病毒性肺炎X 光圖片分類研究

崔豐麒 肖浩然 牟 懌*

（武漢輕工大學(xué)電氣與電子工程學(xué)院，湖北 武漢430023）

1 概述

肺部圖像是肺炎篩查的主要依據(jù)之一[3,4]。在國(guó)家衛(wèi)生健康委員會(huì)發(fā)布的歷版《病毒感染的肺炎診療方案》均提出把臨床癥狀、流行病學(xué)史、肺部病變影像學(xué)表現(xiàn)以及病原學(xué)檢測(cè)作為診斷疑似病例的依據(jù)。具體影像學(xué)特征包括: 早期呈現(xiàn)多發(fā)小斑片影及間質(zhì)改變，以肺外帶明顯。進(jìn)而發(fā)展為雙肺多發(fā)磨玻璃影、浸潤(rùn)影，嚴(yán)重者可出現(xiàn)肺實(shí)變，胸腔積液少見。在2020 年8月發(fā)布的《肺炎診療方案(試行第八版)》中進(jìn)一步把影像學(xué)表現(xiàn)作為確診臨床分型的依據(jù)之一[5]。

雖然典型的X 光圖像有助于早期篩查疑似病例，但肺炎與正常人的肺部在影像學(xué)表現(xiàn)為一種紋理的區(qū)別。因此可以提取X 光圖片的紋理特征訓(xùn)練分類模型。

2 方法的建立

2.1 特征的提取

LBP（Local Binary Pattern，局部二值模式）是一種用來(lái)描述圖像局部紋理特征的算子；它具有旋轉(zhuǎn)不變性和灰度不變性等顯著的優(yōu)點(diǎn)。它是首先由T.Ojala, M.Pietik?inen,和D.Harwood 在1994 年提出，用于紋理特征提取。而且，提取的特征是圖像的局部的紋理特征[6-9]。

原始的LBP 算子定義為在3×3 的窗口內(nèi)，以窗口中心像素為閾值，將相鄰的8 個(gè)像素的灰度值與其進(jìn)行比較，若周圍像素值大于中心像素值，則該像素點(diǎn)的位置被標(biāo)記為1，否則為0。這樣，3×3 鄰域內(nèi)的8 個(gè)點(diǎn)經(jīng)比較可產(chǎn)生8 位二進(jìn)制數(shù)（通常轉(zhuǎn)換為十進(jìn)制數(shù)即LBP 碼，共256 種），即得到該窗口中心像素點(diǎn)的LBP 值，并用這個(gè)值來(lái)反映該區(qū)域的紋理信息。如圖1 所示。

圖1 LBP 示意圖

2.2 分類模型

支持向量機(jī)（support vector machines, SVM）是一種分類模型，它的基本模型是定義在特征空間上的間隔最大的線性分類器。SVM還包括核技巧，這使它成為實(shí)質(zhì)上的非線性分類器。SVM的的學(xué)習(xí)策略就是間隔最大化，可形式化為一個(gè)求解凸二次規(guī)劃的問(wèn)題。SVM的的學(xué)習(xí)算法就是求解凸二次規(guī)劃的最優(yōu)化算法。本文采用SVM工具包進(jìn)行數(shù)據(jù)的分類。

本文采用的模型結(jié)構(gòu)如圖2 所示，其中的LBP 提取的特征是256 維。

圖2 本文的算法流程圖

3 實(shí)驗(yàn)結(jié)果和分析

3.1 數(shù)據(jù)集

圖3 正常人X 光圖片

圖4 病毒性肺炎X 光圖片

圖5 細(xì)菌性肺炎X 光圖片

數(shù)據(jù)集由正常樣本和肺炎樣本組成。正常樣本來(lái)自于NIH Chest X-ray 數(shù)據(jù)集選取了1341 個(gè)正常樣本、3875 個(gè)細(xì)菌性肺炎樣本[10-11]。病毒性肺炎樣本來(lái)自于github 開源項(xiàng)目收集的圖片組成的數(shù)據(jù)集covid-chestxray-dataset，包含有180 個(gè)樣本[12,13]。部分正常人肺部X 光圖片如圖3 所示，部分病毒性肺炎病人肺部X 光圖片如圖4 所示而圖5 是細(xì)菌性肺炎的X 光圖片。

從樣本圖片中可以看出，不同的肺部X 光圖片表現(xiàn)出不同的紋理特征。可以利用紋理特征提取算法提取圖片的特征。

3.2 結(jié)果

實(shí)驗(yàn)利用Matlab2019b 平臺(tái)進(jìn)行，使用IntelCore i7-7700 處理器，16G 內(nèi)存，64 位操作系統(tǒng)，SVM軟件包來(lái)自lib-svm3.24[14]。SVM選取高斯核。圖6 是LBP 特征進(jìn)行PCA 降維后的結(jié)果，從圖中可以看出，正常人和肺炎病人X 光圖像的LBP 特征是可分離的，為后續(xù)的SVM模型訓(xùn)練奠定了基礎(chǔ)。

分別從正常圖片、病毒性肺炎圖片和細(xì)菌性肺炎圖片中隨機(jī)地選擇10%，20%，30%，40%，50%的樣本作為訓(xùn)練樣本，剩下的做為測(cè)試樣本。實(shí)驗(yàn)進(jìn)行20 次取平均值作為最后的分類結(jié)果。圖7 是正常人和病毒性肺炎病人X 光圖片分類的結(jié)果。圖8 是病毒性肺炎病人和細(xì)菌性肺炎病人X 光圖片分類的結(jié)果。圖9 是正常人、病毒性肺炎病人和細(xì)菌性肺炎病人三分類的結(jié)果。可以看出，隨著訓(xùn)練樣本的增加，分類正確率有不斷地提升。60%時(shí)已達(dá)到98.99%。

圖6 LBP 特征進(jìn)行PCA 降維后的結(jié)果及其局部放大圖

圖7 分類正確率

圖8 分類正確率

圖9 分類正確率

4 結(jié)論

病毒性肺炎和正常人的X 光圖片之間的差異可以用紋理特征來(lái)描述，基于此本文利用LBP 特征提取圖像特征，并利用SVM進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，這種方法可以對(duì)病毒性肺炎和正常人的X 光圖片進(jìn)行分類。但是，如果是其他類型的肺炎，也出現(xiàn)類似的紋理特征的差異，那么要區(qū)分病毒性肺炎和普通肺炎就可能需要提取其他特征或采用CNN 網(wǎng)絡(luò)，這也是后續(xù)研究的問(wèn)題。