基于深度信念網絡檢測PET/CT圖像肺結節良惡性

馬 圓，王 風，韓 勇，張 鳳，梁志剛，黃 健，楊 志*，郭秀花*

(1.首都醫科大學公共衛生學院流行病與衛生統計學系 北京市臨床流行病學重點實驗室，北京 100069；2.北京大學腫瘤醫院暨北京市腫瘤防治研究所核醫學科 惡性腫瘤發病機制及轉化研究教育部重點實驗室，北京 100036；3.首都醫科大學宣武醫院核醫學科，北京 100053；4.愛爾蘭科克大學數學學院，愛爾蘭 科克 T12 K8AF)

隨著大數據時代到來，為解決數字化醫學影像數量增長而增加的影像科醫師閱片負擔的問題，多種醫學圖像分析工具[1]被開發出來，其中影像組學備受關注[2]。影像組學通過提取圖像中的大量特征量化腫瘤等疾病，定量腫瘤異質性[3]，其中圖像特征往往需要進行人工設計，對研究者要求較高[4]；且線性方法難以提取高維數據信息，而各種淺層非線性學習算法對復雜函數的表示能力有限，對于數據特征提取的要求更高[5]。本研究探討能自動提取圖像特征的深度信念網絡(deep belief network, DBN)方法的檢測準確性，并與淺層非線性學習算法中分類效果較好的支持向量機(support vector machine， SVM)方法進行比較。

1 資料與方法

1.1 一般資料 收集216例肺結節患者的PET/CT圖像，男127例，女89例，年齡37～86歲，平均(64.8±10.1)歲；其中105例為2015年5月—2018年4月于首都醫科大學宣武醫院接受治療的患者，63例為2018年1月于北京市腫瘤防治研究所接受治療的患者，48例為2012年10月—2013年3月于愛爾蘭科克大學醫院接受治療的患者。本研究部分患者有2個及以上肺結節，共納入339個肺結節，其中190個良性結節，149個惡性結節。納入標準：惡性結節經病理診斷或出院診斷肺癌并經隨訪證實；……