[发明专利]超声图像胎儿颜面部标准切面自动识别方法及系统

摘要

本发明涉及一种超声图像胎儿颜面部标准切面自动识别方法，包括如下步骤对原始超声图像进行预处理；对预处理后的超声图像采用RootSIFT进行特征提取；对上述提取的特征利用混合高斯模型进行变换，对变换后的混合高斯模型进行Fisher向量编码，并获得向量编码的直方图的值；对直方图进行归一化以得到特征向量；根据所述特征向量采用基于随机双协调机制的SVM分类器对标准切面进行学习和识别。本发明还涉及一种超声图像胎儿颜面部标准切面自动识别系统。本发明能够提高医生诊断结果的准确性，减少工作量及缩短诊断时间。

主权项

一种超声图像胎儿颜面部标准切面自动识别方法，其特征在于，该方法包括如下步骤：a.对原始超声图像进行预处理；b.对预处理后的超声图像采用RootSIFT进行特征提取；c.对上述提取的特征利用混合高斯模型进行变换，对变换后的混合高斯模型进行Fisher向量编码，并获得所述向量编码的直方图的值；d.对直方图进行归一化以得到特征向量；e.根据所述特征向量采用基于随机双协调机制的SVM分类器对标准切面进行学习和识别；所述的步骤b包括：对于预处理后的超声图像，手动选择感兴趣区域；对所述感兴趣区域密集采样；用RootSIFT对密集采样后的感兴趣区域进行特征提取；所述特征提取是基于RootSIFT并利用SIFT(Scale‑invariant feature transform，利用尺度不变特征转换)的非线性变换，表示如下：RootSIFT＝sqrt(SIFT/sum(SIFT))，每个特征矩阵除以相应的规一化值，lp归一化后特征矩阵分布在半径为1的球面上，lp幅值用实数表示，当p≥1时定义如下：其中，p＝1为l1归一化，p＝2是l2也就是欧式距离归一化，x为n‑矢量数；假设一个数据集，ui～U(p,n)遵循p分布，在n维空间的单位球面上 使用i.i.d.模型和特征矩阵的分布，封闭形式来解规范化坐标：表示为：其中，Γ(·)是伽马函数，上式中当p＝2时符合高斯分布；如果数据是一个广义的高斯分布，lp幅值定义为寻求一个最大熵的pdf，其中，(σp)p＝constant常量和(σp)p＝1，为了减少交叉空间维数的差异，特征缩放比例非高斯级用高斯的特征来表示；功率归一化定义为：z←sign(z)|z|ρ,0≤ρ≤1，ρ设置为：ρ＝0.5，它表示平方根或者更简单的平方根。