论文部分内容阅读
目的:本文尝试设计一款基于高清晰度CT(high definition CT,HDCT)图像的孤立性肺结节(solitary pulmonary nodule,SPN)计算机辅助诊断系统(computer-aided diagnosis system,CADS),确保恶性SPN疾病能够更加准确、科学地诊断出来。方法:以在山东省千佛山医院确诊为SPN疾病的患者120例为对象展开研究,包括恶性肿瘤、良性肿瘤、炎性假瘤和结核,随机抽取60例作为实验集,年龄29~82岁,平均年龄60岁,包括男性34例,女性26例;60例作为验证集,年龄27~79岁,平均年龄57岁,包括男性32例,女性28例。将实验集HDCT图像输入系统,执行图像预处理、运用基于标记的分水岭算法对感兴趣区域(ROI)进行分割、提取ROI纹理特征参数等步骤后,对实验集良性组与恶性组提取的对比度、相关性等数据,输入到SPSS 21.0软件中进行统计处理,然后展开t检验,根据实际病情将患者分为良性组和恶性组,对比相关的参数,获取差异性结果,将不具有统计学意义的数据清理后,针对具有统计学意义的数据展开深入的分析,根据分析结果拟定两组的实际范围,以范围为依据利用系统对SPN疾病的良、恶性结果展开分析。验证集HDCT图像输入系统后,对比系统预测结果与主任医师和住院医师预测结果来评价系统的可靠性。结果:对比度、相关性、熵、平稳度和二阶矩t检验P值分别为0.000、0.002、0.914、0.295、0.002。对比度、相关性和二阶矩良性区间分别为[903,2003]、[2.76,3.48]、[0.01,1.54],恶性区间分别为[502,898]、[3.49,3.71]、[1.79,29.86]。系统、主任医师和住院医师的敏感度分别为83.3%、93.3%、76.7%,假阳性率分别为13.3%、16.7%、26.7%,正确率分别为85%、88.3%、75%。结论:患者体内无论是胸壁或纵隔上附着的结节,还是磨玻璃病变等,应用以标记为基础的分水岭算法都能将其分离开并提取出来。对比度、相关性和二阶矩有统计学意义。对于SPN疾病的良、恶性程度,使用系统进行预测时,结果较为敏感和准确,而且能够将假阳性控制在最低范围内。计算机辅助诊断系统(computered-aided diagnosis system,CAD)在SPN良恶性诊断具有一定的临床使用价值,本系统可以辅助临床医师诊断SPN良恶性。