[发明专利]基于BI-RADS的图像分析装置和方法

权利要求书

1.一种基于BI-RADS乳腺影像报告与数据系统的图像分析装置，包括：

影像获取单元，用于获取影像；

区域识别单元，用于使用预定识别算法识别所述影像中的目标区域；

特征提取单元，用于对所述目标区域进行至少一个特征类的至少一个特征的计算；

特征融合单元，用于使用训练方法对计算的每个特征类的全部特征进行特征融合，并计算每个特征类的特征融合的敏感性和特异性；

分类确定单元，用于根据计算的敏感性和特异性，基于BI-RADS确定目标区域的病变分类级别，其中，所述病变分类级别是比传统的病变分类级别更细的病变分类级别。

2.如权利要求1所述的图像分析装置，其中，影像获取单元从与计算机连接的超声波成像设备获取所述影像。

3.如权利要求1所述的图像分析装置，其中，所述至少一个特征类包括形状类、方向类、边缘类、边界类、回声模式类和后方回声类特征中的至少一个类。

4.如权利要求3所述的图像分析装置，其中，所述训练方法是支持向量机SVM、决策树、Adaboosting算法、Naivebayes之一。

5.如权利要求4所述的图像分析装置，其中，特征提取单元根据以下公式分别计算每个特征类的敏感性和特异性：

Sensi＝TP/(TP+FN)

Speci＝TN/(TN+FP)

其中，Sensi是特征类的敏感性，Speci是特征类的特异性，TP表示正样本正确地分类为正样本的个数，TN表示负样本正确地分类为负样本的个数，FP表示正样本错误地分类为负样本的个数，FN表示负样本错误地分类为正样本的个数。

6.如权利要求5所述的图像分析装置，其中，所述形状类特征包括表示目标区域的形状和与其拟合椭圆之间的S_v特征、目标区域与其拟合椭圆的周长比、目标区域中凸点和凹点的个数和小叶片特征LI，

对于目标区域边界上的像素P(x₁,y₁)以及在拟合椭圆上的相应点C(x₂，y₂)，通过以下公式计算S_v特征：

其中，P是目标区域边界上的像素点，LB为目标区域边界上的像素的个数；

通过以下公式计算小叶片特征LI：

其中，A_max和A_min分别表示目标区域中面积最大和最小的分叶，A_i表示目标区域中的第i个分叶，N为分叶的个数。

7.如权利要求5所述的图像分析装置，其中，所述方向类特征包括目标区域的拟合椭圆的方向、拟合椭圆的长短轴的比、目标区域的最小外接矩形的长宽比。

8.如权利要求5所述的图像分析装置，其中，边缘类特征包括目标区域小叶片的个数和包括目标区域固体结表面的交替回声直线。