用于评估肺结节恶性程度的多重分形谱分析

我们的研究探索肺结节的无创性评估。通过CT图像的多特征谱分析，旨在阐明多特征参数为何能够可靠地区分良性和恶性肺结节，从而可能减少对侵入性诊断操作的需求。近期进展包括基于人工智能的径向混合方法用于肺结节表征，但这些方法通常仅专注于病理图像或形态学分析之一。

我们的多重分形谱分析弥合了影像学与病理学发现之间的鸿沟。我们证实，肺结节在不同阶段表现出 distinct 的多重分形谱特征，晚期结节具有更宽的尺度范围和更高的极值点，从而实现对恶性程度的定量区分。本方案通过同时分析形态学特征和组织异质性，提供了一种无创的肺结节恶性程度定量评估方法，减少了对侵入性活检的依赖。

这些发现有助于更精确地对肺结节进行分期，并实现恶性肿瘤的早期检测，从而有可能改善肺肿瘤学领域的临床决策和患者预后。首先，获取患者的计算机断层扫描（CT）数据的 DICOM 文件，并在 MATLAB 中生成三维体矩阵。使用 MATLAB 的切片查看器函数对图像序列进行可视化。

使用图形用户界面底部的滚动条浏览 CT 序列中的不同切片。在适当的帧中识别肺部是否存在恶性肺结节。查找并使用放大、缩小以及返回全局视图的图标。

激活数据提示图标以标记所选区域的像素坐标。右键单击颜色条以使用常见的灰度颜色图，并选择适当选项。如果滤波效果不理想，可使用鼠标左键在图像中间上下拖动以调整窗宽窗位。

左右拖动以调整窗口宽度，颜色条上将显示相应的精确滤波范围。标记结节边缘后，确定其像素坐标，并记录数据提示弹窗中显示的 X 和 Y 坐标。定义感兴趣区域（ROI）后，使用 MATLAB 命令创建三维曲面图。

观察肺结节的三维灰度强度。使用放大、缩小、旋转和恢复视图工具进行详细检查。调用函数 pic_size、fractal_dimension 等于 PN_fractal_feature M，并以前述获得的 M 矩阵作为输入。

这将计算不同尺度下的分形维数。使用代码可视化肺结节的多重分形谱。使用相同步骤计算另一个良性肺结节的多重分形谱。

使用不同颜色在同一个坐标系中绘制结果以进行比较，生成不同肺结节之间的多重分形谱对比图。最后，利用数据提示工具标记关键极值点的坐标，以精确比较良性和恶性肺结节。恶性结节的分形维数表现出多重分形谱，其极值点更高，尺度范围更广，相较于良性结节。

早期肺腺癌结节的多重分形谱表现出比晚期结节更窄的分形尺度范围和更低的极值点。