[发明专利]用于辅助食管腺癌和结直肠癌检测的低计算量方法

说明书

本发明涉及辅助医疗器械领域，公开了一种用于辅助食管腺癌和结直肠癌检测的低计算量方法，包括以下步骤：使用3 x 3内核计算内核中的每个像素，以获得相应的纹理特征；计算相应的灰度分割区间级别以及内核纹理特征；通过HOG快速积分图像方法计算直方图，并将结果输入AdaBoost分类器；将所有弱分类器级联得到一个强分类器。本发明的技术方案对硬件进行了计算方式的优化，减少计算复杂度，只利用乘法和移位计算，加速了硬件上的运行效率。

技术领域

本发明涉及辅助医疗器械领域，特别涉及一种用于辅助食管腺癌和结直肠癌检测的低计算量方法。

背景技术

尽管食管腺癌并不常见，但在过去的25年中，其诊断明显增加。在诊断过程中，从病人体检，实验室数据和内窥镜评估中获得的信息有助于医生做出正确的诊断。在那些诊断过程中，医学图像处理分析由于成本低而在早期阶段变得越来越流行。然而，使用内窥镜图像来检测食管腺癌和结肠直肠癌的病变是一项挑战性任务，因为内窥镜检查图片中提供了几个事实：气泡、墨迹、光照不均、阴影。传统的医学图像处理算法设计包括以下步骤：图像分割，特征提取，缩小以及分类。

基于人工神经网络的图像分割方法由于其信噪比独立性而引起了很多关注。然而，虽然这些方法可以达到很高的准确度，但在最新的研究中，它们的计算成本非常高，每秒不到10帧的处理速度。这在临床检测的时候会大大延迟检测速度从而影响医生与病患的治疗。

发明内容

本发明的主要目的是提出一种用于辅助食管腺癌和结直肠癌检测的低计算量方法，旨在有效降低算法要求的同时，提高检测的速度和精度，平衡计算要求和检测精度。

为实现上述目的，本发明提出的用于辅助食管腺癌和结直肠癌检测的低计算量方法，包括以下步骤：

使用3x 3内核计算内核中的每个像素，以获得相应的纹理特征；

计算相应的灰度分割区间级别以及内核纹理特征；

通过HOG快速积分图像方法计算直方图，并将结果输入AdaBoost分类器；

将所有弱分类器级联得到一个强分类器。

可选地，所述的计算相应的灰度分割区间级别以及内核纹理特征，当纹理特征计算周围像素时，中心点将被灰度分割区间划分。

可选地，所述的计算相应的灰度分割区间级别以及内核纹理特征，对于统计分析，每个像素对应于统计直方图中的一个分割灰度区间。

可选地，所述的计算相应的灰度分割区间级别以及内核纹理特征，在计算直方图时，算法将相同灰度区间的所有纹理特征相加。

可选地，所述的计算相应的灰度分割区间级别以及内核纹理特征，像素的灰度范围包含0-255个值，且所述0-255个值被划分为子区域，其中n个子区域被划分，其统计像素计算结果被划分为一个匹配的子区域。

可选地，所述算法为基于邻域灰度差分矩阵(NGTDM)算法。

可选地，所述算法计算公式为：

W＝2d+1,(m,n)≠(0,0)

其中，W的大小设置3或5，，表示采用内核的W×W窗口大小，d指定像素距离的邻域大小。