武瑞霞，张子瑞，陈宇彬，叶苏哲，郑明华，柯大观

（1.温州医科大学 生物医学工程学院，浙江 温州 325035；2.温州医科大学附属第一医院 感染内科，浙江 温州 325015）

医学图像模式识别已经成为生物医学工程学和影像医学的热点领域[1-4]，如何提取图像的有效特征是该领域研究的重点。本研究中应用的格子复杂性（lattice complexity，LC）是一种通用的时间序列分析算法[5-6]，作为广义信息度量[7]，特别适用于人体这类复杂系统所产生的数据。一维LC已在脑电数据分析上取得良好效果[8]，有必要验证其二维版本的表现。而预测肝癌患者术后存活时间本身是个医学难题[9]，本研究尝试基于医学影像图像建立肝癌预后模型。

1 材料和方法

1.1 材料 作为回顾性研究，实验中采用的患者资料和数据均来自温州医科大学附属第一医院，根据临床资料的完整性选取了年龄27～79岁的92例原发性肝癌患者，其中男80例，女12例，每位患者拥有至少28张腹部CT扫描图像。所有患者于2005年10月到2010年5月间接受了肿瘤切除手术。在3.5年的术后跟踪随访中，有62例患者存活，30例死亡。本研究经温州医科大学附属第一医院伦理委员会审核批准。

1.2 方法 医学图像模式识别一般过程如图1所示。将全体数据划分为训练集和测试集时通常是按比例随机划分，随后保持不变。分类模型通过训练集数据建立，而测试集用来验证模型的泛化能力。当样本量较小时，重新划分会对结果有显著影响。当只考虑验证特征的有效区分度时，也可采用全部数据交叉验证的手段。……