一种乳腺肿瘤超声图像自动分类方法技术
An automatic ultrasonic image classification method for breast tumor
The invention relates to a method for automatic classification of breast ultrasound images, which belongs to the field of artificial intelligence application technology. The present invention combined breast ultrasound image quantitative character, histogram, breast tumor ultrasound images in color feature, shape feature, edge feature, echo characteristics were quantified, decision tree, Naive Bayesian and random forest method for machine learning method, and proposes a decision tree, Naive Bayesian and weighted random forest the fusion classification method to identify the breast image. The invention can effectively improve the accurate rate of ultrasonic image classification of breast tumors.
【技术实现步骤摘要】
一种乳腺肿瘤超声图像自动分类方法
本专利技术涉及一种乳腺肿瘤超声图像自动分类方法，属于人工智能应用
技术介绍
当前，医学图像的临床分析主要透过医生对图像的定性评价完成，缺乏图像特征的定量度量。人们视觉感知的差异，经验积累的不同，不同的特征和诊断标准的使用，导致了不同医生诊断结果的差异。通过计算机方法，可客观定量地提取和分析影像特征，解决人眼视觉的局限。基于影像的计算机辅助诊断由此需求而发展起来。对于乳腺超声图像自动分类，从识别方法上来看，目前文献中曾提到过的图像识别方法有：统计模式识别法、结构(句法)识别法、基于模型(知识)的算法、基于人工神经网络的图像识别、基于模糊集的模式识别等。但由于乳腺肿瘤医学图像中蕴含着丰富的人体图像特征信息和规则，其具有高分辨率、图像特征表达复杂等特点，这也使得目前的分类方法在乳腺肿瘤超声图像自动分类方面，准确率不能满足实际需要。
技术实现思路
本专利技术的目的是为解决乳腺肿瘤超声图像自动分类准确率低问题，紧密结合乳腺超声图像量化特征，将乳腺肿瘤超声图像中的直方图特征、颜色特征、轮廓特征、边界特征、回声特征进行量化，选择决策树、朴...
【技术保护点】
一种乳腺肿瘤超声图像自动分类方法，其特征在于：步骤一、进行图像类型选择：将图片按照来源分成正常图片，良性图肿瘤图片和恶性肿瘤图片，放在不同的文件夹内；步骤二、初始化正常图片、良性肿瘤图片、恶性肿瘤图片目录，初始化测试样本矩阵，初始化总文件数，目前处理的文件数；步骤三、对正常图片、良性肿瘤图片、恶性肿瘤图片进行处理，分别在每个文件夹下提取各种特征，包括图片的直方图特征、颜色矩、轮廓特征、回声模式、边界特征；轮廓特征通过似圆度刻画：提取方法为：进行直方图计算，将得出的直方图向量值输入特征矩阵；进行颜色矩计算：对所选区域进行颜色矩计算，将得出的颜色向量值输入特征矩阵；进行轮廓特征...
【技术特征摘要】
1.一种乳腺肿瘤超声图像自动分类方法，其特征在于：步骤一、进行图像类型选择：将图片按照来源分成正常图片，良性图肿瘤图片和恶性肿瘤图片，放在不同的文件夹内；步骤二、初始化正常图片、良性肿瘤图片、恶性肿瘤图片目录，初始化测试样本矩阵，初始化总文件数，目前处理的文件数；步骤三、对正常图片、良性肿瘤图片、恶性肿瘤图片进行处理，分别在每个文件夹下提取各种特征，包括图片的直方图特征、颜色矩、轮廓特征、回声模式、边界特征；轮廓特征通过似圆度刻画：提取方法为：进行直方图计算，将得出的直方图向量值输入特征矩阵；进行颜色矩计算：对所选区域进行颜色矩计算，将得出的颜色向量值输入特征矩阵；进行轮廓特征计算：对所选区域进行轮廓特征提取，首先找到所有的轮廓，计算似圆度C，其中P为肿瘤区域的周长，A为肿瘤区域的面积，将提取的各种特征写入特征矩阵；进行回声模式计算：采用病灶内部...
-
暂无相关专利
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。