大肠息肉癌变诊断中形态学的统计分析

大肠息肉尤其腺瘤性息肉是大肠癌发生的主要癌前疾病，结肠镜下发现并及时正确处理大肠息肉及其癌变是防治大肠癌的理想途径。本项目拟利用我们近10年来肠镜检查发现的1万余例大肠癌和大肠息肉病例，通过对患者病历资料，特别是肠镜图像数据的统计分析，进行分类研究，同时利用已知样本的病理结果进行对比，探求一种比较客观准确的方法，判断大肠息肉病变的性质和程度，指导临床医生选择适当的治疗方式。

大肠息肉尤其腺瘤性息肉是大肠癌发生的主要癌前疾病，因此，在结肠镜检查时正确判断大肠息肉的性质、发展趋势及浸润深度，及时选择适当的治疗方式，是防治大肠癌的理想途径。目前，临床内镜医师主要是根据腺瘤的大小、有无蒂及是否分叶、表面有无糜烂等来判断其性质及恶变程度。近年，国内外有些学者研究放大结肠镜结合色素内镜观察大肠息肉粘膜腺管开口类型与病理组织学的相关性，取得了一定的效果。但这些方法的诊断客观准确性往往受诊断医生的经验等主观因素影响，准确性不高。我们开展了统计学与医学肠镜图像处理的一个跨学科研究，发展了一套基于统计学的分类、识别、聚类、预测方法。利用我们近10年来肠镜检查发现的1万余例大肠癌和大肠息肉病例资料，通过对患者的病历资料，特别是肠镜图像数据进行统计分析研究，同时利用已知样本的病理结果进行对比。为了实现肠镜图像的远程在线识别及诊断，提高肠镜图像在网络传输过程中的传输效率以及病人隐私的信息安全，我们相继研究了基于相关性表示的数字图像隐写方法，该方法通过分析肠镜图像与载体图像之间的统计相关性，利用载体图像重构表示肠镜图像中的病患特征，同时将不能表出的残差图像利用隐写方法进行隐藏，提高了肠镜图像在网络传输过程中的鲁棒性及安全性。同时为了扩大国际影响力，方便其他研究人员使用和认证，我们构建了相应的病患区域的公共数据库，该数据库为肠镜图像的分割和识别提供了有力依据。研究过程中，为了有效的提高肠镜图像的识别精度，我们引入了一个L2惩罚项到原有的拉普拉斯矩阵中，将原有的“Dirichlet”问题进行了推广。通过深入分析图像像素间的内在关联，引入了局部惩罚的概念，考虑了像素之间的邻近关系，大大增强了传统随机游走方法在种子点数量极少的情况下，分割肠镜图像的精度。我们通过大量的实验模拟和方法对比，证实我们的方法相比现有的其他方法具有更好的定位和保型性。.在基金的资助下，我们的研究工作取得了很大的进展和成果，这些研究成果均以论文形式发表在GIE、Endoscopy、ICIC、IJPRAI、ICTMEE等刊物上。三年内共发表和接受发表论文22篇，其中SCI 论文6篇,EI论文4篇。