醫學CT映像特徵提取演算法--肺結節CT映像特徵提取演算法

標籤：nat   映像特徵   complex   平移   bsp   需要   範圍   內容   矩陣   

　　摘自本人畢業論文《肺結節CT影像特徵提取演算法研究》

　　醫學映像特徵提取可以認為是基於映像內容提取必要特徵，醫學映像中需要什麼特徵基於研究需要，提取合適的特徵。相對來說，醫學映像特徵提取要求更加高，因為對醫生的輔助診斷起著至關重要的作用，所以需要嚴謹可靠的特徵。肺結節CT影像特徵提取也是屬於醫學映像特徵提取領域的一個部分，有著醫學映像特徵提取的基本要求。既有其他醫學映像特徵提取的方法，也有針對肺結節的特定特徵提取方法。本小節主要對一些常用的肺結節CT影像醫學映像特徵提取方法進行介紹，主要可以分為灰階特徵、紋理特徵和形狀特徵等。

3.1 灰階特徵提取演算法

醫學映像基本都是灰階映像，而本文研究的重點是肺結節CT影像特徵提取，也是灰階映像。灰階特徵是一類醫學影像處理中常用的映像特徵，簡單有效。醫學映像的灰階特徵，是利用灰階具有一定的穩定性，對大小、方向都不敏感，能表現出相當強的魯棒性[17]。醫學映像基本都是灰階映像，灰階特徵也是一類重要特徵，通過對映像灰階分析，得到映像的灰階長條圖，從中可以提取出許多有效灰階特徵。醫學映像得到的灰階長條圖表現了一幅醫學映像灰階分布情況的各種統計特性。

灰階長條圖演算法[18]：

由f(x,y)表示一副灰階映像，（x,y）處的值表示該位置像素。一副圖有M個像素，分布在0-L-1級，灰階長條圖即統計每級灰階像素書目得到的統計圖，通過灰階長條圖得到一系列灰階特徵。灰階長條圖定義為

 

其中，i表示灰階級，L表示灰階級種類數， 表示灰階級為i的像素數目，M表示映像總像素數，公式（3-1）表示每一灰階級佔總像素百分比，即灰階級為i的像素出現頻率。

 

3.2 紋理特徵提取方法

紋理特徵是一類人類視覺可以明顯感覺到的特徵，同時也是映像的一類重要特徵，主要表現為像素在空間分布模式的描述，可以反映映像表示的物體表面的粗糙度、光滑性、顆粒度、隨機性等性質。紋理特徵有規則紋理和准規則紋理之分，規則紋理指的是紋理基本元素按著一定規則排列而成，成為人工紋理；准規則紋理是指沒有特定形狀或規則的隨機紋理，而是按照灰階特徵或者顏色特徵分布，這樣的規則較難識別，只有觀察整個物體才可以看出，稱之為自然紋理[19]。

紋理特徵提取方法目前出現的大概可以分為三類，統計分析方法、結構分析方法和頻譜分析方法[20]。本小節主要對這三類特徵提取方法中較為典型的演算法進行描述，內容如下：

3.2.1 統計分析方法

統計類方法是基於紋理映像局部地區內灰階的統計特點來測量像素的空間分布情況，1973年，Haralick等[21]提出的灰階共生矩陣（GLCM）已經成為紋理特徵提取的一種非常經典和有效演算法，在很多領域都得到廣泛應用。基於灰階共生矩陣，從中可以提取出很多統計量作為紋理特徵。這裡採用灰階共生矩陣作為統計分析方法的典型應用介紹，主要提取了能量、對比、相關係數、熵和局部平穩（逆差矩）。

 

　　3.1所示，其中 和 的範圍有像素間距d和方向θ兩個參數決定，設f(x,y)表示一副灰階映像，對映像中任一地區R，定義S為地區中具有特定空間聯絡的像素對的集合，則灰階共生矩陣的元素表示為[22]：

　　為了減少計算量，一般先對映像進行灰階級變換，降低灰階級數，同時減少方向數，通常取0o、45o、90o、135o四個方向。共生矩陣體現了不同紋理之間的區別，對於具有不同特點的映像紋理，其共生矩陣明顯不同。例如 表示了水平方向上距離一個像素的灰階級聯合分布，如果共生矩陣主對角線元素都為0，則表明水平方向相鄰兩個元素沒有相同值，即紋理較為細膩；弱主對角線上元素很大，則表明水平方向紋理較為粗糙。

　　由灰階共生矩陣提取的幾個主要的映像紋理特徵定義如下：

3.2.2 結構分析方法

　　結構法是最早用來分析映像紋理特徵的方法，但是由於該方法效果不好，很少再研究使用。結構法是從紋理映像的結構角度來解析紋元和排列規則，第一步，提取紋元，第二步，對紋元的排列規則進行推測。

3.2.3 頻譜分析方法

　　傅裡葉變換是時域和頻域進行變換的橋樑，為頻域分析提供了可能。紋理特徵不僅是表現在時域中，頻域中也有著許多紋理特徵，例如在變換後的映像能量譜就是一種重要而簡單的頻域特徵[22]。

 

3.3 形態特徵提取方法

    形態特徵相對於紋理特徵而言，是一類比較直觀的可以用幾何圖形等描述的一類特徵。映像的形態特徵可以分為兩類，一類是基於輪廓的形態特徵，一類是基於地區的形態特徵。形態特徵在醫學影像處理領域也是一類較為常用的特徵提取方法，對醫學診斷等有著極大的協助。

3.3.1 基於輪廓的形態特徵

基於輪廓的形態特徵描述方法僅僅是提取形狀的輪廓資訊，一般有兩類方法：連續型（全域型）和離散性（結構型）。在這裡主要研究兩種常用的基於形態的特徵提取方法：簡單幾何描述符和傅裡葉形狀描述符[23]。

(1)簡單幾何描述符演算法：

a.邊界長度：一般採用4-方向連通邊界或8-方向連通邊界表示，得到一個近似長度

b.邊界直徑：邊界上相距最遠的兩個點之間的距離

c.曲率：曲率是斜率的改變率，描述了邊界方向變化的情況

(2)傅裡葉形態描述符演算法：

傅裡葉形狀描述法（Fourier Shape Descriptions）是一種廣泛應用的形狀描述符，假設一個物體輪廓由一系列座標 的像素組成，其中0 s N-1,而N是輪廓上像素總數。

從這些邊界點可以匯出3種形狀表達：曲率函數(curvature function)、質心距離（centroid distance）、複座標函數（complex coordinates function）.

3.3.2 基於地區的形態特徵

基於地區的形態特徵描述方法，將整個地區作為一個整體，利用地區內所有像素來提取一系列形態特徵，本小節主要介紹幾種簡單的基於地區的形態特徵提取演算法：簡單幾何參數描述符和幾何不變矩。

(1)簡單幾何參數描述符演算法：

1. 地區面積：地區面積描述地區大小的基本特徵，假設以像素為單位，則面積就是地區內像素數
2. 地區重心：一種全域描述符，座標公式如下

其中，B為地區周長，可以看出圓形參數為1，一定程度上這個參數可以描述地區緊湊性，對尺度變換和旋轉變換不敏感。

 

其中，B為地區周長，可以看出圓形參數為1，一定程度上這個參數可以描述地區緊湊性，對尺度變換和旋轉變換不敏感。

(2)幾何不變矩演算法：

1962年，Hu[24]提出Image Recognition的不變矩理論，首次提出代數不變數的不變矩，通過對幾何矩的非線性組合，匯出了一組對映像平移、旋轉、和尺度變化不變的矩。不變矩是一種統計特徵，利用灰階分布各階矩來描述映像灰階分布特性。

離散數位影像f(x,y)的p+q階矩定義為 

　　基於地區的形態特徵提取方法在這裡主要講述了上述兩種簡單的提取方法，還有很多其他類似方法提取映像的形態特徵。在醫學映像特徵提取領域中，形態特徵也發揮著重要的作用，對映像特徵提取和預後有著極大的協助。

3.4 本章小結

    本章內容主要對肺結節的基本知識進行介紹，講述了肺結節生長得一些特點，例如大小和生長模式；然後講述了肺結節的臨床表現及病理特徵，對瞭解肺結節需要的醫學知識有了基本補充。本章重點是講述了醫學影像處理中常用的特徵提取方法，本文研究的是肺結節CT影像特徵提取方法，在這裡主要分為三類：灰階特徵、紋理特徵和形態特徵。每類特徵採取了常用的方法來提取特徵，通過各類特徵提取方法的不同，來提取不同的肺結節CT影像特徵。

　　下一篇文章將講述主要部分實現的代碼。

 

醫學CT映像特徵提取演算法--肺結節CT映像特徵提取演算法