特征提取方法、计算机辅助诊断的方法及其系统的制作方法
【专利说明】
【技术领域】
[0001]本发明涉及医学诊断领域，尤其涉及一种特征提取方法计算机辅助诊断的方法及其系统。
【【背景技术】】
[0002]计算机辅助诊断技术(Computer Aided Diagnosis，CAD)系统能够检测病灶并将诊断结果图形化展现给医生，支持医生对图像中的病灶(如肺结节、乳腺钙化点、结肠息肉等)进行定位、诊断及定量分析，从而达到减少医生对病灶的误诊和漏诊，提高医生的诊断率。实际上，医学影像中各种影像检查技术包括平片、CT、MR1、超声及PET等，均可引入计算机辅助诊断系统；目前CAD的研究和应用主要在于乳腺和胸部肺结节的检测中，另外CT虚拟结肠内镜(CTC)、肝脏疾病CT诊断、脑肿瘤MRI诊断等也有一定的研究和应用。
[0003]CAD技术是机器学习理论的重要应用，如先提取特征，然后处理数据，利用现有的方法实现分类聚类等功能，并与诊断结果联系起来(例如鉴别肿瘤的良恶性)。特征提取是识别用于机器学习的图像特征的过程，改进CAD系统诊断的准确度关键是改进特征提取过程。
[0004]现有技术中，计算机辅助检测方法中的特征选择是由序列前向选择(Sequencialforward select1n，SFS)，序列浮动前向选择(Sequential Floating ForwardSelect1n，SFFS)以及遗传算法来处理以选择最佳特征子集，所述子集用来训练分类器，对于候选部位进行分割，从每个分割候选部位提取特征集合以及在根据最佳特征子集进行训练之后利用分类器来对候选部位进行分类，以及处理该候选特征集合。由此可知，现有技术通常采用单一结节分割方法，此方法无论效果多好，往往都只能对某一类或几类结节效果出色，无法进一步获取更广更多有效的特征信息，继而影响计算机辅助诊断的准确性，同时特征提取过程中如何避免局部最优，影响最优特征子集的选取也会影响计算机辅助诊断的准确性。
【
【发明内容】
】
[0005]本发明所要解决的技术问题是提供一种特征提取方法、计算机辅助诊断方法及其系统，用以提取更多有效的特征子集，以提供快、准确的诊断，达到降低医学诊断假阳性的目的。
[0006]为解决上述技术问题，本发明提供一种特征提取的方法，包括以下步骤:
[0007]输入医学图像；
[0008]分割所述医学图像，获取同一目标区域的若干个分割结果图像；
[0009]分别提取所述若干个分割结果图像的特征，形成特征池；
[0010]在所述特征池中提取第一特征子集；
[0011]其中，所述若干个分割结果图像是对同一个目标区域采用若干个模型互补分割方法获取的分割结果。
[0012]进一步地，若干个模型互补的分割方法包括一分割方法和第二分割方法合。
[0013]进一步地，所述第一分割方法为基于形态学模型的分割方法，所述第二分割方法为基于统计模型的分割方法。
[0014]进一步地，，所述第一分割方法为基于海森点增强图像和海森线增强图像的固定阈值区域增长方法。
[0015]进一步地，所述第二分割方法为聚类模型方法。
[0016]进一步地，所述第二分割方法为变分期望最大化方法。
[0017]进一步地，获取所述第一特征子集还包括，在所属特征池中多次随机选择特征状态并基于模拟退火方法提取所述第一特征子集。
[0018]进一步地，所述特征池还包括根据所述医学图像、所述医学图像的插值图像，和所述医学图像经形态学操作后的形态学图像和/或其任一组合图像所提取的特征。
[0019]进一步地，所述特征池还包括根据所述若干个模型互补的方法分割所述插值图像和所述形态学图像获取的同一目标区域的若干个分割结果图像所提取的特征。
[0020]为解决上述技术问题，本发明还提供一种计算机辅助诊断的方法，包括以下步骤:
[0021]获取医学图像；
[0022]分割所述医学图像，获取同一目标区域的若干个分割结果图像；
[0023]分别提取所述若干个分割结果图像的特征，形成特征池；
[0024]在所述特征池中提取第一特征子集；
[0025]分类器根据所述第一特征子集提供对所述目标区域的分类或诊断或预测;所述诊断或预测包括确定至少一个目标组织的良/恶性或良性可能性、恶性可能性
[0026]其中，所述若干个分割结果图像是对同一个目标区域采用若干个模型互补的分割方法获取的分割结果。
[0027]为解决上述技术问题，本发明还提供一种计算机辅助诊断系统，包括:
[0028]输入单元，用于获取医学图像；
[0029]分割单元，用于分割所述医学图像，获取同一目标区域的若干个分割结果图像；
[0030]特征提取单元，用于提取所述若干个分割结果图像的特征，形成特征池；
[0031]第一提取单元，用于根据所述特征提取单元获取的特征池中提取第一特征子集；
[0032]诊断预测单元，用于分类器根据所述第一特征子集提供对所述目标区域的诊断或预测；
[0033]其中，所述若干个分割结果图像是对同一个目标区域采用若干个模型互补的分割方法获取的分割结果。
[0034]进一步地，所述分割单元还包括第一分割单元和第二分割单元。
[0035]本发明对比现有技术有如下的有益效果:本发明特征池通过多种分割方法对原始医学图像或插值图像等不同处理图像和分割结果图像提取目标区域的特征，适用于各种形态的病灶，获取更多有效的特征信息，降低分类器的假阳性检出率，加强计算机辅助诊断结果的准确性。
【【附图说明】】
[0036]图1为本发明实施例中特征提取方法的流程示意图；
[0037]图2为本发明另一个实施例中特征提取方法的流程示意图；
[0038]图3为本发明实施例中特征提取来源的各种图像的示意图；
[0039]图4为本发明实施例中模拟退火方法的流程示意图；
[0040]图5为本发明实施例中计算机辅助诊断方法的流程示意图；
[0041]图6为本发明实施例中肺结节良恶性鉴定方法的流程示意图；
[0042]图7为为本发明实施例中肺结节良恶性鉴定结果的示意图；
[0043]图8为本发明实施例中计算机辅助诊断系统的结构示意图。
【【具体实施方式】】
[0044]在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。
[0045]其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实施例，其在此不应