任海玲 马瑞霞 袁方 李彬

(银川市第一人民医院,宁夏银川 750001)

0 引言

肺癌是全球发病率及死亡率最高的癌症[1]。肺癌早期患者可被治疗及治愈,且治疗后5年生存率达90%[2];肺癌晚期患者无法根治,只可抑制肿瘤扩散,且5年内的死亡率达83%[3],严重影响肺癌患者的生存质量和生命长度。肺部医学影像图像是肺癌分期诊断的重要参考依据,其中包括X线、CT、MRI、PET、PET/CT等医学影像技术。肺癌早期主要表征是微小肺结节(见图1),其体积极小,在影像图像上直径小于5mm。爆炸式增长的影像数据,加之医生的诊断易受工作量、情绪、经验、外部环境等因素影响,导致漏诊率高、准确率低。为解决此社会痛点问题,国务院办公厅印发了《关于促进互联网＋医疗健康的发展意见》,意见强调要大力开展智能医学影像识别技术。因此,以影像图像为基础,结合图像处理、人工智能算法的肺部肿瘤计算机辅助诊断技术得到大力发展,主要包括降低漏诊率和提高准确率两方面。基于肺部肿瘤良恶性在医学影像图像上呈现出不同特点,提取有效特征,对病灶区域进行良恶性分类从而除去假阳性,提高准确率是当前研究的热点。

图1 肺结节Fig.1 Pulmonary nodule

粗糙集理论(Rough Set,RS)[4]是获取知识、属性约简、预测分类的有效工具,原理是依据数据本身自有的信息利用等价关系、上下近似等对知识进行识别、归类,具有能够处理不精确、不一致数据的优点,被广泛应用于数据挖掘等领域。Pawlak提出的经典粗糙集,基于绝对包含关系对知识进行分类,缺乏容错能力。……