武瑞霞，张子瑞，陈宇彬，叶苏哲，郑明华，柯大观

    (1.温州医科大学 生物医学工程学院，浙江 温州 325035；2.温州医科大学附属第一医院 感染内科，浙江 温州 325015)

    医学图像模式识别已经成为生物医学工程学和影像医学的热点领域[1-4]，如何提取图像的有效特征是该领域研究的重点。本研究中应用的格子复杂性(lattice complexity，LC)是一种通用的时间序列分析算法[5-6]，作为广义信息度量[7]，特别适用于人体这类复杂系统所产生的数据。一维LC已在脑电数据分析上取得良好效果[8]，有必要验证其二维版本的表现。而预测肝癌患者术后存活时间本身是个医学难题[9]，本研究尝试基于医学影像图像建立肝癌预后模型。

    1 材料和方法

    1.1 材料 作为回顾性研究，实验中采用的患者资料和数据均来自温州医科大学附属第一医院，根据临床资料的完整性选取了年龄27～79岁的92例原发性肝癌患者，其中男80例，女12例，每位患者拥有至少28张腹部CT扫描图像。所有患者于2005年10月到2010年5月间接受了肿瘤切除手术。在3.5年的术后跟踪随访中，有62例患者存活，30例死亡。本研究经温州医科大学附属第一医院伦理委员会审核批准。

    1.2 方法 医学图像模式识别一般过程如图1所示。将全体数据划分为训练集和测试集时通常是按比例随机划分，随后保持不变。分类模型通过训练集数据建立，而测试集用来验证模型的泛化能力。当样本量较小时，重新划分会对结果有显著影响。当只考虑验证特征的有效区分度时，也可采用全部数据交叉验证的手段。本研究首先用全部数据交叉验证挑选出有效的特征参数，随后一次性划分训练集和测试集做进一步检验。

    图1 图像模式识别流程图

    1.2.1 医学图像预处理：由于LC在原理上对大片相同符号的片段不敏感，为了检验算法是否确实简单易用，本研究没有在原始CT图像上进行目标定位和裁剪，而是直接将平扫的腹部CT图像连同背景(见图2)一起缩小为32像素×32像素并进行二值化。二值化的具体操作是先求整张图片所有灰度值的均值，然后以此为“阈值”，把原始图像里面≥均值的灰度值用“1”代替，反之用“0”代替。 ......