用于评估肺结节恶性程度的多重分形谱分析

摘要

本研究引入多重分形谱分析方法用于评估肺结节的恶性程度。该方法利用CT-DICOM数据，在多个体素尺度上计算分形维数，揭示了早期与晚期肺结节之间存在的显著差异。

摘要

肺结节恶性程度的无创评估在肺癌诊断中仍是一个关键挑战。传统方法在区分良性和恶性肺结节方面通常缺乏足够的精确性，尤其是在早期阶段。本研究提出一种基于多重分形谱分析的方法，用于定量评估肺结节的特征。

开发了一种基于分形的协议，用于处理计算机断层扫描（CT）医学数字成像和通信（DICOM）数据，实现肺结节多重分形谱的三维（3D）可视化与分析。该方法包括三维体积重建、精确的感兴趣区域（ROI）勾画，以及在多个尺度上计算分形维数。对早期和晚期肺腺癌结节均计算了多重分形谱，并利用数据提示工具进行定量比较分析。

分析显示，肺结节三维数字矩阵的分形维数随不同体素尺度连续变化，形成特征性的多重分形谱。早期与晚期结节之间存在显著差异。晚期结节的多重分形谱具有更宽的尺度范围（更长的横轴）以及更高的极值点。这些差异已通过定量分析得到证实，表明该方法在精确分期方面具有潜在应用价值。

多重分形谱分析为肺结节的分期提供了一种高度显著且精确的定量方法，能够有效区分良性和恶性病例。这种非侵入性技术在提高肺癌早期诊断和准确分期方面具有潜力，有望增强肺部肿瘤学领域的临床决策能力。

引言

肺癌仍然是全球癌症相关死亡的主要原因之一，早期发现和准确诊断对改善患者预后具有关键作用¹。肺结节常为偶然发现或通过筛查项目检出，对临床医生构成了重大的诊断挑战。在良性和恶性结节之间进行鉴别，尤其是在早期阶段，对于及时干预和恰当管理至关重要²。

传统上，诊断肺结节恶性程度的金标准是通过活检或手术切除等侵入性操作进行组织病理学检查。尽管这些方法能够提供明确的诊断结果，但其本身存在固有风险，包括气胸、出血和感染³。此外，这些侵入性操作可能引起患者的不适与焦虑，并增加医疗成本。同时，活检操作本身也存在取样准确性问题，有可能获取到不具代表性的组织样本，从而导致误诊。因此，迫切需要一种无创的诊断技术，能够在不使患者接受不必要的侵入性操作的前提下，准确评估结节的恶性程度⁴。

计算机断层扫描（CT）成像已成为肺结节检测与表征的有力工具⁵。然而，放射科医生在解读CT图像以评估结节时仍面临挑战，不同观察者之间存在显著的判读差异。目前基于CT的结节评估指南和专家共识主要依赖于结节的形态学特征，如大小、形状和生长速率。尽管这些标准提供了有价值的信息，但在需要明确诊断的情况下，其精确性往往不足，尤其是在小结节或....

方案

本研究经北京中医药大学东直门医院伦理委员会批准（2024DZMEC-165-02）。患者来自东直门医院发热门诊。患者已知情同意通过数字建模方式进行诊断，并授权将其数据用于科学研究。模型重建功能来源于一款 commercially available software tool（见材料表）。

1. 数据准备与可视化

1. 导航至包含患者 CT 扫描 DICOM 数据文件的文件夹。
2. 使用以下 MATLAB 代码从 DICOM 文件生成三维体数据矩阵：
   f=dir('*.dcm');
   for i=1:length(f)
   V(:,:,i)= dicomread(f(fidx(i)).name);
   end
3. 使用 MATLAB 的 sliceViewer 函数可视化图像序列：（图 1）
   figure;
   H=sliceViewer(V);
   colormap(gray(1024));
   ​set(gcf, 'Toolbar', 'figure');
4. 与三维体数据可视化界面进行交互。

结果

图1 使用患者胸部CT序列的三维容积重建，便于观察和定位患者的肺结节。数据提示（Data Tip）工具可有效勾画出目标结节的兴趣区域（Region of Interest, ROI）（图2）。图3 提供了该结节三维强度空间的数字化结构。

本研究通过实际实验发现，分形维数在不同体素尺度下并非唯一，而是形成随不同计算尺度变化的多重分形谱。图4展示了来自一名III期肺腺癌患者结节的多重分形谱（图2）。

图5 比较了一位早期肺腺癌患者的多重分形谱。一方面可以看出，晚期患者结节的X轴更长，表明其尺度范围更大；另一方面，晚期患者大多数极值点显著高于早期患者。这一差异还通过

讨论

本研究中呈现的多重分形谱分析代表了肺结节恶性程度无创评估领域的重要进展。该方法在肺结节诊断与分期的现有技术基础上，提供了重要的优势，并解决了若干关键局限性¹⁷。

该方案的关键步骤包括对CT-DICOM数据进行精确的三维重建（图1）、准确勾画感兴趣区域（图2），以及在多个体素尺度上创新性地应用分形分析（图4）。使用数据提示工具进行感兴趣区域识别，可精确分离结节结构，这对实现准确分析至关重要。在不同尺度上计算分形维数以形成多重分形谱，是一项关键创新，相较于单尺度分形分析，能够更全面地表征结节的复杂性¹⁸。

为改进该方法，可考虑采用机器学习算法实现感兴趣区域（ROI）选择的自动化，从而降低操作者依赖性并提高可重复性。对于对比度较低的结节或邻近其他结构的结节，可能.......

材料

本文使用的材料清单

姓名	公司	目录编号	评论
MATLAB	MathWorks	2022B	计算与可视化
多重分形谱软件	智能熵，北京智能熵科技 &安普科技有限公司	V1.0	CT/MRI 融合建模