基于非下采样双树复轮廓波变换的小波纹理特征识别肺良恶性结节CT图像
基于非下采样双树复轮廓波变换的小波纹理特征识别肺良恶性结节CT图像
复制标题
DOI：
10.13929/j.1003-3289.201805159
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
郭秀花
中科院分区：
文献类型：
--
作者：
马圆;韩鸿毅;孙燕北;梁志刚;郭秀花
目的观察基于非下采样双树复轮廓波变换(NSDTCT)的小波纹理特征在识别肺良恶性结节CT图像中的应用价值。方法从肺结节患者的CT图像中分别提取基于NSDTCT和基于Contourlet变换的小波纹理参数,对高维纹理参数采用单因素分析、Lasso回归等方法进行降维。对降维后的纹理参数分别构建诊断良恶性肺结节的支持向量机分类诊断模型,绘制ROC曲线,比较2种方法的诊断效能。结果采用NSDTCT方法,基于经Lasso降维且自变量数目较少的纹理参数构建的诊断模型分类效果最好,判断良恶性肺结节的准确率为98.37%,AUC为1.00;采用Contourlet变换方法,基于全部提取纹理参数构建的模型分类效果最好,诊断准确率为56.05%,AUC为0.73;2个模型的ROC曲线的AUC差异有统计学意义(Z=6.430,P<0.001)。结论基于NSDTCT的纹理分析方法对判断良恶性肺结节的准确性较高。