基于X射线相衬显微CT的肝肿瘤定量分析研究

新生血管对肿瘤提供无限生长的应用,但目前传统成像技术只能实现200μm的血管。本研究收集乏血型和富血型肝肿瘤标本20例,进行X射线相衬断层图像中可清晰显示肝肿瘤组织微血管的分布特征,与对应病理切片表现基本相吻合;通过灰度直方图和灰度-梯度共生矩阵提取图像特征,肿瘤图像特征统计结果表明两组存在显著差异(P<0.05),富血型肿瘤相比于乏血型肿瘤组织图像灰度分布不均匀、变化不规则、图像复杂度升高、清晰度降低,为进一步对不同类型肝肿瘤的诊断和特征评价提供数据支持和科学依据。

基于机器学习方法的肝癌X射线相衬CT图像分类研究

肝癌是我国恶性肿瘤发病率和死亡率较高的癌症之一,传统医学影像设备因成像机制导致成像分辨率不足,对肝癌的检查和诊断具有较大的影响。基于同步辐射的X射线相衬显微CT成像具有极高的灵敏度和分辨率,结合机器学习方法建立肝癌分类模型,为肝癌辅助诊断提供参考。收集弥漫型和溃疡型肝肿瘤X射线相衬图像各500幅,归一化和中值滤波后提取灰度直方图、灰度共生矩阵、灰度-梯度共生矩阵和灰度差分统计等灰度及纹理特征,并组合成融合特征,采用十折交叉验证法进行机器学习方法的训练和分类。使用支持向量机、随机森林和神经网络等3种分类算法对肝癌图像进行分类,灰度共生矩阵特征和神经网络分类算法下分类准确率最高,达到99.5%,取得较好的分类效果,有望帮助医生准确完成肝肿瘤类型的鉴别。