一种轻量型切口疝补片三维超声图像特征提取方法与流程

技术特征：

1.一种轻量型切口疝补片三维超声图像特征提取方法，其特征在于，包括以下步骤：

S1：构建一个ABUS冠状面的二维（2-D）前景掩模；

S2：提取VOI；

S3：对VOI图像进行预处理操作；

S4：对给定一组VOI的待分类区域，可对每个待分类区域提取40项特征；

S5：对提取的40项特征进行选择，最终选取使轻量型补片和筋膜的分类误差达到最小的特征作为特征组合；

步骤S1中，所述构建一个冠状面的2-D前景掩模的具体步骤为：

S1.1：将所有位于0.5至0.9倍扫描总深度的ABUS冠状面切片C₁-C_n取出，对所有C₁-C_n图像中相同位置的像素点做均值处理，得到一张冠状面均值图像C_mean；

S1.2：使用Otsu算法对图像C_mean进行阈值处理，得到二值图像C_binary；

S1.3：采用形态学开运算对C_binary图像进行处理，得到冠状面2-D前景掩模图像C_mask。

2.根据权利要求1所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，步骤S2中，所述提取VOI的具体步骤为：

S2.1：从ABUS冠状面掩模图像C_mask左上角开始，将图像等分为50×50 像素的图像块；

S2.2：将所有全黑图像块的冠状面位置特征置为0，将所有与前景掩模边界相交的图像块的冠状面位置特征置为1，将所有全白图像块的冠状面位置特征置为2；

S2.3：逐一将所有冠状面位置特征不为0的图像块选取为当前感兴趣区域（ROI）；使用所有与ROI相关的ABUS横断面和矢状面图像区域，将2-D的ROI扩展为3-D的VOI；逐一将当前VOI送入后续特征提取模块，直至完成对所有VOI的遍历。

3.根据权利要求2所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，步骤S3中，所述对VOI图像进行预处理操作的具体步骤为：

S3.1：使用3-D 智能斑点降噪各向异性扩散（ISRAD）算法对自动提取出的VOI进行三维滤波处理；

S3.2：使用Otsu算法对位于VOI中心的单帧横断面图像做二值化处理；

S3.3：使用开运算删除二值图像中所有面积小于15 像素的白色连通区域；

S3.4：萃取每个白色连通区域的最小外切边界框，计算出边界框的宽度、高度和顶点坐标；

S3.5：删除边界框的宽度< 15 像素的白色连通区域；

S3.6：对所有剩余白色连通区域进行编号标注，以作为待分类区域。

4.根据权利要求3所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，步骤S4中，所述逐一对每个待分类区域进行特征提取的具体步骤为：

S4.1：提取待分类区域的2-D纹理特征，分两步进行；第一步，计算待分类区域横断面单帧切片的12项2-D灰度共生矩阵（GLCM）纹理特征；第二步，计算待分类区域冠状面切片序列的12项2-D GLCM纹理特征和1项2-D分形维数（FD）特征，总共为25项；

S4.2：提取待分类区域的3-D纹理特征；对每个待分类区域的容积数据，计算12项3-D GLCM纹理特征和1项3-D FD特征，总共为13项；

S4.3：提取待分类区域所处扫描深度的局部特征，以一个基于待分类区域所处扫描深度即ABUS的Y-方向的局部特征f_depth来表征补片的出现几率；

S4.4：提取待分类区域与疝囊位置关系的环境特征，以一个基于待分类区域与疝囊位置关系的位置参数f_adjacency来表征补片的出现几率；

所述12项纹理特征，包括2-D GLCM和3-D GLCM，具体为：能量（f₁）、对比度（f₂）、相关（f₃）、方差（f₄）、同质性（f₅）、均值（f₆）、熵（f₇）、自相关（f₈）、差异性（f₉）、集群阴影（f₁₀）、集群突出（f₁₁）和最大概率（f₁₂）。

5.根据权利要求4所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，步骤S5中，所述对提取的40项特征进行特征选择的具体步骤为：首先，使用类间距法（DBC）分别计算每项特征的类间距；其次，对40个特征的按类间距从大到小排序，选取类间距较大的前25个特征；最后，对初步选出的25个的特征使用顺序前进搜索法（SFS）进行选择，以得到使分类正确率最高的特征组合。

6.根据权利要求4所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，在步骤S4.1中，所述计算待分类区域横断面单帧切片的12项2-D灰度共生矩阵（GLCM）纹理特征，具体步骤为：首先，提取出VOI中心的单帧横断面降噪图像；其次，对每个待分类区域在扫描深度方向做上下5 像素的区域扩展；接着，分割出每个待分类区域的横断面单帧切片；最后，对该单帧切片计算12项描述符，作为该待分类区域横断面单帧切片的2-D GLCM纹理特征；

所述计算待分类区域冠状面切片序列的12项2-D GLCM纹理特征，具体步骤为：对于2-D GLCM，二维图像中的两个像素点的空间位置差异用位移向量D（φ,d）来描述，d为两像素点间的距离，φ为两像素点与坐标轴的夹角；对于一个给定距离d，在4个独立的方向上：φ = 0˚、45˚、90˚、135˚，共可能有8个相邻的像素对出现，那么，在二维图像中的φ方向相隔d的一对像素对，分别具有灰度i和j出现的概率，即p（i,j/φ,d），记为p_ij；将由p_ij组成的矩阵归一化即得到图像的灰度共生矩阵；于是，12项2-D GLCM纹理特征的计算式如下：

（1）（2）（3）（4）（5）（6）（7）（8）（9）（10）（11）（12）

其中，N_g为灰度级别，p（i,j）是灰度对（i,j）出现的概率，即灰度共生矩阵归一化的结果；矩阵行和列的平均值和标准差为，，和，；

所述计算待分类区域冠状面切片序列的1项2-D分形维数（FD）特征，具体步骤为：对于2-D FD，二维分形维数由图像傅里叶变换的功率谱进行估计；使用如下的快速傅里叶变换（FFT）来对二维图像进行离散傅里叶变换（DFT）：

（13）

其中，I是尺寸为（M,N）的二维图像区域，u和v分别是在x和y方向的空间频率，u = 0,1,...M-1，v = 0,1,...N-1；功率谱密度P通过F（u,v）按如下方法估计：

（14）

为计算2-D FD，对P沿跨越FFT频域的径向切片方向进行平均，频率空间被均匀地等分为24个方向，而对每个方向的径向分量均匀地采样30个点；计算出log（P_f）对log（f）的最小二乘拟合，其中代表径向频率，则FD以如下形式相关于这个双对数曲线的斜率β：

（15）

其中，D_T是拓扑维数，对于二维图像，D_T = 2。

7.根据权利要求4所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，在步骤S4.2中，所述计算12项3-D GLCM纹理特征，具体步骤为：对于3-D GLCM，三维图像中的两个体素点的空间位置差异用位移向量D（φ,θ,d）来描述，d为两体素点间的距离，φ为两体素点间的方位角，θ为两体素点间的天顶角；对于一个给定距离d，在13个独立的方向上，共可能有26个相邻的体素对出现；这里，仍然选择提取与2-D GLCM中相同的12项3-D GLCM纹理特征；

所述计算1项3-D FD特征，具体步骤为：对于3-D FD，三维分形维数由容积图像的3-D傅里叶变换的功率谱进行估计；使用如下的3-D FFT来对整个三维图像进行3-D DFT：

（16）

其中，I是尺寸为（M,N,K）的三维图像区域，u, v和w分别是在x, y和z方向的空间频率，功率谱密度P按如下方法估计：

（17）

为计算3-D FD，对P沿跨越3-D FFT频域的径向扇区方向进行平均；频率空间被均匀地在24个方位角方向和12个天顶角方向进行等分，而对每个方向的径向分量均匀地采样30个点，计算出log（P_f）对log（f）的最小二乘拟合，其中代表径向频率，则3-D FD以如下形式相关于这个双对数曲线的斜率β：

（18）

其中，D_T是拓扑维数，对于三维图像，D_T = 3。

8.根据权利要求4所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，在步骤S4.3中，待分类区域所处扫描深度即ABUS的Y-方向的局部特征f_depth设置如下：沿ABUS扫描深度方向对局部特征按探头界面向皮肤以下深度进行区间划分：分别为区间0~1 cm、区间1~3 cm和区间3~6 cm；根据待分类区域的深度参数，对局部特征f_depth设置：1）区间0~1 cm，轻量型补片出现几率中等偏上，即f_depth 设置为 ③； 2）区间1~3 cm，轻量型补片出现几率最高，即f_depth 设置为 ④；3）在3~6 cm区间，随着深度的增加，放置补片的可能性逐渐减小，故从上到下，即此区域的f_depth设置为②和①。

9.根据权利要求4所述的轻量型切口疝补片三维超声图像特征提取方法，其特征在于，在步骤S4.4中，所述提取待分类区域与疝囊位置关系的环境特征，分如下两步进行：

第一步，采用基于ABUS数据的快速疝囊检测定位算法，以确定疝囊位置：首先，检测ABUS冠状面图像中的所有黑色目标；其次，在滤除伪黑色目标后，测算出最大黑色目标也就是疝囊在X-、Y-和Z-方向的尺寸；第三，为确保整个疝囊都包含于VOI容积之中，将疝囊尺寸在三个方向都扩大40 像素；第四，从ABUS容积数据集中裁剪出含有疝囊的VOI容积；第五，使用3-D ISRAD算法对VOI进行斑点降噪处理；最后，从VOI的每帧横断面图像中分割出疝囊轮廓，完成对ABUS数据中疝囊的检测和定位处理；

第二步，在疝囊检测完成后，对冠状面位置特征进行调整：对与疝囊冠状面投影区域重叠或相交的待分类区域的冠状面位置特征加2；对与疝囊冠状面投影区距离3 cm以内的待分类区域的冠状面位置特征加1；在距离疝囊位置越近的待分类区域中出现补片的几率就越大，因此，以一个基于待分类区域与疝囊位置关系的位置参数f_adjacency来表征补片的出现几率；所以，以待分类区域的冠状面位置特征取值作为环境特征f_adjacency的取值；待分类区域的f_adjacency取值越大，相应的补片出现几率就越大。