[发明专利]一种基于超声图像特征相关性的乳腺肿瘤分类方法、装置

权利要求书

1.一种基于超声图像特征相关性的乳腺肿瘤分类方法，其特征在于，包括：

对乳腺超声图像进行预处理去噪，提取目标兴趣区域；

基于目标兴趣区域中的每个像素点，提取底层图像特征；

根据所述底层图像特征，利用协方差矩阵提取特征相关性，采用基于数据挖掘的分类器对所述特征相关性进行分类，进而得到乳腺肿瘤的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述基于数据挖掘的分类器采用KNN分类器。

3.根据权利要求1所述的方法，其特征在于，所述提取目标兴趣区域包括：

在所述乳腺超声图像上进行标记，根据标记提取包含有乳腺肿瘤区域的最小外接矩形，作为目标兴趣区域。

4.根据权利要求1所述的方法，其特征在于，所述提取底层图像特征包括：

根据每个像素点的灰度及其在x方向和y方向的一阶导数和二阶导数，提取底层图像特征。

5.根据权利要求4所述的方法，其特征在于，根据所述底层图像特征，利用协方差矩阵提取特征相关性包括，根据以下公式提取协方差矩阵：

C=1n-1Σk-1n(Fk-μ)(Fk-μ)T]]>

其中，n表示图像中的像素个数，F_k表示该像素的底层特征，μ表示所有像素的特征均值，k表示像素的序号；协方差矩阵的对角线元素表示的是不同特征自身的方差，非对角线元素表示的是不同特征之间的协方差，非对角线元素若值为正值，表示对应两个特征为正相关，反之，若值为负，表示对应两个特征为负相关，如果为0，表示两个特征相互独立。

6.根据权利要求1所述的方法，其特征在于，采用L²ECM算法对协方差矩阵进行向量化，将协方差矩阵中的值按照顺序构成一个新的特征向量，采用该特征向量表示特征相关性。

7.根据权利要求6所述的方法，采用L²ECM算法对协方差矩阵进行向量化包括：将所述协方差矩阵用C＝U∑U^T表示，其中C表示该协方差矩阵，U表示正交阵，其中对角线元素为协方差矩阵C的特征值，计算得logC＝Ulog(∑)U^T，将协方差矩阵中的值按照顺序构成一个新的特征向量，即vlog(C)＝[vlog(C₁),vlog(C₂),...,vlog(C_n)]，采用该特征向量表示特征相关性。

8.根据权利要求1所述的方法，其特征在于，采用中值滤波方法去除噪声。

9.一种计算机可读存储介质，其中存储有多条指令，其特征在于：所述指令由处理器加载并执行以下处理：

对乳腺超声图像进行预处理去噪，提取目标兴趣区域；

基于目标兴趣区域中的每个像素点，提取底层图像特征；

根据所述底层图像特征，利用协方差矩阵提取特征相关性，采用基于数据挖掘的分类器对所述特征相关性进行分类，进而得到乳腺肿瘤的分类结果。

10.一种基于超声图像特征相关性的乳腺肿瘤分类装置，其特征在于：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令由处理器加载并执行以下处理：

对乳腺超声图像进行预处理去噪，提取目标兴趣区域；

基于目标兴趣区域中的每个像素点，提取底层图像特征；

根据所述底层图像特征，利用协方差矩阵提取特征相关性，采用基于数据挖掘的分类器对所述特征相关性进行分类，进而得到乳腺肿瘤的分类结果。