基于肺结节多正交位CT图像Curvelet纹理构建 Gradient Boosting 集成预测模型

项目名称： 基于肺结节多正交位CT图像Curvelet纹理构建 Gradient Boosting 集成预测模型

项目编号： No.81172772

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 预防医学、地方病学、职业病学、放射医学

项目作者： 郭秀花

作者单位： 首都医科大学

项目金额： 40万元

中文摘要： 肺癌患者被确诊时80%以上已属中晚期，5年生存率仅为14%。早期确诊肺癌的患者，5年生存率可达70％以上。早期肺癌与肺部良性占位性疾病在CT图像上均呈现结节状，较易混淆，故鉴别良恶性肺结节是国内外研究的热点与难点问题。 本项目前期在对轴位肺结节CT图像提取纹理建预测模型等探索中发现:良恶性肺结节纹理区别主要在边缘；提取纹理还需考虑结节的立体结构；建模较好方法是支持向量机与多水平模型。本项目提出新思路：对病理证实的良恶性肺结节患者300例，问卷调查患者基本信息、行为因素和环境因素，分割冠状位、矢状位和轴位的三正交位CT图像肺结节，研究基于离散Curvelet变换提取肺结节三正交位多维边缘纹理特征，结合图像影像学征象和其它主要影响因素，建立Gradient Boosting集成预测模型。并收集30例肺结节患者随访数据修正预测模型，编制恶性结节诊断软件，辅助医生提高早期肺癌的诊断率。

中文关键词： 肺结节；Curvelet变换；Gradient boosting；支持向量机；诊断系统

英文摘要：

英文关键词： Pulmonary nodule；Curvelet transform；Gradient boosting；Support vector machine；Diagnostic system