本发明专利技术属于图像分类技术领域，具体为一种结合计算机视觉特征和影像组学特征的肝癌图像分类方法，包括以下步骤：S1：收集肝癌图像以及其对应的病例数据，整理特征病症以及病症的治疗方案、治疗结果，并关联输入标签，为训练样本库；S2：利用计算机对步骤S1中建立的标签截取肝癌图像上对应位置的病灶图像，分类，建立病例特征库；S3：对步骤S2中截取的病灶图像进行影像组学特征的提取。S4：将步骤S3中提取出来的病症特征过程进行阶段性关联，并更新至所述病例特征库，生成病症树状特征库，完成对肝癌图像的分类。本发明专利技术建立了病症树状特征库，该装置可方便地用作术前评估工具，有望帮助外科医生在未来定制个体化术前治疗方案和预后评估。评估。评估。
【技术实现步骤摘要】
一种结合计算机视觉特征和影像组学特征的肝癌图像分类方法和装置
[0001]本专利技术涉及图像分类
，具体为一种结合计算机视觉特征和影像组学特征的肝癌图像分类方法和装置。
技术介绍
[0002]肝癌即肝脏恶性肿瘤，可分为原发性和继发性两大类。原发性肝脏恶性肿瘤起源于肝脏的上皮或间叶组织，前者称为原发性肝癌，是我国高发的，危害极大的恶性肿瘤；后者称为肉瘤，与原发性肝癌相比较较为少见。继发性或称转移性肝癌系指全身多个器官起源的恶性肿瘤侵犯至肝脏，一般多见于胃、胆道、胰腺、结直肠、卵巢、子宫、肺、乳腺等器官恶性肿瘤的肝转移，目前肝癌是世界上癌症死亡的主要原因之一，在全球的肿瘤发病率和死亡率极高，在危害国民健康的同时给家庭和社会造成沉重的经济负担。
[0003]计算机视觉特征是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像，
[0004]近些年，越来越多的专家提出了根据大量影像视觉特征学习的方式，实现对肿瘤诊断、疗效和预后等因素的评估，以提高临床的决策能力，即便目前计算机断层扫描成像磁共振成像的影像组学特征有助于其他癌症的病理分级识别，但仍然需要探索计算机视觉特征和影像组学特征技术对肝癌的分类，以便于在未来更好的解决的此类问题。
技术实现思路
[0005]本专利技术旨在解决现有技术或相关技术中存在的技术问题之一。
[0006]为此，本专利技术所采用的技术方案为：
[0007]一种结合计算机视觉特征和影像组学特征的肝癌图像分类方法，包括以下步骤：
[0008]S1：收集肝癌图像以及其对应的病例数据，整理特征病症以及病症的治疗方案、治疗结果，并关联输入标签，为训练样本库；
[0009]S2：利用计算机对步骤S1中建立的标签截取肝癌图像上对应位置的病灶图像，分类，建立病例特征库；
[0010]S3：对步骤S2中截取的病灶图像进行影像组学特征的提取，包括纹理特征提取和形状特征提取。
[0011]S4：将步骤S3中提取出来的病症特征过程进行阶段性关联，并更新至所述病例特征库，生成病症树状特征库，完成对肝癌图像的分类；
[0012]本专利技术在一较佳示例中可以进一步配置为：所述病例特征库包括以下供相关人员检索的步骤：
[0013](1)用户通过示例图像提出查询请求；
[0014](2)系统利用特征提取模块提取图像的底层视觉特征；
[0015](3)系统按照一定的匹配策略计算示例图像与图像库中所有图像的相似度，将相似度最大的前若干幅图像返给用户；
[0016](4)若用户对检索结果满意，检索过程结束，否则，进入第5步；
[0017](5)用户根据自己的查询需求对检索结果给出相关或不相关反馈判定，系统根据用户的反馈信息，采用一定的反馈策略，进行新的查询，并给出检索结果，并返回第4步。
[0018]本专利技术在一较佳示例中可以进一步配置为：所述纹理特征提取包括有以下定义公式：
[0019]D(x，y，σ)＝(G(x，y，kσ)
‑
G(x，y，σ))*I(x，y)＝L(x，y，kσ)
‑
L(x，y，k)，
[0020][0021]式中：I(x，y)为原图像数据，G(x，y，σ)为尺度空间因子为σ的高斯核，L(x，y，k)为尺度空间，k为尺度空间的层数；
[0022]通过建立尺度空间，更清楚的提出处病灶对应的纹理。
[0023]本专利技术在一较佳示例中可以进一步配置为：所述形状特征提取对于给定的不规则形状的物体图像，选取包围区域的一点x0(a0，b0)，一般选取的是图形的中心点，则
[0024][0025]其中，P＝((a
i
，b
i
)|i＝1，2，
…
，N}是一个物体的点集，集中点的数目为N，令x(a，b)为边界上的点，记d＝x0‑
x为差矢量，d和x轴之间所夹的角设为ψ，d是点x0到边界x的距离，a是边界方向。
[0026]本专利技术在一较佳示例中可以进一步配置为：所述病症树状特征库包括一级初始病症数据、二级治疗方案病症数据和三级治疗结果数据，且三者依照时间线排列，并配有该时间段的病例数据。
[0027]本专利技术在一较佳示例中可以进一步配置为：包括：
[0028]特征采样模块，用于将肝癌图像中的肝癌病灶区域进行分割，提取肝癌病灶区域的影像并关联标签，将带有标签的肝癌病灶区域影像为二级病例数据；
[0029]特征分选模块，用于将特征采集模块获得的影像组学特征和临床指标特征进行对比，分选。
[0030]本专利技术在一较佳示例中可以进一步配置为：包括储存器和处理器；
[0031]所述存储器，用于存储计算机程序；
[0032]所述处理器，用于当执行所述计算机程序时，实现如权利要求1
‑
5任一项所述的结合计算机视觉特征和影像组学特征的肝癌图像分类方法。
[0033]本专利技术在一较佳示例中可以进一步配置为：一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1
‑
5任一项所述的结合计算机视觉特征和影像组学特征的肝癌图像分类方法。
[0034]本专利技术的上述技术方案具有如下有益的技术效果：
[0035]本专利技术建立了训练样本库和病例特征库，而后通过纹理特征提取和形状特征提取，最终生成病症树状特征库，该病症树状特征库可以供相关人员有效搜索术前肝癌的病理分级，并根据治疗方案作出术后预测，在术前选出更为合理的治疗方案，该装置可方便地用作术前评估工具，有望帮助外科医生在未来定制个体化术前治疗方案和预后评估。
附图说明
[0036]图1为本专利技术一个实施例的图像检索流程图；
[0037]图2为本专利技术一个实施例的尺度空间示意图。
具体实施方式
[0038]为使本专利技术的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本专利技术进一步详细说明。需要说明的是，在不冲突的情况下，本专利技术的实施例及实施例中的特征可以相互组合。
[0039]该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。
[0040]下面结合附图描述本专利技术的一些实施例提供的一种结合计算机视觉特征和影像组学特征的肝癌图像分类方法和装置。
[0041]本专利技术提供的一种结合计算机视觉特征和影像组学特征的肝癌图像分类方法，包括以下步骤：
[0042]S1：收集肝癌图像以及其对应的病例数据，整理特征病症以及病症的治疗方案、治疗结果，并关联输入标签，为训练样本库；
[0043]S2：利用计算机对步骤S1中建立的标签截取肝癌图像上对应位置的病灶图像，分类，建立病例特征库；
[0044]S3：对步骤S2中截取的病灶图像进行本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种结合计算机视觉特征和影像组学特征的肝癌图像分类方法，其特征在于，包括以下步骤：S1：收集肝癌图像以及其对应的病例数据，整理特征病症以及病症的治疗方案、治疗结果，并关联输入标签，为训练样本库；S2：利用计算机对步骤S1中建立的标签截取肝癌图像上对应位置的病灶图像，分类，建立病例特征库；S3：对步骤S2中截取的病灶图像进行影像组学特征的提取，包括纹理特征提取和形状特征提取。S4：将步骤S3中提取出来的病症特征过程进行阶段性关联，并更新至所述病例特征库，生成病症树状特征库，完成对肝癌图像的分类。2.根据权利要求1所述的一种结合计算机视觉特征和影像组学特征的肝癌图像分类方法，其特征在于，所述病例特征库包括以下供相关人员检索的步骤：(1)用户通过示例图像提出查询请求；(2)系统利用特征提取模块提取图像的底层视觉特征；(3)系统按照一定的匹配策略计算示例图像与图像库中所有图像的相似度，将相似度最大的前若干幅图像返给用户；(4)若用户对检索结果满意，检索过程结束，否则，进入第5步；(5)用户根据自己的查询需求对检索结果给出相关或不相关反馈判定，系统根据用户的反馈信息，采用一定的反馈策略，进行新的查询，并给出检索结果，并返回第4步。3.根据权利要求1所述的一种结合计算机视觉特征和影像组学特征的肝癌图像分类方法，其特征在于，所述纹理特征提取包括有以下定义公式：D(x，y，σ)＝(G(x，y，kσ)
‑
G(x，y，σ))*I(x，y)＝L(x，y，kσ)
‑
L(x，y，k)，式中：I(x，y)为原图像数据，G(x，y，σ)为尺度空间因子为σ的高斯核，L(x，y，k)为尺度空间，k为尺度空间的层数；通过建立尺度空间，更清楚的提出处病灶对应的纹...
【专利技术属性】
技术研发人员：要小鹏，张杰秋，
申请(专利权)人：西南医科大学，
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。