[发明专利]一种颈部淋巴结超声图像特征选择方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于万有引力搜索算法和波尔兹曼函数的淋巴结超声图像特征选择方法。

背景技术

淋巴结分布在整个人体的颈部，腋窝，腹股沟等各个部位，人体免疫系统能否正常运作其中淋巴结扮演着重要的作用。临床上，淋巴结的病理变化是恶性肿瘤的一个重要标准，大多数临床医生利用颈部淋巴结超声图像诊断和检查淋巴结疾病，颈部淋巴结超声图像具有很多淋巴结特征，但这些特征中有些特征数据是冗余的，或者是含有噪声的，因此，选择对医生有价值的特征是临床医生和研究者关注的焦点之一。特征选择就是选择对分类有价值的特征，去除冗余和噪声，提高分类的精确度。目前淋巴结超声图像特征选择方法有基于全局最优搜索策略的互信息法和线性判别法。但是这两种方法的缺点是不能有效结合分类结果来指导特征值的选择。基于随机搜索策略的遗传算法和离散粒子群算法属于群集智能的方法，它们能够通过种群的优化取得较好的最优解，但是它们容易陷入局部极值的问题。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为提供一种用于颈部淋巴结超声图像的特征选择方法，避免了利用遗传算法和离散粒子群算法进行颈部淋巴结超声图像特征选择容易陷入局部极值的问题。

为了解决上述技术问题，本发明采用的技术方案为：一种颈部淋巴结超声图像特征选择方法，包括以下步骤：

第一步、采集颈部淋巴结灰阶多普勒超声图像并提取颈部淋巴结图像的量化特征；

第二步、基于第一步给出的量化特征，使用二进制编码标记特征组合并随机初始化多个个体的位置及速度，形成样本集；

第三步、根据所述样本集设计极限学习机分类器；

第四步、对所述样本集进行学习和训练，测试并记录分类精度，采用分类精度和所选特征数目两个标准设计每个个体的适应度函数fit_i；

第五步、计算每个个体的质量M_i(t)，作用力F_i^d(t)，进而得出每个个体的加速度

第六步、根据第五步中每个个体的加速度更新各自的速度

第七步、根据第六步中每个个体更新后的速度计算各自的波尔兹曼函数

第八步、使用第七步中每个个体的波尔兹曼函数更新各自的位置

第九步、若符合终止条件，则结束并输出最优位置即最优特征子集，否则迭代次数加1，并返回第三步继续进化种群直到满足特征选择终止条件，所述终止条件为：达到最大迭代次数。

所述第一步中，提取颈部淋巴结超声图像的量化特征，具体方法如下：

通过超声仪器采集颈部淋巴结灰阶多普勒超声图像，给出淋巴结超声图像的量化特征，这里用F_i来表示第i个量化特征，具体定义如下：

(1)外形特征F₁－F₁₁：包括使用致密度F₁；实占率F₂；凸包深度F₃；傅里叶形状因子F₄；4个矩形状因子特征F₅－F₈；3个基于归一化径向长度特征F₉－F₁₁；

(2)边界特征F₁₂－F₁₄：包括采用锐度F₁₂；边缘亮度变化比F₁₃；边界平均最大下降梯度F₁₄；

(3)形态特征F₁₅：长/短径的比率F₁₅；

(4)纹理特征，包括灰度共生矩阵、Laws能量模板、灰度游程长度和小波纹理，它们分别为：

1)灰度共生矩阵F₁₆－F₂₉：包括角二阶矩F₁₆；对比度F₁₇；相关F₁₈；熵F₁₉；方差F₂₀；均值和F₂₁；逆差矩F₂₂；方差和F₂₃；差的方差F₂₄；和熵F₂₅；差熵F₂₆；聚类阴影F₂₇；显著聚类F₂₈；最大概率F₂₉；