基于全局纹理分析与局部包膜特征的自动化肝纤维化评估系统及方法

技术领域

本发明属于图像处理技术领域，更具体的说是涉及一种基于全局纹理分析与局部包膜特征的自动化肝纤维化评估系统及方法。

背景技术

肝纤维化是一种严重的肝脏疾病，通常由慢性肝炎、脂肪肝和酒精滥用等因素引起。早期发现和准确诊断肝纤维化对于治疗和预防疾病进展至肝硬化的重要性不言而喻。目前，肝纤维化的诊断主要依赖于组织活检，这是一种侵入性的过程，具有一定的风险和局限性。因此，发展一种非侵入性的自动化肝纤维化评估系统及方法具有重要的临床意义。

现有技术问题：

a.侵入性和风险：传统的肝纤维化评估方法依赖于组织活检，需要通过手术或穿刺采集肝组织样本，存在侵入性和患者风险的问题。此外，组织活检的样本获取是局部的，无法全面评估肝脏纤维化程度。

b.主观性和可重复性：目前一些非侵入性评估方法，如超声弹性成像和磁共振弹性成像，存在结果的主观性和操作者之间的可重复性差异。这可能导致诊断的不一致性和不可靠性。

c.效率和成本：肝纤维化诊断通常需要大量的工作和专业知识。在传统的方法中，医生需要手动分析和评估肝组织样本，这耗时耗力且需要专业技能。此外，一些成像技术设备价格昂贵，对于某些医疗机构和地区来说不太可行。

因此，如何提供一种基于全局纹理分析与局部包膜特征的自动化肝纤维化评估系统及方法成为了本领域技术人员急需解决的技术问题。

发明内容

有鉴于此，本发明提供了一种基于全局纹理分析与局部包膜特征的自动化肝纤维化评估系统及方法，能够大大提高肝纤维化诊断方面的准确性和综合性能。

为了实现上述目的，本发明采用如下技术方案：

一种基于全局纹理分析与局部包膜特征的自动化肝纤维化评估系统，包括图像获取模块、数据预处理模块、全局纹理分析模块、局部包膜特征提取模块、特征融合模块和纤维化程度评估模块；其中，

所述图像获取模块，用于获取患者肝脏的图像数据；

所述数据预处理模块，对图像数据进行预处理，包括去噪、增强、几何校正操作，以提高图像质量和减少干扰；

所述全局纹理分析模块，用于提取肝脏图像的全局纹理特征；

所述局部包膜特征提取模块，用于通过分析肝脏图像中各个区域的包膜特征来获取局部信息；

所述特征融合模块，将全局纹理特征和局部包膜特征进行融合，以综合利用两种类型的信息；

所述纤维化程度评估模块，使用训练好的模型或算法，基于融合特征对肝脏图像进行纤维化程度的评估和分类。

进一步的，图像数据的获取方法包括：使用成像设备通过肝脏的肋间隙在肝右叶采集图像，存取第一肝门、胆囊切面、肝肾间隙的图像数据。

进一步的，对图像数据进行预处理的具体方法如下：采用中值滤波去除图像中的椒盐噪声或脉冲噪声，用直方图均衡化通过调整图像的灰度级别来增强对比度，使图像更清晰；调整并统一图像的尺寸为256×256像素。

进一步的，提取肝脏图像的全局纹理特征的具体方法包括：采用灰度共生矩阵，分析灰度图像中像素值之间的关系，提取纹理特征；采用灰度差异方法，描述相邻像素之间的差异，以提取图像的均匀性、对比度和复杂性特征；采用灰度级分布，计算具有相同像素值的连续像素的长度和数量，从而提取图像的纹理特征；采用小波变换，通过小波变换分解图像成不同尺度和方向的分量，提取纹理信息。

进一步的，通过分析肝脏图像中各个区域的包膜特征来获取局部信息的具体方法包括：边缘轮廓提取，使用边缘检测算法来识别肝脏的轮廓；纹理特征提取，对肝包膜附近的区域，使用纹理特征提取方法来描述肝脏表面的纹理特性；形状特征提取，使用形状分析方法，来提取肝脏包膜的形状特征；特征描述和向量建立，将提取的边缘轮廓、纹理特征和形状特征组合成一个特征向量，每个特征对应一个维度。

进一步的，将全局纹理特征和局部包膜特征进行融合的方法为：先使用特征变换方法将全局纹理特征与局部包膜特征进行降维，然后采用加权融合，为每个特征分配权重，将两组特征融合：融合后特征＝α*全局纹理特征+β*局部包膜特征，其中α为全局纹理特征的权重，β为局部包膜特征的权重；最后使用交叉验证来评估不同的融合方法和参数组合，以选择性能最好的融合策略。

进一步的，将融合特征采用ResNet152建立肝纤维化评估模型，调整网络权重和优化算法，对肝脏图像进行纤维化程度的评估和分类。

一种基于全局纹理分析与局部包膜特征的自动化肝纤维化评估方法，包括如下步骤：

步骤S1，获取患者肝脏的图像数据；

步骤S2，对图像数据进行预处理，包括去噪、增强、几何校正操作，以提高图像质量和减少干扰；

步骤S3，提取肝脏图像的全局纹理特征；

步骤S4，通过分析肝脏图像中各个区域的包膜特征来获取局部信息；

步骤S5，将全局纹理特征和局部包膜特征进行融合，以综合利用两种类型的信息；

步骤S6，使用训练好的模型或算法，基于融合特征对肝脏图像进行纤维化程度的评估和分类。

本发明的有益效果在于：

1.性能提高：本发明通过全局纹理分析和局部包膜特征的综合应用，能够从多个角度获取肝脏图像的特征信息，提高了肝纤维化诊断的准确性和可靠性。相比单一的特征提取方法，本发明的特征融合策略能够更全面地反映肝脏的纤维化程度。

2.成本减低和性价比提高：本发明采用非侵入性的图像采集方式，避免了传统侵入性诊断方法(如组织活检)所带来的风险和高成本。此外，相较于某些高端成像设备，本发明所需的设备和软件成本较低，提高了系统的经济性和可扩展性。

3.加工安装方便和生产方便：本发明的自动化肝纤维化诊断系统基于图像处理和特征提取算法，相对于传统手工分析的方法，具有较高的自动化程度和可操作性。这使得系统的加工安装和生产变得更加简便和高效，减少了人工操作的需求和错误率。

4.清洁环保：相对于侵入性诊断方法，本发明的非侵入性图像采集方式对患者更加友好，避免了手术创伤和病理样本的处理。此外，由于采用了图像处理技术，本发明减少了对化学试剂和有害物质的需求，对环境更加清洁和友好。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明的系统结构框图；

图2为本发明的方法流程图。

具体实施方式

下面将结合本发明的实施例中，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参考图1，本发明提供提供一种基于全局纹理分析与局部包膜特征的自动化肝纤维化评估系统，包括图像获取模块、数据预处理模块、全局纹理分析模块、局部包膜特征提取模块、特征融合模块和纤维化程度评估模块；其中，

所述图像获取模块，用于获取患者肝脏的图像数据；图像数据的获取方法包括：使用合适的成像设备(如超声、磁共振等)获取患者肝脏的图像数据，本实施例中使用Aixplorer超声仪器(SuperSonic Imagine，法国声科)配备SC6-1凸阵探头(频率范围1.0-6.0MHz)进行采集。超声图像(JPEG格式)存储在PACS系统中，以供随后的离线分析。患者取仰卧位，右手置于头部上方。在禁食4小时后，通过肝脏的肋间隙在肝右叶采集超声图像，存取第一肝门、胆囊切面、肝肾间隙的超声图像。

所述数据预处理模块，对图像数据进行预处理，包括去噪、增强、几何校正操作，以提高图像质量和减少干扰；对图像数据进行预处理的具体方法如下：采用中值滤波去除图像中的椒盐噪声或脉冲噪声，用直方图均衡化通过调整图像的灰度级别来增强对比度，使图像更清晰。调整并统一图像的尺寸为256×256像素。以50％的概率将图像水平或垂直翻转，即随机翻转。随机选择图像中的一个子区域，这个子区域可以是任何尺寸，通常与原图像尺寸不同。这可以模拟不同视角下的图像，并增加数据的多样性。随机将图像转换为灰度图像。这可以模拟光照条件的变化，并增加数据的多样性。随机选择图像中的一个矩形区域，然后将该区域的像素值替换为随机的数值或者零。这可以模拟图像损坏或遮挡的情况，以提高模型的鲁棒性。

所述全局纹理分析模块，用于提取肝脏图像的全局纹理特征，例如纹理统计量(如均值、方差、能量等)和纹理描述子(如灰度共生矩阵、小波纹理等)；提取肝脏图像的全局纹理特征的具体方法包括：采用灰度共生矩阵，分析灰度图像中像素值之间的关系，提取纹理特征，如对比度、能量、熵等；采用灰度差异方法，描述相邻像素之间的差异，以提取图像的均匀性、对比度和复杂性等特征；采用灰度级分布，计算具有相同像素值的连续像素的长度和数量，从而提取图像的纹理特征；采用小波变换，通过小波变换分解图像成不同尺度和方向的分量，提取纹理信息。

所述局部包膜特征提取模块，用于通过分析肝脏图像中各个区域的包膜特征，例如边缘轮廓、纹理特征、形状特征等，来获取局部信息；通过分析肝脏图像中各个区域的包膜特征来获取局部信息的具体方法包括：边缘轮廓提取，使用边缘检测算法，如Canny边缘检测或Sobel算子，来识别肝脏的轮廓。纹理特征提取，对肝包膜附近的区域，使用纹理特征提取方法，如灰度共生矩阵或局部二值模式，用来描述肝脏表面的纹理特性，如粗糙度、均匀性、颗粒度等。形状特征提取，使用形状分析方法，如边界描述子或轮廓拟合，来提取肝脏包膜的形状特征。特征描述和向量建立，将提取的边缘轮廓、纹理特征和形状特征组合成一个特征向量，每个特征对应一个维度。

所述特征融合模块，将全局纹理特征和局部包膜特征进行融合，以综合利用两种类型的信息，可以使用加权融合、特征级融合或决策级融合等方法；本实施例中，将全局纹理特征和局部包膜特征进行融合的方法为：先使用特征变换方法(如主成分分析)将全局纹理特征与局部包膜特征进行降维，然后将它们融合在一起，这有助于减少数据的维度和冗余。然后采用加权融合，为每个特征分配权重，以反映其在任务中的相对重要性。使用以下公式将两组特征融合：融合后特征＝α*全局纹理特征+β*局部包膜特征，其中α为全局纹理特征的权重，β为局部包膜特征的权重；最后使用交叉验证来评估不同的融合方法和参数组合，以选择性能最好的融合策略。

所述纤维化程度评估模块，使用训练好的模型或算法，基于融合特征对肝脏图像进行纤维化程度的评估和分类。将融合特征采用ResNet152建立肝纤维化评估模型，使用Python 3.8和PyTorch 1.10框架来实现模型，为了调整网络权重和优化算法，使用Adam优化器和交叉熵损失函数。肝脏图像进行纤维化程度的评估和分类标准如下：肝纤维化病理分级为F

本发明最大的优势是在肝纤维化诊断方面的准确性和综合性能的提高。为达到这个优势，直接产生影响的关键部分是特征融合步骤。特征融合通过将全局纹理特征和局部包膜特征进行融合，综合利用两种类型的信息。这一步骤起到了关键的作用，使系统能够从多个角度全面评估肝纤维化程度，提高了诊断的准确性和可靠性。本发明通过全局纹理分析和局部包膜特征提取的综合应用，充分利用了肝脏图像中的各种信息，使得诊断结果更加全面和可靠。相较于单一的特征提取方法，本发明的特征融合策略能够更好地反映肝纤维化程度，减少了诊断结果的主观性和不确定性。

参考图2，本发明还提供了一种基于全局纹理分析与局部包膜特征的自动化肝纤维化评估方法，包括如下步骤：

步骤S1，获取患者肝脏的图像数据；

步骤S2，对图像数据进行预处理，包括去噪、增强、几何校正操作，以提高图像质量和减少干扰；

步骤S3，提取肝脏图像的全局纹理特征；

步骤S4，通过分析肝脏图像中各个区域的包膜特征来获取局部信息；

步骤S5，将全局纹理特征和局部包膜特征进行融合，以综合利用两种类型的信息；

步骤S6，使用训练好的模型或算法，基于融合特征对肝脏图像进行纤维化程度的评估和分类。

本发明性能高：本发明通过全局纹理分析和局部包膜特征的综合应用，能够从多个角度获取肝脏图像的特征信息，提高了肝纤维化诊断的准确性和可靠性。相比单一的特征提取方法，本发明的特征融合策略能够更全面地反映肝脏的纤维化程度。成本减低和性价比高：本发明采用非侵入性的图像采集方式，避免了传统侵入性诊断方法(如组织活检)所带来的风险和高成本。此外，相较于某些高端成像设备，本发明所需的设备和软件成本较低，提高了系统的经济性和可扩展性。加工安装方便和生产方便：本发明的自动化肝纤维化诊断系统基于图像处理和特征提取算法，相对于传统手工分析的方法，具有较高的自动化程度和可操作性。这使得系统的加工安装和生产变得更加简便和高效，减少了人工操作的需求和错误率。清洁环保：相对于侵入性诊断方法，本发明的非侵入性图像采集方式对患者更加友好，避免了手术创伤和病理样本的处理。此外，由于采用了图像处理技术，本发明减少了对化学试剂和有害物质的需求，对环境更加清洁和友好。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。