资源类型：
期刊
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
文章类型：
论著
机构：
[1]首都医科大学公共卫生学院
首都医科大学
[2]北京市临床流行病学重点实验室
[3]北京工业大学信息学部计算机学院
北京工业大学
[4]首都医科大学宣武医院核医学科
核医学科
首都医科大学宣武医院
出处：
中国医学影像技术.2019,35(2):272-276.
ISSN：
1003-3289
关键词：
非下采样双树复轮廓波变换
肺肿瘤
支持向量机
体层摄影术
X线计算机
摘要：
目的 观察基于非下采样双树复轮廓波变换(NSDTCT)的小波纹理特征在识别肺良恶性结节CT图像中的应用价值.方法 从肺结节患者的CT图像中分别提取基于NSDTCT和基于Contourlet变换的小波纹理参数,对高维纹理参数采用单因素分析、Lasso回归等方法进行降维.对降维后的纹理参数分别构建诊断良恶性肺结节的支持向量机分类诊断模型,绘制ROC曲线,比较2种方法的诊断效能.结果 采用NSDTCT方法,基于经Lasso降维且自变量数目较少的纹理参数构建的诊断模型分类效果最好,判断良恶性肺结节的准确率为98.37％,AUC为1.00;采用Contourlet变换方法,基于全部提取纹理参数构建的模型分类效果最好,诊断准确率为56.05％,AUC为0.73;2个模型的ROC曲线的AUC差异有统计学意义(Z=6.430,P＜0.001).结论 基于NSDTCT的纹理分析方法对判断良恶性肺结节的准确性较高.
基金：
国家自然科学基金(81773542)、北京市教委科技计划重点项目(KZ201810025031)
中文影响因子：
0.92
第一作者：
马圆
第一作者机构：
[1]首都医科大学公共卫生学院
[2]北京市临床流行病学重点实验室
通讯作者：
郭秀花
通讯机构：
[1]首都医科大学公共卫生学院
[2]北京市临床流行病学重点实验室
推荐引用方式(GB/T 7714)：
马圆,韩鸿毅,孙燕北,等.基于非下采样双树复轮廓波变换的小波纹理特征识别肺良恶性结节CT图像[J].中国医学影像技术.2019,35(2):272-276.
