基于迁移核匹配追踪的医学影像诊断系统及诊断方法技术方案

本发明专利技术公开了一种基于迁移核匹配追踪的医学影像诊断系统及诊断方法。整个系统包括：影像预处理模块、影像特征提取模块、影像迁移核匹配追踪诊断模块和影像未标识样本测试模块。影像预处理模块，完成原始影像去冗余及直方图均衡化增强处理；对处理后的影像提取灰度共生矩阵、Ｈｕ矩、Ｂｒｕｓｈｌｅｔ及Ｃｏｎｔｏｕｒｌｅｔ特征作为样本集，得到源域和目标域有标识训练样本集及目标域未标识测试样本集；对源域和目标域有标识的训练样本集影像进行迁移核匹配追踪学习，得到更新后的目标域训练样本集与训练分类器，用该分类器对未标识的测试样本分类诊断，输出最终诊断结果。本发明专利技术能缓解医学参考样本数量少的缺点，有效提高医学影像诊断识别率，可用于医学图像临床辅助诊断。

【技术实现步骤摘要】

本专利技术属于图像处理
，特别是涉及医学影像处理，可用于进行医学图像临床辅助诊断。
技术介绍
随着计算机及其相关技术的迅速发展以及图形图像技术的日趋成熟，医学影像诊断是是国内外医学领域重点研究的方向，医务工作者可以从多方位、多层次、多角度对医学图像进行观察，从而辅助医生对病变区域进行综合分析，明显促进临床医学诊断准确性和正确性的提高，数字医疗时代开始出现。在过去的三十年中，医学成像技术发展迅速，在临床医学诊断工作中取得了许多成果。医学图像在临床诊断和教学科研中发挥着积极作用，推进了医疗水平的发展和进步。面向医学图像的数据挖掘技术研究成为医学和计算机科学交叉学科研究的一个十分重要的领域。医学图像的高分辨率、数据的海量性、图像特征表达的复杂性等特点，使得数据挖掘技术在医学图像中的研究具有较大的学术价值和广泛的应用前景。 但是医学图像由于其个体差异大、病理类别繁多以及标识样本少等因素影响，导致医学图像的诊断成为一个十分复杂而又迫切需要解决的问题。目前，面向医学图像的数据挖掘研究刚刚起步，现有的数据挖掘方法直接应用还存在许多问题。在现有的医学诊断研究方法中，Maria-Luiza.A等人用图像挖掘方法对图像库中的胸部图像逐幅进行预处理，将图像分成四个规则区域，提取每个区域的纹理特征，再用关联规则和神经网络算法进行数据挖掘和分类诊断，该方法将图像分成正常和癌患者两类，实现对乳癌患者的自动诊断。CZ Cai，WL Wang等人将SVM方法成功运用到DNA结合蛋白分类识别中，但从医学影像诊断识别结果来看，其诊断识别率较低。 医学影像作为特殊的一类图像，医学影像标记样本的获取代价很昂贵，不完备的标记样本集也会影响医学影像辅助诊断的分类诊断性能，研究和探索适合于医学图像的数据挖掘方法及其算法迫在眉急。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，针对医学影像参考样本数量少、诊断识别率较低的问题，提出了一种，以提高医学影像诊断识别率，缓解医学参考样本数量少的缺点和增强泛化能力。 为实现上述目的，本专利技术提供基于迁移核匹配追踪的医学影像诊断系统，包括 影像预处理模块，完成原始影像去冗余以及直方图均衡化增强处理，并将处理后的影像传输给影像特征提取模块； 影像特征提取模块，对输入的处理后的影像进行灰度共生矩阵、Hu矩、Brushlet特征及Contourlet特征提取，并将其提取特征传至影像迁移核匹配追踪诊断模块； 影像迁移核匹配追踪诊断模块，对输入提取特征进行迁移核匹配追踪，得到诊断分类器，将输出诊断分类器输出给影像未标识样本测试模块； 影像未标识样本测试模块，采用输出的诊断分类器对未标识的测试样本分类诊断，输出最终诊断结果。 所述的影像迁移核匹配追踪诊断模块包括 影像目标域有标识样本训练子模块完成影像目标域有标识样本的训练，得到该影像目标域有标识样本的训练分类器，将该分类器传输给影像源域的有标识样本训练子模块； 影像源域的有标识样本训练子模块采用目标域有标识样本的训练分类器，完成影像源域中有标识样本的迁移学习，对满足和目标域中训练样本集合具有相似分布的样本组成一个新的样本集合，对该样本集合进行分类诊断得到诊断分类器。 为实现上述目的，本专利技术提供的基于迁移核匹配追踪的医学影像诊断方法，包括如下步骤 (1)采用直方图均衡化和均方差标准化方法，对原始影像集进行切割与增强处理，得到具有视觉效果的医学影像集； (2)对具有视觉效果的医学影像集提取其灰度共生矩阵、Hu矩、Brushlet特征及Contourlet特征提取，并将该灰度共生矩阵、Hu矩、Brushlet特征及Contourlet特征作为医学影像辅助诊断样本，其中，Ls为有标识的源样本域，LT为有标识目标样本域，UT为未标识目标样本域，xi表示影像特征样本，y＝{1，-1}设定为样本标识； (3)分别设定 源域的有标识的训练样本为其中，k1表示Ls源域的大小； 目标域的有标识训练样本为其中k2表示LT目标域训练样本大小； 目标域的未标识测试样本为其中k3表示UT目标域测试样本大小； (4)对源域中有标识的训练样本Xs和目标域中有标识的训练样本XT，L进行基于迁移核匹配追踪的影像分类诊断，得到更新后源域有标识样本集合Xs，New； (5)将更新后源域有标识样本集合Xs，New与有标识的目标样本XT，L共同构成新的有标识的目标样本XT，L′，对每个有标识的目标样本域样本XT，L′进行核匹配追踪分类，得到核匹配追踪分类器C2； (6)采用核匹配追踪分类器C2对未标识的测试样本XT，U进行分类诊断，得到未标识测试样本XT，U的最终诊断结果，其中，当核匹配追踪分类器C2分类得到的类别标识为-1时，则该样本的诊断结果为癌变；否则，当核匹配追踪分类器C2分类得到的类别标识为1时，则该样本的诊断结果为正常； (7)输出未标识测试样本XT，U的最终诊断结果。 本专利技术与现有的技术相比具有以下优点 1、本专利技术定义源域和目标域的医学影像，充分利用源域的医学影像以解决医学影像参考样本数量少的缺点，从而完成目标域中未知医学影像的辅助诊断； 2、本专利技术提出基于迁移影像核匹配追踪的分类诊断，从而有效提高被迁移医学影像的参考价值，提高未知影像的诊断识别率； 3、本专利技术充分利用分布不同的医学影像，得到更新后的源域医学影像样本，因而有效的提高了医学影像诊断的泛化能力。 仿真结果表明，对乳腺X影像采用本专利技术的基于迁移核匹配追踪的医学影像诊断方法，乳腺X影像的识别率得到较大提高。 附图说明 图1是本专利技术的迁移核匹配追踪的医学影像诊断系统示意图； 图2是本专利技术的迁移核匹配追踪的医学影像诊断流程图； 图3是本专利技术仿真采用的原始乳腺X影像图； 图4是本专利技术对图3进行去冗余后的乳腺X影像图； 图5是本专利技术对图4采用直方图均衡化和均方差标准化方法后的乳腺X影像图。 具体实施例方式 参照图1，本专利技术基于迁移核匹配追踪的医学影像诊断系统包括影像预处理模块、影像特征提取模块、影像迁移核匹配追踪诊断模块和影像未标识样本测试模块。这些模块依次连接。影像迁移核匹配追踪诊断模块包括影像目标域标识样本训练子模块和影像源域的标识样本训练子模块。该影像目标域标识样本训练子模块，完成影像目标域有标识样本的训练，生成影像有目标域标识样本的训练分类器，将该分类器传输给影像源域的有标识样本训练子模块；该影像源域的标识样本训练子模块将目标域标识样本的训练分类用于影像源域中有标识样本的迁移核匹配追踪学习，对满足和目标域中训练样本集合具有相似分布的样本组成一个新的样本集合，对该样本集合进行分类诊断获得诊断分类器。 影像预处理模块，对输入的原始影像完成去冗余以及直方图均衡化增强处理，并将处理后的结果传输给影像特征提取模块；影像特征提取模块，对处理后的影像提取灰度共生矩阵、Hu矩、Brushlet特征及Contourlet特征作为诊断样本，再将诊断样本传至影像迁移核匹配追踪诊断模块；影像迁移核匹配追踪诊断模块，对输入的诊断样本根据迁移核匹配追踪学习方法调整核参数P，得到满足条件的诊断识别率和更新后源域有标识训练样本集；将该源域有本文档来自技高网...

【技术保护点】
一种基于迁移核匹配追踪的医学影像诊断系统，包括：　影像预处理模块，完成原始影像去冗余以及直方图均衡化增强处理，并将处理后的影像传输给影像特征提取模块；　影像特征提取模块，对输入的处理后的影像进行灰度共生矩阵、Ｈｕ矩、Ｂｒｕｓｈｌｅｔ特征及Ｃｏｎｔｏｕｒｌｅｔ特征提取，并将其提取特征传至影像迁移核匹配追踪诊断模块；　影像迁移核匹配追踪诊断模块，对输入提取特征进行迁移核匹配追踪，得到诊断分类器，将输出诊断分类器输出给影像未标识样本测试模块；　影像未标识样本测试模块，采用输出的诊断分类器对未标识的测试样本分类诊断，输出最终诊断结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：缑水平，焦李成，姚瑶，吴建设，田小林，慕彩红，李阳阳，侯彪，冯静，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]