一种基于多分类器融合的冠状动脉狭窄病变程度识别方法

摘要

本发明公开了一种基于多分类器融合的冠状动脉狭窄病变程度识别方法，首先构建图像样本库；对由心脏CTA提取出的CT原始序列图进行预处理，然后做特征提取，提取感兴趣的纹理特征、灰度特征以及几何特征三个大类特征；再将样本分为训练组和测试组，计算各个特征与预测结果的相关性大小，剔除相关性小的特征；建立多分类器融合预测模型，对各单分类器的结果进行融合来预测冠脉狭窄病变程度，同时采用加权法确定3种单分类器在融合分类器中所占的权重，当狭窄程度低于50％时判定为正常样本，狭窄程度大于50％时判定为病变样本。本发明实现在判别狭窄程度上的自动分类预判，免去有创手术给患者带去的伤害。