【技术实现步骤摘要】
肿瘤类型识别方法和系统
本专利技术涉及计算机应用领域,特别是涉及一种肿瘤类型识别方法和系统。
技术介绍
乳腺癌是当今社会中女性的一种常见的恶性肿瘤。传统的检测方法主要是通过超声成像技术实现的。超声成像具有性价比高、无放射性、实时性、副作用小等优点。然而乳腺的超声图像中存在高噪声、复杂结构、模糊边界、个体特征差异等因素,且一般为单帧B超图像,根据该单帧B超图像数据无法准确判断肿瘤类型。
技术实现思路
基于此,有必要针对传统的B超图像无法准确判断肿瘤类型的问题,提供一种能提高准确性的肿瘤类型识别方法和系统。一种肿瘤类型识别方法,包括以下步骤:获取超声射频信号、二维图像数据和血流图像数据;从所述超声射频信号、二维图像数据和血流图像数据中选取肿瘤位置的感兴趣区域;在所述感兴趣区域提取超声射频信号特征、图像特征和血流特征,并形成特征集;从所述特征集中提取最优特征子集;对所述最优特征子集进行分类,得到所述肿瘤类型。在其中一个实施例中,所述从所述特征集中提取最优特征子集的步骤包括:对所述特征集中超声射频信号特征、图像特征和血流特征进行降维处理,得到特征向量的最优的协方系数;利用特征向量的最优的协方系数作为参数建模得到基于感知函数的数学方程,采用最大似然法求解基于感知核函数的数学方程得到最优特征子集。在其中一个实施例中,所述对所述最优特征子集进行分类,得到所述肿瘤类型的步骤包括:采用模糊神经网络模型对所述最优特征子集进行分类,得到所述肿瘤类型。在其中一个实施例中,所述采用模糊神经网络模型对所述最优特征子集进行分类,得到所述肿瘤类型包括:将所述最优特征子集中的特征 ...
【技术保护点】
一种肿瘤类型识别方法,包括以下步骤:获取超声射频信号、二维图像数据和血流图像数据;从所述超声射频信号、二维图像数据和血流图像数据中选取肿瘤位置的感兴趣区域;在所述感兴趣区域提取超声射频信号特征、图像特征和血流特征,并形成特征集;从所述特征集中提取最优特征子集;对所述最优特征子集进行分类,得到所述肿瘤类型。
【技术特征摘要】
1.一种肿瘤类型识别方法,包括以下步骤: 获取超声射频信号、二维图像数据和血流图像数据; 从所述超声射频信号、二维图像数据和血流图像数据中选取肿瘤位置的感兴趣区域; 在所述感兴趣区域提取超声射频信号特征、图像特征和血流特征,并形成特征集; 从所述特征集中提取最优特征子集; 对所述最优特征子集进行分类,得到所述肿瘤类型。2.根据权利要求1所述的肿瘤类型识别方法,其特征在于,所述从所述特征集中提取最优特征子集的步骤包括: 对所述特征集中超声射频信号特征、图像特征和血流特征进行降维处理,得到特征向量的最优的协方系数; 利用特征向量的最优的协方系数作为参数建模得到基于感知函数的数学方程,采用最大似然法求解基于感知核函数的数学方程得到最优特征子集。3.根据权利要求1所述的肿瘤类型识别方法,其特征在于,所述对所述最优特征子集进行分类,得到所述肿瘤类型的步骤包括: 采用模糊神经网络模型对所述最优特征子集进行分类,得到所述肿瘤类型。4.根据权利要求3所述的肿瘤类型识别方法,其特征在于,所述采用模糊神经网络模型对所述最优特征子集进行分类,得到所述肿瘤类型包括: 将所述最优特征子集中的特征作为输入,输入总数为η,η为自然数; 对每个输入配置m个模糊集合,形成nXm个节点,m为自然数; 每个节点对应的输出为每个输入所属的模糊集合的隶属度函数///(X,.),其中,kh)表示输入Xi的第j个模糊集合,i e [I, η]中的自然数,j e [l,m]中的自然数; 每个节点代表一条模糊规则,计算所述每条模糊规则的使用度A =μ(μΙ..μ!,; 对所述每条模糊规则的使用度进行归一化; 对归一化的使用度采用加权平均法进行处理得到所述肿瘤类型。5.根据权利要求1所述的肿瘤类型识别方法,其特征在于,所述超声射频信号特征包括形状参数和频谱参数;所述图像特征包括形态特征和纹理特征;所述血流特征包括血流形态特征和血流动力学特征。6.一种肿瘤类型识别系统...
【专利技术属性】
技术研发人员:秦文健,李凌,温铁祥,辜嘉,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。