1、超声序列图象的特征提取,Outline,文章来源,1.中国医疗器械杂志：基于灰阶超声序列图象的乳腺肿瘤良恶性判别作者：哈章等，中国科学技术大学，2008年2.博士学位论文：基于灰阶超声序列图像的乳腺肿瘤计算机辅助诊断作者：哈章，中国科学技术大学，2008年,图像序列获取,借鉴Moon和Chen提出的一种利用灰阶超声序列图像计算弹性特征参量的方法。原始数据为60幅连续的超声图像，其获取方式为在大约4秒钟时间内，使用超声探头对病灶缓慢下压0406cm(取决于被测乳腺组织厚度)，配合超声仪15帧秒的帧率，获得共60幅连续图像。由于相邻的两幅图像十分相似，它们之间能够反映弹性的应变量也极小，所以对原始
2、数据进行每8幅图像的抽样，即抽出第1、9、17、25、33、41、49、57幅，共8幅图像进行后续的去噪分割处理和特征提取。,该文章的方法,实际操作中，医师很难保证每次都用4秒左右的时间完成0.4-0.6cm的下压过程，更难保证在整个下压过程中保持匀速，这必然造成等间隔抽取得到的图像之间的加压深度不相似，进而降低所提取特征的分类能力。为此他提出了一种估算加压深度的算法，并在此基础上提出了一组弹性特征参数。测试文章1增加了纵横比和凸壳度两个形态特征，使用SVM测试文章2找到了12个形态特征、3个灰度特征和10个弹性特征，通过选择和组合选择了2个形态特征、1个灰度特征和4个弹性特征。,Outlin
3、e,形态特征,紧致度（似圆度）：周长平方与面积之比纵横比：肿瘤长宽之比矩形度和凸壳度：肿瘤区域和外接矩形、和外接多边形面积比椭圆归一化周长：肿瘤周长和最佳拟合椭圆周长之比轮廓线分形维数：用以度量轮廓线的粗糙程度基于归一化半径长度的特征：归一化半径、面积比率、粗糙度等针状化程度：检测肿瘤是否存在针状体,灰度纹理特征,肿瘤与周围组织灰度比肿瘤与周围若干像素范围内组织的平均灰度之比肿瘤边缘内外灰度差异肿瘤边缘内外若干像素区域内的平均灰度之差肿瘤与后部声场灰度差异肿瘤区域与后部声场区域的平均灰度之差,Outline,加压深度评估,从灰阶超声序列图像中提取乳腺肿瘤弹性特征的实质是分析图像之间的差异，Mo
4、on和Chen等人的研究表明，使用加压过程中多幅图像进行分析的结果，优于使用加压前后两幅图像的分析结果。为了对加压深度进行评话，就需要找出一个评估的参考对象：当医师通过超声探头向着肋骨方向对组织缓慢加压，皮肤、皮下脂肪、乳腺腺体、胸大肌以及肿瘤都会因受压而产生形变，但肋骨硬度相对较大，在手工施加的微小压力下几乎不会产生形变。随着超声探头的下压，探头表面与肋骨的距离逐渐变小，表现在声像图中，则是代表肋骨的弧形强回声带随着加压过程向上移动。这样，只要能够估算出这个弧形强回声带的位移量，就等于估算出了探头表面与肋骨之间的距离变化量，也即是估算出了大致的加压深度。,点位移评估,估计加压深度，只探讨纵向
5、位移。问题：时间开销很大。,序列图象加压深度的评估,可以通过评估代表肋骨的弧形强回声带的位移来估算超声探头的加压深度，因此考虑在这个强回声带附近选择一个子区域进行位移评估。,弹性特征,面积差异：平均面积差异和面积差异斜率,弹性特征,纵横比差异,弹性特征,肿瘤位移：平均位移量和位移斜率位移的计算是先求出两幅图像中肿瘤的质心坐标，再求取两个质心点的距离。在这步操作的同时，顺便对肿瘤进行平移，使得两幅图像中肿瘤的质心重合，这也即是对肿瘤进行平移配准。平移配准后的图像将用于后面的特征提取。经过位移计算，平均位移量ADV被定义为：相邻两幅图像中肿瘤的位移量除以这两幅图之间的加压深度差异，再对这N1个位移值求平均。位移量斜率DVS则被定义为：第2N幅图像中肿瘤相对予第l幅图像中肿瘤的位移量，分割除以它们之闻豹加压深度差异，再对得到的N1个位移值求平均,弹性特征,形变总量：对加压前后的两幅肿瘤图像进行非刚性配准，可以得到一个配准形变场。形变场中的每个元素都是一个矢量，代表了该点的位移矢量，因此形变场能够全面地描述肿瘤各处的形变状况。由于形变场计算量较大，故只对首尾两幅图进行计算。,弹性特征,缩小放大比：形变场的雅可比矩阵可以反映肿瘤图像中每一点的缩放程度。对于良性肿瘤，形变量较大，则缩小的程度和放大的程度都较大，而恶性肿瘤的缩小程度和放大程度都较小。,Outline,Thank you!,
