曾朝强，王 晶，张福洲，何孔明，聂 麟

    (南充市中心医院 影像科，四川 南充 637000)

    肺部健康是世界公认的健康问题，当前肺癌成为中国致死率最高的癌症。研究表明，低剂量CT检查的早期肺癌检出率要优于常规的X线胸片检查，并能够相对的降低死亡率、提升治愈率[1]。肺结节良恶性是进行肺癌早期筛查的重要内容之一，然而在CT检查的基础上检查肺结节的良恶性仍然存在一定的困难。一般的影像学检查会分析病变的影像学特征，包括毛刺征、分叶征以及钙化等，并未对图像进行完全利用[2]。CAD技术结合图像处理算法可定量化测量CT影像，并精确提取图像纹理特征，全面挖掘图像中各项数据[3]。当前，CAD技术结合图像处理算法在医疗领域应用非常广泛，包括了结节良恶性分类和影像学性质、肺癌预后预测、肺腺癌鉴别等，具有一定可复制性[4-5]。因此，本实验将通过对本院数据库中的肺结节CT图像进行定量描述，并构建出肺结节良恶性分类模型，以探讨CAD技术和图像处理算法应用于肺结节分割和肺部良恶性分型的效果，现报道如下。

    1 资料与方法

    1.1 数据资料 选择2015年1月至2020年12月在我院数据库中的肺结节CT图像2 856个进行回顾性分析。将其中的2 744个肺结节作为训练集，良性和恶性分别为2 380、364个；剩下的112个作为验证集，良性和恶性分别为62、50个。纳入标准：①图像清晰且能够正常进行研究；②肺结节直径在3～30 mm；③选取的肺结节CT图像可明确诊断为良性或恶性。排除标准：无法进行正常研究的图像或图像质量较差。

    1.2 图像分割方法 建立被试文件夹并导入训练集实验影像数据，同时提取出大于3 mm结节的分割及良恶性的医师评价结果，并且超过1个以上医师对结节的最终分割范围中包括结节内体素。将全部医师对结节良恶分型后的平均值作为良恶性判定标准 ......