胎盤(pán)成熟度分級(jí)方法及系統(tǒng)的制作方法
【專(zhuān)利摘要】本發(fā)明涉及一種胎盤(pán)成熟度分級(jí)方法，包括如下步驟：對(duì)胎盤(pán)圖像進(jìn)行預(yù)處理；檢測(cè)得到所述預(yù)處理后胎盤(pán)圖像的感興趣區(qū)域；對(duì)所述感興趣區(qū)域進(jìn)行特征提取得到LIOP特征；采用Fisher向量將所述LIOP特征編碼成單一的特征向量；歸一化上述得到的單一的特征向量，及根據(jù)歸一化的單一的特征向量采用支持向量機(jī)對(duì)所述胎盤(pán)圖像進(jìn)行成熟度分級(jí)。本發(fā)明還涉及一種胎盤(pán)成熟度分級(jí)系統(tǒng)。本發(fā)明能夠避免因醫(yī)生主觀誤判造成不良后果，不僅提供了有效的診斷，而且節(jié)省了時(shí)間。
【專(zhuān)利說(shuō)明】胎盤(pán)成熟度分級(jí)方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種胎盤(pán)成熟度分級(jí)方法及系統(tǒng)。
【背景技術(shù)】
[0002]超聲成像(Ultrasound，US) 一直以其無(wú)輻射無(wú)損傷，測(cè)量直接，價(jià)格低廉且重復(fù)性好等優(yōu)勢(shì)廣泛應(yīng)用于產(chǎn)前檢查以及輔助診斷。也是由于此原因，基于B型超聲圖像胎盤(pán)成熟度分級(jí)是檢測(cè)胎盤(pán)異常，如死胎，死產(chǎn)，小胎齡及各種妊娠并發(fā)癥最常用的功能評(píng)價(jià)方式之一，是直接評(píng)估胎兒的生長(zhǎng)發(fā)育，反映胎兒宮內(nèi)生長(zhǎng)條件，以確保胎兒健康的重要指標(biāo)。
[0003]然而，這種方法過(guò)于依賴(lài)對(duì)胎盤(pán)超聲圖像的視覺(jué)觀察，以確定其鈣化的程度，并且容易因醫(yī)生的錯(cuò)誤判斷和偏差造成誤診。由于這種主觀評(píng)價(jià)對(duì)醫(yī)生的臨床經(jīng)驗(yàn)要求很高，所以在相對(duì)落后的地區(qū)具有挑戰(zhàn)性。為了解決這種不利因素的影響。
[0004]目前，已有一些超 聲胎盤(pán)成熟度自動(dòng)分級(jí)算法，用以減少誤診，規(guī)范醫(yī)療測(cè)試，減少醫(yī)生的工作量。例如，Grammum在1979年提出的胎盤(pán)成熟度分級(jí)方法，即根據(jù)妊娠各期胎盤(pán)絨毛膜板、胎盤(pán)實(shí)質(zhì)及基底板的回聲和形態(tài)把胎盤(pán)分為4級(jí)，即O、1、I1、III級(jí)。然而，這種方法過(guò)于依賴(lài)對(duì)胎盤(pán)超聲圖像的視覺(jué)觀察，高度依賴(lài)于醫(yī)生的主觀判斷。劉等人提出了對(duì)胎盤(pán)成熟度進(jìn)行自動(dòng)分級(jí)。采用灰度的方差V、扭曲度S和峰度K作為三個(gè)灰度參數(shù)，用支持向量機(jī)(support vector machine, SVM)來(lái)對(duì)三個(gè)灰度特征進(jìn)行分類(lèi),對(duì)測(cè)試集的分類(lèi)正確率達(dá)到90%。然而，這種分類(lèi)結(jié)果也不足夠準(zhǔn)確。
[0005]總體而言，目前的方法還沒(méi)有應(yīng)用于臨床實(shí)踐。提出實(shí)用的基于計(jì)算機(jī)的胎盤(pán)成熟度自動(dòng)分級(jí)算法非常必要。

【發(fā)明內(nèi)容】

[0006]有鑒于此，有必要提供一種胎盤(pán)成熟度分級(jí)方法及系統(tǒng)。
[0007]本發(fā)明提供一種胎盤(pán)成熟度分級(jí)方法，該方法包括如下步驟:a.對(duì)胎盤(pán)圖像進(jìn)行預(yù)處理；b.檢測(cè)得到所述預(yù)處理后胎盤(pán)圖像的感興趣區(qū)域；c.對(duì)所述感興趣區(qū)域進(jìn)行特征提取得到LIOP特征；d.采用Fisher向量將所述LIOP特征編碼成單一的特征向量；e.歸一化上述得到的單一的特征向量，及根據(jù)歸一化的單一的特征向量采用支持向量機(jī)對(duì)所述胎盤(pán)圖像進(jìn)行成熟度分級(jí)。
[0008]其中，所述的所述預(yù)處理包括圖像降噪。
[0009]所述的步驟b包括尺度搜索，所述的尺度搜索包括:對(duì)位置空間搜索到的每個(gè)候選點(diǎn)，進(jìn)行Laplace響應(yīng)計(jì)算，并滿(mǎn)足絕對(duì)值大于閾值:R(x, y, σ D)=det (C- α X trace2 (C)) >thresholdL ;與臨近兩個(gè)尺度空間的Laplace響應(yīng)值進(jìn)行比較,使其滿(mǎn)足:R(X，y, σ n) >R(x, y, σ ι), I e {η-1, η+1}。
[0010]所述 的 L I O P 特征 定義 為:LIOP(X) = φ(Y(Ρ(χ))) == (O,. -,O, I ,0,-,0)苴中 P(x)=
{I (X1)，I (x2)，…I (xN)} e ΡΝ,ΡΝ表示一個(gè)由N個(gè)整數(shù)組成的集合，I (Xi)表示采樣點(diǎn)i的像素值。
[0011]所述步驟d中的歸一化包括:鄰近分配:
【權(quán)利要求】
1.一種胎盤(pán)成熟度分級(jí)方法，其特征在于，該方法包括如下步驟: a.對(duì)胎盤(pán)圖像進(jìn)行預(yù)處理； b.檢測(cè)得到所述預(yù)處理后胎盤(pán)圖像的感興趣區(qū)域； c.對(duì)所述感興趣區(qū)域進(jìn)行特征提取得到LIOP特征； d.采用Fisher向量將所述LIOP特征編碼成單一的特征向量； e.歸一化上述得到的單一的特征向量，及根據(jù)歸一化的單一的特征向量采用支持向量機(jī)對(duì)所述胎盤(pán)圖像進(jìn)行成熟度分級(jí)。
2.如權(quán)利要求1所述的方法，其特征在于，所述的所述預(yù)處理包括圖像降噪。
3.如權(quán)利要求1或2所述的方法，其特征在于，所述的步驟b包括尺度搜索，所述的尺度搜索包括: 對(duì)位置空間搜索到的每個(gè)候選點(diǎn)，進(jìn)行Laplace響應(yīng)計(jì)算，并滿(mǎn)足絕對(duì)值大于閾值:R(x, y, oD) = det (C-α X trace2 (C)) >thresholdL ； 與臨近兩個(gè)尺度空間的Laplace響應(yīng)值進(jìn)行比較，使其滿(mǎn)足:R(x，y, σ n)>R(x, y, O1),I G {n_l, n+1}。
4.如權(quán)利要求3所述的方法，其特征在于，所述的LIOP特征定義為:

5.如權(quán)利要求1所述的方法，其特征在于，所述步驟d中的歸一化包括: 鄰近分配
6.一種胎盤(pán)成熟度分級(jí)系統(tǒng)，其特征在于，該系統(tǒng)包括相互電性連接的預(yù)處理模塊、檢測(cè)模塊、提取模塊、編碼模塊及分類(lèi)模塊，其中: 所述預(yù)處理模塊用于對(duì)胎盤(pán)圖像進(jìn)行預(yù)處理； 所述檢測(cè)模塊用于檢測(cè)得到所述預(yù)處理后胎盤(pán)圖像的感興趣區(qū)域； 所述提取模塊用于對(duì)所述感興趣區(qū)域進(jìn)行特征提取得到LIOP特征； 所述編碼模塊用于采用Fisher向量將所述LIOP特征編碼成單一的特征向量； 所述分類(lèi)模塊用于歸一化上述得到的單一的特征向量，及根據(jù)歸一化的單一的特征向量采用支持向量機(jī)對(duì)所述胎盤(pán)圖像進(jìn)行成熟度分級(jí)。
7.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述的所述預(yù)處理包括圖像降噪。
8.如權(quán)利要求6或7所述的系統(tǒng)，其特征在于，所述的檢測(cè)模塊包括尺度搜索，所述的尺度搜索包括: 對(duì)位置空間搜索到的每個(gè)候選點(diǎn)，進(jìn)行Laplace響應(yīng)計(jì)算，并滿(mǎn)足絕對(duì)值大于閾值:R(x, y, oD) = det (C-α X trace2 (C)) >thresholdL ； 與臨近兩個(gè)尺度空間的Laplace響應(yīng)值進(jìn)行比較，使其滿(mǎn)足:R(x，y, σ n)>R(x, y, O1),
9.如權(quán)利要求8所述的系統(tǒng)，其特征在于，所述的LIOP特征定義為:
10.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述的歸一化包括:
【文檔編號(hào)】A61B8/08GK103932738SQ201410177266
【公開(kāi)日】2014年7月23日 申請(qǐng)日期:2014年4月29日 優(yōu)先權(quán)日:2014年4月29日
【發(fā)明者】汪天富, 雷柏英, 李欣遙, 姚遠(yuǎn), 倪東, 李勝利, 陳思平 申請(qǐng)人:深圳大學(xué)