1.一种基于遗传算法的乳腺肿瘤轮廓动态提取方法,其特征在于:
(1)构建初始肿瘤模型
1a)获取现有的乳腺肿瘤超声图;
1b)根据图像中的灰度值差别区分肿瘤组织和正常组织,并将图像转换为二值图,分别标记肿瘤组织和正常组织;
1c)按照设定的分辨率将1b)中的二值图网格化,生成网格图像,得到组织矩阵a:
其中,aij表示网格图像中位置为(i,j)的组织信息,若aij=0,表示此位置为正常组织,若aij=1,表示此位置为肿瘤组织;
1d)根据1c)得到的组织矩阵a,在xfdtd电磁仿真软件中建立初始肿瘤模型xa,并在模型周围设置n根天线,每根天线轮流发射电磁波辐射肿瘤,所有天线同时接收并记录电磁回波,n≥8;
1e)拷贝初始肿瘤模型xa,并将其中的肿瘤组织替换为正常组织,得到无肿瘤模型xb;
(2)构建初始评估函数f:
式中,n表示天线总数,m为每一根天线的电流采样总数,
(3)利用共焦成像获得肿瘤的中心位置,及最优的肿瘤矩形轮廓:
3a)在1d)建立的初始肿瘤模型xa中,用共焦成像确定肿瘤基本区域;
3b)在1e)建立的无肿瘤模型xb中,使用边长为8mm的肿瘤组织小格遍历肿瘤基本区域,得到带肿瘤组织小格的模型xo,通过初始适应度函数f计算该模型的适应度值,选取模型xo中适应度值最高的小格位置作为肿瘤的中心位置;
3c)调整中心位置上小格的长和宽,得到矩形肿瘤模型xs,通过初始评估函数f迭代计算该模型的适应度值,直到适应度值不再增加,此时模型xs中的矩形轮廓就是最优的肿瘤矩形轮廓;
(4)修改初始适应度函数f,获得距离补偿适应度函数f′;
(5)调整步骤(3)得到的矩形肿瘤的位置,获得初始轮廓模型序列,利用距离补偿适应度函数f′计算初始轮廓模型序列的适应度值,对初始轮廓模型序列进行编码,依次通过遗传算法与集成算法训练经过编码的初始轮廓模型序列,用1mm的变化量不断演进肿瘤轮廓的形状,得到演进轮廓模型序列;
(6)将演进轮廓模型序列的距离补偿适应度值序列f1′,f2′...,fl′的最大值f′max与预设的适应度阈值f作比较:
若f′max≥f,则表示步骤(5)得到的演进轮廓模型序列中有最优模型,训练结束,输出此模型的肿瘤轮廓图像;
若f′max<f,则表示未得到最优模型,需要对演进轮廓模型序列再次编码,继续依次通过遗传算法与集成算法进行迭代训练,若达到设置的最大迭代次数时仍未得到最优模型,则输出适应度值最高的肿瘤轮廓图像。
2.根据权利要求1所述的方法,其特征在于:所述(2)中构建初始适应度函数f,实现如下:
2a)通过xfdtd仿真软件分别对初始肿瘤模型xa和无肿瘤模型xb进行仿真,得到xa的第i根天线在t时刻接收回波的电流值
2b)逐时刻、逐天线累加xa和xb的电流平方误差
式中,n为天线总数,m为每一根天线的电流采样总数。
2c)将e取倒数得到适应度函数f:
无肿瘤模型中添加肿瘤后,与初始肿瘤模型越相似,则f的取值越大。
3.根据权利要求1所述的方法,其特征在于:所述(4)中获得距离补偿适应度函数f′,实现如下:
4a)计算每一根天线的调节系数ai:
ai=li-2/max(l1-2,l2-2,...,li-2...,ln-2),
式中,li表示为第i根天线与肿瘤中心位置的距离,n为天线总数;
4b)计算每一根天线的总电流误差ei:
式中,
4c)根据每一根天线的总电流误差ei和调节系数ai,得到距离补偿适应度函数f′:
4.根据权利要求1所述的方法,其特征在于:所述(5)中对初始轮廓模型序列进行编码,实现如下:
5a)提取初始轮廓模型序列中任一模型中肿瘤的边缘,对边缘内外的区域网格化,得到边长为1mm、与边缘相切的内外双层网格s,网格s中的任一小格表示为si;
5b)将网格s编码在一条染色体g上,染色体的每一个基因与小格si对应,表示为gi,对于每一个基因gi:
若gi=0,则小格si为正常组织;
若gi=1,则小格si为肿瘤组织。
5.根据权利要求1所述的方法,其特征在于:所述(5)中依次通过遗传算法与集成算法训练初始轮廓模型序列,实现如下:
5c)利用遗传算法同时训练编码后的初始轮廓模型序列x1,x2,…,xi,…,xk,得到组织矩阵序列为:a1,a2,…,ai,…,ak,计算模型序列x1,x2,…,xi,…,xk的距离补偿适应度函数的取值序列f1,f2,…,fi,…,fk,得到模型序列x1,x2,…,xi,…,xk对应的带权重的组织矩阵序列b1,b2,…,bi,…,bk,该序列的任一矩阵bi表示为:
bi=fi×ai(i=1,2,...,k),
式中,fi表示编码后的初始模型序列的适应度值序列f1,f2,…,fi,…,fk的任一值,ai表示组织矩阵序列a1,a2,…,ai,…,ak的任一矩阵;
5d)将带权重的组织矩阵序列b1,b2,…,bi,…,bk累加并归一化,得到集成后的权重矩阵
式中,函数max取矩阵的最大元素;
5e)将集成后的权重矩阵
式中
5f)根据集成后的组织矩阵序列