一种基于超声射频时间序列小波分析的组织定征方法技术

本发明专利技术公开了一种基于超声射频时间序列小波分析的组织定征方法，该方法首先采集组织的多帧超声回波RF信号；对感兴趣区内的每一点取其前N帧超声回波RF信号构建超声RF时间序列；然后对超声RF时间序列进行M层小波分解，提取小波分解后产生的高频系数序列和低频系数序列的统计特征、熵特征在ROI的平均值作为特征；利用Relief‑F算法计算每个特征的权重，选取前K个权重最高的特征作为特征向量输入到分类器进行组织的识别，从而实现组织的定征。本发明专利技术可广泛应用于超声组织定征领域。

A method of tissue characterization based on wavelet analysis of ultrasonic radio frequency time series

The invention discloses a radio frequency time series wavelet analysis of ultrasonic tissue characterization method based on this method, first acquisition organization multi frame echo RF signal to the N frame; the ultrasonic echo signal of RF construction of ultrasonic RF time series at each point of interest in the region; then the ultra sound RF time series M layer wavelet decomposition, statistical characteristics, the high frequency coefficients and low frequency coefficients of sequence sequence extraction after wavelet decomposition of the entropy in the mean value of ROI as a feature; each feature weight calculation using Relief F algorithm, select the first K of the highest weight feature as the feature vector input to the classifier for organizational identification, thus the characterization of implementation. The present invention can be widely used in the field of ultrasonic tissue characterization.

【技术实现步骤摘要】
一种基于超声射频时间序列小波分析的组织定征方法
本专利技术涉及超声组织定征
，特别涉及一种基于超声射频时间序列小波分析的组织定征方法。
技术介绍
超声组织定征是一种探讨组织特性与声特性(诸如背散射、衰减、声速等)相互关系从而确定组织性质的研究方法。由于这些声特性由组织的微结构决定，因此超声组织定征是定量测量组织微结构的有效手段。目前，超声组织定征方法主要有基于B超图像的组织定征方法、基于单帧背散射回波RF信号的组织定征方法和基于超声RF时间序列分析的组织定征方法。基于B超图像的组织定征方法主要提取B超图像的形态特征和纹理特征，然后利用分类器的分类准确率对分类效果进行评价。这类方法由于使用了超声图像灰度，易受超声诊断仪的型号、时间增益补偿的调整等成像参数的影响。基于单帧背散射回波RF信号的组织定征方法主要利用组织对超声回波的衰减特性来实现组织定征。具体做法是利用超声仪器获取一帧超声回波RF信号，选取ROI，对ROI内的声束逐条进行频谱分析，提取谱参数，将谱参数作为特征利用分类器对组织进行分类。此类方法提取的特征受超声传播路径的影响需要深度衰减补偿，这些因素影响了定征精度的可靠性，本文档来自技高网...

【技术保护点】
一种基于超声射频时间序列小波分析的组织定征方法，其特征在于，包括以下步骤：S1、使用超声探头扫描组织，采集多帧超声回波RF信号；S2、对任意一帧超声回波RF信号进行解调并显示B型图；S3、在B型图上选取大小a×b的ROI；S4、ROI内的每一点取其前N帧超声回波RF信号形成a×b个长度为N的超声RF时间序列；S5、a×b个超声RF时间序列进行M层小波分解；S6、提取超声RF时间序列经小波分解后产生的高频系数序列和低频系数序列的统计特征、熵特征在ROI的平均值作为特征；S7、选取K个特征作为特征向量；S8、将特征向量输入到分类器分类；S9、根据分类器的分类准确率评价识别结果。

【技术特征摘要】
1.一种基于超声射频时间序列小波分析的组织定征方法，其特征在于，包括以下步骤：S1、使用超声探头扫描组织，采集多帧超声回波RF信号；S2、对任意一帧超声回波RF信号进行解调并显示B型图；S3、在B型图上选取大小a×b的ROI；S4、ROI内的每一点取其前N帧超声回波RF信号形成a×b个长度为N的超声RF时间序列；S5、a×b个超声RF时间序列进行M层小波分解；S6、提取超声RF时间序列经小波分解后产生的高频系数序列和低频系数序列的统计特征、熵特征在ROI的平均值作为特征；S7、选取K个特征作为特征向量；S8、将特征向量输入到分类器分类；S9、根据分类器的分类准确率评价识别结果。2.根据权利要求1所述的组织定征方法，其特征在于，步骤S6中，提取超声RF时间序列经小波分解后产生的高频系数序列和低频系数序列的统计特征的方法如下：统计特征包括最小值min、最大值max、均值mean、标准差std、中值median、均方根值rms和平均绝对值mav；具体每个特征的计算步骤如下：S6-1-1设N点超声RF时间序列为{x(n):1≤n≤N}，经M层小波分解后，在第j分解尺度下k时刻的高频系数序列为低频系数序列为其中j＝1,2,…,M，Lj为第j分解尺度下高频系数序列和低频系数序列长度，Lj为确定值，不同分解尺度下Lj不同；S6-1-2最小值min：第j分解尺度下高频系数序列最小值：第j分解尺度下低频系数序列最小值：S6-1-3最大值max：第j分解尺度下高频系数序列最大值：第j分解尺度下低频系数序列最大值：S6-1-4均值mean：第j分解尺度下高频系数序列均值：第j分解尺度下低频系数序列均值：S6-1-5标准差std：第j分解尺度下高频系数序列标准差：第j分解尺度下低频系数序列标准差：S6-1-6中值median：将第j分解尺度下高频系数序列按照从小到大排序为则第j分解尺度下高频系数序列中值：第j分解尺度下低频系数序列按照从小到大排序为则第j分解尺度下低频系数序列中值：其中[x]表示不超过x的最大整数；S6-1-7均方根值rms：第j分解尺度下高频系数序列均方根值：第j分解尺度下低频系数序列均方根值：S6-1-8平均绝对值mav：第j分解尺度下高频系数序列平均绝对值：第j分解尺度下低频系序列平均绝对值：S6-1-9计算在每个分解尺度下a×b个高频系数序列和低频系数序列的最小值Dj_min、Aj_min，最大值Dj_max、Aj_max，均值Dj_mean、Aj_mean，标准差Dj_std、Aj_std，中值Dj_median、Aj_median，均方根值Dj_rms、Aj_rms，平均绝对值Dj_mav、Aj_mav在ROI的平均，即可得该组织样本在每个分解尺度下的统计特征...

【专利技术属性】
技术研发人员：林春漪，邹波，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44