相同位置的像素點做均值處理，得到一張冠狀面均值圖像Cmean；S1.2：使用Otsu算法對圖像Cmean進行閾值處理，得到二值圖像Cbinary；S1.3：采用形態學開運算對Cbinary圖像進行處理，得到冠狀面2-D前景掩模圖像Cmask。2.根據權利要求1所述的輕量型切口疝補片三維超聲圖像特征提取方法，其特征在于，步驟S2中，所述提取VOI的具體步驟為：S2.1：從ABUS冠狀面掩模圖像Cmask左上角開始，將圖像等分為50×50像素的圖像塊；S2.2：將所有全黑圖像塊的冠狀面位置特征置為0，將所有與前景掩模邊界相交的圖像塊的冠狀面位置特征置為1，將所有全白圖像塊的冠狀面位置特征置為2；S2.3：逐一將所有冠狀面位置特征不為0的圖像塊選取為當前感興趣區域（ROI）；使用所有與ROI相關的ABUS橫斷面和矢狀面圖像區域，將2-D的ROI擴展為3-D的VOI；逐一將當前VOI送入后續特征提取模塊，直至完成對所有VOI的遍歷。3.根據權利要求2所述的輕量型切口疝補片三維超聲圖像特征提取方法，其特征在于，步驟S3中，所述對VOI圖像進行預處理操作的具體步驟為：S3.1：使用3-D智能斑點降噪各向異性擴散（ISRAD）算法對自動提取出的VOI進行三維濾波處理；S3.2：使用Otsu算法對位于VOI中心的單幀橫斷面圖像做二值化處理；S3.3：使用開運算刪除二值圖像中所有面積小于15像素的白色連通區域；S3.4：萃取每個白色連通區域的最小外切邊界框，計算出邊界框的寬度、高度和頂點坐標；S3.5：刪除邊界框的寬度<15像素的白色連通區域；S3.6：對所有剩余白色連通區域進行編號標注，以作為待分類區域。4.根據權利要求3所述的輕量型切口疝補片三維超聲圖像特征提取方法，其特征在于，步驟S4中，所述逐一對每個待分類區域進行特征提取的具體步驟為：S4.1：提取待分類區域的2-D紋理特征，分兩步進行；第一步，計算待分類區域橫斷面單幀切片的12項2-D灰度共生矩陣（GLCM）紋理特征；第二步，計算待分類區域冠狀面切片序列的12項2-DGLCM紋理特征和1項2-D分形維數（FD）特征，總共為25項；S4.2：提取待分類區域的3-D紋理特征；對每個待分類區域的容積數據，計算12項3-DGLCM紋理特征和1項3-DFD特征，總共為13項；S4.3：提取待分類區域所處掃描深度的局部特征，以一個基于待分類區域所處掃描深度即ABUS的Y-方向的局部特征fdepth來表征補片的出現幾率；S4.4：提取待分類區域與疝囊位置關系的環境特征，以一個基于待分類區域與疝囊位置關系的位置參數fadjacency來表征補片的出現幾率；所述12項紋理特征，包括2-DGLCM和3-DGLCM，具體為：能量（f1）、對比度（f2）、相關（f3）、方差（f4）、同質性（f5）、均值（f6）、熵（f7）、自相關（f8）、差異性（f9）、集群陰影（f10）、集群突出（f11）和最大概率（f12）。5.根據權利要求4所述的輕量型切口疝補片三維超聲圖像特征提取方法，其特征在于，步驟S5中，所述對提取的40項特征進行特征選擇的具體步驟為：首先，使用類間距法（DBC）分別計算每項特征的類間距；其次，對40個特征的按類間距從大到小排序，選取類間距較大的前25個特征；最后，對初步選出的25個的特征使用順序前進搜索法（SFS）進行選擇，以得到使分類正確率最高的特征組合。6.根據權利要求4所述的輕量型切口疝補片三維超聲圖像特征提取方法，其特征在于，在步驟S4.1中，所述計算待分類區域橫斷面單幀切片的12項2-D灰度共生矩陣（GLCM）紋理特征，具體步驟為：首先，提取出VOI中心的單幀橫斷面降噪圖像；其次，對每個待分類區域在掃描深度方向做上下5像素的區域擴展；接著，分割出每個待分類區域的橫斷面單幀切片；最后，對該單幀切片計算12項描述符，作為該待分類區域橫斷面單幀切片的2-DGLCM紋理特征；所述計算待分類區域冠狀面切片序列的12項2-DGLCM紋理特征，具體步驟為：對于2-DGLCM，二維圖像中的兩個像素點的空間位置差異用位移向量D（φ,d）來描述，d為兩像素點間的距離，φ為兩像素點與坐標軸的夾角；對于一個給定距離d，在4...

【專利技術屬性】
技術研發人員：吳俊，趙柳，徐丹，張學杰，李海燕，張榆鋒，高蓮，
申請(專利權)人：云南大學，
類型：發明
國別省市：云南,53