[发明专利]一种乳腺肿瘤图像的分类方法及系统

说明书

本发明提供一种乳腺肿瘤图像的分类方法及系统，所述方法包括：基于FCM算法获取待分类乳腺肿瘤图像中的肿块区域；基于Weka系统获取所述肿块区域的混合特征；根据所述肿块区域的混合特征，基于SVM算法对所述待分类乳腺肿瘤图像进行分类；其中，SVM算法的参数预先使用改进的FOA算法进行优化。本发明使用Weka系统获取乳腺肿瘤病灶区形态形状纹理混合特征用于分类，以提高分类效率和准确率；考虑到支持向量机中核函数参数和惩罚系数对分类性能的影响，利用改进的FOA算法对SVM分类器的参数进行优化，提高算法分类的性能。

技术领域

本发明属于图像分类技术领域，更具体地，涉及一种乳腺肿瘤图像的分类方法及系统。

背景技术

乳腺癌已成为世界上妇女发病率最高的癌症之一，但是研究表明，乳腺肿瘤若能早发现、早诊断、早治疗，就可取得良好的治疗效果。医学研究发现，乳腺肿瘤病灶组织的细胞核显微图像与正常组织的细胞核显微图像不同，但用一般的图像处理方法很难对其进行有效区分。并且医疗机构的医学图像产出量巨大，图像数据往往包含大量潜在信息。

目前主要对拍摄的图像依靠人工判读分析，效率较低且能挖掘到的信息有限，无法充分利用数据资源。而深度学习在图像处理领域的优异表现为医学图像的自动化处理提供了新方法。目前深度学习在医学图像中主要应用于临床图像分类，关键目标发现和图片自动分割等方面。因此，利用深度学习和智能计算方法来检测乳腺肿瘤是否为恶性就显得尤为重要，且已成为非常热门的研究领域。

由于一些良性和恶性肿瘤的声像图本身有很大的重叠。比如一些恶性肿瘤表现为边界光滑，一些良性肿瘤表现为形态不规则，边界粗糙。对于这些情况，现有的乳腺肿瘤图像的分类方法不能进行区分。此外，现有的乳腺肿瘤图像的分类方法正确率低，运算速度慢。

发明内容

为克服上述现有的乳腺肿瘤图像的分类方法正确率低且运算速度慢的问题或者至少部分地解决上述问题，本发明提供一种乳腺肿瘤图像的分类方法及系统。

根据本发明的第一方面，提供一种乳腺肿瘤图像的分类方法，包括：

基于FCM算法获取待分类乳腺肿瘤图像中的肿块区域；

基于Weka系统获取所述肿块区域的混合特征；

根据所述肿块区域的混合特征，基于SVM算法对所述待分类乳腺肿瘤图像进行分类；其中，SVM算法的参数预先使用改进的FOA算法进行优化。

根据本发明第二方面提供一种乳腺肿瘤图像的分类系统，包括：

第一获取模块，用于基于FCM算法获取待分类乳腺肿瘤图像中的肿块区域；

第二获取模块，用于基于Weka系统获取所述肿块区域的混合特征；

分类模块，用于根据肿块区域的混合特征，基于SVM算法对乳腺肿瘤图像进行分类，其中，SVM算法的参数预先使用改进的FOA算法进行优化。

根据本发明第三方面提供一种乳腺肿瘤图像的分类设备，其特征在于，包括：

至少一个处理器、至少一个存储器和总线；其中，

所述处理器和存储器通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方法。

本发明提供一种乳腺肿瘤图像的分类方法及系统，该方法通过基于FCM算法获取待分类乳腺肿瘤图像中的肿块区域，利用数据挖掘软件Weka系统对肿块区域的特征进行属性筛选和降维提取，选出与乳腺肿瘤良恶性分类目标相关度高，相互之间尽可能独立的属性，构成乳腺肿瘤病灶区形态形状纹理混合特征用于分类，以提高分类效率和准确率；考虑到支持向量机中核函数参数和惩罚系数对分类性能的影响，利用改进的FOA算法对SVM分类器的参数进行优化，提高算法分类的性能。