一种基于包膜线形态特征分析的肝硬化疾病分期识别方法技术

本发明专利技术提供了一种基于包膜线形态特征分析的肝硬化疾病分期识别方法，其包括：根据超声波图像获取肝包膜的预测膜和真实膜；从预测膜中获取分段斜率的方差VoS、相邻段斜率差的变异系数CV、波动变化的次数NoF；并从真实膜中获取线段的数量NoL；初步预测中，将VoS、NoF以及CV作为输入特征输入以识别“正常‑前期”和“中期‑后期”两种情况；若初步识别的结果为“正常‑前期”，将NoL以及CV作为特征输入轻度识别模型，以判断正常和轻度肝硬化；若初步识别的结果为“中期‑后期”，将NoL以及VoS作为特征输入中后期识别模型，以识别中度肝硬化和重度肝硬化。本发明专利技术结合肝包膜预测膜和真实膜两种形态下的特征进行分析，可以对肝包膜形态特征进行充分展示。

【技术实现步骤摘要】
一种基于包膜线形态特征分析的肝硬化疾病分期识别方法
本专利技术涉及医疗影像领域，具体地，涉及一种基于包膜线形态特征分析的肝硬化疾病分期识别方法。
技术介绍
肝硬化是一种临床常见的慢性进行性肝病，具体被定义为慢性肝损伤引起的再生结节周围纤维带的组织学发展，而随着肝硬化的进一步发展，可导致门脉高压和终末期肝病，具有较高的死亡率，对于肝硬化早期的检测及治疗是十分有必要的。目前临床上对于肝硬化的诊断主要依靠医生的主观人工判断，由于经验等客观因素的影响，可能会导致个体诊断存在很大的差异性，因此，基于定量分析的计算机辅助诊断肝硬化系统是十分有必要的。传统的基于肝包膜图像的肝硬化辅助诊断方法，主要根据单一的真实膜或者单一的预测膜，然后基于机器学习算法实现其特征的分类鉴别，此类方法可能会导致部分特征的丢失，从而使得特征的分类识别精度较低，无法准确地判断疾病分期，对临床的辅助诊断产生不利的影响。因此，不能满足于当下临床辅助诊断的需求。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种基于包膜线形态特征分析的肝硬化疾病分期识别方法，从超声图像中获取肝包膜的预测膜和真实膜，并从中获取识别特征，实现了肝硬化的分期识别。本专利技术提供的技术方案是：一种基于包膜线形态特征分析的肝硬化疾病分期识别方法，其包括：(S1)根据超声波图像获取肝包膜的预测膜和真实膜；(S2)从预测膜中获取肝包膜的分段斜率的方差VoS、相邻段斜率差的变异系数CV、波动变化的次数NoF；并从真实膜中获取肝包膜的线段的数量NoL；(S3)将分段斜率的方差VoS、波动变化的次数NoF以及邻段斜率差的变异系数CV作为输入特征输入到初步识别模型中，初步识别模型输出的两种判断类型为“正常-前期”和“中期-后期”；(S4)根据初步识别的结果进行二次分类；在二次分类中，若初步识别的结果为“正常-前期”，将线段的数量NoL以及邻段斜率差的变异系数CV作为特征输入轻度识别模型，所述轻度识别模型输出的两种识别类型为“正常”和“轻度肝硬化”；若初步识别的结果为“中期-后期”，将线段的数量NoL以及分段斜率的方差VoS作为特征输入中后期识别模型，所述中轻度识别模型输出的两种识别类型为“中度肝硬化”和“重度肝硬化”。本专利技术的进一步改进在于，获取线段的数量NoL的过程中，统计真实膜中的断点数量，并根据断点数量确定肝包膜的线段的数量NoL。本专利技术的进一步改进在于，获取肝包膜的分段斜率的方差VoS时，将肝包膜的预测膜按照预定间隔分割为若干分段，分别计算每一分段的斜率，并计算各分段斜率的方差，以得到分段斜率的方差VoS。本专利技术的进一步改进在于，获取相邻段斜率差的变异系数CV的过程中，计算预测膜的各相邻分段之间的斜率差，并求得各斜率差的均值以及标准差STDKd；将标准差STDKd处以均值即可得到相邻段斜率差的变异系数CV。本专利技术的进一步改进在于，获取波动变化的次数NoF的过程中，计算各相邻分段之间的斜率差的绝对值，并统计斜率差的绝对值大于波动阈值的次数并以此作为波动变化的次数NoF。本专利技术的进一步改进在于，分隔所述肝包膜的预测膜的过程中，每个分段具有相同数量的像素；计算分段的斜率时，采用分段的两个端点之间的斜率作为分段斜率，或者采用分段中各像素拟合后的直线的斜率作为分段斜率。本专利技术的进一步改进在于，所述超声波图像为肝脏浅表切面图像，其包括肝脏上缘的肝包膜。本专利技术的进一步改进在于，所述初步识别模型为支持向量机模型，采用十次五折交叉验证的方式训练得到。本专利技术的进一步改进在于，所述轻度识别模型以及所述中后期识别模型均为K均值聚类模型，采用十次五折交叉验证的方式训练得到。与现有技术相比，本专利技术具有如下的有益效果：1)结合肝包膜预测膜和真实膜两种形态下的特征进行分析，可以对肝包膜形态特征进行充分展示。2)利用支持向量机和K均值聚类的两阶段分类模型，提升了分类精度，为临床辅助诊断提供了可靠保障。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为基于包膜线形态特征分析的肝硬化疾病分期识别方法的流程图；图2为本专利技术中采用的识别模型的原理图；图3为基于数字图像处理技术的肝硬化超声图像肝包膜提取方法的流程图；图4为滑动窗口检测原理示意图；图5为无腹水图像肝包膜遍历搜索算法原理示意图；图6为有腹水图像肝包膜遍历搜索算法原理示意图；图7为真实膜提取过程的示意图。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。如图1所示，本专利技术的实施例包括一种基于包膜线形态特征分析的肝硬化疾病分期识别方法，该方法包括以下步骤：(S1)根据超声波图像获取肝包膜的预测膜和真实膜。本实施例中采用的超声波图像为肝脏浅表切面图像，该超声波图像肝脏上缘的肝包膜。如图5所示，肝脏浅表切面图像的下半部分为肝实质，上半部分为其他器官，肝包膜位于图像中部。预测膜中包含了肝包膜的趋势信息，而预测膜中包含了肝包膜的波动情况，具有丰富的细节；预测膜与真实膜相结合，可以为下游的肝病自动判断提供了丰富的特征。(S2)从预测膜中获取肝包膜的分段斜率的方差VoS、相邻段斜率差的变异系数CV、波动变化的次数NoF；并从真实膜中获取肝包膜的线段的数量NoL。上述特征用于作为后续的识别任务的输入特征。具体的，肝包膜的预测膜是从超声图像中获得的肝包膜的初步识别结果，肝包膜的线段的数量NoL从预测膜中计算得到，用于表示肝包膜的连续性。获取线段的数量(NumberofLine,NoL)的过程中，统计真实膜中的断点数量，并根据断点数量确定肝包膜的线段的数量NoL。其表达式为：NoL＝kL＝{li|i＝1,......,k}(1)L＝{li|i＝1,......,k}表示构成整个肝包膜的线段的集合。本实施例中，“线段的数量NoL”中的“线段”并非是几何学中两点之间的直线，本实施例中的“线段”指的是两点肝包膜的真实膜中的分段，其可以是直线也可以是曲线。肝包膜的分段斜率的方差(Varianceofslope，VoS)以及相邻段斜率差的变异系数CV用于表示肝包膜的平滑性。平滑性主要描述了肝包膜的波动情况，可有效地描述肝包膜的整体走向趋势及波动情况。由于不同分期下肝包膜存在着断续的情况，为了避免间断区域对特征分析的影响，本实施例在各分段中分别采用相同间距(相同像素数量)进行分段划分，然后通过对各分段中分段斜率进行综合分析，从而得到整体的肝包膜特征。获取肝包膜的分段斜率的方差VoS时，将肝包膜的预测膜按照预定间隔分割为若干分段，本文档来自技高网...

【技术保护点】
1.一种基于包膜线形态特征分析的肝硬化疾病分期识别方法，其特征在于包括：/n(S1)根据超声波图像获取肝包膜的预测膜和真实膜；/n(S2)从预测膜中获取肝包膜的分段斜率的方差VoS、相邻段斜率差的变异系数CV、波动变化的次数NoF；并从真实膜中获取肝包膜的线段的数量NoL；/n(S3)将分段斜率的方差VoS、波动变化的次数NoF以及邻段斜率差的变异系数CV作为输入特征输入到初步识别模型中，初步识别模型输出的两种判断类型为“正常-前期”和“中期-后期”；/n(S4)根据初步识别的结果进行二次分类；在二次分类中，/n若初步识别的结果为“正常-前期”，将线段的数量NoL以及邻段斜率差的变异系数CV作为特征输入轻度识别模型，所述轻度识别模型输出的两种识别类型为“正常”和“轻度肝硬化”；/n若初步识别的结果为“中期-后期”，将线段的数量NoL以及分段斜率的方差VoS作为特征输入中后期识别模型，所述中轻度识别模型输出的两种识别类型为“中度肝硬化”和“重度肝硬化”。/n

【技术特征摘要】
1.一种基于包膜线形态特征分析的肝硬化疾病分期识别方法，其特征在于包括：
(S1)根据超声波图像获取肝包膜的预测膜和真实膜；
(S2)从预测膜中获取肝包膜的分段斜率的方差VoS、相邻段斜率差的变异系数CV、波动变化的次数NoF；并从真实膜中获取肝包膜的线段的数量NoL；
(S3)将分段斜率的方差VoS、波动变化的次数NoF以及邻段斜率差的变异系数CV作为输入特征输入到初步识别模型中，初步识别模型输出的两种判断类型为“正常-前期”和“中期-后期”；
(S4)根据初步识别的结果进行二次分类；在二次分类中，
若初步识别的结果为“正常-前期”，将线段的数量NoL以及邻段斜率差的变异系数CV作为特征输入轻度识别模型，所述轻度识别模型输出的两种识别类型为“正常”和“轻度肝硬化”；
若初步识别的结果为“中期-后期”，将线段的数量NoL以及分段斜率的方差VoS作为特征输入中后期识别模型，所述中轻度识别模型输出的两种识别类型为“中度肝硬化”和“重度肝硬化”。


2.根据权利要求1所述的一种基于包膜线形态特征分析的肝硬化疾病分期识别方法，其特征在于，获取线段的数量NoL的过程中，统计真实膜中的断点数量，并根据断点数量确定肝包膜的线段的数量NoL。


3.根据权利要求1所述的一种基于包膜线形态特征分析的肝硬化疾病分期识别方法，其特征在于，获取肝包膜的分段斜率的方差VoS时，将肝包膜的预测膜按照预定间隔分割为若干分段，分别计算每一分段的斜率，并计算各分段斜率的方差，以得到分段斜率的方差VoS。

<...

【专利技术属性】
技术研发人员：刘翔，刘艺文，王诗雨，浦秀丽，朱佳琦，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：上海;31