【技术实现步骤摘要】
一种基于数据集的肝脏CT图像分类方法
[0001]本专利技术涉及医学图像处理
,具体涉及一种基于数据集的肝脏CT图像分类方法。
技术介绍
[0002]肝病是一种具有不易察觉的高危害性的疾病,由于肝功能正常和肝功能异常的CT图像之间差异性不明显,发病早期很难被确诊,通常情况下临床确诊病例已经发展到了中后期,使患者错失救治机会。
[0003]当前现有的肝脏图像处理技将纹理分类运用到医学图像的分类中,通过分析图像中像素的关系,评价图像的纹理特征的统计特性和强度差异,进而分析正常和异常肝功能CT图像之间差异。但由于现有的分类方法没有考虑CT图像像素的局部变化信息,导致其特征提取及分类识别率较低。
技术实现思路
[0004]专利技术目的:为了克服现有技术中存在的不足,本专利技术目的是提供了一种基于数据集的肝脏CT图像分类方法。
[0005]技术方案:本专利技术所述的一种基于数据集的肝脏CT图像分类方法,包括以下步骤:
[0006](1)、构建肝脏CT图像数据集;
[0007](2)、对数据集中肝脏CT图像进行预处理,提取出大小相同且不包含肿瘤和血管的肝脏感兴趣区域;
[0008](3)、对其感兴趣区域计算CT值;
[0009](4)、对未知的肝脏CT图像提取HVNLTP特征;
[0010](5)、分块统计直方图;
[0011](6)、采用支持向量机进行分类识别。
[0012]进一步的,在步骤(1)中,所述构建肝脏CT图像数据集,将肝脏 ...
【技术保护点】
【技术特征摘要】
1.一种基于数据集的肝脏CT图像分类方法,其特征在于,包括以下步骤:(1)、构建肝脏CT图像数据集;(2)、对数据集中肝脏CT图像进行预处理,提取出大小相同且不包含肿瘤和血管的肝脏感兴趣区域;(3)、对其感兴趣区域计算CT值;(4)、对未知的肝脏CT图像提取HVNLTP特征;(5)、分块统计直方图;(6)、采用支持向量机进行分类识别。2.根据权利要求1所述的一种基于数据集的肝脏CT图像分类方法,其特征在于:在步骤(1)中,所述构建肝脏CT图像数据集,将肝脏CT图像分为肝功能正常CT图像和肝功能异常CT图像。3.根据权利要求1所述的一种基于数据集的肝脏CT图像分类方法,其特征在于:在步骤(2)中,所述对数据集中肝脏CT图像进行预处理的具体步骤是:(2.1)、对于大小为512
×
512像素的肝脏CT图像提取出大小38
×
38像素的ROI区域;(2.2)、在选取过程中,1)、避开血管区域:血管在CT图像中属于高亮区域,若选择此区域,则导致之后的分类识别不准确;2)、避开肿瘤区域:肿瘤不能反映一个人的肝脏好坏程度,病变集中体现的肿瘤区域不能作为区分肝脏等级的指标。4.根据权利要求1所述的一种基于数据集的肝脏CT图像分类方法,其特征在于:在步骤(3)中,所述对其感兴趣区域计算CT值具体是;CT值计算公式:CT=pixel*slope+intercept
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中,pixel表示该像素点的值,slope,intercept分别表示是从DICOM Tag信息中坐标(0028|1052):rescale和坐标(0028|1053):rescale slope中的数值;将该数值保存为txt格式存放在对应的目录下。5.根据权利要求1所述的一种基于数据集的肝脏CT图像分类方法,其特征在于:所述步骤(4)中,所述对未知的肝脏CT图像提取HVNLTP特征的具体步骤:(4.1)、给定一个位于3
×
3正方形邻域内的中心像素值Ci,其八个方向的邻域像素值为A
p,p=1:8
,HVNLTP的邻域差值是中心像素值与相邻八个方向像素值的差的绝对值之和再求平均;邻域差值的计算公式如式(2):其中,N
i
表示是HVNLTP的邻域差值;(4.2)、对于一个N
×
N像素的区域,每一个3
×
3像素的区域进行邻域差值的计算,得到一个由中心像素N
a,a=1:N
‑2构成的(N
‑
2)
×
(N
‑
2)像素的正方形区域,将该区域记为N;(4.3)、给定一个3
×
3像素的区域,中心像素值记为H5,相邻像素值以水平编码方式分别记为[H1、H2、H3、H4、H6、H7、H8、H9];水平差值的计算公式如式(3):I
i,i=1:8
=H
i+1
‑
H
i
ꢀꢀꢀꢀ
(3);其中,I
i
...
【专利技术属性】
技术研发人员:黄炜嘉,张惠惠,李锋,奚一昕,张慧敏,施凯敏,许袁,
申请(专利权)人:江苏科技大学,
类型:发明
国别省市:
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。