模糊C均值聚类算法在肺部CT图像感兴趣区域特征提取中的临床应用研究

摘要

目的:基于模糊C均值(FCM)聚类算法理论,探讨肺部CT图像感兴趣区域(ROI)特征提取的临床应用价值.方法:回顾性分析200例肺部疾病患者的200幅CT影像资料,应用FCM算法进行ROI的特征提取,依据CT图像处理前后的评价数据将其分为对照组和观察组,处理前图像为对照组,处理后图像为观察组.主观评价的观测指标为影像诊断准确率,客观评价的观测指标为对比噪声比(CNR),通过诊断准确率和CNR等两项指标评估图像处理效果.结果:观察组的诊断准确率明显高于对照组,两组一致性诊断正确率和独立性诊断正确率差异均有统计学意义(x2=5.983,x2=5.696;P<0.05);观察组的图像质量明显优于对照组,两组信噪比(SNRROI)和CNR比较差异有统计学意义(t=2.335,t=2.612;P<0.05).结论:FCM算法适用于肺部CT图像ROI特征提取的临床应用,提高了图像质量和影像诊断水平,具有较高的应用价值.