基于第二代小波变换提取肺小结节CT图像纹理构建多水平模型

目的：通过计算机辅助诊断技术，基于CT图像纹理建立预测模型早期诊断肺癌。材料与方法：本项目组收集了520肺结节图像病例，包括502例单次病例和18例随访病例。502单次CT扫描病例作为训练数据，其中良性结节患者152例（CT图像1343张），恶性结节患者350例（CT图像3399张）。收集18例随访病例（首次难以诊断的患者）作为验证数据。对收集来的CT图像首先采用区域生长法从整幅图像中分割得到肺小结节。通过与经典的灰度共生矩阵比较发现，应用第二代小波变换——Curvelet 变换，提取肺结节CT图像纹理的效果更好，能够更加细致的描述图像的边缘纹理。结果：1.病人信息单因素分析发现：良恶性肺结节患者在年龄、结节大小、淋巴结是否肿大、是否是实性结节、是否是磨玻璃结节、结节边缘是否光滑、有无分叶征、有无空泡征、是否钙化、有无胸膜凹陷征10个变量间的差异有统计学意。良恶性病人在吸烟者的年龄间的差异有统计学意义， <0.001。2.模拟实验显示基于Curvelet变换纹理特征建立的Lasso回归模型的错误分类率要低于普通灰度共生矩阵所建立的Lasso模型，错误分类率曲线成平行状态。预测结果显示基于curvelet纹理的模型仅特异度与误诊率略低于普通灰度共生矩阵模型，而其他指标都优于普通灰度共生矩阵模型。3.综合比较各种诊断指标，对肺小结节预测效果最好的是患者个人信息加12个主成分的Lasso回归模型，表现为较高的灵敏度与特异度(分别为97.92%，77.54% )；使用患者个人信息加12个主成分的SVM模型的特异度是最高的(80.75%)；患者个人信息加12个主成分的两水平logistic回归模型的灵敏度最高(98.96%)。结论：图像纹理能够反映图像的内部特征；综合比较各模型对肺小结节CT图像良恶性的预测结果发现，将患者个人信息及Curvelet纹理特征结合起来，建立多水平模型和Lasso回归综合预测模型是较好的选择。