[发明专利]一种胎儿心脏标准切面自动分类法

权利要求书

1.一种胎儿心脏标准切面自动分类法，其特征在于：包括如下步骤：

步骤S10、获取复数张胎儿心脏的超声图像；

步骤S20、对各所述超声图像进行图像信息增强的预处理并分别生成标准切面；

步骤S30、利用灰度共生矩阵提取所述标准切面中的纹理特征；

步骤S40、基于所述纹理特征，利用基于决策树以及集成算法构建的分类器对各所述标准切面进行自动分类；

所述步骤S30具体包括：

步骤S31、利用灰度级量化公式将所述标准切面压缩为16个灰度级：

i_n＝n[n×16,n×16+15],(n＝0,1,2,...,15)；其中i_n表示第n级灰度的灰度值，n表示灰度级编号，[n×16,n×16+15]表示第n级灰度的灰度值范围；

步骤S32、利用大小为5×5，步距为1的滑动窗口，分别计算所述标准切面在0°、45°、90°以及135°的共生矩阵，分别求取各所述共生矩阵的特征值，求取各所述特征值的平均值生成灰度共生矩阵；

步骤S33、对所述灰度共生矩阵进行归一化：

其中(g₁,g₂)表示灰度对；P表示归一化前的灰度共生矩阵，P'表示归一化后的灰度共生矩阵；N表示滑动窗口的大小；

步骤S34、分别计算归一化后的所述灰度共生矩阵的能量特征值、相关度特征值、对比度特征值以及熵特征值：

其中ASM表示能量特征值，CORRLN表示相关度特征值，CON表示对比度特征值，ENT表示熵特征值，μ_x表示灰度共生矩阵中灰度值在水平方向上的均值，μ_y表示灰度共生矩阵中灰度值在垂直方向上的均值，σ_x和σ_y分别表示灰度共生矩阵中灰度值在水平方向和垂直方向上的方差；

步骤S35、求取所述能量特征值、相关度特征值、对比度特征值以及熵特征值的均值以及方差，生成纹理特征值；

步骤S36、判断所述滑动窗口是否遍历标准切面的所有像素点，若是，则进入步骤S37；若否，则将所述滑动窗口移动至下一个像素点，并进入步骤S32；

步骤S37、基于所述纹理特征值生成纹理特征值矩阵，完成所述标准切面中纹理特征的提取。

2.如权利要求1所述的一种胎儿心脏标准切面自动分类法，其特征在于：所述步骤S20具体包括：

步骤S21、利用矩形框选取出所述超声图像的感兴趣区域；

步骤S22、对所述感兴趣区域进行全比例缩放至预设的大小；

步骤S23、对缩放至预设的大小的所述感兴趣区域进行线性灰度增强，进而生成标准切面。

3.如权利要求2所述的一种胎儿心脏标准切面自动分类法，其特征在于：所述步骤S22具体包括：

步骤S221、设点A₀(x₀,y₀)为所述感兴趣区域缩放前的像素点，点A₁(x₁,y₁)为所述感兴趣区域缩放后的像素点，通过公式对点A₀(x₀,y₀)进行缩放；其中μ表示缩放比例，当μ＞1时所述感兴趣区域被放大，当0＜μ＜1时所述感兴趣区域被缩小；

步骤S222、对各所述感兴趣区域缩放后的像素点进行线性插值。

4.如权利要求2所述的一种胎儿心脏标准切面自动分类法，其特征在于：所述步骤S23具体为：

通过公式 将缩放至预设的大小的所述感兴趣区域的灰度等级，先缩小至预设的第一灰度区间，再放大至预设的第二灰度区间，进而生成标准切面；其中F(x,y)表示线性灰度增强前的感兴趣区域图像，灰度范围为[a,b]；G(x,y)表示线性灰度增强后的感兴趣区域图像，灰度范围为[c,d]；a、b、c、d的取值均为0至255。

5.如权利要求1所述的一种胎儿心脏标准切面自动分类法，其特征在于：所述步骤S40具体包括：

步骤S41、赋予各所述标准切面相同的初始权值：

其中D₁(i)表示初始权值分布，w_i表示初始权值，N表示标准切面的编号，为正整数；

步骤S42、用决策树作为基分类器训练弱分类器，得到误差率ε：

步骤S43、计算所述弱分类器的权重α：

步骤S44、对所述误差率ε以及权重α进行迭代，进而更新各所述标准切面的权值分布：

其中D_t+1(i)表示迭代后的标准切面的权值分布；D_t(i)表示迭代前的标准切面的权值分布；t表示迭代次数，t＝1,...,T，T为正整数；H_t表示第t次迭代产生的弱分类器；α_t表示第t次迭代产生的弱分类器的权重；x_i表示标准切面的编号；y_i表示标准切面的类别标签，且y_i∈{1，-1}；Z_t表示第t次迭代的归一化常数；ε_t表示第t次迭代的误差率；

步骤S45、基于更新的各所述标准切面的权值分布得到各弱分类器的权重α_t，利用所述权重α_t重新组合各弱分类器：

步骤S46、通过符号函数，将重新组合的各弱分类器生成强分类器：

H_final＝sign(f(x))；

步骤S47、利用所述强分类器对各所述标准切面进行自动分类。