[发明专利]一种甲状腺结节CT图像诊断系统设计方法

说明书

技术领域

本发明涉及一种甲状腺结节CT图像诊断系统设计方法，更具体地说，本发明涉及一种基于基因表达式编程的甲状腺结节CT图像诊断系统设计方法。

背景技术

医学图像分析是综合医学影像、数学建模、数字图像处理与分析、人工智能和数值算法等学科的交叉领域。20世纪70年代，X线图像在临床广泛应用，医生借助学习得到的知识和实践积累的经验，解读病人的X线照片所反映的解剖结构和病生理信反映的信息。但是，这种人工解读方式，往往依赖于医生个人的经验、知识和情绪，且效率较低，在大规模筛查和某些特定病种(如乳腺癌)诊断时，尤其显得力不从心。随着计算机的发展和数字化仪器的出现，人们开始把X线胶片的模拟图像转变为数字图像存储和传输；另外，人们从当时太空计划和遥感图像的数字化处理中积累了一定的数字图像处理和分析的知识，计算机技术的初步成熟也提供了相当的计算能力。研究者开始尝试把医学模拟图像转化为数字图像，开展了计算机辅助诊断的初步研究，试图在一定程度上辅助医生判读医学图像，排除人为主观因素，提高诊断准确性和效率。医学图像分析在计算机引导介入手术、放疗手术计划以及计算机辅助诊断等重大临床需求的推动下，不断发展完善。然而，在现有的医学图像分析方法中，尤其是甲状腺结节CT图像大数据图像分析方法中，都是采用序列查找的方法进行分析，需要在图像数据库中逐条检索，由于图像数据较为庞大，从而会造成查找困难，严重影响了图像分析的实时性。

本发明采用基因表达式编程(GEP)的方法，对甲状腺结节CT图像进行分类处理，并采用贝叶斯推理算法进行分析，来解决肿瘤医学图像实时分析的问题，比传统的序列图像分析法所需要时间减少70％，从而达到较好的实时分析效果。

发明内容

本发明的目的是解决现有甲状腺结节CT图像大数据图像分析中存在的实时性较差、准确度低的问题，通过采用GEP算法、推理等技术措施，以实现对医学图像进行实时分析。

为了实现本发明的上述目的，本发明公开了一种甲状腺结节CT图像诊断系统设计方法。该系统包括以下模块：

成像设备模块：其用于获取病人的甲状腺结节CT图像；

特征提取模块：其用于将甲状腺结节CT图像进行滤波降噪处理，然后分割图像轮廓，得到甲状腺结节图像集，然后对甲状腺结节图像集进行图像纹理特征提取，获取甲状腺结节图像中的多维度纹理特征集，然后输出至基于GEP算法的分类器模块；

基于GEP算法的分类器模块：其用于采用GEP算法将特征提取模块获得的甲状腺结节CT图像多维度纹理特征集进行处理，以获得新特征集并输出至推理机模块；该模块的新特征集产生过程包括以下步骤：

步骤一：设置甲状腺结节CT图像多维度纹理特征集的种群大小N、子种群大小M、最大评价次数、基因长度、基因个数、变异概率、插串概率、插串长度以及重组概率，并将甲状腺结节CT图像多维度纹理特征集数据定义为初始种群P_t＝{X₁，X₂，…，X_n}，其中n为甲状腺结节CT图像纹理特征集的维度数，计算初始种群中每个个体的适应度f_i；

步骤二：对种群P_t中的N个个体执行基因表达式编程的选择、变异、插串以及重组，生成M个新个体，并将M个新个体组成子种群O_t，计算O_t中的每个个体的适应度，其中适应度最大的个体为最优个体；

步骤三：将种群P_t中的N个个体和子种群O_t中的M个个体组成临时种群P_t’，计算临时种群P_t’中的每个个体的适应度，然后删除临时种群P_t’中适应度最大的前M个个体，得到由N个个体组成的新一代种群P_t+1；

步骤四：重复步骤二至步骤三直至达到最大评价次数后结束，结束时得到的新一代种群P_t+1即为甲状腺结节CT图像的新特征集；

推理机模块：其用于接收基于GEP算法的分类器输出的甲状腺结节CT图像的新特征集，参考从数据库获取的已被病理证实的甲状腺良恶性结节CT图像纹理特征数据样本和病人的在线信息，采用贝叶斯推理规则对甲状腺结节CT图像的病理特征进行推理分析，得出判定结论并反馈给医生，由医生确认后将该甲状腺结节CT图像医学特征存入数据库模块；所述的病人的在线信息包括病人当前的血压、心率、血氧饱和度；