目前,肺癌的死亡率非常高,主要原因是肺癌早期诊断的漏诊率和误诊率居高不下。因为肺癌的早期大多表现为孤立性肺结节,而孤立性肺结节中有大约20%-40%为恶性。如果能在早期发现并确诊孤立性肺结节的良恶性,肺癌的治愈率将会有效提高。孤立性肺结节的早期诊断需要医师从海量的肺部功能影像(单光子发射断层成像)和结构影像(病灶结节结构造影成像)的医学影像数据中,结合专业的诊断经验进行综合判断。本课题通过研究量化分析孤立性肺结节功能影像和结构影像的混合成像图像视觉特征;利用机器学习方法使图像视觉特征、影像学属性特征和医学诊断语义有效融合,建立结节特征诊断关联模型;并进一步建立计算机辅助诊断模式库;自动或半自动地实现孤立性肺结节的早期诊断;有效提高孤立性肺结节的诊断效率和准确率,最终为肺癌的早期自动诊断提供量化和可视化的技术支持。项目对肺癌早期诊断具有一定的理论意义和学术价值。
英文主题词PET-CT Hybrid Imaging;Solitary Pulmonary Nodules;computer-aided diagnosis model;;