[发明专利]一种频谱特征上的心血管易损斑块影像自动识别方法

说明书

本发明公开了一种频谱特征上的心血管易损斑块影像自动识别方法，包括样本收集、OCT图像预处理、特征提取、支持向量机的训练、待识别图像区域的特征提取、图像块分类和易损斑区域识别。本方法使用支持向量机可以在保持识别准确率的前提下，显著降低训练样本数量要求；另外，本方法能够根据心血管易OCT影像自动识别易损斑块区域，在易损斑块区域的判断上是根据局部图像块的情况来决定的，提高了识别精度。

技术领域

本发明涉及图像分析和机器学习技术领域，具体涉及一种频谱特征上的心血管易损斑块影像自动识别方法。

背景技术

光学相干断层成像技术(Optical Coherence Tomography，OCT)是一种新兴的医学成像技术，这种新兴技术通过识别易损斑对心血管病进行诊断和识别，对心血管的治疗和评估祈祷非常重要的作用。通过心血管光学相干断层OCT图像可以判断易损斑块的分布位置信息，然而OCT影像上存在着大量的背景区域，并且易损斑块与其它正常组织的可分性并不突出，为此需要构造出一种特征，能够有效地将背景与心血管组织区分开。深度学习技术需要大量已标注的易损斑影像数据，而已标注影像数据数量的有限性无法满足深度神经网络的学习。

发明内容

为了解决上述问题，本发明提出了一种频谱特征上的心血管易损斑块影像自动识别方法，包括以下步骤：

1)样本收集：收集标注出易损斑的心血管图像作为训练样本；

2)OCT图像预处理：舍去训练样本的上沿图像，在宽度方向上等间距截取图像块I，根据每个图像块I是否处于易损斑块区域分为易损斑图像块和非易损斑图像块；

3)特征提取：对截取图像块I做二维快速傅里叶变换得到图像的频谱图；从频谱图F的上部和下部分别截取等间距部分，将截取的上部和下部的等间距部分按列首尾相接排成单列向量作为特征向量。

4)支持向量机的训练：将特征向量输入支持向量机进行训练，得到训练后的支持向量机；

5)待识别图像区域的特征提取：将待检测的OCT图像按照步骤2)进行预处理，然后按步骤3)进行特征提取，获得待检测特征向量；

6)图像块分类：将步骤5)的待检测特征向量输入训练后的支持向量机进行分类，得到待检测的易损斑图像块或待检测的非易损斑图像块；

7)易损斑区域识别：将连续的待检测的易损斑图像块进行合并，形成易损斑图像区域。

具体地，步骤1)最少收集1000幅标注出易损斑的心血管图像作为训练样本。

具体地，步骤2)是按上沿46个像素高度舍去OCT上沿图像，排除掉导管部分图像。

进一步地，步骤3)具体为：设图像块I的宽度和高度分别为p和h，对其做二维快速傅里叶变换得到图像的具体公式为：

其中，u表示宽度方向上的频率值，v表示高度方向上的频率值，j表示虚数单位。

具体地，步骤7)中是将5块连续的待检测的易损斑图像块进行合并，形成易损斑图像区域。

与现有技术相比，本发明具有以下有益效果：

本发明的有益效果是：

本发明使用支持向量机可以在保持识别准确率的前提下，显著降低训练样本数量要求；另外，本发明能够根据心血管易OCT影像自动识别易损斑块区域，在易损斑块区域的判断上是根据局部图像块的情况来决定的，提高了识别精度。

附图说明

图1为本发明的方法流程图；

图2为人工标识出的易损斑区域示意图；