CN105931224A - 基于随机森林算法的肝脏平扫ct图像病变识别方法 - Google Patents

Abstract

本发明公开了一种基于随机森林算法的肝脏平扫CT图像病变识别方法，包括以下内容：提取肝脏平扫CT图像病变区域的图像灰度纹理特征作为图像特征向量表示，然后采用随机森林算法对肝脏CT图像病变区域图像特征向量进行特征选择，选择出最有效的特征组合，然后对最有效特征数据集进行训练和学习，并对随机森林的决策树进行识别能力均衡优化，得到最终的病变识别模型。

Description

基于随机森林算法的肝脏平扫CT图像病变识别方法

技术领域

本发明涉及一种基于随机森林算法的肝脏平扫CT图像病变识别方法，特别涉及了最有效特征选择方法的引入和随机森林算法的改进。

背景技术

随着医学成像技术的发展和成熟，医学影像在肝脏疾病诊断中的起到了重要的作用。目前，肝癌已经成为世界上致死率最高的疾病之一，因为治疗手段的缺乏以及早期肝癌病理指标不太明显，可能会造成误诊，从而错过了最佳的治疗时间。肝癌的确诊主要依赖肝脏穿刺活检技术，但该技术对患者肝脏会造成一定的损伤，加之实施难度比高、术后恢复慢，因此，目前对于肝脏疾病的诊断主要还是依赖于医学影像，如肝脏CT。

发明内容

本发明要解决的技术问题是提供一种基于随机森林算法的肝脏平扫CT图像病变识别方法。

为了解决上述技术问题，本发明提供如下技术方案：

本发明要实现的是肝脏平扫CT图像局部病变识别方法，具体为提取肝脏平扫CT图像病变区域的图像灰度纹理特征作为图像特征向量表示，然后采用随机森林算法对肝脏CT图像病变区域图像特征向量进行特征选择，选择出最有效的特征组合，然后对最有效特征数据集进行训练和学习，并对随机森林的决策树进行识别能力均衡优化，得到最终的病变识别模型。

病变识别模型建立的框图如附图1所示，具体分为如下步骤：

1)肝脏CT图像病变区域特征数据集建立

对于图像灰度纹理特征，在图像处理领域有灰度直方图、灰度共生矩阵和灰度梯度共生矩阵三种特征表示方法。从医生标注的肝脏平扫CT图像中提取出医生标注的病变区域，以能覆盖病变区域的矩形框作为病变特征提取区域，对病变特征提取区域提取基于灰度直方图、灰度共生矩阵和灰度梯度共生矩阵的图像特征。

a.灰度直方图特征提取

灰度直方图用于表示图像的灰度分布和统计特性，基于灰度直方图的图像特征包含均值、方差、歪斜度、峰态，能量，熵等。

b.灰度共生矩阵特征提取

灰度共生矩阵用于描述灰度图像中相邻像素的灰度关系，基于灰度共生矩阵的图像特征包含角二阶矩、对比度、逆差矩、熵、相关等。

c.灰度梯度共生矩阵特征提取

灰度梯度共生矩阵刻画了图像像素点灰度值和梯度值的相互关系，描绘了图像内部像素点灰度和梯度的分布情况，而且也体现了个像素点与其邻域内像素点的空间局部信息，能很好的表达图像的纹理特征，基于灰度梯度共生矩阵的图像特征包含小梯度优势、大梯度优势、灰度分布的不均匀性、梯度分布的不均匀性、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相关度、灰度熵、梯度熵、混合熵、惯性、逆差矩等。

组合上述三种类型的图像特征，并结合图像的病变类型标签作为特征向量数据集D。

2)选择最有效特征

在步骤1)中提取的这三类特征中，共包含26个特征值，这26个特征值并不是所有特征都能体现肝脏平扫CT图像局部病变特征的特异性，所以在选择特征时，可能因为选择了不好的特征导致得到的识别模型识别效果较差，所以有效特征的选择对于建立好的识别模型至关重要，而且可以减少算法的计算量。

本发明采用的随机森林算法可以给出特征向量中每个特征的重要性程度，通过循环迭代剔除最不重要特征，并对剔除特征后的剩余特征建立新的随机森林模型，找出泛化误差最低的模型对应的特征组合，即为最有效的特征组合，详细迭代过程见具体实施方案。

3)随机森林病变识别模型的建立和改进

针对2)步骤得到的最有效特征属性组合，从原始特征数据集中筛选出最有效特征数据集。用最有效特征数据集建立随机森林模型，并对随机森林模型中的决策树进行优化和均衡，得到最终的随机森林病变识别模型。具体优化方法见具体实施方案。

在生成的随机森林模型中，包含多棵决策树，在这些决策树中，有些决策树模型识别效果较好，有些决策树模型识别效果较差，因此可以剔除那些识别效果较差的决策树，但本发明考虑到在筛选性能较高的决策树时，由于不同种类肝脏局部病变的分类识别精度不同，在筛选决策树时，不从整体OOB估计出发，而是从单类样本识别效果的OOB估计出发，对每种类型病灶特征，选择同等数量的对单类分类性能最高的决策树，用这些决策树组成新的随机森林。以生成40棵决策树的随机森林为例，在40棵决策树中，有10棵是对正常类型肝脏特征识别OOB估计最优的决策树，有10棵是对肝血管瘤类型病变特征识别OOB估计最优的决策树，有10棵是对肝囊肿类型病变特征识别OOB估计最优的决策树，有10棵是对肝癌类型病变特征识别OOB估计最优的决策树，经过决策树选择优化和均衡以后，可以避免全局筛选决策树造成某种类型病变特征识别精度偏低的缺陷。

本发明实现的是对肝脏平扫CT图像局部病变的自动识别，主要研究肝癌、肝血管瘤、肝囊肿等几种病变类型，病变区域与正常区域的图像差异体现在灰度变化和纹理变化上，目前图像灰度纹理特征常用的是基于灰度直方图、灰度共生矩阵和灰度梯度共生矩阵的图像特征，通过提取疑似病变感兴趣区域作为图像的特征表示，在此基础上，根据特征提取算法得到数值化特征数据，然后采用改进的随机森林分类算法对图像特征进行训练、学习和预测，识别结果能给予医生一些诊断建议，虽然辅助诊断结果不能作为诊断标准，但可以与医生个人经验结合得到更科学的诊断，从而减少诊断的错误率，这对于肝癌的早期诊断具有巨大的医学价值。

本发明采用的随机森林算法是一种集成学习方法，与贝叶斯、神经网络、决策树、支持向量机等单分类器机器学习算法相比，不容易出现过拟合问题，单分类器模型的学习能力局限于整体数据样本，虽然能很好地学习到整个数据样本的数据特征，但不能保证较强的泛化能力，即对未知的数据样本缺乏很好的预测能力。相比之下，随机森林算法可解决这个问题，通过集成多个弱分类器，克服了单一分类器学习能力的缺陷，使用bagging技术使得每一个单决策树分类器拥有部分特征较强的学习能力，即每个单分类器具有局部特征的强学习能力，而不是整体特征的学习能力，每个单分类器负责学习部分特征，组合了多个单分类器的随机森林算法便具有更强的学习能力，因此单分类器算法可以比作一个综合能力较强的学习机器，而随机森林相当于多个专家组成的联合学习机器，在数据样本有限的情况下，随机森林算法具有明显优势，故本发明采用随机森林算法作为病变识别的分类学习器。

本发明的创新点在于最有效特征选择方法的引入、决策树选择优化和决策树识别能力均衡等改进方法，改进的方法对于肝脏平扫CT图像局部病变的识别具有更好的识别准确率。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细说明。

图1是随机森林病变识别模型；

图2是特征重要性程度排序；

图3是特征选择对OOB估计的影响；

图4是改进的随机森林与原始算法分类性能比较；

图5是肝脏CT图像病变识别操作流程。

具体实施方式

为实现本发明的肝脏平扫CT图像局部病变识别，采用如下两个阶段进行。

第一阶段：基于随机森林算法的病变识别模型建立

1.肝脏平扫CT图像局部病变区域图像特征数据集建立：

本发明采用来自杭州某医院标注的3000张肝脏平扫CT图像，大小均为512*512，包含正常、肝癌、肝血管瘤和肝囊肿等几种类型，提取能够覆盖标注的病变区域的矩形框作为感兴趣区域，这样得到3000个病变区块图像。

对每个病变区域区块，计算病变区块图像的灰度直方图、灰度共生矩阵和灰度梯度共生矩阵。

对于病变区块图像，灰度直方图矩阵H计算方法如下：

$H\left(i\right)=\frac{n_i}{N},i=0,1,\mathrm{......},L-1$

其中N为病变区块图像像素数量，L为灰度级，本发明取值为256，n_i表示病变区块图像中灰度级为i的像素个数，灰度直方图H(i)表示具有某灰度级的像素个数占图像像素总数的比例，表示了图像的全局特征描述，H矩阵的大小为256*1。

对于病变区块图像，灰度共生矩阵P的计算方法如下：

P(I_i，I₂)＝P₁(I₁，I₂)+P₂(I₁，I₂)+P₃(I₁，I₂)+P₄(I₁，I₂)

其中I₁，I₂为像素灰度值，灰度级别L取256，P₁(I₁，I₂)表示病变区块图像中水平距离为1且两点像素灰度值分别为I₁，I₂的像素点个数占像素值对总数的比例，P₂(I₁，I₂)表示病变区块图像中对角线距离为1且两点像素灰度值分别为I₁，I₂的像素点个数占像素值对总数的比例，P₃(I₁，I₂)表示病变区块图像中垂直距离为1且两点像素灰度值分别为I₁，I₂的像素点个数占像素值对总数的比例，P₄(I₁，I₂)表示病变区块图像中反对角线距离为1且两点像素灰度值分别为I₁，I₂的像素点个数占像素值对总数的比例，计算公式分别如下：

水平：

对角线：

垂直：

反对角线：

灰度共生矩阵P(I₁，I₂)则表示病变区块图像中距离为1的且灰度值分别为I₁，I₂的两个像素点对的个数占距离为1的像素点对总数的比例。本发明取灰度级为256，则距离为1的像素对总数为65536，P矩阵的大小为256*256。

对于病变区块图像，灰度梯度共生矩阵T的计算方法如下：

灰度值灰度级别L_f取256，对于一个像素点(i,j)，梯度计算方法如下：

$g(i,j)={\[g_x^2+g_y^2\]}^{1/2}$

g_x(i，j)＝f(i+1，j-1)+2f(i+1，j)+f(i+1，j+1)-f(i-1，j-1)-2f(i-1，j)-f(i-1，j+1)

g_y(i，j)＝f(i-1，j+1)+2f(i，j+1)+f(i+1，j+1)-f(i-1，j+1)-2f(i，j-1)-f(i+1，i-1)

归一化的梯度矩阵G为：

G(i,j)＝INT(g(i,j)×L_g/g_M)+1

其中梯度级数目为L_g，本发明取值为32，图像最大梯度值为g_M，INT为取整运算，像素点的梯度值即通过梯度矩阵G定义，G矩阵的大小为256*32。

根据以上得到的病变区块图像的灰度直方图矩阵H、灰度共生矩阵P和灰度梯度共生矩阵T，计算基于这三种矩阵的图像灰度纹理特征，计算方法分别如下三个表格所示：

表1灰度直方图特征度量

表2灰度共生矩阵特征度量

表3灰度梯度共生矩阵特征度量

这样便得到了病变区块图像的特征向量:

[f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f11,f12,f13,f14,f15,f16,f17,f18,f19,f20,f21,f22,f23,f24,f25,f26,label]

label为病变标签，1表示正常，2表示肝癌，3表示肝血管瘤，4表示肝囊肿，5表示其他病变类型。对所有3000个病变区块图像提取特征向量，得到训练和测试数据集。

2.选择最有效特征

为选择出最有效特征，首先需要建立基本的随机森林模型，取第1步中的3000条特征向量数据，作为模型训练数据，随机森林的构建过程为：

1)定义随机森林要建立的CART决策树数量为40，重复2)、3)步骤40次，生成40棵CART决策树分类模型；

2)通过有放回的抽样方法从训练数据集中抽取一组样本，样本数量与原始训练集一样；

3)从26个样本属性中随机选择10个属性，为2)中抽取的子决策树训练数据集以选择的10个属性建立分类决策树。

CART决策树采用Gini指数作为***准则，假设节点数据集T有K个类，样本点属于第k类的概率为p_k，对于节点T对应的数据集，Gini指数计算如下：

$Gini\left(T\right)=\underset{k=1}{\overset{K}{\Σ}}{p}_k(1-p_k)=1-\underset{k=1}{\overset{K}{\Σ}}{p_k}^2$

对于CART决策树，训练集T如果不满足“T都属于同一类别or T中只剩下一个样本”，则此节点为非叶节点，所以尝试根据样本的每一个属性及可能的属性值，对样本的进行二元划分，假设分类后T分为A和B，其中A占T中样本的比例为p，B为q(显然p+q＝1)。则杂质改变量：Gini(T)-p*Gini(A)-q*Gini(B)，对每个属性值尝试划分的目的就是找到杂质该变量最大的一个划分，该属性值划分子树即为最优分支。每次都对节点对应的数据集寻找杂质改变量最大的***特征属性及特征属性值进行节点***，直到节点中的样本都属于同一类为止，通过这样的递归***节点得到决策树模型。CART算法为已有算法，这里不再详细说明。

在建立随机森林的CART决策树时，会从原始特征数据集中以可放回的方式随机选择与原始特征数据集相同数量的样本集，没有被抽取过的样本称为袋外数据，简称OOB，而OOB数据对随机森林模型的测试误差可以用来衡量随机森林模型的泛化误差，该泛化误差称为OOB估计，是每棵决策树OOB泛化误差的平均值。通过随机森林算法的OOB，可以得到样本特征属性的重要性程度，对于样本中某个属性X，重要性计算方法如下：

1)对于随机森林中的每一棵决策树，使用OOB数据对决策树模型进行测试，计算测试误差errOOB1；

2)随机地对OOB中所有样本的属性X加入干扰噪声，即随机改变样本在属性X处的值，然后重新计算OOB的泛化误差errOOB2；

3)设随机森林决策树数量为k，取k＝40，则对于属性X的重要性计算公式如下：

$impor\tan ceX=\underset{i=1}{\overset{k}{\Σ}}(errOOB{2}_i-errOOB{1}_i)/k$

通过上述表达式作为属性X的重要性度量值，因为若给属性X随机加入噪声导致OOB的泛化误差降低很多，说明该属性X对于样本的分类精度影响很大。

在构建随机森林的过程中，对于26个特征属性按照上述方法分别计算重要性程度，得到重要性程度向量:

[importance1，importance2，......，importance26]

针对基于灰度直方图、灰度共生矩阵、灰度梯度共生矩阵的图像特征中有些度量指标对于肝脏CT图像局部病变识别是无效指标，因此可以通过特征选择优化来改进随机森林算法的分类精度，随机森林算法模型可以给出样本每个属性的重要性程度，针对肝脏病变区域特征数据，用序号1～26表示26个图像特征，得到的特征重要性排序结果见附图2所示，26个特征按照特征重要性程度排序结果为：

f15,f22,f19,f9,f14,f2,f6,f5,f8,f4,f25,f3,f26,f1,f17,f21,f25,f7,f16,f11,f12,f10,f18,f20,f23,f13

最有效特征选择的步骤如下：

1)对训练样本集建立随机森林，并计算OOB估计和每个特征属性的重要性程度，按重要性程度进行特征属性排序。

2)剔除最不重要的特征，对训练样本集的该特征属性进行剔除，得到新的训练样本集，用新的样本构建随机森林并计算OOB估计。

3)重复执行2)，找出OOB估计最小的随机森林模型对应的特征属性集，作为最有效特征数据属性组合。

根据最有效特征选择方法，oob估计平均误差值随着特征选择数量改变的变化趋势见附图3所示。由附图3可知，当特征数量为19时，oob估计平均误差值最小，因此选择按重要性程度排序的26个特征的前19个特征作为最有效特征组合，特征属性如下：

f15,f22,f19,f9,f14,f2,f6,f5,f8,f4,f25,f3,f26,f1,f17,f21,f25,f7,f16

这19个特征分别为基于灰度直方图的均值、方差、歪斜度、峰态、能量、熵特征，基于灰度共生矩阵的角二阶矩、对比度、逆差矩特征，和基于灰度梯度共生矩阵的灰度分布不均匀性、梯度分布不均匀性、能量、灰度平均、灰度均方差、相关、灰度熵、混合熵、惯性、逆差矩特征。

3.随机森林病变识别模型的建立和改进。

由步骤2中得到的最有效特征属性组合，从原始特征数据集中的每条特征数据筛选出最有效特征数据，形成新的特征数据集，对新的特征数据集建立随机森林模型，并对随机森林模型进行决策树选择优化和识别能力均衡，步骤如下：

1)对特征数据集中每条样本的26个特征属性里选取步骤2中得到的最有效的19个特征属性，建立包含400棵决策树的随机森林模型，记为h₁(x)，h₂(x)，...，h₄₀₀(x)；

2)对这400棵决策树，用测试数据集进行测试，针对测试数据集中的正常肝脏特征数据，400棵决策树的预测误差由小到达排序为针对测试数据集中的肝癌特征数据，400棵决策树的预测误差由小到达排序为针对测试数据集中的肝血管瘤特征数据，400棵决策树的预测误差由小到达排序为 针对测试数据集中的肝囊肿特征数据，400棵决策树的预测误差由小到达排序为

3)选择 这些决策树作为最终的随机森林模型。在这些决策树中，可能包含重复的决策树，这类重复的决策树对于多种肝脏病变类型都有很好的识别准确率，该类决策树是最应该被选择出的决策树，这样的选择方法相当于增加了该类高分类性能决策树的权重，最终的随机森林病变识别模型便具有了更优的识别性能。

用改进的随机森林模型对测试集进行测试，预测误差得到了一定程度降低，预测误差随决策树数量增加的变化趋势对比如附图4所示，偏上方的星号线为原随机森林算法的预测误差随决策树数量的变化曲线，偏下方的叉线为经过新的决策树选择优化后算法模型的预测误差随决策树数量的变化曲线。

第二阶段：肝脏平扫CT图像病变识别

对于给定的一张肝脏平扫CT图像，首先需要划取需要识别的疑似病变区域，通过图片工具划取CT图像上疑似病变的矩形框区域，作为疑似病变区域的图像。

1)针对第一阶段得到的最有效特征属性，提取肝脏CT图像疑似病变区域的19个最有效特征属性作为特征向量；

2)采用第一阶段得到的随机森林病变识别模型，对每个决策树对1)步骤提取的特征向量进行病变类型预测，对所有决策树的预测投票结果进行统计，选择预测类型最多的病变类型，作为最终的病变识别结果。

具体病变识别操作流程如图5所示。

最后，还需要注意的是，以上列举的仅是本发明的若干个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。

Claims (2)

1.基于随机森林算法的肝脏平扫CT图像病变识别方法，其特征是包括以下内容：

提取肝脏平扫CT图像病变区域的图像灰度纹理特征作为图像特征向量表示，然后采用随机森林算法对肝脏CT图像病变区域图像特征向量进行特征选择，选择出最有效的特征组合，然后对最有效特征数据集进行训练和学习，并对随机森林的决策树进行识别能力均衡优化，得到最终的病变识别模型。

2.根据权利要求1所述的基于随机森林算法的肝脏平扫CT图像病变识别方法，其特征是：病变识别模型建立，包括如下步骤：

1)、肝脏CT图像病变区域特征数据集建立：

包括：

a.灰度直方图特征提取；

b.灰度共生矩阵特征提取；

c.灰度梯度共生矩阵特征提取；

组合上述三种类型的图像特征，并结合图像的病变类型标签作为特征向量数据集D；

2)、选择最有效特征：

采用随机森林算法给出特征向量中每个特征的重要性程度，通过循环迭代剔除最不重要特征，并对剔除特征后的剩余特征建立新的随机森林模型，找出泛化误差最低的模型对应的特征组合，即为最有效的特征组合；

3)、随机森林病变识别模型的建立和改进

针对2)步骤得到的最有效特征属性组合，从原始特征数据集中筛选出最有效特征数据集；用最有效特征数据集建立随机森林模型，并对随机森林模型中的决策树进行优化和均衡，得到最终的随机森林病变识别模型。