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

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.