用于评估肺结节恶性肿瘤的多分形谱分析

我们的研究探讨了无创肺结节评估。通过对 CT 图像进行多品种光谱分析，我们旨在回答为什么多品种特征可以可靠地区分良性结节和恶性结节，从而可能减少对侵入性诊断程序的需求。最近的进展包括用于结节表征的基于 AI 的径向混合方法，但这通常仅集中在病理图像或形态学分析上。

我们的多分形光谱分析将成像和病理发现联系起来。我们证明肺结节在不同阶段表现出明显的多分形谱，晚期结节表现出更宽的尺度范围和更高的极值点，能够定量区分恶性肿瘤。我们的方案通过同时分析形态学特征和组织异质性，提供结节恶性肿瘤的无创定量评估，减少对侵入性活检的依赖。

这些发现有助于对肺结节进行更精确的分期和恶性肿瘤的早期检测，从而有可能改善肺肿瘤学的临床决策和患者预后。首先，将患者的计算机断层扫描或 CT 扫描数据作为 DICOM 文件获取，并在 MATLAB 中生成 3D 体积矩阵。使用 MATLAB slice viewer 函数可视化图像序列。

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。在适当的框架中确定肺部是否存在恶性肺结节。找到并使用用于放大、缩小和返回到全局视图的图标。

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色色图，然后选择相应的选项。如果滤镜效果不满意，用鼠标左键在图中中间上下拖动，调整窗口级别。

左右拖动调整窗口宽度，相应的准确过滤范围会显示在彩条上。标记结节边缘后，确定结节的像素坐标，并注意数据提示弹出窗口中显示的 X 和 Y 坐标。定义感兴趣区域 （ROI） 后，使用 MATLAB 命令创建 3D 表面图。

观察肺结节的 3D 灰度强度。找到并使用缩放、取消缩放、旋转和还原视图工具进行详细检查。调用 pic_size 函数，fractal_dimension等于 PN_fractal_feature M，以之前得到的 M 矩阵作为输入。

这将计算不同比例尺的分形维数。使用代码可视化肺结节的多分形谱。使用相同的步骤计算另一个良性肺结节的多重分形谱。

使用不同的颜色在同一坐标系中绘制结果进行比较，从而生成不同肺结节之间的多分形光谱比较。最后，使用数据提示工具标记关键极值点的坐标，以精确比较不同的良恶性肺结节。与良性结节相比，恶性结节的分形维数呈多分形谱，具有更高的极值点和更宽的尺度范围。

与晚期结节相比，早期肺腺癌结节表现出更窄的分形尺度范围和较低的多重分形谱极值点。