[发明专利]一种基于三维纹理信息的辅助检测系统及方法

说明书

技术领域

本发明属于计算机辅助检测领域，涉及一种基于三维纹理信息的辅助检测系统及方法。

背景技术

目前传统的病灶良恶性判断手段是病理学活检。病理学检查根据显微镜下形态学观察，依据病理性核分裂来判断病灶的良恶性。这目前也是病灶良恶性判断的金标准。

随着医疗设备和计算机科学技术的进步，每次扫描获得数据量也越来越大，所蕴含的信息量也越来越多。传统的方法靠医生人工阅片，可以得出发现病灶的位置，从而为诊断提供帮助，但是由于影像检查的数据量越来越大，靠人力很难对所有的数据进行检测。比如在基于CT影像数据的检查中，受人眼分辨力、影像输出设备等限制，目前医疗设备所提供的大范围，多采集模式/模态的医学影像数据没有被充分利用。另外传统人工阅片主要是分析二维图像上的灰度变化来进行判断，很难对多层图像之间的关系进行分析，图像的层间相互信息也利用有限。

近些年随着计算机技术的快速发展，计算速度的不断提高，存储容量和数据传输速度也大大增加。为计算机辅助分析提供了可能。很多医疗设备都提供了辅助的计算机检测和分析软件或者系统。

但是目前现有的研究都是基本限于病灶的检测和测量。例如基于超声的病灶检测[苏燕妮等，乳腺肿瘤超声图像中感兴趣区域的自动检测中国生物医学工程学报第29卷2期2010年4月]，基于CT图像的病灶检测方法[魏颖等，面向肺癌CAD的CT图像疑似病灶检测方法，仪器仪表学报第30卷第1期2009年1月]。

虽然影像数据的分辨率在不断提高，例如CT的分辨率已经可以小于1mm，但是和放大倍数最高可达千倍的光学镜下图像分辨率相比，仍然有很大差距。考虑到微观的变化在宏观上也会引起一些变化，而且这些变化很可能也是在纹理上的改变。

纹理是一种常见且重要的目标物识别方法。目前纹理特征的提取方法大致可以分为两类：统计分析方法和结构分析方法。前者从图像的有关属性的统计分析出发，根据纹理元素及排列规则来描述纹理结构，反映像素之间的灰度级空间相关规律；后者则着力找出纹理基元，再从结构组成探索纹理的规律，也有直接去探求纹理构成的结构规律。一般来说统计法适用于分析纹理细而且不规则的物体；结构法则适用于纹理基元排列较规则的图像。

发明内容

本发明解决的问题在于提供一种基于三维纹理信息的辅助检测系统及方法，通过对影像体数据内部的内在分布关系和模式规律进行分析，从而起到良好的辅助作用。

本发明是通过以下技术方案来实现：

一种基于三维纹理信息的辅助检测系统，包括：

特征向量提取器，接收三维影像学数据，并依据空间上体素值的排列分布模式和/或者体素值计算出来的其他值的分布模式，提取三维纹理特征组成特征向量；

分类器，接收特征向量提取器发送的已知分类结果的训练特征向量和待分类的特征向量；所述的训练特征向量和待分类的特征向量来自于同一总体；

分类器首先接收训练特征向量，存储特征向量与分类结果的对应关系；然后根据该对应关系对待分类的特征向量进行分类，并输出相应的值或判断结果；

结果输出终端，接收分类器输出的数据，进行指定形式的显示。

所述的三维影像学数据为自动检测或者手工勾勒的病灶部位的三维影像数据，包括超声数据、CT数据或者磁共振数据。

所述的其他值包括体素值计算出来的梯度分布或微分形式。

所述的特征向量的特征值有加权或者无加权。

所述训练特征向量和待分类的特征向量来自于同一总体为：采集三维影像学数据的设备一致，或者标准化的采集三维影像学数据的多个设备其参数设置一致。

所述结果输出终端接收分类器输出的数据后，打印报告或者进行显示屏显示。

该辅助检测系统安装于超声数据采集设备、CT数据采集设备或者磁共振数据采集设备的下游。

一种基于三维纹理信息的辅助检测方法，包括以下步骤：

特征向量提取器接收三维影像学数据，并依据空间上体素值的排列分布模式和/或者体素值计算出来的其他值的分布模式，提取三维纹理特征组成特征向量；

分类器接收特征向量提取器发送的已知分类结果的训练特征向量和待分类的特征向量；所述的训练特征向量和待分类的特征向量来自于同一总体；

分类器首先接收训练特征向量，存储特征向量与分类结果的对应关系；然后根据该对应关系对待分类的特征向量进行分类，并输出相应的值或判断结果；

结果输出终端，接收分类器输出的数据，进行指定形式的显示。