一种基于多维信息的肺结节良恶性鉴别方法技术

一种基于多维信息的肺结节良恶性鉴别方法，包括如下步骤：步骤1、三维结节的二维表示；步骤2、建立特征模型；步骤3、构建模糊分类器；步骤4、评价分类性能。本发明专利技术的有益效果：准确的特征建模对肺结节的良恶性鉴别至关重要。本发明专利技术采用影像学诊断特征、图像处理常用形状及纹理特征以及患者信息为肺结节良恶性鉴别提供更加客观的依据，特征的提取均在基于螺旋扫描技术生成的二维图像上进行并对特征建模采用了新的方法使得提取的特征更加准确。本发明专利技术使用模糊C均值聚类(FCM)算法对疑似结节进行良恶性鉴别，给出其为良性或恶性的概率，这样更符合医生思维模式。

【技术实现步骤摘要】
【专利摘要】，包括如下步骤：步骤1、三维结节的二维表示；步骤2、建立特征模型；步骤3、构建模糊分类器；步骤4、评价分类性能。本专利技术的有益效果：准确的特征建模对肺结节的良恶性鉴别至关重要。本专利技术采用影像学诊断特征、图像处理常用形状及纹理特征以及患者信息为肺结节良恶性鉴别提供更加客观的依据，特征的提取均在基于螺旋扫描技术生成的二维图像上进行并对特征建模采用了新的方法使得提取的特征更加准确。本专利技术使用模糊C均值聚类(FCM)算法对疑似结节进行良恶性鉴别，给出其为良性或恶性的概率，这样更符合医生思维模式。【专利说明】
本专利技术涉及，尤其涉及特征建模以及基于模糊C均值聚类分类器构建。技术背景目前:人们在肺结节良恶性鉴别方面做了大量工作。在国外，Suzuki等人使用6个大规模训练的人工神经网络构成的CAD系统来对肺结节进行良恶性鉴别；Sumiaki等人利用线性判别函数对他们提出的量化收敛指数滤波器(QCI filter)的八个属性进行良恶性鉴别；Dolejei等人提出给漏诊的肺结节和错误分类的组织不同权重的一种自适应增强算法，降低了假阴率和假阳率；Antonelli等人模拟一个医师团队，建立一个多分类器系统，通过投票来完成肺结节的良恶性鉴别；Kumar等人提出采用模糊推理来对肺结节进行良恶性鉴别。在国内，魏颖等人采用基于加权的马氏距离来对肺结节进行良恶性鉴别；陈武凡等人利用支持向量机(SVM)来对肺结节进行良恶性鉴别；张丽秋等人利用反向传播的人工神经网络来进行良恶性鉴别。影像学诊断特征、图像处理常用形状及纹理特征及患者信息为肺结节良恶性鉴别提供更加客观的依据。现有的肺结节良恶性计算机诊断具有唯一确定结果，即要么为恶性，要么为良性。但在临床诊断中，有时医生不能给出确切的诊断结果，而是给出肺结节为恶性或者良性的概率，这样的结果导致误诊的发生，延误病人的治疗。
技术实现思路
为了解决现有技术的不足，本专利技术提供，通过对疑似结节进行良恶性鉴别，已达到给出其为良恶性的概率的目的。本专利技术的方案是这样实现的:，包括如下步骤:步骤1、三维结节的二维表示；采用螺旋扫描技术生成在候选结节表面上有序均匀分布的视点，在生成有序、均匀分布视点之后，以候选结节的中心为起始点向视点方向均匀的指定长度的射线，按顺时针方向将这些射线上的像素垂直地排列得到三维候选结节的二维图像。步骤2、建立特征模型；步骤2.2建立结节影像学特征模型；(I)建立分叶特征模型采用弦长与弦距比、特征点个数、最小凹角、可疑分叶点数、最大凹弧线比、分叶等级、最小凸角、最大凸弧线比来描述分叶征；首先特征点检测，方法如下:a，根据二维图像分割边界，求各边界点与其相邻后边的边界点的斜率，获取各边界点斜率；b，判断特征点，具体为相邻两边界点斜率符号为正负则前点为凸；为负正则为凹；否则向下检测；将特征点依次放入集合A ;c，优化特征点集合，检测相邻凹点之间的距离小于一定阈值且中间凸点也小于一定阈值，满足两条件则将三个特征点中的后两个从集合A中删除；a表示A中的特征点，％表示A中的第i个特征点，特征点集A中三个相邻的特征点分别为具有相同的凹凸性,与Si相反与ai+1之间的距尚为弦长dci 到直线％_Α+1的距离为弦距dvi ;其中，d表示距离，下角标c表示弦长，下角标V表示弦距，弦长与弦距比为孕其中，R表示弦长与弦距比，Ri表示Bi对应的弦长与弦距t匕，以％为顶点所形成的夹角度数为a i ；?获取平均凸弧线比Rm=mean (Ri I 已丨为凸点} (I)其中，R为弦长与弦距比，下角标m表示平均，Rm表示平均凸弧线比，a表示A中的特征点，Bi为特征点集A中第i个特征点；?统计特征点个数Nf=card A其中，A为特征点集合，N表示个数，下角标f标识为特征点，Nf表示特征点个数；?获取最小凹角与最小凸角相邻三个特征点a^, ai； ai+1对应的坐标分别为(Xi^, Yi^1)，(Xi, Yi)，(xi+1, yi+1);通过余弦定理可求得％为顶点所形成的夹角a i ；【权利要求】1.，其特征在于:包括如下步骤: 步骤1、三维结节的二维表示； 步骤2、建立特征模型； 步骤3、构建模糊分类器； 步骤4、评价分类性能。2.根据权利要求1所述的基于多维信息的肺结节良恶性鉴别方法，其特征在于:所述的步骤1、三维结节的二维表示具体为:采用螺旋扫描技术生成在候选结节表面上有序均匀分布的视点，在生成有序、均匀分布视点之后，以候选结节的中心为起始点向视点方向均匀的指定长度的射线，按顺时针方向将这些射线上的像素垂直地排列得到三维候选结节的二维图像。3.根据权利要求1所述的基于多维信息的肺结节良恶性鉴别方法，其特征在于:所述的步骤2、建立特征模型建立过程包括如下步骤: 步骤2.2建立结节影像学特征模型； 步骤2.3建立图像形状及纹理的特征模型； 步骤2.4结合患者的相关信息。4.根据权利要求3所述的基于多维信息的肺结节良恶性鉴别方法，其特征在于:所述的步骤2.2建立结节影像学特征模型；包括如下步骤: (I)建立分叶特征模型 采用弦长与弦距比、特征点个数、最小凹角、可疑分叶点数、最大凹弧线比、分叶等级、最小凸角、最大凸弧线比来描述分叶征； 首先特征点检测，方法如下:a，根据二维图像分割边界，求各边界点与其相邻后边的边界点的斜率，获取各边界点斜率山，判断特征点，具体为相邻两边界点斜率符号为正负则前点为凸；为负正则为凹；否则向下检测；将特征点依次放入集合A ;c，优化特征点集合，检测相邻凹点之间的距离小于一定阈值且中间凸点也小于一定阈值，满足两条件则将三个特征点中的后两个从集合A中删除； a表示A中的特征点，ai表示A中的第i个特征点，特征点集A中三个相邻的特征点分别为ai+1具有相同的凹凸性,与Si相反与ai+1之间的距尚为弦长dci ；Bi到直线％_Λ+1的距离为弦距dvi ;其中，d表示距离，下角标c表示弦长，下角标V表示弦距，弦长与弦距比为焉其中，R表示弦长与弦距比 5.根据权利要求3所述的基于多维信息的肺结节良恶性鉴别方法，其特征在于:所述的步骤2.3建立图像形状及纹理的特征模型；包括如下步骤: (I)获取结节表面积由于螺旋扫描技术产生的视点近似均匀的分布在结节表面，在结节分割后的图像中，距结节中心越远表面积越大，距离结节中心为r个像素的视点所在区域表面积是距结节中心I个像素视点所在区域表面积的r2倍， 6.根据权利要求3所述的基于多维信息的肺结节良恶性鉴别方法，其特征在于:所述的步骤2.4结合患者的相关信息，包括如下信息: (1)患者年龄； (2)患者性别； (3)患者是否患过其他癌症； (4)患者是否痰中咯血。7.根据权利要求1所述的基于多维信息的肺结节良恶性鉴别方法，其特征在于:所述的步骤3、构建模糊分类器；具体如下: 通过模糊C-均值聚类分类器，并用马氏距离代替欧氏距离构建； 求下式中目标函数J的最小值: 8.根据权利要求7所述的基于多维信息的肺结节良恶性鉴别方法，其特征在于:所述的模糊C均值聚类算法的算法如下: (1)设置目标函数精度ε，模糊指数m，最大迭代次数Tm; (2)初始化模糊聚类中心； (3)由步骤(3)-(5)更新本文档来自技高网...

【技术保护点】
一种基于多维信息的肺结节良恶性鉴别方法，其特征在于：包括如下步骤： 步骤1、三维结节的二维表示； 步骤2、建立特征模型； 步骤3、构建模糊分类器； 步骤4、评价分类性能。

【技术特征摘要】

【专利技术属性】
技术研发人员：张国栋，郭薇，肖男，肖娅，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：辽宁;21