中文摘要：

肺癌已成为国内外肿瘤患者的首位死亡原因。肺癌患者被确诊时80%以上已属中晚期，5年生存率仅为14%。早期确诊肺癌的患者，5年生存率可达70％以上。因此探讨早期肺癌的诊断方法至关重要。但早期肺癌与肺部良性占位性疾病在CT图像上均呈现小结节状，故鉴别良恶性肺小结节是国内外研究的热点与难点问题。本项目组前期在对肺小结节普通CT图像采用小波变换与灰度共生矩阵提取纹理特征，建立人工神经网络或多水平模型等探索中发现:良恶性肺小结节纹理区别主要在边缘；建模较好方法是多水平模型。本项目提出新思路:对经过病理证实的500例良性和恶性肺小结节患者，调查行为和环境等因素、收集螺旋CT图像4000张，分割含肺小结节感兴趣的区域后，基于突显图像边缘纹理的第二代小波变换并结合灰度共生矩阵提取多维度纹理特征，在控制混杂因素下，建立多水平模型，并编制诊断软件鉴别良恶性肺小结节，以达到提高早期肺癌诊断率的目的。

结论摘要：

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。