9、利用纹理原型与选择性采样技术助力肺部与腹部影像分析

利用纹理原型与选择性采样技术助力肺部与腹部影像分析

1. 肺部纹理原型分析框架

在肺部疾病的诊断中，CT 扫描是重要的诊断依据。为了更准确地分析肺部 CT 扫描图像，我们提出了一种生成无监督肺部纹理原型的框架，该框架可以根据肺部 CT 扫描的异质数据库预测标准肺气肿亚型的总体程度。

1.1 纹理特征提取

• 基于纹理元的特征（Texton - Based Features） ：借助纹理元码本对感兴趣区域（ROI）进行特征刻画。纹理元码本由训练集中从 ROI 随机提取的小尺寸局部块（每个维度 3 个体素）的强度值（线性映射后）的聚类中心组成，使用 K - means 进行聚类。将所有小尺寸块投影到码本上，ROI 的基于纹理元的特征就是纹理元频率的归一化直方图。目标是 4 个类别，每个类别 10 个纹理元，特征向量长度设为 40。这里的纹理元原型直方图在两个尺度上使用了词袋（BoW）模型：一是基于纹理元字典构建 ROI 级别的纹理特征；二是基于纹理原型构建受试者级别的肺部 CT 特征。
• DOG2 特征 ：ROI 的 DOG2 特征是四个归一化软直方图的串联，包括一个强度直方图和三个不同八度的高斯差分（DoG）响应直方图。每个直方图使用 10 个区间，特征向量长度为 40。由于 CT 扫描中的强度值范围很大，使用 sigmoid 函数将值映射到区间 [0, 1]，并将最高对比度分配给 [-1000, -900] HU 范围，因为该范围被认为存在与肺气肿相关的纹理特征。
• LBP2 特征 ：ROI 的 LBP2 特征