一种轻量型切口疝补片三维超声图像特征提取方法技术

本发明专利技术属于图像处理技术领域，具体为一种轻量型切口疝补片三维超声图像特征提取方法。本发明专利技术首先使用纹理特征萃取算法自动量化提取自动化三维乳腺超声（ABUS）图像的三维感兴趣容积（VOI）中待分类区域的相关纹理特征参数，以便用于对补片和筋膜的区分；然后针对二维纹理参数对切口疝补片术后卷曲、收缩等空间变换较为敏感的问题，引入了三维纹理参数和三维位置参数来提高轻量型补片分类识别算法的鲁棒性；最后使用类间距算法和顺序前进搜索法来进行特征选择。本发明专利技术方法特征选择效果好，效率高，能够有效提高轻量型切口疝补片三维超声图像的分类精度，便于自动分类识别。

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.

【技术实现步骤摘要】
一种轻量型切口疝补片三维超声图像特征提取方法
本专利技术属于图像处理
，具体涉及一种轻量型切口疝补片三维超声图像特征提取方法。
技术介绍
轻量型补片厚度通常不足0.5mm，编织孔径在3mm以上，异物残留量很小，导致其回声信号较弱，在成像结果中的线条状高回声像不够明显。同时，在腹壁疝修补术中，轻量型补片可以被放置于腹壁筋膜前(Onlay)、肌间(Inlay)、筋膜与腹膜间的空隙(Sublay)和腹腔内的腹膜内壁(IPOM)四个与腹壁解剖结构层次相关的位置(如图2所示)，而所有植入位置都较为靠近筋膜组织。然而，在HHUS(hand-heldultrasound,二维手持超声)的剖面视图(横断面和/或矢状面)中，由于轻量型补片和筋膜组织通常都显示为一个线状的高回声区域[9]。因此，HHUS剖面视图的条状纹理特征所反映的是轻量型补片和筋膜组织相互重叠的混合纹理属性。筋膜可以看作是轻量型补片鉴别时的解剖学噪声，不仅有害于人工检测，更大大降低了该条状纹理在计算机图像识别时对筋膜和轻量型补片的鉴别诊断价值。由于HHUS图像中轻量型补片和筋膜组织相互重叠，因此很难将轻量型补片从其周围的筋膜组织中区分出来。然而，ABUS(automated3-Dbreastultrasound，自动化三维乳腺超声)通过其冠状面(手术平面)为轻量型补片的鉴别提供了额外的诊断信息，新的冠状面视图能够从筋膜组织中分离出轻量型补片，从而呈现出了显著的轻量型补片网孔纹理可视化。因此，ABUS提供了有选择性地分析轻量型补片冠状面纹理特征的可能性，具有提供更加准确的特征参数来描绘网孔纹理的潜能，能够从本质上为轻量型补片的识别提供更准确的特征参数。
技术实现思路
本专利技术的目的在于提出一种轻量型切口疝补片三维超声图像特征提取方法，以便能够准确地提取轻量型切口疝补片三维超声图像特征，便于后续处理过程中自动分类识别。本专利技术提出的轻量型切口疝补片三维超声图像特征提取方法，首先使用纹理特征萃取算法自动量化提取ABUS图像的VOI(volumeofinterest，感兴趣容积)中待分类区域的相关纹理特征参数，以便用于对补片和筋膜的区分；然后针对二维纹理参数对切口疝补片术后卷曲、收缩等空间变换较为敏感的问题，引入了三维纹理参数和三维位置参数，来提高轻量型补片分类识别算法的鲁棒性；最后使用类间距算法和顺序前进搜索法来进行特征选择。本专利技术的具体步骤如下：S1：构建一个ABUS冠状面的2-D(two-dimensional，二维)前景掩模；S2：提取VOI；S3：对VOI图像进行预处理操作；S4：经过预处理之后，给定一组VOI的待分类区域，逐一对每个待分类区域进行特征提取，对每一个待分类区域总共提取40项特征；S5：对提取的40项特征进行特征选择，最终选取11个使轻量型补片和筋膜的分类误差达到最小的特征作为特征组合。下面就本专利技术方法中步骤涉及的相关技术细节作进一步的具体描述：1.步骤S1中，所述构建一个冠状面的2-D前景掩模，其步骤为：S1.1：将所有位于0.5至0.9倍扫描总深度的ABUS冠状面切片C1-Cn取出，对所有C1-Cn图像中相同位置的像素点做均值处理，得到一张冠状面均值图像Cmean；S1.2：使用Otsu算法对图像Cmean进行阈值处理，得到二值图像Cbinary；S1.3：采用形态学开运算对Cbinary图像中的连通区域进行边界平滑处理，并对其最大白色连通区域中由病灶或阴影造成的黑色空洞进行填充，得到冠状面2-D前景掩模图像Cmask。2.步骤S2中，所述提取VOI，其步骤为：S2.1：从ABUS冠状面掩模图像Cmask左上角开始，将图像等分为50×50像素的图像块；当在右边界和下边界处遇到像素不足无法分块时，则添加适当黑色区域；S2.2：将所有全黑图像块(所有像素点的二值化取值之和为0)的冠状面位置特征置为0，将所有与前景掩模边界相交的图像块(所有像素点的二值化取值之和在1至49之间)的冠状面位置特征置为1，将所有全白图像块(所有像素点的二值化取值之和为50)的冠状面位置特征置为2；S2.3：逐一将所有冠状面位置特征不为0的图像块选取为当前ROI(regionofinterest，当前感兴趣区域)；使用所有与ROI相关的ABUS横断面和矢状面图像区域，将2-D的ROI扩展为3-D的VOI；逐一将当前VOI送入后续特征提取模块，直至完成对所有VOI的遍历。3.步骤S3中，所述对VOI图像进行预处理操作，其步骤为：S3.1：使用3-DISRAD(intelligentspecklereducinganisotropicdiffusion，智能斑点降噪各向异性扩散)算法[1]对自动提取出的VOI进行三维滤波处理，以尽量滤除ABUS图像同质区域中所含的斑点噪声而不破坏例如轻量型补片网状纹理等细节特征；S3.2：使用Otsu算法[8]对位于VOI中心的单帧横断面图像做二值化处理，得到备选白色连通区域；S3.3：使用开运算删除二值图像中所有面积小于15像素的白色连通区域；S3.4：萃取出每个白色连通区域的最小外切边界框，计算出边界框的宽度、高度和顶点坐标；S3.5：删除边界框的宽度<15像素的白色连通区域；S3.6：对所有剩余白色连通区域进行编号标注，以作为待分类区域。4.步骤S4中，所述逐一对每个待分类区域进行特征提取，其步骤为：S4.1：提取待分类区域的2-D纹理特征；S4.2：提取待分类区域的3-D纹理特征；S4.3：提取待分类区域所处扫描深度的局部特征，以一个基于待分类区域所处扫描深度即ABUS的Y-方向的局部特征fdepth来表征补片的出现几率；S4.4：提取待分类区域与疝囊位置关系的环境特征，以一个基于待分类区域与疝囊位置关系的位置参数fadjacency来表征补片的出现几率。这里主要使用已被理论证明有效并得到广泛应用的GLCM(graylevelco-occurrencematrix，灰度共生矩阵)[2]来将待分类区域图像中的灰度值转化为纹理信息。同时，针对轻量型补片在冠状面会呈现出显著的网状纹理的特点，还加入了较适合于网状纹理分析的FD(fractaldimension，分形维数)[3]特征。针对轻量型补片在术后可能会出现的具有空间变换特征的收缩、卷曲等的临床现象，还进一步引入了3-DGLCM[4]和3-DFD[5]以提取待分类区域的三维纹理特征。针对ABUS扫描属性和切口疝补片植入位置特性，还提出了两项待分类区域的位置特征(即局部特征和环境特征对应)。综上，总共使用40项参数来对每个待分类区域进行特征表述。其中，包括25项2-D纹理特征，13项3-D纹理特征，1项基于待分类区域所处扫描深度的局部特征，1项基于待分类区域与疝囊位置关系的环境特征。5.步骤S4.1中，所述提取待分类区域的2-D纹理特征，分两步进行：第一步，计算待分类区域横断面单帧切片的12项2-DGLCM纹理特征。首先，提取出VOI中心的单帧横断面降噪图像；其次，对每个待分类区域在扫描深度方向做上下5像素的区域扩展；接着，分割出每个待分类区域的横断面单帧切片；最后，对该单帧切片计算12项描述符，作为该待分类区域横断面单帧切片的2-DGLCM纹理特征；第二步，计算待本文档来自技高网...

【技术保护点】
一种轻量型切口疝补片三维超声图像特征提取方法，其特征在于，包括以下步骤：S1：构建一个ABUS冠状面的二维（2‑D）前景掩模；S2：提取VOI；S3：对VOI图像进行预处理操作；S4：对给定一组VOI的待分类区域，可对每个待分类区域提取40项特征；S5：对提取的40项特征进行选择，最终选取使轻量型补片和筋膜的分类误差达到最小的特征作为特征组合；步骤S1中，所述构建一个冠状面的2‑D前景掩模的具体步骤为：S1.1：将所有位于0.5至0.9倍扫描总深度的ABUS冠状面切片

【技术特征摘要】
1.一种轻量型切口疝补片三维超声图像特征提取方法，其特征在于，包括以下步骤：S1：构建一个ABUS冠状面的二维（2-D）前景掩模；S2：提取VOI；S3：对VOI图像进行预处理操作；S4：对给定一组VOI的待分类区域，可对每个待分类区域提取40项特征；S5：对提取的40项特征进行选择，最终选取使轻量型补片和筋膜的分类误差达到最小的特征作为特征组合；步骤S1中，所述构建一个冠状面的2-D前景掩模的具体步骤为：S1.1：将所有位于0.5至0.9倍扫描总深度的ABUS冠状面切片C1-Cn取出，对所有C1-Cn图像中相同位置的像素点做均值处理，得到一张冠状面均值图像Cmean；S1.2：使用Otsu算法对图像Cmean进行阈值处理，得到二值图像Cbinary；S1.3：采用形态学开运算对Cbinary图像进行处理，得到冠状面2-D前景掩模图像Cmask。2.根据权利要求1所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，步骤S2中，所述提取VOI的具体步骤为：S2.1：从ABUS冠状面掩模图像Cmask左上角开始，将图像等分为50×50像素的图像块；S2.2：将所有全黑图像块的冠状面位置特征置为0，将所有与前景掩模边界相交的图像块的冠状面位置特征置为1，将所有全白图像块的冠状面位置特征置为2；S2.3：逐一将所有冠状面位置特征不为0的图像块选取为当前感兴趣区域（ROI）；使用所有与ROI相关的ABUS横断面和矢状面图像区域，将2-D的ROI扩展为3-D的VOI；逐一将当前VOI送入后续特征提取模块，直至完成对所有VOI的遍历。3.根据权利要求2所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，步骤S3中，所述对VOI图像进行预处理操作的具体步骤为：S3.1：使用3-D智能斑点降噪各向异性扩散（ISRAD）算法对自动提取出的VOI进行三维滤波处理；S3.2：使用Otsu算法对位于VOI中心的单帧横断面图像做二值化处理；S3.3：使用开运算删除二值图像中所有面积小于15像素的白色连通区域；S3.4：萃取每个白色连通区域的最小外切边界框，计算出边界框的宽度、高度和顶点坐标；S3.5：删除边界框的宽度<15像素的白色连通区域；S3.6：对所有剩余白色连通区域进行编号标注，以作为待分类区域。4.根据权利要求3所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，步骤S4中，所述逐一对每个待分类区域进行特征提取的具体步骤为：S4.1：提取待分类区域的2-D纹理特征，分两步进行；第一步，计算待分类区域横断面单帧切片的12项2-D灰度共生矩阵（GLCM）纹理特征；第二步，计算待分类区域冠状面切片序列的12项2-DGLCM纹理特征和1项2-D分形维数（FD）特征，总共为25项；S4.2：提取待分类区域的3-D纹理特征；对每个待分类区域的容积数据，计算12项3-DGLCM纹理特征和1项3-DFD特征，总共为13项；S4.3：提取待分类区域所处扫描深度的局部特征，以一个基于待分类区域所处扫描深度即ABUS的Y-方向的局部特征fdepth来表征补片的出现几率；S4.4：提取待分类区域与疝囊位置关系的环境特征，以一个基于待分类区域与疝囊位置关系的位置参数fadjacency来表征补片的出现几率；所述12项纹理特征，包括2-DGLCM和3-DGLCM，具体为：能量（f1）、对比度（f2）、相关（f3）、方差（f4）、同质性（f5）、均值（f6）、熵（f7）、自相关（f8）、差异性（f9）、集群阴影（f10）、集群突出（f11）和最大概率（f12）。5.根据权利要求4所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，步骤S5中，所述对提取的40项特征进行特征选择的具体步骤为：首先，使用类间距法（DBC）分别计算每项特征的类间距；其次，对40个特征的按类间距从大到小排序，选取类间距较大的前25个特征；最后，对初步选出的25个的特征使用顺序前进搜索法（SFS）进行选择，以得到使分类正确率最高的特征组合。6.根据权利要求4所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，在步骤S4.1中，所述计算待分类区域横断面单帧切片的12项2-D灰度共生矩阵（GLCM）纹理特征，具体步骤为：首先，提取出VOI中心的单帧横断面降噪图像；其次，对每个待分类区域在扫描深度方向做上下5像素的区域扩展；接着，分割出每个待分类区域的横断面单帧切片；最后，对该单帧切片计算12项描述符，作为该待分类区域横断面单帧切片的2-DGLCM纹理特征；所述计算待分类区域冠状面切片序列的12项2-DGLCM纹理特征，具体步骤为：对于2-DGLCM，二维图像中的两个像素点的空间位置差异用位移向量D（φ,d）来描述，d为两像素点间的距离，φ为两像素点与坐标轴的夹角；对于一个给定距离d，在4...

【专利技术属性】
技术研发人员：吴俊，赵柳，徐丹，张学杰，李海燕，张榆锋，高莲，
申请(专利权)人：云南大学，
类型：发明
国别省市：云南,53