8、肺部疾病的智能诊断：基于图模型与无监督纹理原型的研究

肺部疾病的智能诊断：基于图模型与无监督纹理原型的研究

在肺部疾病的诊断领域，传统方法往往面临着诸多挑战，如诊断效率低、准确性受人为因素影响等。随着科技的发展，基于图像数据的智能诊断方法逐渐成为研究热点。本文将介绍两种创新的肺部疾病诊断方法，一种是基于肺部图模型的肺动脉高压诊断，另一种是利用无监督纹理原型解释放射学肺气肿亚型。

肺部图模型用于肺动脉高压诊断

• 图模型构建
  • 从 4D DECT 图像中提取基本统计特征，将其作为灌注的区域描述符。这些特征包含了每个体素 11 个能量级的衰减信息，为 HU 强度分布提供了丰富的数据。
  • 通过分析这些统计描述符之间的关系，构建图模型。图的顶点代表肺部的不同区域，边的权重则表示区域之间特征向量的欧几里得距离。
  • 为了便于处理，将图的邻接矩阵的上三角部分向量化，得到一个 630 维的描述向量，用于表示每个患者。
• 实验设计
  • 进行了四个实验：CC 与 PE、CC 与 PH、PE 与 PH、CC 与非 CC（由 PH 和 PE 组成）。
  • 采用线性支持向量机（SVM）进行分类，使用全局留一患者交叉验证（LOPO CV）来评估模型性能。在 LOPO 的每个折叠中，使用内部 10 折交叉验证和网格搜索来优化 SVM 的成本参数 C。
  • 为了测试大特征空间可能带来的偏差，使用随机生成的 630 维特征向量进行对比实验。