[发明专利]一种医学图像的多维多种特征提取方法

权利要求书

1.一种颈动脉图像的多维多种特征提取方法，具体为：

（1）提取感兴趣区域：依据颈动脉的医学三维超声体数据构建感兴趣区域二维序列图像和感兴趣区域三维图像；

（2）提取图像特征：对感兴趣区域二维序列图像提取二维特征，以及对感兴趣区域三维图像提取三维特征，所述二维特征包括二维纹理特征、二维形态特征和二维弹性特征，所述三维特征包括三维纹理特征；

（3）最优特征选择：对各种图像特征进行数值归一化处理，处理后验证各种特征是否对图像分类具有贡献，保留具有贡献的特征；以假发现率最小为目标，在具有贡献的特征中搜索得到全局最优特征组合。

2.根据权利要求1所述的颈动脉图像的多维多种特征提取方法，其特征在于，

所述二维纹理特征包括灰度统计特征、频域统计特征和Laws能量特征；

所述二维形态特征包括周长面积类、径向特征类和椭圆拟合类；

所述二维弹性特征包括斑块横截面的顺从性和膨胀性；

所述三维纹理特征包括灰度共生矩阵中的角二阶矩、对比度和熵。

3.根据权利要求2所述的颈动脉图像的多维多种特征提取方法，其特征在于，

所述二维纹理特征的灰度统计特征包括一阶统计特征、灰度游程统计特征和灰度共生矩阵；

所述二维纹理特征的频域统计特征包括环状采样、楔状采样及两者的交叉采样；

所述二维纹理特征的Laws能量特征包括由灰度、边缘、点、波、涟漪和振荡滤波模板卷积产生的特征。

4.根据权利要求2所述的颈动脉图像的多维多种特征提取方法，其特征在于，

所述二维形态特征的周长面积类包括斑块面积、斑块负荷、内腔等效直径、血管等效直径、血管紧密度和内腔紧密度；

所述二维形态特征的径向特征类包括斑块的偏心指数和近似偏心指数；

所述二维形态特征的椭圆拟合类包括内腔长轴长、外膜长轴长、内腔短轴长、外膜短轴长、内腔偏心率和外膜偏心率。

5.根据权利要求4所述的颈动脉图像的多维多种特征提取方法，其特征在于，所述血管紧密度表示为PE_E表示血管周长,EEMA表示外弹力膜面积；所述内腔紧密度表示为PE_L表示内膜周长，LA表示内腔面积。

6.根据权利要求1或2所述的颈动脉图像的多维多种特征提取方法，其特征在于，所述步骤（3）验证各种特征是否对图像分类具有贡献的具体过程为：

提出假设H_o：特征F对图像分类具有贡献，

备择假设H_A：特征F不具有贡献；

根据统计学假设检验适用范围，选取H_o的概率标准即置信度α；

计算统计数据的u值：为分类结果为无班块的所有图像的特征F均值，为分类结果为有班块的所有图像的特征F均值，s₁²和s₁²分别为和对应的方差，n₁和n₂分别为分类结果为无班块和有班块的图像数目；

在正态分布Ν（0,1）的表中查询对应于1-α概率的接受区间D，如果u∈D，则特征F具有贡献，否则特征F不具有贡献。

7.根据权利要求1或2所述的颈动脉图像的多维多种特征提取方法，其特征在于，所述步骤（3）去除冗余特征的具体过程为：以假发现率最小为目标，首先利用浮动搜索技术初始化候选特征组合，再利用遗传算法在候选特征组合中筛选以得到全局最优的特征组合。

8.根据权利要求1或2所述的颈动脉图像的多维多种特征提取方法，其特征在于，所述步骤（1）具体为：

步骤（1.1）：读取三维超声体数据，依据三维超声体数据中的主颈动脉的血管走向，等间距切分三维超声体数据，得到二维横断面序列图像；

步骤（1.2）：在二维横断面序列图像的每一张图像中，分割得到各主颈动脉血管的内、外轮廓，将每一张二维血管的内、外轮廓之间的区域作为感兴趣区域二维序列图像；

步骤（1.3）：依据二维序列ROI图像及其二维序列的位置信息，按其空间位置关系三维重建，得到三维主颈动脉血管内、外轮廓，将三维血管的内、外轮廓之间的区域作为感兴趣区域三维ROI图像。