The present invention relates to a computer-aided reference system and method for fusing multimodal breast images. The steps are as follows: image preprocessing of breast ultrasound and molybdenum target images of the same patient; using pre-processed breast ultrasound and molybdenum target images as input, obtaining the region of mass in breast image, obtaining the region of interest of ultrasound image and the region of interest of mammography target image; The texture and depth features of regions of interest of mammary ultrasound image and mammography target image were extracted. The texture and depth features of GLCM, LBP, HIS and CNN were fused in series to construct a texture-depth fusion feature model. The benign and malignant breast masses were classified with the texture-depth fusion feature model as input and the regularization limit learning machine. The method uses regularized limit learning machine to classify benign and malignant breast masses, realizes the judgement of the nature of breast masses based on clinical needs, and provides objective reference basis for doctor's diagnosis.
【技術(shù)實現(xiàn)步驟摘要】
一種融合多模態(tài)乳腺圖像的計算機輔助參考系統(tǒng)及方法
本專利技術(shù)涉及一種醫(yī)學(xué)圖像后處理
，具體為一種融合多模態(tài)乳腺圖像的計算機輔助參考系統(tǒng)及方法。
技術(shù)介紹
乳腺癌是女性常見惡性腫瘤之一，其發(fā)病率位居女性惡性腫瘤首位，但其死亡率與肺癌相比相對較低，這主要歸功于乳腺癌的早期診斷與合理治療。臨床檢查乳腺癌有多種方式，其中超聲診斷儀和鉬靶X線機成像清晰、操作方便，是常用的乳腺癌篩查手段。由于超聲和鉬靶設(shè)備成像原理不同，二者具有不同的圖像特點，超聲影像中囊性和實性腫塊顯示清晰，鉬靶影像對鈣化點成像十分靈敏，所以醫(yī)生往往同時參考患者的乳腺超聲和鉬靶圖像，綜合多模態(tài)的醫(yī)學(xué)影像信息診斷乳腺癌。近年來，大量學(xué)者根據(jù)醫(yī)生臨床診斷結(jié)果，從統(tǒng)計學(xué)角度分析驗證了超聲與鉬靶相結(jié)合的診斷方式可以提高乳腺癌診斷的準(zhǔn)確率。隨著計算機技術(shù)的飛速發(fā)展，利用計算機提供的客觀參考信息輔助醫(yī)生檢查疾病已成為研究的熱點，但是對于多模態(tài)影像提供的計算機輔助參考信息的研究尚屬未深入進行，研究人員沒有充分考慮超聲和鉬靶的影像特點，首先，現(xiàn)有研究是對超聲和鉬靶使用相同的圖像預(yù)處理方法即去噪增強等，但實際上，超聲鉬靶圖像成像原理、圖像特點不同，應(yīng)該區(qū)別對待，即使用不同的方法圖像預(yù)處理(包括去噪增強)；其次，現(xiàn)有關(guān)于多模態(tài)的文獻里，沒有進行感興趣區(qū)域(RegionofInterest,ROI)提取，或者ROI由醫(yī)生提供，而實際上，在計算機輔助檢查的過程中，獲取ROI區(qū)域可以更準(zhǔn)確地定位腫塊位置，從而為醫(yī)生提供更準(zhǔn)確的輔助參考信息；第三，關(guān)于特征，紋理特征是廣泛常用的計算機提取特征，深度特征最近幾年開始應(yīng)用，類...
【技術(shù)保護點】
1.一種融合多模態(tài)乳腺圖像的計算機輔助參考系統(tǒng)，其特征在于：包括圖像預(yù)處理單元、感興趣區(qū)域提取單元、紋理特征及深度特征提取單元、融合特征建模單元以及乳腺腫塊分類單元，其中：圖像預(yù)處理單元，對乳腺超聲和鉬靶圖像進行預(yù)處理，包括圖像去噪和圖像增強；感興趣區(qū)域提取單元，對在圖像預(yù)處理單元中預(yù)處理后的超聲圖像和鉬靶圖像中獲取乳腺腫塊感興趣區(qū)域；紋理特征及深度特征提取單元，從腫塊感興趣區(qū)域中提取圖像特征，包括GLCM、LBP、HIS紋理特征以及CNN深度特征；融合特征建模單元，通過特征融合器，將提取的不同特征以串聯(lián)的方式，構(gòu)建紋理?深度融合特征模型；乳腺腫塊分類單元，根據(jù)構(gòu)建的紋理?深度融合特征模型，使用正則化極限學(xué)習(xí)機對乳腺腫塊進行良惡性分類。
【技術(shù)特征摘要】
1.一種融合多模態(tài)乳腺圖像的計算機輔助參考系統(tǒng)，其特征在于：包括圖像預(yù)處理單元、感興趣區(qū)域提取單元、紋理特征及深度特征提取單元、融合特征建模單元以及乳腺腫塊分類單元，其中：圖像預(yù)處理單元，對乳腺超聲和鉬靶圖像進行預(yù)處理，包括圖像去噪和圖像增強；感興趣區(qū)域提取單元，對在圖像預(yù)處理單元中預(yù)處理后的超聲圖像和鉬靶圖像中獲取乳腺腫塊感興趣區(qū)域；紋理特征及深度特征提取單元，從腫塊感興趣區(qū)域中提取圖像特征，包括GLCM、LBP、HIS紋理特征以及CNN深度特征；融合特征建模單元，通過特征融合器，將提取的不同特征以串聯(lián)的方式，構(gòu)建紋理-深度融合特征模型；乳腺腫塊分類單元，根據(jù)構(gòu)建的紋理-深度融合特征模型，使用正則化極限學(xué)習(xí)機對乳腺腫塊進行良惡性分類。2.根據(jù)權(quán)利要求1所述的融合多模態(tài)乳腺圖像的計算機輔助參考系統(tǒng)，其特征在于：所述圖像預(yù)處理單元包括超聲圖像去噪器、超聲圖像增強器、鉬靶圖像去噪器、鉬靶圖像增強器以及鉬靶圖像胸肌去除器，其中超聲圖像去噪器，對超聲圖像FU去噪，得到去噪后圖像FUdenoise；超聲圖像增強器，對去噪后的超聲圖像FUdenoise進行圖像增強，得到圖像FUenhance；鉬靶圖像去噪器，對鉬靶圖像FM去噪，得到去噪后圖像FMdenoise；鉬靶圖像增強器，對去噪后的鉬靶圖像FMdenoise進行圖像增強，得到圖像FMenhance；鉬靶圖像胸肌去除器，對鉬靶MLO視圖進行胸肌去除，以圖像FMenhance為輸入，得到去除胸肌的圖像FMmuscle。3.根據(jù)權(quán)利要求1所述的融合多模態(tài)乳腺圖像的計算機輔助參考系統(tǒng)，其特征在于：所述感興趣區(qū)域提取單元包括超聲感興趣區(qū)域提取器、鉬靶子區(qū)域劃分器、鉬靶子區(qū)域篩選器、鉬靶子區(qū)域特征提取器以及鉬靶子區(qū)域聚類器，其中，超聲感興趣區(qū)域提取器，從預(yù)處理后的超聲圖像中獲取腫塊感興趣區(qū)域FUroi；鉬靶子區(qū)域劃分器，將預(yù)處理后的整幅鉬靶圖像劃分成若干個大小相等的正方形子區(qū)域(I1,I2,I3,L,Im)；鉬靶子區(qū)域篩選器，對子區(qū)域進行篩選，去掉位于圖像背景和乳腺邊界的子區(qū)域，只保留位于乳腺內(nèi)部的子區(qū)域(I1,I2,I3,L,In)；n<m；鉬靶子區(qū)域特征提取器，對保留的子區(qū)域進行特征提取，獲取特征向量(t1,t2,t3,t4,t5)；鉬靶子區(qū)域聚類，獲取鉬靶圖像中腫塊感興趣區(qū)域FMroi，根據(jù)提取的特征，使用模糊C均值聚類的方法對子區(qū)域聚類，獲取乳腺鉬靶圖像的感興趣區(qū)域。4.根據(jù)權(quán)利要求1所述的融合多模態(tài)乳腺圖像的計算機輔助參考系統(tǒng)，其特征在于：所述紋理特征及深度特征提取單元包括：GLCM紋理特征提取器、LBP紋理特征提取器、HIS紋理特征提取器以及CNN深度特征提取器，其中：GLCM紋理特征提取器，使用灰度共生矩陣方法提取特征，得到GLCM紋理特征(...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王之瓊，黃玉坤，信俊昌，任捷，張倩倩，李默，
申請(專利權(quán))人：東北大學(xué)，
類型：發(fā)明
國別省市：遼寧,21
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。