人工神经网络在孤立性肺结节CT 诊断研究中的应用

·呼 吸 系 统 放 射 学 · 基金项目 : 北京市自然科学基金 ( 7062020 ) , 首都医科大学基础 临床合作基金 ( 2003 JL03) 作者单位 : 100050 首都医科大学附属北京友谊医院放射科 [ 王 晓华 ( 首都医科大学 2003 级博士研究生 ) 、马大庆 ] ; 首都医科大学 生物医学 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 学院 ( 陈卉 ) ; 首都医科大学北京市神经外科研究所神 经影像中 心 ( 高 培 毅 ) ; 北 京 结 核 病 院 胸 部 肿 瘤 研 究所 放 射 科 ( 周新华 ) 通信作者 : 马大庆 , Email: Madaqing@ 263. net 人工神经网络在孤立性肺结节 CT 诊断 研究中的应用 王晓华 陈卉 马大庆 高培毅 周新华 【摘要】 目的 将人工神经网络理论应用于孤立性肺结节 ( SPN) 的 CT 诊断研究 , 建立一种全 新的模式判别方法 , 用于高分辨率 CT( HRCT) 或薄层 CT 上良恶性结节的鉴别。方法 搜集经手术 或穿刺病理证实的 SPN 200 例( 原发性肺癌 135 例 , 良性结节 65 例) , 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 3 项临床指标( 年龄、性别 及是否有痰中带血丝) 和 9 项 HRCT 或薄层 CT 指标( 部位、长径、短径、轮廓形态、毛刺、晕征、气腔密 度影、结节与周围血管及胸膜的关系) 。采用完全随机法从中选择 140 例样本作为训练集 , 建立人工 神经网络( BP 网络) 诊断模型 , 并与软件 SPSS 分析处理的 Logistic 回归模型作比较。结果 BP 神经 网络对所有样本的诊断符合率为 98. 0% ( 196 /200 ) , 高于 Logistic 回归模型的符合率 ( 86. 0% , 172 /200) ( P < 0. 001) ; ROC 曲线下面积分别为 0. 996 ±0. 004 和 0. 936 ±0. 017, 差异有统计学意义 ( P < 0. 001) 。结论 结合神经网络理论 , 利用 HRCT 和 薄层 CT 鉴别诊断 SPN 的良恶性很可能成为 一种实用而可靠的临床诊断手段。 【关键词】 硬币病变 , 肺; 神经网络( 计算机) ; 体层摄影术 , X 线计算机; 诊断 , 鉴别 Application of ar tificial neur al networ ks in the CT study of solitar y pulm onar y nodule WANG Xia o-hua * , CHEN Hui, MA Da -qing, GAO Pei-yi, ZHOU Xin-hua. * Department of Radiology, Beijing Friendship Hospital, Capital University of Medical Sciences, Beijing 100050, China Corresponding author: MA Da -qing, Ema il: Ma daqing@263. net 【Abstra ct】 Objective To establish a new-type discriminative method in differentiating benign from malignant solitary pulmonary nodule ( SPN) on high-resolution CT/ thin-section CT by using artificial neural networks theory in the CT diagnostic study of SPN. Methods Two hundred SPNs pathologically proved by operation or biopsy ( primary pulmonary carcinoma 135 cases, benign nodules 65 cases) were collected, 3 clinical characteristics ( age, sex, with or without bloody sputum) and 9 high-resolution CT/ thin-section CT characteristics ( location, long and short diameter, contour, spiculation, halo sign, air-space, relation with the adjacent blood vessels and pleura) were analyzed. 140 cases were randomly selected to form the training samples, on which artificial neural networks model ( BP networks) was built and compared with Logistic model from Statistical Package for the Social Science ( SPSS) software. Results The total consistent rate of BP neural networks ( 98. 0% , 196 /200) was higher than that of Logistic model ( 86. 0% , 172 /200) ( P < 0. 001) . Areas under ROC curve were 0. 996 ±0. 004 and 0. 936 ±0. 017, respectively, and the difference between the two was significant ( P < 0. 001) . Conclusion Using high-resolution CT and thin-section CT in combination with artificial neural networks theory is feasible, and it is expected to become a useful and reliable clinical tool in differentiating benign from malignant SPN. 【 Key wor ds】 Coin lesion, pulmonary; Neural networks ( computer ) ; Tomography, X-ray computed; Diagnosis, differential 在 应 用螺 旋 CT 对 孤 立性 肺 结 节 ( solitary pulmonary nodule, SPN) 进行研究中发现, 很难利用 单项指标对其良恶性进行鉴别, 即使应用多指标综 合判别, 由于传统线性判别函数模型的限制, 判别效 果也不够理想。显然, 传统线性判别函数在鉴别 SPN 良恶性方面具有很大的局限性。笔者将人工神 经网络理论应用于 SPN 的高分辨率 CT( HRCT) 和 ( 或) 薄层 CT 研究中, 建立一种全新的非线性模式 判别方法, 用于鉴别 SPN 的良恶性。 ·773·中华放射学杂志 2006 年 4 月第 40 卷第 4 期 Chin J Radiol , April 2006, Vol 40, No. 4 图 1 BP 网络的结构示意图。b 为负值 , 相当于生物神经元兴奋的阈值 ; W 为权重。输入 层包含 12 个神经元 , 分别对应 3 项临床指标和 9 项 CT 指标 ; 隐含层神经元数目根据经验 定为 7 ; 输出层包含 1 个神经元 , 对应诊断结果。输入层各项指标与各指标对应的权重相 乘 , 并与该层神经元兴奋的阈值 b1 叠加 , 作为隐含层的有效输入 , 经 Sigmoid 函数计算出的 结果再与相应的权重相乘 , 与隐含层神经元兴奋的阈值 b2 叠加 , 作为输出层的有效输入 , 经 Sigmoid 函数计算出输出结果 , 即良恶性 图 2 BP 网络的基本结构。12 代表输入层有 12 项 , 分别对应 3 项临床指标和 9 项 CT 指标 ; 7 代表隐含层有 7 项 , 该值是根据经验确定的 , 一般为输入层项目数的 1 /2 左右 ; 1 代表输出 层有 1 项 , 即良恶性 材料与方法 分析经手术或穿刺病理证实的 SPN 200 例, 其 中恶性 135 例, 良性 65 例 ( 表 1 ) , 男 122 例, 女 78 例; 年龄 19 ～80 岁[ ( 57. 3 ±13. 6) 岁] ; SPN 直 径 0. 6 ～3. 0 cm[ ( 2. 0 ±0. 6 ) cm] 。 表 1 200 例 SPN 的疾病类型 病种 例数 病种 例数 良性肿瘤 结核球 22 s 错构瘤 6 ° 支气管囊肿 3 s 平滑肌瘤 1 ° 原发性肺癌 炎性结节 腺癌 71 s 炎性假瘤 15 ° 鳞癌 20 s 慢性炎症 11 ° 细支气管肺泡细胞癌 26 s 肺脓肿 4 ° 小细胞未分化癌 12 s 机化性肺炎 3 ° 腺鳞癌 6 s 200 例中 156 例采用美国 GE / Lightspeed ultra SYS CT 99 8 层螺旋 CT 扫描机, 常 规扫描层厚及层间隔7. 5 mm, 病 灶部位高分辨扫描层厚1. 25 mm; 44 例采用 Picker 2000 单层螺旋 CT 扫描机, 常规扫描层厚及层间 隔 8 mm, 病灶部位薄层扫描层厚 及层 间 隔 2 mm。扫 描 条 件 为 120 kV, 130 mA, 图像肺窗窗宽为 1600 HU, 窗位为 - 600 HU; 纵隔 窗窗宽为 400 HU, 窗位为 40 HU。 搜集每例患者的临床资料, 包 括年龄、性别及是否有痰中带血 丝, 于 HRCT 或薄层 CT 扫描层面 上, 在结节的最大截面上测量 SPN 的长短径, 并按下述排列顺序定量 观察以下 CT 指标: ( 1 ) 结节部位: 上叶、中叶或舌叶、下叶。( 2 ) 轮 廓形态: 光滑锐利、接近光滑 ( 边 缘可有 1 个尖角状突起或切迹) 、 棘状突起( 边缘由 2 或 2 个以上尖 角状突起构成) 、分叶征 ( 边缘呈 花瓣状 ) 。 ( 3 ) 毛刺: 无、粗长毛 刺、粗短毛刺、细长毛刺、细短毛刺 ( 以宽度 2 mm 为界将毛刺分为粗 或细毛刺, 以长度 5 mm 为界分为 长或短毛刺 ) 。 ( 4 ) 晕征: 无、有 ( 根据结节周围有无磨玻璃样密 度影) 。( 5) 气腔密度影包括空泡征、细支气管征和 空洞: 根据其有、无及位置分为无、有; 后者又分为主 要位于近肺门侧或远离肺门侧。 ( 6 ) 与周围血管的 关系: 结节与周围血管无关、有血管连接但无血管连 接处切迹、有血管连接切迹。( 7) 与周围胸膜的关 系: 结节与周围胸膜无关、结节紧贴胸膜、有胸膜凹 陷征但无胸膜凹陷相关切迹、有胸膜凹陷相关结节 切迹。 由 2 名有结节鉴别诊断经验的高职放射科医师 采用盲法分别分析 200 例结节的 CT 征象, 存在分 歧时经讨论达成一致。 人工神经网络模型采用前向型网络设计和误差 方向传播学习算法 ( 简称 BP 网络 ) , 其拓扑结构分 3 层( 图 1, 2) : 输入层、隐含层和输出层。输入层包 含 12 个神经元, 分别对应 3 项临床指标和 9 项 CT 指标; 隐含层神经元数目根据经验定为 7; 输出层包 含 1个神经元 , 对应诊断结果 ( 良恶性 ) 。输入层到 ·873· 中华放射学杂志 2006 年 4 月第 40 卷第 4 期 Chin J Radiol, April 2006, Vol 40, No. 4 图 7 男 , 69 岁 , 痰中带血 3 d。右肺上叶后段腺癌 , HR CT 显示边缘不规整 , 可见空泡征及细支气管征位于近肺门侧 图 8 男 , 28 岁 , 咯鲜 血 2 d。右肺上叶结核 , HRCT 示结节边界不规整 , 有毛刺 , 密度不均匀 , 远离肺门侧可见小空洞 , 近肺门侧可见含气支气管影像 , 有胸膜凹陷 征 图 9 男 , 66 岁 , 痰中带血丝。右肺下叶腺癌 , 薄层 CT 见结节内不规则空洞 , 外缘呈分叶状 , 内缘见壁结节 图 10 男 , 35 岁 , 咯血。 左肺下叶背段结核球 , 薄层 CT 见结节内较大空洞 , 外缘光滑 , 内缘规整 图 3 女 , 58 岁 , 痰中带血 1 周。左肺下叶后 基底段腺癌 , HRCT 显示分 叶征 , 密度均 匀 , 紧贴胸膜 图 4 女 , 62 岁 , 右乳腺癌术后复 查。右 肺 上叶 前 段 肺 泡 细 胞 癌 , HRCT 示 SPN 形态不规整 , 有胸膜凹陷征 图 5 男 , 30 岁 , 体检。右肺下叶背段错 构瘤 , 边缘光 滑锐利 , 密度均 匀 图 6 男 , 32 岁 , 体 检。 右肺下叶前基底段炎性假瘤 , 边缘光滑锐利 , 内 侧 与 血 管 影 相 连 形 成 苹 果 柄 样 征 象 隐含层、隐含层到输出层的传递函数均为对数 S 型 ( Sigmoid ) 函 数。利 用 Levenberg-Marquardt 规 则 ( 1 种改进的快速运算方法) 进行训练, 网络的误差 平方和 < 10 - 3 时训练收敛结束。网络的输出值 ≥0. 5提示为恶性。 从 200 例样本中采用完全随机法选择 70% 的 样本( 140 例 ) 作为训练集, 其余样本组成测试集。 利用 Matlab 6. 5 软件编程实现 BP 网络的训练和 测试。 统计学模型为二分类 Logistic 多元回归模型。 为保证模型的稳定性, 将利用单因素假设检验找出 对良恶性有意义的自变量引入回归方程, 将所有样 本代回方程求得预测值, ≥0. 5 提示为恶性。比较 建立的 BP 神经网络诊断模型和统计学中的 Logistic 回归模型对所有样本的诊断结果。 单因素假设检验应用成组 t 检验( 计量资料) 或 行× 列 χ2 检验( 计数资料 ) ; 配对 χ2 检验用于比较 BP 神经网络模型和 Logistic 回归模型的诊断正确 率, 以上经 SPSS 11. 5 统计软件处理; 2 种模型的接 受器操作特征曲线 ( ROC) 的绘制及曲线下面积的 比较利用 MedCalc 7. 5 软件完成。所有检验中以 P≤0. 05作为判定差异有统计学意义的标准。 结 果 1 . SPN 临床及 CT 指标的比较: SPN 临床及 CT 指标的比较见表 2, 3, 部分 CT 征象在良恶性间有交 叉( 图 3 ～10) 。 从表 2, 3 可以看出, 发病年龄和痰中带血丝在 良恶性结节间差异有统计学意义, 即恶性组发病年 龄更大, 痰中带血丝者更多, 而患者性别、结节的出 现部位及长短径在本组良恶性结节间差异无统计学 意义。在 SPN 的 6 种形态学征象中, 晕征在良恶性 ·973·中华放射学杂志 2006 年 4 月第 40 卷第 4 期 Chin J Radiol , April 2006, Vol 40, No. 4 结节中的出现率差异无统计学意义, 而结节的轮廓 形态、毛刺、气腔密度影、与血管和胸膜的关系在良 恶性结节中的出现率差异有统计学意义, 进一步 行× 列分割结果表明: ( 1) 结节的轮廓形态, 光滑锐 利或接近光滑明显多见于良性结节; 棘状突起在良 恶性结节中的出现率差别不大; 分叶征明显多见于 恶性 SPN。( 2) 细短毛刺明显多见于肺癌, 而无毛 刺或粗、长毛刺在良恶性 SPN 间差异无统计学意 义。( 3) 气腔密度影位于远离肺门侧者明显多见于 恶性 SPN; 位于近肺门侧者明显多见于良性结节; 无 气腔密度影在良恶性 SPN 中的出现率差异不大。 ( 4 ) 结节与血管的关系: 与血管无关者明显多见于 良性结节; 与血管相连者 ( 无论是否有血管连接处 切迹) 多见于恶性 SPN。( 5) 结节与胸膜的关系, 出 现胸膜凹陷相关结节切迹者明显多见于恶性结节; 其他 3 种情况在良恶性 SPN 间差异无统计学意义。 2 . 以病理结果作为金标准, 比较 Logistic 回归模 型与 BP 神经网络模型: 将经单因素假设检验 P≤ 0. 05 的自变量( 表 2, 3) : 年龄、痰中带血丝、轮廓形 态、毛刺、气腔密度影, 以及与血管、胸膜的关系引入 Logistic 回归方程, 利用所建立的方程对所有样本进 行诊 断 测 试, 总 的 符 合 率 为 86. 0% ( 172 /200 ) ( 表 4) 。 表 2 200 例患者年龄和 SPN 长短径的良恶性 计量指标比较( 珋x ±s) 项目 恶性 ( 135 例 ) 良性 ( 65 例 ) t 值 P 值 年龄 ( 岁 ) 61 FF. 0 ±12 8. 0 52 22. 0 ±15 $. 0 - 4 [[. 331 < 0 õõ. 001 长径 ( cm) 2 EE. 0 ± 0 8. 6 2 11. 0 ± 0 $. 6 0 [[. 140 0 õõ. 889 短径 ( cm) 1 EE. 6 ± 0 8. 6 1 11. 6 ± 0 $. 6 - 0 [[. 699 0 õõ. 486 用 140 例训练样本对 BP 网络进行训练, 经过 9 次叠代, 网络输出的误差平方和为 3. 002× 10 - 4 , 达到精度 要求 对教师党员的评价套管和固井爆破片与爆破装置仓库管理基本要求三甲医院都需要复审吗 , 训练结束。利用训练好的 BP 网络 对所有样本进行诊断测试, 总的符合率为 98. 0% ( 196 /200) ( 表 5) 。 BP 网络与 Logistic 模型诊断的 ROC 曲线见 图 11。前者的 ROC 曲线下面积( 0. 996 ±0. 004 ) 大 于后者的 ROC 曲线下面积 ( 0. 936 ±0. 017 , P < 0. 001) , 面积之差的 95 % 的可信区间为 ( 0. 027, 0. 093) 。 讨 论 一、良恶性 SPN 的临床特征 文献报道肺癌好发于 40 ～60 岁的男性, 以咯血 图 11 BP 网络与 Logi stic 模型诊断的 R OC 曲线 为引起注意的临床表现; 良性肿瘤常无症状, 多为偶 然发现; 结核和炎症可有结核中毒症状或发热等炎 症表现, 发病年龄较轻, 性别上无太大差异 [ 1] 。本 研究中恶性组较良性组发病年龄大, 痰中带血丝者 多, 两者差异有统计学意义; 而患者性别在良恶性结 节间差异无统计学意义, 与文献报道基本相符。 二、良恶性 SPN 的 CT 特征 1 . SPN 的部位和大小: 本组中良恶性 SPN 的发 病部位差异无统计学意义, 符合临床实践。SPN 的 大小与病例的搜集与筛选有关。根据肺结节的定 义, 以最大径 3. 0 cm 作为结节与肿块的分界, 而且 目前的 CT 很难将 3 mm 以下的病灶和正常支气管 血管断面鉴别开来, 因此笔者筛选的 SPN 直径为 0. 6 ～3. 0 cm。另一方面, 笔者搜集的 200 例患者均 经手术或穿刺活检病理证实, 长短径平均值分别为 2. 0 和 1. 6 cm。周围型小肺癌是指直径不超过 3 cm 的原发性肺癌, 在大小上很难与良性 SPN 进行鉴 别, 本组结果也表明结节大小在鉴别良恶性 SPN 中 是有局限性的。 2 . SPN 的边缘征象: 笔者在本研究采用轮廓形 态、毛刺和晕征来描述 SPN 的边缘特征。在 60 例 轮廓光滑锐利或接近光滑的 SPN 中, 良性结节占 83. 3% ( 50 例) ; 而 120 例表现为分叶征的 SPN 中, 95. 0% ( 114 例) 为恶性, 两者间差异有统计学意义。 以往认为棘状突起是鉴别良恶性结节的 1 个特征, 而本研究中棘状突起在良恶性结节中的出现率分别 为 13. 8 % ( 9 /65) 和 8. 1% ( 11 /135) , 两者差异无统 计学意义, 可能是由于 HRCT 和薄层 CT 扫描技术 使得棘状突起和分叶征的区别更加明显的缘故。 毛刺征表现为结节边缘伸向肺实质的细短毛刺 影像, 本组肺癌中毛刺征的出现率为 25. 9% , 明显 高于良性结节, 说明 关于失联党员情况说明岗位说明总经理岗位说明书会计岗位说明书行政主管岗位说明书 毛刺征是鉴别良恶性 SPN 的一 个 指 标。与陈 广等 [ 2] 的 报道相 比 , 本组 中出现 ·083· 中华放射学杂志 2006 年 4 月第 40 卷第 4 期 Chin J Radiol, April 2006, Vol 40, No. 4 表 3 200 例 SPN 患者性别、临床表现和 CT 征象的良恶性计数指标比较 项目 恶性 ( 135 例 ) 例数 百分率 ( % ) 良性 ( 65 例 ) 例数 百分率 ( % ) χ 2 值 P 值 性别 男 83 ö61 ¯. 5 39 ã60 œ. 0 0 k. 040 0 Ò. 841 女 52 ö38 ¯. 5 26 ã40 œ. 0 痰中带血丝 有 69 ö51 ¯. 1 17 ã26 œ. 2 11 k. 150 0 Ò. 001 无 66 ö48 ¯. 9 48 ã73 œ. 8 结节部位 上叶 74 ö54 ¯. 8 34 ã52 œ. 3 中叶或舌叶 13 ö9 ¯. 6 4 ã6 œ. 2 1 k. 093 0 Ò. 579 下叶 48 ö35 ¯. 6 27 ã41 œ. 5 轮廓形态 光滑锐利 0 ö0 ¯¯. 0 10 ã15 œ. 4 接近光滑 10 ö7 ¯. 4 40 ã61 œ. 6 114 k. 986 < 0 Ò. 001 棘状突起 11 ö8 ¯. 1 9 ã13 œ. 8 分叶征 114 ö84 ¯. 5 6 ã9 œ. 2 毛刺 14 kk. 400( 合并为 无、粗毛刺、 细毛刺 ) 0 Ò. 001 无 94 ö69 ¯. 6 54 ã83 œ. 1 粗长毛刺 2 ö1 ¯. 5 4 ã6 œ. 2 粗短毛刺 1 ö0 ¯. 7 2 ã3 œ. 1 17 kk. 010( 合并为 无、长毛刺、 短毛刺 ) < 0 Ò. 001 细长毛刺 3 ö2 ¯. 2 4 ã6 œ. 2 细短毛刺 35 ö25 ¯. 9 1 ã1 œ. 5 晕征 有 50 ö37 ¯. 0 22 ã33 œ. 8 0 k. 194 0 Ò. 660 无 85 ö63 ¯. 0 43 ã66 œ. 2 气腔密度影 无 91 ö67 ¯. 4 40 ã61 œ. 5 近肺门侧 22 ö16 ¯. 3 24 ã36 œ. 9 16 k. 656 < 0 Ò. 001 远离肺门侧 22 ö16 ¯. 3 1 ã1 œ. 5 与血管关系 无关 24 ö17 ¯. 8 25 ã38 œ. 5 有连接无切迹 93 ö68 ¯. 9 38 ã58 œ. 5 13 k. 005 0 Ò. 001 有连接有切迹 18 ö13 ¯. 3 2 ã3 œ. 0 与胸膜关系 无关 30 ö22 ¯. 2 18 ã27 œ. 7 紧贴胸膜 14 ö10 ¯. 4 10 ã15 œ. 4 13 k. 471 0 Ò. 004 凹陷但无切迹 67 ö49 ¯. 6 37 ã56 œ. 9 凹陷有相关切迹 24 ö17 ¯. 8 0 ã0 œœ. 0 表 4 200 例 SPN 病理结果与 Logistic 回归方程诊断结果比较 病理 结果 训练集样本 ( 140 例 ) 良性 恶性 符合率 ( % ) 测试集样本 ( 60 例 ) 良性 恶性 符合率 ( % ) 良性 35 $11 l76 µµ. 1 15 w4 «78 ��. 9 恶性 11 $83 l88 µµ. 3 2 w39 «95 ��. 1 合计 — — 84 µµ. 3 — — 90 ��. 0 率并不高, 分析原因可能有以下几个方面: ( 1) 早期 肺癌向周围浸润或形成癌性淋巴管炎的程度较轻, 故在 CT 上表现为毛刺征的例数有限; ( 2) 采用了严 格的毛刺征定义, 摒弃了其他征象的干扰, 构建了相 对 独 立 的 征 象 ; ( 3 ) 螺 旋 CT 的 薄 层 扫 描 表 5 200 例 SPN 病理结果与 BP 神经网络的诊断结果 病理 结果 训练集样本 ( 140 例 ) 良性 恶性 符合率 ( % ) 测试集样本 ( 60 例 ) 良性 恶性 符合率 ( % ) 良性 46 D0 x100 éé. 0 16 —3 Ë84 ((. 2 恶性 0 D94 x100 éé. 0 1 —40 Ë97 ((. 6 合计 — — 100 éé. 0 — — 93 ((. 3 技术更有利于征象的判别。 本组中晕征在肺癌和良性结节中的出现率分别 为 37. 0 % ( 50 /165) 和 33. 8 % ( 22 /65) , 两者差异无 统计学意义, 表明晕征对鉴别 SPN 良恶性的价值不 大, 可能是由于良性 SPN 周围常有炎细胞浸润, 而 肺癌( 特别是肺泡细胞癌 ) 的伏壁式生长常引起周 ·183·中华放射学杂志 2006 年 4 月第 40 卷第 4 期 Chin J Radiol , April 2006, Vol 40, No. 4 围的片状磨玻璃样密度影。 3 . SPN 的密度: 结节内的气腔密度影可根据大 小及形态分为空泡征、细支气管征和空洞 [ 3] , 研究 表明三者形成的病理基础可能不同 [ 2, 4 , 5] 。笔者在 本研究中根据此征象的有无及位置将气腔密度影分 为 3 种类型, 结果肺癌中有 16. 3% 位于远离肺门 侧, 而良性结节仅占 1. 5% , 两者差异有统计学意 义; 良性结节的气腔密 度影位于近肺门侧者占 36. 9% , 肺癌占 16. 3% 。远离肺门侧的气腔密度影 在良恶性结节中的出现情况分别为 1 /23 和 22 /23, 差异具有统计学意义; 而近肺门侧的气腔密度影在 良恶性结节中的出现率分别为 52. 2% ( 24 /46 ) 和 47. 8% ( 22 /46 ) , 表明气腔密度影的存在位置有助 于良恶性 SPN 的鉴别, 即位于近肺门侧者良恶性均 可, 以良性略多; 位于远离肺门侧者多为恶性。 4 . SPN 的周边征象: ( 1 ) 结节与周围血管的关 系: 肺癌中与血管无关者占 17. 8% ( 24 例) , 与血管 相连但相连处无切迹者占 68. 9% ( 93 例 ) , 有血管 连接处切迹者占 13. 3% ( 18 例) ; 而良性结节分别 为 38. 5 % ( 25 例) 、58. 5 % ( 38 例) 和 3. 0% ( 2 例) 。 与血管无关的结节明显多见于良性, 有血管连接处 切迹的结节多见于恶性, 两者差异有统计学意义, 表 明结节周围是否有血管相连及血管连接处是否存在 切迹可在一定程度上提示良恶性 SPN 的诊断。 ( 2) 结节与胸膜的关系: 肺癌中与胸膜无关者占 22. 2% ( 30 例) , 紧贴胸膜者占 10. 4 % ( 14 例) , 有胸膜凹陷 征 但 无 胸 膜 凹 陷 相 关 结 节 切 迹 者 占 49. 6% ( 67 例) , 有胸膜凹陷相关结节切迹者占 17. 8% ( 24 例) ; 而良性结节分别为 27. 7% ( 18 例) 、15. 4% ( 10 例) 、56. 9 % ( 37 例 ) 和 0 例。前 3 种类型多见 于良性结节, 胸膜凹陷相关结节切迹明显多见于恶 性结节, 差异有统计学意义。尽管胸膜凹陷征在良 恶性 SPN 中的出现率并无太大差异, 但胸膜凹陷相 关结节切迹作为肺癌的特异征象, 对 SPN 良恶性的 鉴别具有很高价值, 这与陈广等 [ 6] 的研究相仿。 三、人工神经网络在 HRCT 和薄层 CT 上鉴别 诊断良恶性 SPN 中的应用 多 数学 数学高考答题卡模板高考数学答题卡模板三年级数学混合运算测试卷数学作业设计案例新人教版八年级上数学教学计划 者认为 HRCT 和薄层 CT 是目前诊断和 鉴别诊断 SPN 的最适宜影像学方法, 但经大量研究 发现, 良、恶性 SPN 的临床及影像学指标有部分重 叠交叉, 仅依靠单一指标区分 SPN 的良恶性几乎不 可行 [ 7 , 8] , 即使联合应用多个指标, 当采用传统线性 函数模型进行判别时, 其鉴别诊断的准确性也不够 理想 [ 9 ] 。随着计算机辅助诊断研究的开展, 人工神 经网络技术开始应用于 SPN 的鉴别诊断。BP 网络 是由非线性变换单元组成的多阶层前馈式神经网络 及误差逆传播学习算法结合而成的一种网络的简 称, 其核心是误差逆传播算法, 该算法于 1974 年首 次由 Werbas 博士在他 的博士论文中提到, 后经 Rumelhar 和 McCellard 等为首的科学家小组完整提 出, 是目前使用最为广泛的神经网络 [ 10 ] 。它是一 个高度非线性化系统, 能够将输入模式的特征自动 抽出, 并分散地反映在相互连接的权重上, 不仅可以 “学习”输入模式的特征, 并且具有“记忆”功能, 能 自动将该特征运用于新个体的诊断, 具有较强的泛 化能力。笔者在本研究将临床和影像学指标均作为 输入 BP 网络, 其行为与实际临床的诊断过程非常 相似, 网络的诊断输出结果具有很强的说服力, 与统 计学的 Logistic 回归方法比较, 总的诊断正确率及 ROC 曲线下面积均有显著提高。神经网络系统具 有开放特征, 随着以后实验数据的不断积累, 网络系 统将进一步完善和稳定, 其判别和推理能力势必会 不断增强, 很可能成为鉴别 SPN 良恶性的实用而可 靠的临床诊断工具。 参 考 文 献 1 吴在德 , 吴肇汉 , 主编 . 外科学 . 第 6 版 . 北京 : 人民卫生出版 社 , 2004. 352-367. 2 陈广 , 马大庆 , 李铁一 . 多层螺旋 CT 多平面重建对小肺癌的基 本征象检出 . 临床放射学杂志 , 2004 , 23: 109 -112. 3 蔡祖龙 , 赵绍宏 . 细支气管肺泡癌的影像学 . 中国医学计算机 成像杂志 , 2001, 7: 24-29. 4 陈楠 , 谢坪 , 付凯 . 空泡征对早期肺癌的诊断价值 . 医学影像学 杂志 , 2002 , 12: 13-15. 5 Zwizewich CV, Vedal S, Miller RR , et al. Solitary pulmonary nodule : high-resolution CT and radiologic-pathologic correlation. Radiology, 1991, 179: 469-476. 6 陈广 , 马大庆 . CT 多平面重建对胸膜凹陷相关结节切迹检出的 价值 . 中华放射学杂志 , 2004, 38: 259 -262. 7 Trotman-Dickenson B, Baumert B. Multidetector-row CT of the solitary pulmonary nodule ( R eview) . Semin Roentgenol, 2003, 38 : 158 -167. 8 Leef JL 3 rd, Klein IS. The solitary pulmonary nodule. Radiol Clin North Am, 2002, 40 : 123-143. 9 王晓华 , 马大庆 , 周新华 . 孤立性肺结节的临床与 CT 计量诊断 . 中国医学影像技术 , 2005, 21: 1512-1515. 10 蒋宗礼 , 主编 . 人 工神经网络导论 . 北京 : 高等教 育出版社 , 2001. 39-45. ( 收稿日期 : 2005-05-20 ) ( 本文编辑: 隋行芳) ·283· 中华放射学杂志 2006 年 4 月第 40 卷第 4 期 Chin J Radiol, April 2006, Vol 40, No. 4