[发明专利]一种基于视觉特征和征象标签的超图哈希图像检索实现肺结节征象识别的方法

说明书

本发明公开了一种基于视觉特征和征象标签的超图哈希图像检索实现肺结节征象识别的方法，使用两层结构提高肺结节图像的检索精度。在第一层，本发明将肺结节影像视觉信息和标签信息分别构建概率超图，最优划分概率超图得到哈希码。在第二层，使用结节图像的视觉特征、标签特征和第一层得到的哈希码来训练哈希函数。在检索时，对待检图像通过训练好的哈希函数进行0，1编码，与数据集中图像比较汉明距离，返回相似结节图像。本发明的方法基于视觉特征和征象标签的超图哈希图像检索，进而识别待检索肺结节图像所表现的征象类别，便于医师判断肺结节的良恶性程度，减少医师对诊断经验的过度依赖。

技术领域

本发明涉及肺结节征象识别，具体涉及一种基于视觉特征和征象标签的超图哈希图像检索实现肺结节征象识别的方法。

背景技术

随着肺部CT影像的爆炸式增长，需要有大量有经验的、不知疲倦的、状态持续稳定的医生完成诊断。否则必然发生误诊和漏诊情况。然而，目前人工诊断力量严重不足，亟需计算机强大的计算能力帮助医师进行辅助诊断。医学图像检索不仅减轻了医生的工作负担，提高了效率；另一方面，使得医学图像的诊断更加客观化，增加了诊断的准确性。

发明内容

本发明针对现有技术的不足提供一种基于视觉特征和征象标签的超图哈希图像检索实现肺结节征象识别的方法，既能检索得到相似的肺结节图像，同时对于区分不同病灶征象的肺结节图像具有良好的识别和检索效果，为医师对查询病灶的诊断提供决策支持，从客观方面起到辅助诊断的作用。

本发明采用的技术方案为：

一种基于视觉特征和征象标签的超图哈希图像检索实现肺结节征象识别的方法，包括以下步骤：

步骤A，提取肺结节感兴趣区域，截取以ROI为中心的最小外接矩形区域，为之后提取表达肺结节征象信息的视觉特征以及检索相似的肺结节图像，进而识别查询图像所表现的医学征象做准备；

步骤B，多视觉特征集合的构造，从形状、灰度、纹理3个方面对结节提取共199维可靠视觉特征；

步骤C，用于实现相似的肺结节图像检索；利用视觉信息与征象标签构造双概率超图，利用超图学习哈希函数，将步骤B得到的视觉特征映射为简洁的哈希码；

步骤D，通过汉明距离的相似度衡量，从肺结节图像库中检索出具有相似征象的肺结节图像并对待检索结节进行征象识别；

所述的方法，所述步骤B中视觉特征提取过程如下：

B1、提取ROI的128维sift局部边缘特征，标记为f1-f128；

B2、提取灰度均值、灰度熵、灰度方差3维特征f129-f131；

B3、提取7Hu不变矩特征f132-f138；

B4、提取2维几何形态特征f139-f140；

B5、提取59维LBP特征f141-f199；

所述的方法，所述步骤C具体过程如下：

C1、双概率超图的构建；

①构建视觉特征概率超图：通过以下步骤来构建肺结节视觉特征概率超图noduleHp：

Step1确定顶点集Vnodule＝{v₁,v₂,...,v_n}：将LIDC、LISS数据库中的每张肺结节图像的视觉特征视为一个顶点，得到顶点集Vnodule＝{v₁,v₂,...,v_n}，v_i代表顶点。