肺结节检测中特征提取方法研究
小型微型计算机系统ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓ２００９年１０月第１０期Ｖ０１．３０Ｎｏ．１０２００９
肺结节检测中特征提取方法研究
何中市１，梁琰１，黄学全２，王健２
１（重庆大学计算机学院，重庆４０００４４）
２（第三军医大学西南医院放射科，重庆４０００３８）
Ｅ—ｍａｉｌ：ｚｓｈｅ＠ｃｑｕ．ｅｄｕ．ｃａ
摘要：计算机辅助诊断（Ｃｏｍｐｕｔｅｒ—ＡｉｄｅｄＤｉａｇｎｏｓｉｓ，ＣＡＤ）系统为肺癌的早期检测和诊断提供了有力的支持．本文对孤立性肺结节特征提取问题进行研究．通过对肺结节和肺内各组织在序列ＣＴ图像上的医学征象分析和研究对比，结合专家提供的知识，提出了肺结节特征提取总体方案．该方案分别从肺部ＣＴ图像的灰度特征、肺结节形态、纹理、空间上下文特征等几个方面，对关键的医学征象进行图像分析，从而实现对ＲＯＩ（ＲｅｇｉｏｎｓｏｆＩｎｔｅｒｅｓｔ）区域的特征提取和量化；提出特征提取的评价方案，实验结果表明，本文提取的特征提取方案是有效的．利用本文提取的特征，肺结节检测正确率达到９３．０５％，敏感率为９４．５３％．
关键词：孤立性；肺结节；特征提取；ＣＴ图像；特征评价
中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００—１２２０（２００９）１０—２０７３－０５
ＲｅｓｅａｒｃｈｏｎｔｈｅＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＡｐｐｒｏａｃｈｆｏｒＳＰＮｓＤｅｔｅｃｔｉｏｎ
腼Ｚｈｏｎｇ—ｓｈｉｌ，ＬＩＡＮＧＹａｎｌ，ＨＵＡＮＧＸｕｅ—ｑｕａｎ２，ＷＡＮＧＪｉａｎ２
１（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ｃ‰增幻增Ｕｎｉｖｅｒｓ毋，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ）
２（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏｌｏｇｙ，Ｓｏｕｔｈｗｅｓｔ丑却池ｚ，ＴｈｉｒｄＭｉｌｉｔａｒｙＭｅｄｗａｌＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＰＬ４，Ｃｈｏｎｇｑｉｎｇ４０００３８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅｓｈａｖｅｐｒｏｖｅｄｔｏｂｅｅｆｆｅｃｔｉｖｅｆｏｒｉｍｐｒｏｖｅｍｅｎｔｏｆｒａｄｉｏｌｏｇｉｓｔｓ７ｄｉａｇｎｏｓｉｓｏｆｐｕｂｍｏｎａｒｙｎｏｄｕｌｅｓ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｅｓｅｎｔａｓｔｒａｔｅｇｙｂａｓｅｄｏｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｔｅｃｈｎｉｑｕｅａｉｍｅｄａｔＳｏｌｉｔａｒｙＰｕｌｍｏｎａｒｙＮｏｄｕｌｅｓ（ＳＰＮ）ｄｅｔｅｃｔｉｏｎ．Ｉｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｓｃｈｅｍｅ，３６ｆｅａｔｕｒｅｓｗｅｒｅｏｂｔａｉｎｅｄ，ｃｏｎｔａｉｎｅｄ３ｇｒｅｙｌｅｖｅｌｆｅａｔｕｒｅｓ，１６ｍｏｒｐｈｏｌｏｇｉｃａｌｆｅａｔｕｒｅｓ，１０ｔｅｘｔｕｒｅｆｅａｔｕｒｅｓａｎｄ７ｓｐａｔｉａｌｃｏｎｔｅｘｔｆｅａｔｕｒｅｓ．Ａｎｄｔｈｅｃｌａｓｓｉｆｉｅｒ（ＳＶＭ）ｒｕｎｎｉｎｇｗｉｔｈｔｈｅｅｘｔｒａｃｔｅｄｆｅａｔｕｒｅｓａｃｈｉｅｖｅｓｃｏｍｐａｒａｔｉｖｅｒｅｓｕｌｔｓ，ｗｉｔｈａｒｅ－ｓｕｉｔｏｆ９３．０５％ｉｎｎｏｄｕｌｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙａｎｄ９４．５３％ｉｎｓｅｎｓｉｔｉｖｉｔｙ．
Ｋｅｙｗｏｒｄｓ：ｉｓｏｌａｔｅｄ；ｓｏｌｉｔａｒｙｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓ；ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ；ＣＴｉｍａｇｅｓ；ｆｅａｔｕｒｅａｓｓｅｓｓｍｅｎｔ
１引言
近几年，随着影像检查技术的改进，临床结果初步证明ＣＴ扫描是检测早期无症状肺癌最有效的影像学方法。１Ｊ．肺部疾病在ＣＴ影像上通常表现为孤立性肺结节（ＳｏｌｉｔａｒｙＰｕｌ—ｍｏｎａｒｙＮｏｄｕｌｅｓ，ＳＰＮｓ），因此，对孤立性肺结节的检测和识别是对肺部疾病诊断最重要的途径．计算机辅助诊断系统一方面，大大减轻了医生的工作量，提高了工作效率；另一方面，使影像诊断更加客观化，提高诊断的效率和正确效率．因此，用计算机进行肺结节辅助诊断，提取肺结节特征，检测肺结节，是具有十分重要的意义和研究价值的．
在孤立性肺结节自动识别中，肺结节的特征提取及表示是其关键问题之一，它是进行识别的重要手段．关于肺结节检测方法有很多。２…，但对肺结节医学征象描述并不充分．目前一般常用面积、周长等形态方面进行肺结节特征提取．对肺结节的形态、全局、局部上下文特征以及病理征象的分析不足，使得特征提取描述不到位，影响识别准备率．同时也欠缺对识别结果的解释．正因为对提取的特征与肺结节医学征象问的对应关系分析不足，无法对识别结果进行医学知识上的解释，
特征提取特征评价
懂歪母
Ｉ里斗１显查鲎堑卜＿倒１Ｊ躺ｌ
帽霭瓣｜｜描述程度ｌ
１絮嚣卜
ｌＪｓ、，Ｍ识
－－｜别性能
图１ＳＰＮｓ诊断框架图
Ｆｉｇ．１ＯｖｅｒｖｉｅｗｏｆＳＰＮｓｄｅｔｅｃｔｉｏｎ
而只有”是”或”否”的识别结果，无法给医生提供更多的信息．本文围绕以上几个问题，意在提供全面的、系统的量化信息，便于医学专家诊断的客观化、效率化．本文对孤立性肺结节特征提取问题进行研究．通过对肺结节和肺内各组织在序列ＣＴ图像上的医学征象分析和研究对比，提出了肺结节特征提取总体方案．该方案分别从肺部ＣＴ图像的灰度特征、形
收稿日期：２００８－０８－３０基金项目：重庆市重大科技专项项目（ＣＳＴＣ，２００８ＡＢ５０３８）资助；重庆市自然科学基金项目（ＣＳＴＣ，２００７ＢＢ２１３４））资助．作者简介：何中市，男，１９６５年生，博士，教授，研究方向为人工智能、机器学习与数据挖掘等；梁琰，女，１９８２年生，博士研究生，图像处理、模式识别；黄学金，男，１９６６年生，博士，副教授，研究方向为影像诊断和介入放射学；王健，男，１９６４年生，博士，教授，研究方向为影像诊断和介入放射学．
２０７４小型微型计算机系统２００９焦
态、纹理、空间上下文特征等几个方面，对关键的医学征象进行图像分析，从而实现对ＲＯＩ（ＲｅｇｉｏｎｓｏｆＩｎｔｅｒｅｓｔ）区域的特征提取和量化；接着，还提出了特征提取的评价方案．本文研究的ＳＰＮｓ诊断框图见上页图１．
２ＲＯＩ提取
孤立性肺结节在医学上的定义为：指肺实质内单发圆形或类圆形致密影，直径小于３ｃｍ，不伴有肺不长或淋巴结肿大ｏ“．实验数据来源于重庆某大型医院的放射科，包括病例图像、病理结果信息（包括疾病名称、肺结节形态的文字描述，如毛刺、分叶情况，病因等信息）．其中各病例均是只含有ＳＰＮｓ，不含其它类型的肺结节．
首先，根据文献［６］给出的预处理进行肺实质分割和ＲＯＩ的选取．获得的ＲＯＩ包括血管、支气管和ＳＰＮｓ．按灰度、面积等特征，先从ＲＯＩ中排一部分非结节区域，由此，形成由４８９个样本组成的数据集，其中包括２３４个非结节和２５５个ＳＰＮｓ．
３ＳＰＮｓ特征提取方案
分析获得的ＲＯＩ区域，发现这些疑似的区域大多为血管、支气管和ＳＰＮｓ．根据了解到的医学先验知识悼１，本文首先分析了ＳＰＮ在ＣＴ图像中的表现形态，归纳总结，将其医学征象分为以下四类：形状表征（圆形性、大小等），边缘表征（分叶征、毛刺征、棘状突起、边缘模糊程度等），密度相关表征（钙化、空洞、脂肪密度影等），位置表征（离肺门的距离等）．接着，将特征按性质划分，从以下五方面人手特征提取方案，共３６个特征，包括：３个肺结节灰度特征、２６个形态特征、１０个纹理特征、７个空间关系上下文特征，期望从多方位、各方面完整地描述肺结节的特征．
图霜戮（Ａ）
（Ｂ）
（Ｃ）
图２空洞特征提取过程
（Ａ）肺结节（Ｂ）Ａ组图的二值图（ｃ）Ｂ组图的边缘图Ｆｉｇ．２Ｐｒｏｃｅｓｓｏｆｃａｖｉｔａｒｙｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ
３．１灰度特征
肺部ＣＴ图像是灰度图像，区域问灰度级的差异使得相应的组织和结构能够突显出来．灰度特征是肺结节最基本也是最简单的特征，如密度相关表征．提取灰度特征，考虑了Ｚ一五分别包括肺结节区域的灰度均值、灰度方差和灰度熵．３．２形态特征
形态特征是最直观的视觉特征．从医学角度，结节在ＣＴ图像上的表现（称为征象）有其医学上的特定命名和意义以及检测方法．征象的描述能够使医生从病理方面更好的理解和判断．形态特征主要从空洞、毛刺、形状、边界清楚程度等方面进行量化．其中对重要的毛刺、分叶特征进行详细阐述．３．２．１空洞特征
空洞（ｃａｖｉｔａｒｙ）在肺窗上呈现为低密度影．空洞特征在肺结节所有特征中比较容易发现．
根据空洞象征的描述，空洞特征设计思路如下：先用Ｏｔ－ＳＵ图像分割得到二值图。９Ｊ，接着计算区域中是否还含有更小的区域，统计其个数及面积，如图２，计算五说特征：空洞个数，空洞面积，空洞占肺结节面积比．
３．２．２分叶、毛刺特征
分叶、毛刺等特征主要是医学上对肺结节边缘特征的表述，是肺结节影像分析的重要特征，其出现大多提示结节的恶性．根据相关征象的描述，本文提出利用轮廓提取和Ｄ—Ｐ求取关键算法。１…，将２一Ｄ图像，转化为对１一Ｄ曲线上关键点处理，提取结节相应的分叶、毛刺形状边缘方面的特征，如图３．囝叠（Ａ）
（Ｂ）
（Ｃ）
图３边缘关键点图
（Ａ）肺结节（Ｂ）轮廓图（ｃ）轮廓关键点
Ｆｉｇ．３Ｅｘｔｒａｃｔｉｏｎｏｆｋｅｙｐｏｉｎｔｓ
算法：分叶毛刺特征提取算法
输入：ＲＯＩ图像ｊ
输出：毛刺、分叶特征二岳，
过程：
（１）二值化：对Ｉ，进行ＯＴＳＵ阈值分割，得到二值化图像；
（２）区域轮廓标记：对二值图进行轮廓标记，得到封闭若干曲线的轮廓图；
（３）找最大轮廓：找到区域曲线最大值作为肺结节所在区域；
（４）轮廓点顺时存放：按边界标记法，以边界某点作始点，将边界各点坐标按顺时针记录在数组ｍａｒｇｉｎ；
（５）找轮廓关键点：用Ｄ—Ｐ算法，提取边界关键点，形成新边界数组ｚｉｐＭａｒｇｉｎ；
（６）求指标：分别求相邻三个点形成三角形的弧弦比、凹凸情况、夹角角度．
（７）取特征：二关键点个数，五最小凹角，五最小凸角，五。最大凸弧弦比，Ｚ，最大凹弧弦比．
二关键点个数描述了边缘不规则程度．实验发现关键点个数越多，其边缘越不规则．五最小凹角．轮廓上凹点中最小角度在一定程度上提示该点分叶的可能．五最小凸角．轮廓上凸点中最小角度在一定程度上提示该点是毛刺点的可能．
１０期何中市等：肺结节检测中特征提取方法研究２０７５
五。最大凸弧弦比．用以描述轮廓的分叶情况．如图４，先定义弧弦比Ｒａｃ，：
舭；＝ｃＥ×鲁×ｃＤ（１）边界上的每个点ｆ都可以算出Ｒａｃ，，ＣＦｉ表点的凹凸情况（＋１表凸，一１表凹）．ＣＤ表该ＲＯＩ图像边界的清楚程度因子，将在３．２．４介绍，每张肺结节图像对应１个边界清楚程度因子，取值为Ｅｏ，１．２］．主要用于修正由于原图边界模糊对得到分割得到轮廓的影响程度．因此，五。最大凸弧弦比定义为：五。＝ｎｚａｘ｛ＲａｃｆｌＲａｃｆ＞０，ｆ＝１，２，３，…，ｎ｝．五１最大凹弧弦比定义为：Ｚ１＝ｉｎａｘ｛一ＲａｃｆＲａｃｆ＜０，ｆ＝１，２，３，…，ｎ｝．
Ｉｔ更’
图４边界夹角图例
Ｆｉｇ．４Ｅｘａｍｐｌｅｏｆａｂｏｕｎｄａｒｙａｎｇｌｅ
３．２．３形状特征
肺结节与脉管在形状上有各自的形态特点．形状信息的定量测量有，如：大小、周长、面积等，已常用作医学图像中组织特征的参量。１“．本文提取了五：岳，：周长、面积、类圆度、矩形度、细长度和轮廓面积比几何特征．
３．２．４边界清楚程度
在上一节介绍的弧弦比参量中，已提到边界清楚程度因子．设计边界清楚程度因子，主要考虑到肺结节医学征象中有边界清楚的描述．本文提出新的方法，用边界线区域的灰度均值和方差来计算边界的清楚程度．
如图５，对边界比较模糊的情况，用阈值分割的方法得不到其准确的轮廓，这正是由于图像的模糊性所至．但可以”顺水推舟”，计算所得边界区域的均值和方差，以此来反应其边界清楚程度．本节提出边界清楚因子提取过程．
瀚蓊瀚
（ａ）（ｂ）（ｃ）（ｄ）
图５边界清楚特征提取过程图
Ｆｉｇ．５Ｐｒｏｃｅｓｓｏｆｂｏｕｎｄａｒｙｄｉｓｔｉｎｃｔｆａｃｔｏｒｅｘ仃ａｃｔｉｏｎ
结合医学上对边界清楚程度的描述和ＣＴ图像的特点，设计提取边界清楚程度特征如下：ＲＯＩ图像二值化后得到对象轮廓，求取轮廓上关键点，计算以边界各关键点为中心区域的均值和方差形成边界均值和方差向量，再计算该向量的均值，得到特征五。边界灰度均值Ｚ，边界灰度方差．
经实验测试，边界清楚程度因子ＣＤ由边界灰度方差决定，边界灰度方差越大，则表明边界越清晰；反之，则表明边界越模糊．经后一章用ＲＯＣ曲线实验测试，以Ｚ，边界灰度方差２．５作为界设定边界清楚程度因子，因子取值在［０，１．２］．３．３纹理特征
上述的特征，是从空域的角度来描述肺结节特征，相对来说比较直观、可视．下面将从空间像素问变化关系和频域角度，刻画肺结节潜在的特征．通过空域到频域的空间变换，挖掘肺结节内在及其所处环境特有的纹理特征．本文用五。长，是通过灰度共生矩阵特征．
３．４空间上下文特征
ＣＴ图像是断层图像，显示整个器官，需要多帧连续的断层图像．判断病变位置及其与周边组织的空间关系，对诊断和治疗计划的实施具有重要意义．
上述特征，都基于单张切片来分析来量化肺结节的特征．考虑ＣＴ图像是多序列的特点，从肺结节在单张切片中的位置特征，以及当前切片肺结节区域与相邻（上下）切片相应区域特征的相似性两方面来分析和描述肺结节的局部和全局上下文关系．
３．４．１局部上下文特征
局部上下文特征，主要考虑肺结节在切片中的位置，如图６，如在左肺还是右肺、与肺墙的距离等．在肺门附近，血管、支气管等组织比较丰富，在此生长的肺结节较难识别；而越靠近肺墙的结节，越容易识别。１…．据此，先建立肺实质内重要区域模型（如肺门、肺墙等）．提取肺实质轮廓坐标序列，以此作为肺墙所在区域；以左肺为例，找出肺实质轮廓序列中最高点和最低点的坐标，将肺轮廓坐标序列分为内外轮廓两部分序列，三等分外轮廓坐标序列将肺实质分为上、中、下三叶；以内轮廓坐标序列形心为肺门位置．接着设计特征厶矗：区域位于左右肺情况、区域位于肺实质的上、中、下情况、区域与肺门距离情况ｄｉｓＴｏＨｉｌｕｍ、区域与胸墙距离情况ｄｉｓＴｏｖｉｓｃｅｒａｌ、ｄｉｓＴｏ—Ｈｉｌｕｍ／ｄｉｓＴｏｖｉｓｃｅｒａｌ两距离比．
图６局部特征结构图
Ｆｉｇ．６Ｌｏｃａｌｆｅａｔｕｒｅｓｏｆｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓ
图７肺结节相邻切片图
Ｆｉｇ．７Ａｄｊａｃｅｎｔｓｌｉｃｅｓｏｆｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓ３．４．２全局上下文特征
考虑到肺中组织是空间内的实体，相邻切片问有空间关系．三维空间中组织的空间位置也为结节区域提供了一定的
２０７６小型微型计算机系统２００９焦
信息，强度相近、空间相邻的组织更有可能构成结节区域。１…．
因此，考虑用相邻切片的相似性，作为当前ＲＯＣ区域的全局
特征，如图７．
在计算全局特征时，假定相邻切片图像是按文件名有序
的．全局上下文特征厶矗分别为当前切片与其上、下切片相
应区域的特征向量的相似度，其中区域的特征向量由前面所
求特征构成，相似性的度量采用欧式距离．
４特征提取评价
特征提取是肺结节检测识别的重要前提．检验特征提取
过程的效果，显得尤其重要．实验数据如第２章中所述．本文
将从以下两个方面对特征提取过程结果进行评价：
（１）特征对医学征象描述程度
（２）特征对分类器性能描述程度
其中，用ＲＯＣ（ＲｅｃｄｖｅｒＯｐｅｒａｔｉｏｎＣｈａｒａｃｔｅｒｉｓｔｉｃ）曲线来
评价特征对医学征象的描述程度及分类的情况。１…．评价指标
有：真阳性（ｒＩＰ）、假阳性（ＦＰ）、假阴性（ＦＮ）和真阴性（ＴＮ），
相应有真阳率（ＴＰＲ）、假阳率（ＦＰＲ）、假阴率（ＦＮＲ）和真阴率
（ＴＮＲ），正确率．
４．１特征与主要医学征象描述程度
评估特征与主要医学征象的描述程度，是对于已确诊的
病例，检验特征能否反映专家所描述的病理征象，以下将定量
地分析特征与主要医学征象问的描述关系．
实验步骤如下：
（１）提取量化特征：根据本文的特征提取方案，提取ＲＯＩ
图像特征；
（２）标注病理描述：根据专家提供的病理信息，标注其医
学征象的有无；
（３）ＲＯＣ曲线比对测试：将量化特征结果与标注结果比
对，绘制ＲＯＣ曲线．
＠ｏ?臣０．题ｏ．瓢
＠ｏ－
臣０．是ｏ．孰§ｏ?酽越０．黎ｍ
ｇｏ－臣０．是ｏ．蓉ｍ
图８特征对医学征象描述ＲＯＣ曲线结果Ｆｉｇ．８ＲＯＣｃｕｒｖｅｏｆｆｅａｔｕｒｅｓｄｅｓｃｒｉｐｔｉｏｎｔｏｍｅｄｉｃａｌｓｉｇｎｓ每个特征或特征子集都可用以上的步骤来评价特征对特定征象的描述程度．文中只列出了以下四个特征的量化评价结果．四个特征包括：五。最大凸弧弦比领，中最大凹弧弦比携区域中空洞面积ｏ，边界区域灰度方差，如表１．图８为相应特征对四种医学征象（分叶、毛刺、空洞、边界清楚程度）用ＲＯＣ曲线进行描述．
以上实验数据表明，用本文提出方法，提取出肺结节关键征象分叶、毛刺、空洞和边界清楚因子等特征是有效的．其中ＲＯＣ曲线的面积都达到８０％以上，最高的敏感度是边界清楚因子，达到９２％；同时，ＲＯＣ曲线还提示了较好的阈值参数的选择，为分叶、毛刺等病变程度分级提供了实验支持，使得计算机能向医生提供一些病变程度的信息，辅助医生发现和解释病灶．实验中，以边界清楚程度因子２．５作为３．２．２中分叶等特征描述的修正．
表１特征对医学征象描述程度实验结果
Ｔａｂｌｅ１Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｏｆｆｅａｔｕｒｅｓ
ｄｅｓｃｒｉｐｔｉｏｎｔｏｍｅｄｉｃｆｌｓｉｇｎｓ
４．２特征集对肺结节检测识别能力
本节主要从特征集对ＲＯＩ的区分识别能力来对特征提取的效果进行评价．为测试特征的分类能力，设计以下两组特征：
ＦｅａｔｕｒｅＶｅｃｔｏｒ１（ＦＶｌ）：由所有特征组成
ＦｅａｔｕｒｅＶｅｃｔｏｒ２（ＦＶ２）：由三个特征组成，参见文献［６］，包括面积、ＲＯＩ平均灰度和圆度测量．
在分类器上，本文选择支持向量机ＳＶＭ［１５｜．其中参数用盯＝０．３和Ｃ＝３２．
实验步骤如下：
（１）提取量化特征：根据本文特征提取方案，提取３６个特征，形成特征集ＦＶｌ和ＦＶ２；
（２）数据分组：将这４８９份数据分成４组（ａ—ｄ），进行四交叉测试，其中三组为训练集，另一组为测试集，各组中结节与非结节数目分别为：６４／５８，６４／５８，６４／５８，６３／６０；
（３）分类检测：分类器采用ＳＶＭ．
Ａ．ＦＶｌ特征集实验结果
表２基于ＳＶＭ在ＦＶｌ特征集的ＳＰＮｓ检测结果
Ｔａｂｌｅ２ＲｅｓｕｌｔｓｏｆＳＰＮｓｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎＳＶＭｗｉｔｈＦＶｌ＂－－＼Ｊｎｄｅｘ
＼ＴＰＦＰＴＮＦＮ
Ｇｒｏｕｐ献
Ｃ．实验结果总结
表６汇总了在ＦＶｌ和ＦＶ２下ＳＶＭ的分类性能．在相同ＳＶＭ参数设置下，ＦＶｌ特征集区分结果优于ＦＶ２特征集，平均正确率分别为９３．０５％和８７．７２％，ＴＰＲ分别是９４．５３％和
１０期何中市等：肺结节检测中特征提取方法研究２０７７８４．３１％，ＴＮＲ分别为９１．４９％和９１．４２％．
表３基于ＳＶＭ在ＦＶｌ特征集的ＳＰＮｓ检测结果性能评估
Ｔａｂｌｅ３ＰｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｏｆＳＰＮｓｄｅｔｅｃｔｉｏｎ
ｂａｓｅｄｏｎＳＶＭｗｉｔｈＦＶｌ
表２、表３是给出了在ＦＶｌ特征集下用ＳＶＭ进行ＳＰＮ
检测的结果．
Ｂ．ＦＶ２特征集实验结果
表４、表５是给出了在ＦＶ２特征集下用ＳＶＭ进行ＳＰＮ
检测的结果．
表４基于ＳＶＭ在ＦＶ２特征集的ＳＰＮｓ检测结果
Ｔａｂｌｅ４ＲｅｓｅｔｓｏｆＳＰＮｓｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎＳＶＭｗｉｔｈＦＶ２
５２５７５３５３５２
５１
５４
５７
１２
７
１１
１０
表５基于ＳＶＭ在Ｆｖｌ特征集的ＳＰＮｓ检测结果性能评估Ｔａｂｌｅ５ＰｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｏｆＳＰＮｓ
ｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎＳＶＭｗｉｔｈＦＶ２
Ａｃｃｕ一１ＰＲＦＰＲＴＮＲＦＮＲＧｒｏｕｏＮｏ．
‘
ｒａｃｙ（％）（％）（％）（％）（％）ａ８５．２４８１．２５１０．３５８９．６５１８．７５
ｂ８８．５２８９．０６１２．０７８７．９３１０．９４
ｃ８７．７０８２．８１６．９０９３．１０１７．１９
ｄ８９．４３８４．１２５．０９５．０１５．８８Ａｖｅｒａｇｅ８７．７２８４．３１８．５８９１．４２１５．６９
表６基于ＳＶＭ的ＳＰＮｓ检测结果性能
Ｔａｂｌｅ６Ｃｌａｓｓｉｆｉｅｒｐｅｒｆｏｒｍａｎｃｅｗｉｔｈｔｗｏｄｉｆｆｅｒｅｎｔｆｅａｔｕｒｅｖｅｃｔｏｒｓ
５结束语
本文提出了肺结节特征提取方案．分别从肺结节灰度、形态、纹理、空间关系上下文四个方面对肺结节医学征象进行描述，共提取３６个特征．并用ＳＶＭ进行肺结节检测．实验结果表明，根据医学知识，建立特征与医学征象描述关系，可以更客观地、全面地提取肺结节图像信息，更有利于肺结节的检测和识别．在同样的数据集下，与文献［２，６］中简单的特征相比，本文方法对ＲＯＩ的区分能力更优．
由于数据有限，本文所得为初步实验结果，如果要推广到商业应用，还需要大规模的数据进行测试．以上的特征提取方法还可用于乳腺图像处理中．往后可以在进一步从三维角度对肺结节建模，把握肺结节的整体特征．另外需要建立和完善肺结节图像数据库，数据是计算机进行学习的良好素材．建立开放大规模的肺结节图像数据库与测试平台，将有利于评估比较算法性能和效果．
Ｒｅｔ．ｅｒｅｎｃｅｓ：
［１］ＤｏｉＫ．Ｃｕｒｒｅｎｔｓｔａｔｕｓａｎｄｆｕｔｕｒｅｐｏｔｅｎｔｉａｌｏｆｃｏｍｐｕｔｅｒ－ａｉｄｅｄｄｉａｇ—ｎｏｓｉｓｉｎｍｅｄｉｃａｌｉｍａｇｉｎｇ［Ｊ］．ＢｒｉｔｉｓｈＪｏｕｒｎａｌｏｆＲａｄｉｏｌｏｇｙ，２００５，７８（ＳｐｅｃｉａｌＩｓｓｕｅ）：ｓ３一Ｓ１９．
［２］ＬｅｅＹｏｎｇｂｕｍ，ｎａｒａＴ．ＡｕｔｏｍａｔｅｄｄｅｔｅｃｔｉｏｎｏｆｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓｉｎｈｅｌｉｃａｌＣＴｉｍａｇｅｓｂａｓｅｄｏｎａｎｉｍｐｒｏｖｅｄｔｅｍｐｌａｔｅ—ｍａｔｃｈｉｎｇｔｅｃｈ－ｎｉｑｕｅ［Ｊ］．ＩＥＥＥＴｒａｎｓＭｅｄＩｍａｇｉｎｇ，２００１，２０（７）：５９５－６０４．［３］ＪａｎｅＰＫｏ，ＭａｒｇｎｔＢｅｔｋｅ．ＣｈｅｓｔＣＴ：ａｕｔｏｍａｔｅｄｎｏｄｕｌｅｄｅｔｅｃｔｉｏｎａｎｄａｓｓｅｓｓｍｅｎｔｏｆｃｈａｎｇｅｏｖｅｒｔｉｍｅ—ｐｒｅｌｉｍｉｎａｒｙｅｘｐｅｒｉｅｎｃｅｌ［Ｊ］．
Ｒａｄｉｏｌｏｇｙ，２００１，２１８（１）：２６７－２７３．
［４］ＭｏｕｓａＷＡＨ，ＫｈａｎＭＡＵ．Ｌｕｎｇｎｏｄｕｌｅｃｌａｓｓｉｆｉｃａｔｉｏｎｕｔｉｌｉｚｉｎｇｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ［Ｃ］．Ｐｒｏｃ．Ｉｎｔ．Ｃｏｎｆ．ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ２００２，３：１５３—１５６．
［５］ＳｕｚｕｋｉＫ，ＤｏｉＫ．Ｈｏｗｃａｎａｍａｓｓｉｖｅｔｒａｉｎｉｎｇａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ－ｗｏｒｋ（ＭＴＡＮＮ）ｂｅｔｒａｉｎｅｄｗｉｔｈａｓｍａｌｌｎｕｍｂｅｒｏｆｃａｓｅｓｉｎｔｈｅ
ｄｉｓｔｉｎｃｔｉｏｎｂｅｔｗｅｅｎｎｏｄｕｌｅｓａｎｄｖｅｓｓｅｌｓｉｎｔｈｏｒａｃｉｃＣＴ［Ｊ］．ＡｃａｄＲａｄｉｏｌ，２００５，１２（１０）：１３３３—１３４１．
［６］ＬｉｎＤａｗ—ｔｕｎｇ，ＹａｎＣｈｕｎｇ—ｒｅｎ，ＣｈｅｎＷｅｎ—ｔａｉ．Ａｕｔｏｎｏｍｏｕｓｄｅｔｅｃ—ｔｉｏｎｏｆｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓｏｎＣＴｉｍａｇｅｓｗｉｔｈａｎｅｕｒａｌｎｅｔｗｏｒｋ—ｂａｓｅｄｆｕｚｚｙｓｙｓｔｅｍ．［Ｊ］．ＣｏｍｐｕｔｅｒｉｚｅｄＭｅｄｉｃａｌＩｍａｇｉｎｇａｎｄＧｍｐｈｉｃｓ，２００５，２９（６）：４４７＿４５８．
［７］ＣｈｅｎＪｉｎｇ—ｄｉ，ＳｈｅｎＢｉｎｇ—ｑｉ．Ｉｍａｇｉｎｇｄｉａｇｎｏｓｅａｎｄｄｉｆｆｅｒｅｎｔｉａｔｉｎｇｏｆｓｏｌｉｔａｒｙｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓ［Ｊ］．ＮｅｗＣｈｉｎｅｓｅＭｅｄｉｃｉｎｅ，２００５，３６（１０）：６０７－６０９．
［８］ＴａｎｇＡＷＫ，ＭｏｓｓＨＡ，ＲｏｂｅｒｔｓｏｎＲＪＨ．Ｔｈｅｓｏｌｉｔａｒｙｐｕｌｍｏｎａ－
ｒｙｎｏｄｕｌｅ［Ｊ］．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＲａｄｉｏｌｏｇｙ，２００３，４５（１）：６９—７７．
［９］ＯｔｓｕＮ．Ａｔｈｒｅｓｈｏｌｄｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｆｒｏｍｇｒｅｙ—ｌｅｖｅｌｈｉｓｔｏｇｒａｍ［Ｊ］，ＩＥＥＥＴｒａｎｓＳｙｓｔｅｍＭａｎＣｙｂｅｍｅｔ，１９７８，９（１）：６２－６６．
［１０］ＧｕｏＰｉｎｇ，ＷａｎｇＹａｎ—ｘｉａ，ＣｈｅｎＱｉ—ｘｉｎ，ｅｔａ１．Ａｍｅｔｈｏｄｆｏｒｒｅ－ｂｕｉｌｄｉｎｇｇｒａｐｈｂｏｕｎｄａｒｙ
ｂａｓｅｄｏｎｆｒａｃｔａｌ［Ｊ］．Ｊｏｕｒｎａｌｏｆ
Ｃｏｍｐｕ—ｔａｔｉｏｎａｌＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍｓ，２００６，２（４）：１４２７—１４３２．
［１１］ＰａｎＪｉ—ｓｈｕ，２１ａａｎｇＧｕｏ—ｚｈｅｎ．ＰｕｌｍｏｎａｒｙＣＴｄｉｆｆｅｒｅｎｔｉａｌｄｉａｇｎｏｓｅｓ［Ｍ］．Ｃｈｉｎａ：ＳｃｉｅｎｔｉｆｉｃａｎｄＴｅｃｈｎｉｃａｌＤｏｃｕｍｅｎｔｓＰｕｂｌｉｓｈｉｎｇＨｏｕｓｅ，２００３，２１４３．
［１２］ＫａｎａｚａｗａａＫ，ＫａｗａｔａＹ．Ｃｏｍｐｕｔｅｒ—ａｉｄｅｄｄｉａｇｎｏｓｉｓｆｏｒｐｕｌｍｏｎａ－ｒｙｎｏｄｕｌｅｓ
ｂａｓｅｄｏｎｈｅｌｉｃａｌＣＴｉｍａｇｅｓ［Ｊ］．ＣｏｍｐｕｔｅｒｉｚｅｄＭｅｄｉｃａｌＩｍａｇｉｎｇ
ａｎｄＧｒａｐｈｉｃｓ，１９９８，２２（２）：１５７—１６７．
［１３］ＲａｆａｅｌＷｉｅｍｋｅｒＡ，ＰａｔｒｉｋＲｏｇａｌｌａｂ．Ｃｏｍｐｕｔｅｒａｉｄｅｄｌｕｎｇｎｏｄｕｌｅｄｅｔｅｃｔｉｏｎｏｎｈｉ曲ｒｅｓｏｌｕｔｉｏｎＣＴｄａｔａ［Ｃ］．ＭｅｄｉｃａｌＩｍａｇｉｎｇＰｒｏ—ｃｅｅｄｉｎｇｓｏｆＳＰＩＥ２００２，４６８４：６７７－６８８．
［１４］ＭｅｔｚＣＥ．Ｓｏｍｅｐｒａｅｔｉｃａｌｉｓｓｕｅｓｏｆｅｘｐｅｒｉｍｅｎｔａｌｄｅｓｉｇｎａｎｄｄａｔａａ＿ｎａｌｙｓｉｓｉｎｒａｄｉｏｌｏｇｉｃａｌＲＯＣ
ｓｔｕｄｉｅｓ［Ｊ］．ＩｎｖｅｓｔＲａｄｉｏｌ，１９８９，２４（３）：２３４－２４５．
［１５］ＪａｉｎＡＫ，ＤｕｉｎＲＰＷ，ＭａｏＪ．Ｓｔａｔｉｓｔｉｃａｌｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ：ａｒｅ－ｖｉｅｗ［Ｊ］．ＩＥＥＥＴｒａｎｓ．ＰａｔｔｅｒｎＡｎａｌ．Ｍａｃｈ．Ｉｎｔｅｌｌ．２０００，２２（１）：４－２７．
附中文参考文献：
［７］陈境弟，沈冰奇．孤立性肺结节的影像学诊断和鉴别诊断［Ｊ］新医学，２００５，３６（１０）：６０７－６０９．
肺结节检测中特征提取方法研究
作者：何中市， 梁琰， 黄学全， 王健
作者单位：何中市,梁琰(重庆大学计算机学院,重庆,400044)， 黄学全,王健(第三军医大学西南医院放射科,重庆,400038)
刊名：
小型微型计算机系统
英文刊名：JOURNAL OF CHINESE COMPUTER SYSTEMS
年，卷(期)：2009,30(10)
参考文献(16条)
1.Otsu N A threshold selection method from grey-level histogram 1978(01)
2.Tang A W K;Moss H A;Roan R J H The solitary pulmonary nodule 2003(01)
3.Chen Jing-di;Shen Bing-qi Imaging diagnose and differentiating of solitary pulmonary nodules 2005(10)
4.陈境弟;沈冰奇孤立性肺结节的影像学诊断和鉴别诊断[期刊论文]-新医学 2005(10)
5.Jain A K;Duin RPW;Mao J Statistical pattern recognition:a review 2000(01)
6.Metz C E Some practical issues of experimental design and data anaiysis in radiological ROC studies 1989(03)
7.Rafael Wiemker A;Patrik RogaUab Computer aided lung nodule detection on high resolution CT data 2002
8.Kanazawaa K;Kawata Y Computer-aided diagnosis for pulmonary nodules based on helical CT images[外文期刊] 1998(02)
9.Pan Ji-shu;Zhang G-uo-zhen Pulmonary CT differential diagnoses 2003
10.Guo Ping;Wang Yan-xia;Chen Qi-xin A method for rebuilding graph boundary based on fractal 2006(04)
11.Lin Daw-tung;Yan Chung-ren;Chen Wen-tai Autonomous detection of pulmonary nodules on CT images with a neural networkbased fuzzy system[外文期刊] 2005(06)
12.Suzuki K;Doi K How can a massive training artificial neural network (MTANN) be trained with a small number of cases in the distinction between nodules and vessels in thoracic CT 2005(10)
13.Mousa W A H;Khan M A U Lung nodule classification utilizing support vectormachines 2002
14.Jane P Ko;Margrit Betke Chest CT:automated nodule detection and assessment of change over time-preliminary experiencel[外文期刊] 2001(01)
15.Lee Yongbum;Hara T Automated detection of pulmonary nodules in helical CT images based on an improved template-matching technique 2001(07)
16.Doi K Current status and future potential of computer-aided diagnosis in medical imaging 2005(Issue)
本文链接：https://www.360docs.net/doc/2d1734618.html,/Periodical_xxwxjsjxt200910032.aspx
肺结节检测中特征提取方法研究
小型微型计算机系统ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓ２００９年１０月第１０期Ｖ０１．３０Ｎｏ．１０２００９ 肺结节检测中特征提取方法研究 何中市１，梁琰１，黄学全２，王健２ １（重庆大学计算机学院，重庆４０００４４） ２（第三军医大学西南医院放射科，重庆４０００３８） Ｅ—ｍａｉｌ：ｚｓｈｅ＠ｃｑｕ．ｅｄｕ．ｃａ 摘要：计算机辅助诊断（Ｃｏｍｐｕｔｅｒ—ＡｉｄｅｄＤｉａｇｎｏｓｉｓ，ＣＡＤ）系统为肺癌的早期检测和诊断提供了有力的支持．本文对孤立性肺结节特征提取问题进行研究．通过对肺结节和肺内各组织在序列ＣＴ图像上的医学征象分析和研究对比，结合专家提供的知识，提出了肺结节特征提取总体方案．该方案分别从肺部ＣＴ图像的灰度特征、肺结节形态、纹理、空间上下文特征等几个方面，对关键的医学征象进行图像分析，从而实现对ＲＯＩ（ＲｅｇｉｏｎｓｏｆＩｎｔｅｒｅｓｔ）区域的特征提取和量化；提出特征提取的评价方案，实验结果表明，本文提取的特征提取方案是有效的．利用本文提取的特征，肺结节检测正确率达到９３．０５％，敏感率为９４．５３％． 关键词：孤立性；肺结节；特征提取；ＣＴ图像；特征评价 中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００—１２２０（２００９）１０—２０７３－０５ ＲｅｓｅａｒｃｈｏｎｔｈｅＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＡｐｐｒｏａｃｈｆｏｒＳＰＮｓＤｅｔｅｃｔｉｏｎ 腼Ｚｈｏｎｇ—ｓｈｉｌ，ＬＩＡＮＧＹａｎｌ，ＨＵＡＮＧＸｕｅ—ｑｕａｎ２，ＷＡＮＧＪｉａｎ２ １（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ｃ‰增幻增Ｕｎｉｖｅｒｓ毋，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ） ２（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏｌｏｇｙ，Ｓｏｕｔｈｗｅｓｔ丑却池ｚ，ＴｈｉｒｄＭｉｌｉｔａｒｙＭｅｄｗａｌＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＰＬ４，Ｃｈｏｎｇｑｉｎｇ４０００３８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅｓｈａｖｅｐｒｏｖｅｄｔｏｂｅｅｆｆｅｃｔｉｖｅｆｏｒｉｍｐｒｏｖｅｍｅｎｔｏｆｒａｄｉｏｌｏｇｉｓｔｓ７ｄｉａｇｎｏｓｉｓｏｆｐｕｂｍｏｎａｒｙｎｏｄｕｌｅｓ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｅｓｅｎｔａｓｔｒａｔｅｇｙｂａｓｅｄｏｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｔｅｃｈｎｉｑｕｅａｉｍｅｄａｔＳｏｌｉｔａｒｙＰｕｌｍｏｎａｒｙＮｏｄｕｌｅｓ（ＳＰＮ）ｄｅｔｅｃｔｉｏｎ．Ｉｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｓｃｈｅｍｅ，３６ｆｅａｔｕｒｅｓｗｅｒｅｏｂｔａｉｎｅｄ，ｃｏｎｔａｉｎｅｄ３ｇｒｅｙｌｅｖｅｌｆｅａｔｕｒｅｓ，１６ｍｏｒｐｈｏｌｏｇｉｃａｌｆｅａｔｕｒｅｓ，１０ｔｅｘｔｕｒｅｆｅａｔｕｒｅｓａｎｄ７ｓｐａｔｉａｌｃｏｎｔｅｘｔｆｅａｔｕｒｅｓ．Ａｎｄｔｈｅｃｌａｓｓｉｆｉｅｒ（ＳＶＭ）ｒｕｎｎｉｎｇｗｉｔｈｔｈｅｅｘｔｒａｃｔｅｄｆｅａｔｕｒｅｓａｃｈｉｅｖｅｓｃｏｍｐａｒａｔｉｖｅｒｅｓｕｌｔｓ，ｗｉｔｈａｒｅ－ｓｕｉｔｏｆ９３．０５％ｉｎｎｏｄｕｌｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙａｎｄ９４．５３％ｉｎｓｅｎｓｉｔｉｖｉｔｙ． Ｋｅｙｗｏｒｄｓ：ｉｓｏｌａｔｅｄ；ｓｏｌｉｔａｒｙｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓ；ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ；ＣＴｉｍａｇｅｓ；ｆｅａｔｕｒｅａｓｓｅｓｓｍｅｎｔ １引言 近几年，随着影像检查技术的改进，临床结果初步证明ＣＴ扫描是检测早期无症状肺癌最有效的影像学方法。１Ｊ．肺部疾病在ＣＴ影像上通常表现为孤立性肺结节（ＳｏｌｉｔａｒｙＰｕｌ—ｍｏｎａｒｙＮｏｄｕｌｅｓ，ＳＰＮｓ），因此，对孤立性肺结节的检测和识别是对肺部疾病诊断最重要的途径．计算机辅助诊断系统一方面，大大减轻了医生的工作量，提高了工作效率；另一方面，使影像诊断更加客观化，提高诊断的效率和正确效率．因此，用计算机进行肺结节辅助诊断，提取肺结节特征，检测肺结节，是具有十分重要的意义和研究价值的． 在孤立性肺结节自动识别中，肺结节的特征提取及表示是其关键问题之一，它是进行识别的重要手段．关于肺结节检测方法有很多。２…，但对肺结节医学征象描述并不充分．目前一般常用面积、周长等形态方面进行肺结节特征提取．对肺结节的形态、全局、局部上下文特征以及病理征象的分析不足，使得特征提取描述不到位，影响识别准备率．同时也欠缺对识别结果的解释．正因为对提取的特征与肺结节医学征象问的对应关系分析不足，无法对识别结果进行医学知识上的解释， 特征提取特征评价 懂歪母 Ｉ里斗１显查鲎堑卜＿倒１Ｊ躺ｌ 帽霭瓣｜｜描述程度ｌ １絮嚣卜 ｌＪｓ、，Ｍ识 －－｜别性能 图１ＳＰＮｓ诊断框架图 Ｆｉｇ．１ＯｖｅｒｖｉｅｗｏｆＳＰＮｓｄｅｔｅｃｔｉｏｎ 而只有”是”或”否”的识别结果，无法给医生提供更多的信息．本文围绕以上几个问题，意在提供全面的、系统的量化信息，便于医学专家诊断的客观化、效率化．本文对孤立性肺结节特征提取问题进行研究．通过对肺结节和肺内各组织在序列ＣＴ图像上的医学征象分析和研究对比，提出了肺结节特征提取总体方案．该方案分别从肺部ＣＴ图像的灰度特征、形 收稿日期：２００８－０８－３０基金项目：重庆市重大科技专项项目（ＣＳＴＣ，２００８ＡＢ５０３８）资助；重庆市自然科学基金项目（ＣＳＴＣ，２００７ＢＢ２１３４））资助．作者简介：何中市，男，１９６５年生，博士，教授，研究方向为人工智能、机器学习与数据挖掘等；梁琰，女，１９８２年生，博士研究生，图像处理、模式识别；黄学金，男，１９６６年生，博士，副教授，研究方向为影像诊断和介入放射学；王健，男，１９６４年生，博士，教授，研究方向为影像诊断和介入放射学． 万方数据
最新肺结节诊治中国专家共识(2018年版).pdf
肺结节诊治中国专家共识（2018年版） 2015年首部"肺部结节诊治中国专家共识"[1]发表以后，各个国家与地区相继对肺 结节诊治指南进行了更新，这些指南与共识的更新完善了肺结节的诊治与管理策 略。在此背景下，为了与时俱进，博采众长，在总结我国首部肺结节诊治共识[1]的经验和推广过程中遇到的问题，并广泛听取了多学科专家的意见，参考了"肺结节评估：亚洲临床实践指南"[2]及其他学科共识或指南[3,4,5,6,7]后，对原有共识进行了修 订。更新内容主要有以下几个方面：细化了肺结节的分类，对肺结节、微小结节 进行了精确的定义；定义了我国肺癌高危人群，推荐进行低剂量CT筛查；强调了肺结节的影像学诊断和鉴别诊断；注重准时随访并观察肺结节的外部结构和内部 特征等，旨在提高我国各级医院医生对肺结节的诊治水平。 一、肺结节的定义和分类 （一）肺结节的定义[1,2,3,4,5] 影像学表现为直径≤ 3 cm的局灶性、类圆形、密度增高的实性或亚实性肺部阴影，可为孤 立性或多发性，不伴肺不张、肺门淋巴结肿大和胸腔积液。孤立性肺结节多无明显症状， 为边界清楚、密度增高、直径≤ 3 cm且周围被含气肺组织包绕的软组织影。多发性肺结节 常表现为单一肺结节伴有一个或多个小结节，一般认为>10个的弥漫性肺结节多为恶性肿 瘤转移或良性病变（感染或非感染因素导致的炎症性疾病）所致；局部病灶直径>3 cm者称为肺肿块，肺癌的可能性相对较大，不在本共识讨论的范围内。 （二）分类[1,2,3,4,5] 1．数量分类：单个病灶定义为孤立性，2个及以上的病灶定义为多发性。 2．病灶大小分类： 为便于更好地指导分级诊疗工作，对肺结节患者进行精准管理，特别将肺结节中直径<5 mm 者定义为微小结节,直径为5~10 mm者定义为小结节。微小结节可在基层医院管理；小结节 可在有诊治经验的医院，如中国肺癌防治联盟肺结节诊治分中心管理；10~30 mm的肺结节则应尽早请有经验的专家诊治。随访时间仍根据流程分别管理实性和亚实性肺结节。 3．密度分类[1,2,3,4,5]： 可分为实性肺结节和亚实性肺结节，后者又包含纯磨玻璃结节和部分实性结节：（1）实性肺结节（solid nodule）：肺内圆形或类圆形密度增高影，病变密度足以掩盖其中走行的 血管和支气管影；（2）亚实性肺结节（subsolid nodule）：所有含磨玻璃密度的肺结节
肺部ct检查发现有结节
全国体检预约平台 全国体检预约平台 肺部ct 检查发现有结节 肺部ct 检查发现有结节是什么情况?一些朋友在体检时会发现自己的肺部检查出了结节，都担心是否是癌症。不过专家介绍，肺部体检中发现了小结节，不一定就是癌症。下面就让我们一起来看看专家的说法吧。 肺部ct 检查发现有结节 每千人体检 CT 可查出几十人有结节 如果在体检中发现肺部长了一个小结节，先不要担心，它不一定是癌。即使是癌，也不用怕，因为它往往是极其早期的癌症，只要通过恰当的治疗，是可以痊愈的。 医学上，早期肺癌指肿块直径不超过3厘米的肺部恶性肿瘤。 而小肺癌，则处于更早期。因为小，它对呼吸道没影响，所以体检时，一般人们不会有不适的感觉。 小肺癌和肺结节，并不对等，肺结节不一定就是小肺癌，但因为小肺癌总是以肺结节表现出来，因此两者有一定的关系。 现在为什么查出有肺结节的人多起来?原因是多排螺旋CT 已经在临床诊疗、健康体检和疾病筛查中被普遍应用。据悉，目前我省每年新发肺结节病例超过百万例。 比如以往体检只拍X 光，那么1000个拍片的人中，可能发现4~6个肺结节病人，而且结节比较大;而螺旋CT ，则可以从同样这些人中发现几十人有肺结节的。 如何再从这些有肺结节的人中，及时发现哪些人有小肺癌，哪些人没有?这十分关键，因为可以大大提高肺癌的治愈率。 如果肺癌在中晚期才确诊，一般都会失去治疗的最佳时期。而早期肺癌平均5年的生存率有55%~70%，小肺癌则达到了75%~95%;再小的肺癌，可以治愈。可以说，只要得到有效恰当的治疗，恶性肺结节完全可以被战胜。所以，肿瘤一定要早发现。随着肿瘤的增大、转移，生存率越来越低。 所以，发现肺结节，尽快取得准确的病理学诊断是最关键的，其他都是浮云。 良性边缘光滑 恶性边缘不规则 发现肺结节，一般有这样几种方法：胸部X 片，胸部CT ，核磁共振等。有些病人感冒、咳嗽，到呼吸科检查，也会做CT 检查，因此无意中发现小结节也特别多。 好在一般用CT 查出来的小结节，都是很小的，发展很慢，即使是癌也是很早期的癌变，完全可以痊愈。 怎么区分良性和恶性肺结节呢? 简单通俗的讲，良性结节的边缘清楚光滑;而恶性结节的边缘不规则，看上去有又短又细的毛刺。 一旦遇到高度可疑的结节，医生会建议病人做进一步的确诊，这时就可以采取通过内镜或者介入的方法，进行诊断。 如果上面两种方法都没办法确认，怎么办? 那么可以做一个手术，就是胸腔镜微创手术。它对胸腔的探查是很全面的，在探查的同时，还能即刻完整地切除病变，取得足够多的组织标本，从而使得它的病理诊断的准确性和敏感性达100%，能有效避免误诊。 本文来源：上海体检https://www.360docs.net/doc/2d1734618.html,/021
实性和亚实性肺结节
实性和亚实性肺结节临床处理--ACCP最新肺结节诊疗指南简介目前公认的肺结节（pulmonary nodule）的定义是：边界清楚的、影像学不透明的、直径在3cm、周围完全被含气肺组织包绕的单发或多发的肺部结节，不伴肺不张、肺门肿大和胸腔积液。依据在CT下肺结节能否完全遮盖肺实质可将肺结节分为实性结节和亚实性结节，而后者又可细分为纯磨玻璃结节和部分实性结节。 依据结节的大小以8mm为界，将≤8mm的肺结节定义为亚厘米结节（subcentimeter nodules）。将直径〉3cm的病灶定义为肺部肿物（lungmass）而非结节，根据既往研究，这种直径〉3cm的肺部肿物通常为恶性。当CT发现结节密度呈良性钙化灶（弥散的、中央的、薄层的或爆米花样钙化形式）、结节内脂肪样低密度（如错构瘤）或动静脉畸形等良性特征时，可随访观察或不随访，以避免不必要的检査，减轻患者的经济负担。 近年来，随着影像学技术和设备的发展，尤其是多层螺旋CT的普及，肺结节的检出率明显增高。因此，肺结节的临床处理与决策逐渐成为困扰临床医生的问题之一。除了初诊时根据影像特征判断良、恶风险并选择进一步检查外，随访是常用的方法。用什么工具随访、随访频率如何以及随访监测到多长时间为止，是临床工作中非常重要的实际问题。本文基于2013年美国胸科医师学院（ACCP）发布的第3版对单发或多发肺结节的临床处理路径指南，就性质不确定性肺结节临床处理进展综述如下。 一、影像学评估 在胸部X线检査中，肺结节的检出率仅为0.09%~0.20%，而CT则能髙达40%~60%，且目前关于胸部X线检査对判断肺结节性质以及良恶性的研究很少，因此胸部CT检查是判断肺结节特征（包括结节大小、边界特征及密度）的主要依据。 当患者胸部CT检查确定存在肺部结节时，需要对患*既往CT图像的同一部位进行重审。结节的大小和特征信息对于良恶性判断以及制定后续治疗方案有着重要的意义。研究结果显示，不论是实性结节还是亚实性结节，亚厘米结节的恶性程度均偏低。与边界光滑的肺结节相比，边缘有毛刺或边界不规则的肺结节的恶性概率增加5倍；具有胸膜凹陷征的肺结节的恶性概率增加1倍；血管征和分叶状则分别使恶性概率增加70%和10%。 二、临床处理策略 目前，基于肺结节类型、恶性概率分级（很低度：〈5%；低-中度：5%-65%；髙度：〉65%）、肺癌危险因素和潜在手术风险（包括术前心血管及肺功能评估、术后并发症等），肺结节患者有3个基本的处理策略：（1）外科手术治疗；（2）非手术活检；（3）连续CT扫描密切随访观察。 毫无疑问，外科手术治疗是明确诊断的金标准。对于具有高度恶性（〉65%）概率的肺结节，推荐处理策略就是外科手术，除非患者存在手术禁忌证或者无法耐受手术。外科手术治疗主要包括电视胸腔镜手术（VATS）、开胸以及纵隔镜。胸腔镜楔形切除术是诊断高度恶性肺结节的首选方法，大规模的临床研究结果显示，VATS下肺段或肺叶切除的并发症发生率（26%）显著低于开胸手术治疗（35%）。 非手术活检作为有创检查，常被用来明确良恶性诊断，具有潜在的风险，适用于中度恶性概率（10%~60%）肺结节明确诊断，或者患者要求术前获得明确的恶性证据，尤其是预期手术并发症较高的患者。非手术活检主要包括CT引导
(美国胸科医师学会)ACCP第三版指南精要之肺部小结节的评估
ACCP第三版指南精要之肺部小结节的评估 南京军区南京总医院呼吸内科姚艳雯宋勇 肺癌是目前致死率第一位的肿瘤[1]。究其原因，许多病人在诊断已发生转移是其中一重要因素。若能在早期即进行诊断，必定能降低肺癌的死亡率[2]。而肿瘤的最初起病可能就只表现为肺部的结节，临床医生或患者本身稍一疏忽，可能便会延迟肺癌的诊断。在临床中，我们不难发现，体检发现的肺部小结节并不少见，但这样的肺部结节是否是肺癌？如何对肺部结节进行评估？这是临床上的难点也是重点[2]。最新的第三版ACCP（美国胸科医师学会）指南，单独分出一部分来详述肺部结节的评估，由此为临床应用提供很大帮助[3]。 目前国内外公认的肺部结节的定义是：小的、成灶的、圆形、实质或混合性的影像学不透明影[4]。其中一部分为孤立性肺结节：单一的、边界清楚的、影像不透明的、直径小于或等于3cm、周围完全由含气肺组织所包绕的病变，没有肺不张、肺门增大或胸腔积液表现的肺部结节[5]。直径大于3cm的肺部局灶性改变被称为肺部团块，并且被认为是支气管源性的肿瘤可能大，因讨论的较多，这里略去不谈[6]。另外，因弥漫性的肺部结节或大于10个的肺部结节通常伴随着症状，并提示着肺外恶性疾病的转移或急性感染或炎症，因此也不再进一步讨论[3, 7]。此篇主要讨论的是无症状的肺部结节的评估。 ACCP指南所提出的肺部结节的评估全部是针对无法确定良恶性的结节[3]。因为直径小于等于8mm的结节恶性程度相对较低，因此将这部分结节从肺部结节中单独分类出来。另外就性质而言，实质性结节和亚实质性结节也分类开来，亚实质性结节进一步被分为纯磨玻璃样影或部分实质混合。在评估病人的肺部结节时，应将重点放在结节的大小、形态及恶性疾病的危险因素和是否合适进行后续治疗这些方面。 当胸部X平片或胸部CT提示可见性的不明性质的结节时，应首先回顾该病人的既往影像学资料[8]。如果影像学提示不明性质的实质性结节稳定2年以上，则不需做进一步的诊断检查。若该结节为胸部X平片所发现，则需要作进一步的胸部CT检查，以帮助明确结节性质[9]。 大于8mm的实质性结节 根据先前所述的肺部结节分类，对大于8mm的实质性结节，临床医生应对结节的检测前恶性概率进行评价，或者通过临床判断进行定性分析，或者通过经过认证的模型进行定量分析[3, 10]。当评估认为大于8mm的实质性结节的恶性概率低（5%-65%）时，可进行功能影像检查，推荐PET，来定义结节的性质。而对恶性概率较高（>65%）的大于8mm的实质性结节而言，可利用PET进行恶性结节的治疗前分期，但不能通过功能影像分析结节特征，此时需要临床医生对后续的不同诊断策略的获益和风险进行权衡，并且要注重患者的本身意愿[9]。 后续处理策略主要包括三个部分：CT扫描监测、非手术性的活检、外科诊断[3, 4, 11]。对于大于8mm 的实质性结节而言，CT扫描监测将应用于以下情况：1.临床恶性概率很低（<5%）时；2.临床恶性概率低（30%-40%以下），并且功能影像阴性（如，PET上代谢不高或动态增强CT上增强不超过15个hounsfield 单位）提示检测后恶性概率很低时；3.细针活检无法诊断并且PET上代谢不高时；4.向患者全面告知病情后患者自己选择该项非侵入性处理方案时。以上情况下，CT扫描监测应选用非增强的低剂量扫描，频率在3到6个月，9到12个月及18到24个月时[12]。当结节在监测扫描时提示具有明显的恶性增长时，除非特殊紧急，否则需要考虑行非手术性的活检和/或外科手术切除以帮助诊断[13, 14]。
什么是肺部结节
什么是肺部结节，怎么治疗？ 中国医学科学院肿瘤医院胸外科邵康 近来常有患者朋友咨询肺部结节是什么病，在此简单科普一下。 所谓肺部结节，并不是具体疾病名称，而是医生对肺部X线或CT检查所看到某种类型病变影像学表现的描述。简单说，就是医生在您拍的胸片或CT片上看到的一种较小的、密度偏高的阴影，一时确定不了是什么疾病，因而暂时采用“结节”这个名称进行形态学描述的术语，待将来明确这个“结节”是什么了，就换成具体的疾病名称了。近十余年来，随着高分辨CT检查的普及，尤其是64排CT的应用，发现越来越多的“肺部结节”。就如我们现在的高清电视能够看到演员身上更多的细节一样。 肺部结节的影像学表现非常复杂。结节的大小多在3cm以下，有些结节完全呈实性，边界光滑，无分叶或毛刺，多为良性。有些结节在影像上表现似毛玻璃样，学者们根据毛玻璃影中实性成份的多少又分为纯毛玻璃影、部分实性毛玻璃影和完全实性毛玻璃影。后两种多为肺癌早期表现。前者直径1cm以下多为不典型腺瘤样增生，但也有部分为肺腺癌。 导致肺部形成结节的原因非常复杂，大致有以下几种情形： （1）肺部长期受吸烟、空气污染等影响所致的炭末沉着（有时是肿大的淋巴结）； （2）结核或炎症； （3）肺部良性肿瘤如错构瘤、硬化性血管瘤、不典型腺瘤样增生（可发展为肺癌）等； （4）早期肺癌，多为腺癌，尤其是原位腺癌为多； （5）肺部转移瘤； （6）其它：如痰栓、畸形、肺动静脉瘘等。 因此，发现肺部结节，一定要找有经验的医生咨询或做进一步检查以明确结节的性质。有时由于结节缺少典型特征，医生判定结节的良恶性非常困难，这时采取的措施是：（1）若结节表现为纯毛玻璃样，且直径不超过0.8cm，多为不典型腺瘤样增生，可定期CT复查，开始每三月复查一次CT，以后逐渐延长。 （2）若结节较大，实性成份偏多，则建议手术探查。以胸腔镜手术为佳。 （3）若发现肺部结节密切随访一年以上无变化者恶性可能性小，但非绝对；临床有随访8年切除后证实为恶性者。但此类肺癌进展缓慢，预后相对较好。 （4）若影像学考虑“肺部结节”为结核或炎症可能性大，可做试验性治疗，如抗炎抗结核治疗，若病变缩小或消失，则进一步表明炎症或结核可能；
肺结节诊治中国专家共识(2018年版)
肺结节诊治中国专家共识(2018年版)
影像学表现为直径≤3 cm的局灶性、类圆形、密度增高的实性或亚实性肺部阴影，可为孤立性或多发性，不伴肺不张、肺门淋巴结肿大和胸腔积液。孤立性肺结节多无明显症状，为边界清楚、密度增高、直径≤3 cm且周围被含气肺组织包绕的软组织影。多发性肺结节常表现为单一肺结节伴有一个或多个小结节，一般认为>10个的弥漫性肺结节多为恶性肿瘤转移或良性病变（感染或非感染因素导致的炎症性疾病）所致；局部病灶直径>3 cm者称为肺肿块，肺癌的可能性相对较大，不在本共识讨论的范围内。 （二）分类[1,2,3,4,5] 1．数量分类：单个病灶定义为孤立性，2个及以上的病灶定义为多发性。 2．病灶大小分类： 为便于更好地指导分级诊疗工作，对肺结节患者进行精准管理，特别将肺结节中直径<5 mm者定义为微小结节,直径为5~10 mm者定义为小结节。微小结节可在基层医院管理；小结节可在有诊治经验的医院，如中国肺癌防治联盟肺结节诊治分中心管理；10~30 mm的肺结节则应尽早请有经验的专家诊治。随访时间仍根据流程分别管理实性和亚实性肺结节。 3．密度分类[1,2,3,4,5]：
可分为实性肺结节和亚实性肺结节，后者又包含纯磨玻璃结节和部分实性结节：（1）实性肺结节（solid nodule）：肺内圆形或类圆形密度增高影，病变密度足以掩盖其中走行的血管和支气管影；（2）亚实性肺结节（subsolid nodule）：所有含磨玻璃密度的肺结节均称为亚实性肺结节，其中磨玻璃病变指CT显示边界清楚或不清楚的肺内密度增高影，但病变密度不足以掩盖其中走行的血管和支气管影。亚实性肺结节中包括纯磨玻璃结节（pure ground-class nodule，pGGN）、磨玻璃密度和实性密度均有的混杂性结节（mixed ground-glass nodule，mGGN），后者也称部分实性结节（part solid nodule）。如果磨玻璃病灶内不含有实性成分，称为pGGN；如含有实性成分，则称为mGGN。 二、筛查人群和评估手段[1,2,3,4,5,6,7,8,9] （一）筛查人群 2011年美国国家肺癌筛查试验（National Lung Screening Trial，NLST）的随机对照研究结果显示，与X线胸片相比，采用胸部低剂量CT对高危人群进行筛查可使肺癌的病死率下降20%[8]，鉴于上述研究结果，我国推荐肺癌高危人群应每年进行低剂量CT筛查，以早期诊断肺癌[9]。因我国吸烟及被动吸烟人群比例较高、大气污染及肺癌发病年轻化的现状，参考美国国立综合癌症网络（National Comprehensive Cancer
肺内多发结节的HRCT诊断及鉴别诊断流程
专题讲座 内容：肺内多发结节的高分辨率 CT鉴别诊断流程
肺内多发结节的高分辨率CT鉴别诊断流程 对肺内多发结节的评估是临床医师面临的重要挑战。需要考虑的鉴别诊断较多，包括一系列良性和恶性病变，致使临床处理更加困难。随着高分辨率CT(HRCT)扫描技术的引入，有能力对弥漫性多结节病变的特点进行评估，已成为基本的诊断程序。本研究旨在采用HRCT扫描识别技术开发一套鉴别多结节肺实质病的诊断流程。 为本文论述需要，对多发结节疾病进行定义。多发结节疾病是指在常规CT扫描中存在不易计数的肺内结节，这些结节大多数直径＜1cm。虽然转移性疾病是肺内多发结节最常见原因，但是这一定义明显包括一系列良性和恶性肺部疾病。我们认为结合基于高分辨率(HR)CT特征性扫描征象的详细诊断流程[1]和临床表现，可为大多数弥漫性肺内结节患者提供特异性诊断或明显减少鉴别诊断的数量。 流程概述 CT扫描由于能够在横断面上评价肺实质结构并消除密度融合的影响，能详尽提供评价肺结节的独特机会[2]。首先，其可评价结节的解剖分布；其次，其可评价结节的形态[3～5]。 解剖学分布 考虑如下分布特点：弥漫与局灶或成簇分布；中心(支气管血管周围)与外周(胸膜下或裂周)分布；上叶与下叶分布。最重要的是，亦根据结节与次级小叶的解剖关系特征分为小叶中心结节和主要累及小叶周围包括小叶间隔的结节[3～5](图1)。
例如，结节病等主要位于或邻近淋巴管的疾病多分布于淋巴管密集区域，主要分布在胸膜或叶间胸膜表面、小叶间隔和支气管血管周围的轴心间质(图2)。而对于血行播散的病变，如粟粒性感染或血行性转移，其结节多随机分布于次级肺小叶，在肺底部最为密集(图3)。上述结节分布特点明显不同于吸入因素引起的肺结节，如支气管播散的感染或过敏性肺炎(HP)，该类疾病的结节主要分布在小叶中心，远离小叶周边部(图4、5)。
CT在鉴别诊断肺结节的现状与进展(综述)
综述 1 CT 在鉴别诊断肺结节的现状与进展 孤立性肺结节是通过影像技术来对肺部进行检查的一种方式，利用这种诊断方式对肺部的检查结果一直被认为是影像检测难点和重点。由于在影像学中可以看到肺部出现许多小结节 [1]，由于这些结节小于3 2018 年版肺结节诊治中国专家共识与四大指南肺结节影像学随访策略的区别丁香园呼吸频道 11-07 09:58 +关注 转自：孙思庆博士「呼吸科无小事」 本文对在 2018 年版肺结节诊治中国专家共识与四大指南（美国国家综 合癌症网络（ NCCN ）非小细胞肺癌临床实践指南、美国胸科医师协会（ ACCP）肺癌诊疗指南、 Fleischner 学会肺结节处理策略指南、肺结节 的评估亚洲共识指南）所推荐的肺结节影像学策略进行比较。 对于实性结节影像学随访策略的区别 结节直径≤4 mm 1.2018 版中国专家共识： (1)无肺癌危险因素者，不需要进行随访，但应告知患者不随访的潜 在好处和危害； (2)存在一项或更多肺癌危险因素者，应在 12 个月重新评估，如果没有 变化则转为常规年度检查； 2.NCCN、 ACCP、Fleischner 协会指南均建议不需要随诊； 3.亚洲共识指南建议每年复查 1 次 CT。 结节直径 4~6 mm 1.2018 版中国专家共识： (1)无肺癌危险因素者，应在 12 个月重新评估，如无变化，其后转为 常规年度随访； (2)存在一项或更多肺癌危险因素者，应在 6~12 个月之间随访，如果没 有变化，则在 18~24 个月之间再次随访，其后转为常规年度随访； 2. NCCN 协会指南建议低危人群 1 年后复查 CT；建议高危人群半年到 1 年之间、 1 年半到 2 年之间复查 2 次 CT。 3.ACCP 指南处理方案与 NCCN 大致相同，只是人群分类标准不同， ACCP 指南中把人群分为有、无肺癌危险因素，而 NCCN 和 Fleischner 协会则根据危险因素的多少，更加详细的分为低风险人群和高风险人群。 4.Fleischner协会指南建议不需常规随访。 5.亚洲共识指南建议低危人群每年复查 CT，中、高危人群在 NCCN 指 南基础上每年复查 1 次 CT。 结节直径 6~8 mm 1.2018 版中国专家共识： (1)无肺癌危险因素者，应在 6~12 个月之间随访，如未发生变化，则在 18~24 个月之间再次随访，其后转为常规年度检查。 (2)CT 检测实性结节 >8 mm 时，建议使用低剂量 CT 平扫技术。 (3)存在一项或更多肺癌危险因素者，应在最初的 3~6 个月之间随访，随 后在 9~12 个月随访，如果没有变化，在 24 个月内再次随访，其后转为 常规年度检查。 (4)CT 检测实性结节≤ 8mm时，建议使用低剂量 CT 平扫技术。 2.NCCN 指南建议低危人群在半年到 1 年之间、 1 年半到 2 年之间复查 2 次CT，建议高危人群 3 个月到半年之间、 9 个月到 1 年之间、 2 年复查 3 次CT。 3.ACCP 指南处理方案与 NCCN 大致相同。 4.Fleischner 协会指南建议半年到 1 年复查 CT，之后再考虑 1 年半到 2 年 之间复查 CT。 5.亚洲共识指南建议低危人群半年到 1 年之间、 1 年半到 2 年之间复查 2 次CT，以后每年复查1 次CT；中、高危人群分别在第3 个月、半年、1 年复查 3 次 CT，以后每年复查 1 次 CT。 结节直径≥8 mm 1.2018 版中国专家共识： 许多患者检查发现肺部结节，去上海等全国各大医院找专家就诊咨询，花费了大量时间、金钱、精力，有的专家建议积极手术，有的专家建议随访观察，有的专家说不开也没事，可 以手术也可以不手术，再等待；听这么多专家会诊意见后，反而更拿不定主张。作为肺结节 行内医生，了解全国各大医院肺部结节手术后的病理结果，良性、恶性各占比百分之多少， 再结合术前评估结节的情况，深知哪些结节可以随访观察，哪些结节必须手术，哪些结节没 必要手术，从目前的认识来看，其恶性程度和发展速度从小到大的顺序为：纯磨玻璃结节< 异质性磨玻璃结节<部分实性磨玻璃结节。因为大多数发展缓慢，肺磨玻璃结节的手术治疗 并不是一发现就特别紧迫需要手术，本肺结节科普系列就是带您全面了解肺结节，从而在听 从医生建议后，能够让你作出正确的决定，希望可以帮到您，毕竟没有后悔药，一旦决定手术，肺切除后无法弥补，每个人的肺组织是有限的，足够多的健康肺组织保留下来了，才能 保障远期的生活质量，才能活得好。本文详细讲述了小的肺磨玻璃结节，直径小于8毫米， 如何随访呢？发现肺磨玻璃结节需要进一步做哪些检查？哪些检查做了是无效的、浪费的？ 肺磨玻璃结节会不会是肺转移瘤？ 小的肺磨玻璃结节，直径小于8毫米，如何随访呢？一般小于8毫米可以3-6个月复查一 次胸部ct平扫；如大于8毫米，复查发现肺结节增大、实性成分增多趋势，或者其他恶性征象，就需要考虑手术治疗。 发现肺磨玻璃结节需要进一步做哪些检查吗？PET/CT检查有必要吗？PET/CT对于纯磨玻璃结节，SUV摄取值较低，PET/CT检查意义不大，故不推荐。价格大约7000元一次，相当 于全身体检。对于混合型的磨玻璃结节可考虑做。 胸部增强CT检查效果如何？肺磨玻璃结节一般不需要做CT增强扫描;但是混合性磨玻璃 结节与肺血管关系紧密或者可疑淋巴结转移，可考虑做胸部CT增强检查。 纯肺磨玻璃结节，气管镜以及骨扫描等检查的阳性率低，一般不做。 肺磨玻璃结节需要消炎治疗吗？大多数磨玻璃结节影消炎没有作用，除非有炎症迹象，可 消炎治疗后复查。 肺磨玻璃结节可以穿刺明确病理吗？对于纯磨玻璃结节穿刺失败率很高，不推荐穿刺；实 性结节或混合型磨玻璃结节，CT定位下穿刺可考虑，一般不会造成肿瘤扩散，但有可能损伤肺产生气胸、血胸等风险。 肺结节查肿瘤指标有价值吗？大多数肿瘤指标对肺磨玻璃结节的诊断价值不大，有其中一 个指标神经元特异性烯醇化酶(neuron-specific enolase，NSE），偶尔会升高，没有特别的意义，不必恐慌。 肺磨玻璃结节为什么要选择薄层CT扫描呢？因为薄层CT比普通CT提供了更多层面的 信息，能更清楚看清肺结节的大小、形态，从而利于判断结节的良恶性。 肺磨玻璃结节会不会是肺转移瘤？肺转移瘤一般有哪些特点？首先你需要了解肺癌形成 的过程，癌细胞刚开始沿肺泡上皮生长，形成了原位癌，一部分随着时间逐渐向肺泡腔内增殖，破坏肺泡腔结构，形成微浸润癌或浸润性腺癌，肺泡上增殖的肿瘤细胞和肺泡腔内的空 气混合，在CT上表现为磨玻璃；肺转移瘤是由原发癌中癌细胞进入血液传播到肺，然后在2018年版肺结节诊治中国专家共识与四大指南肺结节影像学随访策略的区别
肺结节良恶性鉴定,教你正确干预并缩小肺结节甚至消失(四)