本發(fā)明涉及計(jì)算機(jī)輔助醫(yī)療領(lǐng)域。

背景技術(shù)：

計(jì)算機(jī)輔助肝臟腫瘤分類(良性/惡性)在肝臟疾病的診斷和治療中發(fā)揮著十分關(guān)鍵的作用。當(dāng)前醫(yī)院最通用的做法是醫(yī)生憑借經(jīng)驗(yàn)，結(jié)合二維影像切片序列中的病變特征，對病例的腫瘤性質(zhì)進(jìn)行分類。這種診斷方法耗時(shí)，并且分類準(zhǔn)確度在很大程度上依賴于醫(yī)生的主觀判斷。近年來，使用基于計(jì)算機(jī)的決策工具來輔助臨床決策得到了廣泛的研究和應(yīng)用。但是計(jì)算機(jī)輔助肝腫瘤分類應(yīng)用的較少。Virmani Jitendra,Kumar Vinod,Kalra Naveen,Khandelwal Niranjan 2011年在Computerized Medical Imaging&Graphics the Official Journal of the Computerized Medical Imaging Society的35卷4期上發(fā)表題為Neural network based focal liver lesion diagnosis using ultrasound images的文章，提出一種基于B超圖像的計(jì)算機(jī)輔助肝腫瘤分類方法，用于鑒別肝囊腫、肝血管瘤、肝細(xì)胞癌、肝轉(zhuǎn)移癌和正常肝臟，該方法首先提取病變區(qū)域的208維特征，然后使用神經(jīng)網(wǎng)絡(luò)分類器對病灶進(jìn)行分類，該方法特征提取較復(fù)雜，運(yùn)算復(fù)雜度較高，分類精度約86.4％； Kayaalti,Aksebzeci Bekir Hakan,Ibrahim Karahan,Deniz Kemal,Mehmet,Yilmaz Bülent,Kara Sadik,Asyali Musa Hakan 2014年在Applied Soft Computing的25卷C期上發(fā)表題為Liver fibrosis staging using CT image texture analysis and soft computing的文章，該文章中使用支持向量機(jī)和K近鄰兩種分類器對肝臟CT圖像的紋理特征進(jìn)行分類，實(shí)驗(yàn)證明支持向量機(jī)的分類器得到的結(jié)果優(yōu)于K近鄰；Virmani Jitendra,Kumar Vinod,Kalra Naveen,Khandelwal Niranjan 2013年在Journal of Digital Imaging的26卷3期上發(fā)表題為SVM-based characterization of liver ultrasound images using wavelet packet texture descriptors的文章，該文章使用支持向量機(jī)分類器對肝臟紋理特征進(jìn)行分類，用于鑒別正常肝臟、硬變肝和肝硬化引發(fā)的肝細(xì)胞癌，該方法特征提取較復(fù)雜，并且只能鑒別肝硬化引發(fā)的肝細(xì)胞癌；Liang Xiaodan,Lin Liang,Cao Qingxing,Huang Rui,Wang Yongtian 2016年在IEEE Transactions on Medical Imaging的35期3卷上發(fā)表題為Recognizing Focal Liver Lesions in CEUS with Dynamically Trained Latent Structured Models的文章，提出一種肝臟超聲圖像的自動(dòng)分類方法，該方法使用結(jié)構(gòu)模型對超聲圖像的感興趣區(qū)域進(jìn)行分類，用于鑒別腫瘤的良惡性；Kumar S.S.,Moni R.S.,Rajeesh J.2013年在Computers&Electrical Engineering的39卷5期上發(fā)表題為An automatic computer-aided diagnosis system for liver tumours on computed tomography images的文章，該文章使用概率神經(jīng)網(wǎng)絡(luò)分類器對肝腫瘤分類，但是只能鑒別肝細(xì)胞癌和肝血管瘤。對于醫(yī)學(xué)影像分類問題，特征的維度(數(shù)目)對分類效果具有重要作用，為了追求分類結(jié)果的準(zhǔn)確性，現(xiàn)有技術(shù)提取的特征通常維度較高，這樣導(dǎo)致較高的計(jì)算復(fù)雜度并且容易引發(fā)分類的過擬合問題。此外，現(xiàn)有技術(shù)在肝腫瘤分類領(lǐng)域大多使用二類分類器，即判定為良性或惡性腫瘤。它的局限性體現(xiàn)在：對于特征表現(xiàn)并不清晰的病例，無法取得較高的分類精度，而且容易導(dǎo)致將難區(qū)分惡性腫瘤判斷為良性腫瘤的嚴(yán)重分類錯(cuò)誤；無法對存在癌變較高風(fēng)險(xiǎn)的良性腫瘤進(jìn)行預(yù)警。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明目的在于克服現(xiàn)有技術(shù)的不足，公開一種基于三支決策的肝臟腫瘤CT圖像分類方法，該方法只需計(jì)算十四個(gè)特征來描述肝臟和病變區(qū)域，這些特征容易自動(dòng)計(jì)算或手動(dòng)標(biāo)記，著眼于肝腫瘤的局部特征以及病例肝區(qū)的全局特征，特征數(shù)據(jù)的描述貼近醫(yī)生的診斷過程。然后，將病例特征輸入三支分類器進(jìn)行診斷，結(jié)論為下述三類腫瘤之一，即良性腫瘤、惡性腫瘤和不確定腫瘤，醫(yī)生可針對不同的腫瘤類型定制不同的治療方案。

本發(fā)明的具體的方法過程表征為：

一、首先，進(jìn)行分類器的訓(xùn)練，以獲得知識庫：

肝臟CT影像訓(xùn)練樣本分為良性肝腫瘤病例和惡性肝腫瘤病例，即樣本的類別屬性分兩類(良性/惡性)，類別屬性由專業(yè)的肝外科醫(yī)生進(jìn)行標(biāo)注。樣本經(jīng)過圖像預(yù)處理和特征提取后形成特征向量，在此基礎(chǔ)上采用屬性約簡方法進(jìn)行規(guī)則提取，進(jìn)而構(gòu)建知識庫，為后續(xù)新病例的分類診斷提供基礎(chǔ)。具體包括如下步驟實(shí)施：

(1)采集肝臟影像訓(xùn)練樣本。

(2)圖像預(yù)處理，該步驟又包括：

(21)首先使用半監(jiān)督的圖像分割方法(此技術(shù)已屬于現(xiàn)有技術(shù))來分割出肝臟圖像，

(22)然后在此基礎(chǔ)上進(jìn)一步的采用半監(jiān)督的圖像分割方法分割出肝腫瘤，

(23)同時(shí)在步驟(21)分割出的肝臟圖像中采用Hessian濾波方法(此技術(shù)已屬于現(xiàn)有技術(shù))增強(qiáng)肝臟圖像中的管狀結(jié)構(gòu)，進(jìn)而使用圖像分割區(qū)域生長法(此技術(shù)已屬于現(xiàn)有技術(shù))分割出肝血管圖像；

(3)特征提?。?/p>

共提取14個(gè)局部和全局特征，前者主要反映了局部病變區(qū)域本身的特點(diǎn)，后者著重描述肝腫瘤在整個(gè)肝臟區(qū)域的表現(xiàn)特征。這些特征包括：

肝腫瘤的解剖位置ALoc_f：即為肝腫瘤和肝門靜脈的空間關(guān)系，一般來說，肝腫瘤越接近肝門靜脈主干，供血越充足，其為惡性腫瘤的可能性也越大。

肝腫瘤中心的位置CLoc_f：當(dāng)肝腫瘤蔓延生長于多個(gè)區(qū)域時(shí)，ALoc_f不能完全的表征腫瘤位置，特征CLoc_f反映了肝腫瘤的質(zhì)心位置與肝門靜脈的關(guān)系。

肝腫瘤的平均灰度IAver_f：原始CT圖像肝腫瘤區(qū)域的平均灰度值。

肝腫瘤的灰度多樣性IDiv_f：采用肝腫瘤區(qū)域的信息熵Entr_f來表征肝腫瘤的灰度多樣性。假設(shè)N_g是腫瘤圖像的灰度級數(shù)，P(I)是灰度為I的像素?cái)?shù)和腫瘤區(qū)域像素?cái)?shù)的比例，則Entr_f可以表示為：

Entr_f越大，肝腫瘤區(qū)域的灰度分布越均勻。

肝腫瘤與肝區(qū)的灰度比值IRat：肝腫瘤區(qū)域的平均灰度與肝區(qū)的平均灰度比。

肝區(qū)的灰度多樣性IDiv_l：采用肝區(qū)的信息熵Entr_l來表征灰度多樣性，假設(shè)N_g是肝區(qū)圖像的灰度級數(shù)，P(I)是灰度為I的像素?cái)?shù)和肝區(qū)像素?cái)?shù)的比例，則Entr_l可以表示為：

Entr_l越大，肝區(qū)的灰度分布越均勻。

Peri_f：肝腫瘤的周長。

Size_f：肝腫瘤的面積。

肝腫瘤似圓度Rou_f：計(jì)算公式如下：

Metric的值越大，肝腫瘤的形狀越接近于圓形。

SInc_f：肝腫瘤的最大內(nèi)接圓大小。

SRat：肝腫瘤與肝區(qū)的大小之比。

肝區(qū)的形變程度DDef_l：該特征記錄病變區(qū)域是否引起肝區(qū)的形變，如果引起形變，肝區(qū)形變的嚴(yán)重程度有多高。

SBou_f：腫瘤邊界的光滑程度。

Amou：肝區(qū)內(nèi)肝腫瘤的數(shù)目。

(4)規(guī)則提?。?/p>

采用概率形式的決策等價(jià)類，對已標(biāo)注類別的訓(xùn)練樣本集進(jìn)行決策域描述該等價(jià)類利用概率形式的隸屬度閾值將決策域劃分為正域、非域、不確定邊界域，從而將病例圖像樣本判別為確定惡性、確定良性和不確定樣本，并采用屬性約簡方法對14個(gè)特征進(jìn)行關(guān)鍵屬性提取，基于得到的關(guān)鍵屬性產(chǎn)生三支決策規(guī)則。

(5)構(gòu)建知識庫：

將提取出的病例特征值輸入到基于三支決策規(guī)則的分類器中，從而將病例分為下述三個(gè)類別之一：良性腫瘤、惡性腫瘤以及不確定腫瘤。不確定腫瘤是指以目前信息無法對腫瘤類別做出判斷，需要結(jié)合醫(yī)生經(jīng)驗(yàn)或其它必要檢查才能進(jìn)一步確診。

二、獲得知識庫后進(jìn)行臨床使用：

(1)獲取待分類病例的腹腔CT圖像。

(2)與第一部分中的“步驟(2)圖像預(yù)處理”相同。

(3)與第一部分中的“步驟(3)特征提取”相同。

(4)肝腫瘤診斷：

將提取出的病例特征值輸入到步驟一中的基于三支決策的分類器中，從而將病例分為下述三個(gè)類別之一：良性腫瘤、惡性腫瘤以及不確定腫瘤。不確定腫瘤是指以目前信息無法對腫瘤類別做出判斷，需要結(jié)合醫(yī)生經(jīng)驗(yàn)或其它必要檢查才能進(jìn)一步確診。三支診斷的好處是，醫(yī)生可針對不同的腫瘤類型定制不同的治療方案，尤其是不確定腫瘤中，存在癌變較高風(fēng)險(xiǎn)的良性腫瘤，醫(yī)生可及時(shí)提醒病例進(jìn)行預(yù)防和定期隨訪。

本發(fā)明的有益效果是：

本發(fā)明提出的方法只需計(jì)算十四個(gè)特征來描述肝臟和病變區(qū)域，這些特征容易自動(dòng)計(jì)算或手動(dòng)標(biāo)記。本發(fā)明提出的三支分類器，將病變歸類于三種腫瘤之一，即良性腫瘤、惡性腫瘤和不確定腫瘤，醫(yī)生可針對不同的腫瘤類型定制不同的治療方案，尤其是不確定腫瘤中，存在癌變較高風(fēng)險(xiǎn)的良性腫瘤，醫(yī)生可及時(shí)提醒病例進(jìn)行預(yù)防和定期隨訪。

附圖說明

圖1是本發(fā)明一種基于三支決策的肝臟腫瘤CT圖像分類方法的方法流程圖。

圖2是本發(fā)明一種基于三支決策的肝臟腫瘤CT圖像分類方法的圖像預(yù)處理。

圖3是本發(fā)明一種基于三支決策的肝臟腫瘤CT圖像分類方法的14個(gè)特征示意圖。

具體實(shí)施方式

為了使本發(fā)明所要解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行詳細(xì)的說明。應(yīng)當(dāng)說明的是，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明，能實(shí)現(xiàn)同樣功能的產(chǎn)品屬于等同替換和改進(jìn)，均包含在本發(fā)明的保護(hù)范圍之內(nèi)。

本發(fā)明用以支持醫(yī)生針對不同的腫瘤類型定制不同的治療方案。本發(fā)明技術(shù)方案本身，其發(fā)明任務(wù)不是用于完成診斷和治療肝臟。

下面通過實(shí)施例結(jié)合附圖進(jìn)一步說明本發(fā)明。

實(shí)施例一

參閱附圖，在圖1中給出了本發(fā)明的方法流程圖，按此圖示流程，給出一組實(shí)施例。該方法首先訓(xùn)練分類器，標(biāo)注160組肝臟CT影像訓(xùn)練樣本，其中包括50組肝囊腫(良性)、50組肝血管瘤(良性)以及60組肝細(xì)胞癌(惡性)，樣本的類別屬性分兩類(良性/惡性)。樣本經(jīng)過圖像預(yù)處理和特征提取后形成特征向量，在此基礎(chǔ)上采用屬性約簡方法進(jìn)行規(guī)則提取，進(jìn)而構(gòu)建知識庫，為后續(xù)新病例的分類診斷提供基礎(chǔ)。

圖像預(yù)處理包括提取肝臟區(qū)域、肝血管和肝腫瘤。在圖2所示的實(shí)施例中，圖2(a)為一張?jiān)几骨粓D像數(shù)據(jù)切片，圖2(b)為分割出的肝臟和肝血管區(qū)域，圖2(c)為分割出的肝臟和肝腫瘤區(qū)域。

計(jì)算的14個(gè)全局與局部特征示意圖如圖3，特征的設(shè)定與特征值離散化參見下表實(shí)施例。

表1特征設(shè)定與特征值離散化

將提取出的病例特征值輸入到基于三支決策的分類器中，從而將病例分為下述三個(gè)類別之一：良性腫瘤、惡性腫瘤以及不確定腫瘤，醫(yī)生可針對不同的腫瘤類型定制不同的治療方案。

本發(fā)明能有多種不同形式的具體實(shí)施方式，上面以圖1為例結(jié)合附圖對本發(fā)明的技術(shù)方案作舉例說明，對本發(fā)明進(jìn)行詳細(xì)的說明。應(yīng)當(dāng)說明的是，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明，能實(shí)現(xiàn)同樣功能的產(chǎn)品屬于等同替換和改進(jìn)，均包含在本發(fā)明的保護(hù)范圍之內(nèi)。