论文部分内容阅读
目的肺癌是全世界目前发病率和死亡率最高的癌症。由于肺癌早期症状体征不典型,确诊时70%患者失去手术治疗的机会。因此,对肺癌诊断手段和技术进行研究,发现新的诊断技术和方法,以提高诊断水平是本研究的目的。混沌是非线性动力学系统特有的一种运动形式,而生物医学正是这样的高度非线性系统。因此用混沌理论来研究医学影像诊断以达到提高肺癌诊断水平的目的显得非常适合和必要。从计算机视觉研究提高医学影像和诊断技术,一直是国内外研究和应用的热点,在实践中已经对医学诊断发挥了巨大的作用。因此,可以充分利用该技术来进行诊断研究以达到提高诊断水平的目的。本文用混沌分形理论与计算机结合的方法对图像进行处理和分析来研究肺癌的诊断,以期达到构建影像学量化客观诊断系统的目的,提高影像学诊断水平。方法1.从暨南大学附属第一医院收集2007年1月～2008年12月共86例经手术病理证实的肺部结节CT图像。其中77例为肺癌结节,包括30例腺癌,32例鳞癌,8例小细胞癌,5例大细胞癌和2例肺泡癌等。9例为非癌结节,如结核和炎性假瘤等。男性55例,女性31例,年龄最大79岁,最小31岁,平均58.76±11.82岁。2.读取肺部结节的医学图像,将图像原始数据输入MATLAB进行分析。3.用盒分维数分形计算和分析,确定肺部结节的分维数。4.利用图像分析的特征值MaxRho、欧拉数(euler number)、峰值与谷值对癌和非癌结节进行研究。5.用ROC曲线对结果进行诊断试验评估。结果1.运用不同大小的“盒”,计算出的分维数(DF)值不同：肺癌结节DF1=1.82±0.140, DF2=1.78±0.137, DF3=1.70±0.138, DF4=1.64±0.140。非肺癌结节：DF1=1.74±0.144, DF2=1.64±0.201, DF3=1.54±0.227, DF4=1.50±0.207。其中当盒的大小为4时,癌结节的分维数与非癌结节的分维数有统计学的明显差异(t=2.875,P=0.005)。2. MaxRho(最大极径)：在Rough函数转换X-Y平面的一条线变成在极坐标中的一个点,此点与极点的最大距离称之为MaxRho。癌结节的MaxRho为141.79±8.332,非癌结节的MaxRho为86.60±15.320,两者有统计学的明显差异(t=2.329,P=0.02)。3.峰值和谷值：癌结节的峰值为274.54±28.725,非癌结节的峰值为93.60±27.968,两者有统计学的明显差异(t=4.513,P=0.000)。癌结节的谷值为326.83±30.281,非癌结节的谷值为125.50±30.135。两者有统计学的明显差异(t=4.713,P=0.000)。4.欧拉数：最通常的空间完整性,即空洞区域内空洞数量的度量。数量上,欧拉数=(空洞数)-(碎片数),肺癌结节的欧拉数为9.96±1.471,非癌结节为4.00±0.000,两者有统计学的明显差异(t=4.053,P=0.000)。结论1.运用混沌分形理论和分形计算能诊断肺癌结节和非癌结节。2.从电子计算机视觉,图像分割提取的特征,MaxRho,图像的峰值与谷值,二值图像的欧拉数等特征,能够区分图像的肺癌结节与非癌结节。在用峰值与谷值对肺癌的诊断时,若分别取t=1.989,P=0.053与t=1.946,P=0.058,可进一步鉴别腺癌与鳞癌。