基于超声RF时间序列的肝纤维化程度Fisher识别方法
【专利摘要】本发明属于超声医学【技术领域】，具体为一种基于超声RF时间序列的肝纤维化程度Fisher识别方法，该方法首先使用宽频超声线阵探头扫描活体肝组织，记录多帧超声回波射频RF信号；解调并显示某一帧B型图，选取感兴趣区ROI，对ROI内的每点取其所有帧RF信号构成超声RF时间序列；提取ROI内RF时间序列的SMR分形维数均值和若干个谱特征参数，对大量正常和纤维化肝样本提取上述7个特征，统计得到每个特征参数的Fisher判别率，以归一化的Fisher判别率作为新输入样本相应特征参数的权值，对新样本各特征参数的绝对值进行加权求和得到评分Score-fisher。本发明首次提出基于RF时间序列的肝纤维化程度定量识别方法，为临床肝纤维化诊断及动态监测提供定量参考。
【专利说明】基于超声RF时间序列的肝纤维化程度Fisher识别方法
【技术领域】
[0001]本发明涉及超声医学研究领域，特别涉及一种基于超声RF时间序列的肝纤维化程度Fisher识别方法。
【背景技术】
[0002]在亚洲地区，肝纤维化是一种常见的肝脏疾病，它是慢性肝损伤向肝硬化进展的关键环节，为各种慢性肝病发展为肝硬化的必经阶段。现认为肝纤维化经过治疗尚有逆转至正常的可能，而肝硬化则否。但肝组织纤维化程度缺乏定量、无创的诊断和监测手段，在治疗时也无法及时评价疗效。在医学临床中，肝活检是目前肝纤维化诊断的黄金标准，但肝活检是有创性检查，不宜重复进行，而且容易引起其他并发症。超声组织定征以其无创、简易、可重复等优点而在肝纤维化诊断上受到广泛关注。
[0003]传统的肝组织定征的数据来源主要有两种:超声B型图和超声回波射频RF信号。基于超声B型图像的肝组织定征主要提取图像的纹理特征，然后用SVM、神经网络等分类器的分类准确率、敏感度、特异性等对分类效果进行评估。超声B型图定征存在着以下几点缺陷:(1)采用辉度调制显示幅值信息，丢弃了丰富的相位信息，使得部分组织信息丢失；(2)检查结果受到仪器型号、仪器设置等的影响，一致性较差。基于超声回波射频RF信号主要对同一帧背散射回波RF信号使用超声谱参数法进行组织定征，其具体做法是采用宽频超声探头扫描肝组织获取超声回波射频RF信号，解调显示某一帧，截取得到感兴趣区ROI。对感兴趣区内的声束逐 条进行频谱分析，提取谱特征参数，找出能有效区分正常和病变肝组织的特征参数。此方法需要深度衰减补偿，而不同病变程度的组织衰减能力是有差异的，同时个体差异也会使得声波传播路径不同，进而严重影响其分类精度。
[0004]在上述超声组织定征中，大多是提取可区分正常组织和不正常组织的特征，根据特征分布对样本进行分类，仅仅是定性分析，缺乏对肝纤维化程度的定量分析。
【发明内容】
[0005]本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于超声RF时间序列的肝纤维化程度Fisher识别方法，该方法利用常规B超检查中获取的RF时间序列，进行特征提取，并利用Fisher判别方法对肝纤维化程度进行定量分析，给肝纤维化程度的识别提供了可度量的辅助信息，不依赖于医生的经验，识别结果更客观。
[0006]本发明的目的通过以下的技术方案实现:基于超声RF时间序列的肝纤维化程度Fisher识别方法,包括以下步骤:
[0007](I)训练阶段:选取大量正常肝和纤维化肝样本数据进行如下操作，得到各特征参数的权重:
[0008](1-1)扫描活体肝组织，获取多帧超声回波射频RF信号；
[0009](1-2)分别解调每一帧超声回波射频RF信号的B型图；
[0010](1-3)在每个B型图上选取感兴趣区ROI ；[0011](1-4)对ROI内的每一点取其所有帧RF信号构成超声RF时间序列；
[0012](1-5)提取超声RF时间序列的SMR分形维数均值和若干个谱特征参数，即得到特征向量；
[0013](1-6)对大量正常肝和纤维化肝样本提取上述特征向量，统计得到正常肝和纤维化肝特征向量中各特征参数的均值和方差；
[0014](1-7)计算每个特征参数的Fisher判别率，然后归一化处理，得到各特征参数的权重；
[0015](2)识别阶段:对于新输入待识别的样本，按照步骤(1-1)- (1-5)得到特征向量，以步骤(1-7)得到的各特征参数的权重，对新样本每个特征参数的绝对值进行加权求和得到Fisher评分，根据其评分的分值即实现肝纤维化程度的识别。
[0016]具体的，所述步骤(1-5)中，提取超声RF时间序列的SMR分形维数均值的方法如下:
[0017](1-5-1-1)设感兴趣区ROI大小为MXNJtROI内的每一点取其所有帧RF信号，从而得到MXN个RF时间序列；
[0018](1-5-1-2)归一化幅值为:
[0019]
【权利要求】
1.基于超声RF时间序列的肝纤维化程度Fisher识别方法，其特征在于，包括以下步骤: (1)训练阶段:选取大量正常肝和纤维化肝样本数据进行如下操作，得到各特征参数的权重: (1-1)扫描活体肝组织，获取多帧超声回波射频RF信号； (1-2)分别解调每一帧超声回波射频RF信号的B型图； (1-3)在每个B型图上选取感兴趣区ROI ； (1-4)对ROI内的每一点取其所有帧RF信号构成超声RF时间序列； (1-5)提取超声RF时间序列的SMR分形维数均值和若干个谱特征参数，即得到特征向量; (1-6)对大量正常肝和纤维化肝样本提取上述特征向量，统计得到正常肝和纤维化肝特征向量中各特征参数的均值和方差； (1-7)计算每个特征参数的Fisher判别率，然后归一化处理，得到各特征参数的权重； (2)识别阶段:对于新输入待识别的样本，按照步骤(1-1)-(1-5)得到特征向量，以步骤(1-7)得到的各特征参数的权重，对新样本每个特征参数的绝对值进行加权求和得到Fisher评分，根据其评分的分值即实现肝纤维化程度的识别。
2.根据权利要求1所述的基于超声RF时间序列的肝纤维化程度Fisher识别方法，其特征在于，所述步骤(1-5)中，提取超声RF时间序列的SMR分形维数均值的方法如下: (1-5-1-1)设感兴趣区ROI大小为MXN，对ROI内的每一点取其所有帧RF信号，从而得到MXN个RF时间序列； (1-5-1-2)归一化幅值为: fr=- T-
3.根据权利要求1所述的基于超声RF时间序列的肝纤维化程度Fisher识别方法，其特征在于，所述步骤(1-5)中，提取如下6个谱特征参数，分别是四个频段的谱能量之和S1, S2, S3, S4和谱斜率Slope、谱截距Intercept,计算步骤为: 首先对每个RF时间序列f (η)作FFT变换得频谱，求取每帧ROI内所有点的频谱幅值和，然后除以ΜΧΝ，得到每帧的频谱均值F_(k)，对F_(k)作归一化处理得到归一化频谱，即:
4.根据权利要求1所述的基于超声RF时间序列的肝纤维化程度Fisher识别方法，其特征在于，所述步骤(1-7)中，计算每个特征参数的Fisher判别率的步骤是:
5.根据权利要求4所述的基于超声RF时间序列的肝纤维化程度Fisher识别方法，其特征在于，所述步骤(7)中对每个特征参数的Fisher判别率进行归一化处理的步骤是:.Wi
6.根据权利要求1所述的基于超声RF时间序列的肝纤维化程度Fisher识别方法，其特征在于，所述步骤(2)中，得到Fisher评分的步骤是: 设第i个特征参数的权重为A，提取的新样本中第i个特征参数为ε i，则Fisher评分 Score-fisher 为:
【文档编号】A61B8/14GK103637821SQ201310617001
【公开日】2014年3月19日 申请日期:2013年11月27日 优先权日:2013年11月27日
【发明者】高永振, 林春漪, 周建华, 陈秋彬 申请人:华南理工大学