CN118229684B - 一种鉴别肾上腺嗜铬细胞瘤的方法及鉴别系统 - Google Patents

Abstract

本发明实施例涉及医学技术领域，公开了一种鉴别肾上腺嗜铬细胞瘤的方法及鉴别系统，该方法包括：根据病灶纹理参数在不同的纹理图像特征上的差异变化，确定出第一判断得分；在从三维容积感兴趣区中获得病灶表面积与体积比值、病灶体素体积及CT值第60位百分数以确定出病灶当前形态之后，确定出第二判断得分；在回归预测模型计算出预测概率之后，确定出第三判断得分；分别将第一判断得分、第二判断得分和第三判断得分按照一定的比例关系进行相加，以计算出当前病灶判断总得分；若当前病灶判断总得分超过第一指定阈值，确定出当前病灶为肾上腺嗜铬细胞瘤，并发送提示信息。实施本发明实施例，能够提高肾上腺嗜铬细胞瘤的诊断效率。

Description

一种鉴别肾上腺嗜铬细胞瘤的方法及鉴别系统

技术领域

本发明涉及医学技术领域，尤其涉及一种鉴别肾上腺嗜铬细胞瘤的方法及鉴别系统。

背景技术

肾上腺嗜铬细胞瘤（Pheochromocytoma，简称PCC）和肾上腺皮质癌（Adrenocortical Carcinoma，简称ACC）是肾上腺的两种不同类型的肿瘤，它们在临床表现、病理特征、治疗方法和预后等方面存在显著差异。因此，准确鉴别这两种肿瘤对于制定正确的治疗方案和预测预后具有重要意义。

但在实践中发现，从影像学特征来看，两者在CT和MRI等影像学检查中可能表现出相似的局部密度或信号改变。肾上腺嗜铬细胞瘤在CT上可能呈现为密度不均的肿块，而肾上腺皮质癌则可能表现为体积较大、形态不规则的实性肿块。MRI检查中，两者都可能出现信号不均的情况。这些相似的影像学特征可能导致医生在初步判断时出现混淆。其次，从临床表现来看，两者都可能引起高血压、代谢紊乱等症状，使得临床上难以区分。例如，肾上腺嗜铬细胞瘤的典型症状包括阵发性高血压、头痛、心悸和多汗等，而肾上腺皮质癌则可能导致皮质醇增多、醛固酮增多等症状。这些症状的重叠增加了诊断的难度。在病理学特征方面，虽然肾上腺嗜铬细胞瘤和肾上腺皮质癌的细胞形态和组织结构有所不同，但在某些情况下，由于肿瘤组织的复杂性和异质性，病理学检查也可能难以准确区分两者。从生物学行为来看，两者都可能具有侵袭性和转移能力，但具体表现可能有所不同。肾上腺嗜铬细胞瘤虽然多为良性，但仍有恶性转化的可能，而肾上腺皮质癌则是一种高度恶性的肿瘤。这些生物学行为的差异也可能影响诊断的准确性。最后，在诊断标准方面，由于两者在影像学、临床表现和病理学特征上的相似性，目前尚没有一种单一的诊断标准能够准确区分肾上腺嗜铬细胞瘤和肾上腺皮质癌，这使得定性诊断变得较为困难。

发明内容

本发明实施例公开一种鉴别肾上腺嗜铬细胞瘤的方法及鉴别系统，能够提高肾上腺嗜铬细胞瘤的诊断效率。

本发明实施例第一方面公开一种鉴别肾上腺嗜铬细胞瘤的方法，所述方法包括：

利用病灶影像特征对CT扫描图像进行病灶感兴趣区的逐层勾画，并利用三维重建算法将对所述病灶感兴趣区进行三维重建，以形成三维容积感兴趣区；其中，所述CT扫描图像包括有平扫CT图像和增强扫描CT图像；

在从所述三维容积感兴趣区中获得不同的纹理图像特征和量化的病灶纹理参数之后，根据所述病灶纹理参数在不同的所述纹理图像特征上的差异变化，确定出当前病灶为肾上腺嗜铬细胞瘤的第一判断得分；其中，不同的所述纹理图像特征包括有精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征；

在从所述三维容积感兴趣区中获得病灶表面积与体积比值、病灶体素体积及CT值第60位百分数以确定出病灶当前形态之后，根据所述病灶当前形态，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第二判断得分；

在将所述三维容积感兴趣区中每一影像自变量数据的回归优势比代入至回归预测模型中以计算出预测概率之后，根据所述预测概率，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第三判断得分；其中，所述影像自变量数据至少包括有增强强化峰值与平扫CT值比值、平扫CT值及囊变值；

分别将所述第一判断得分、所述第二判断得分和所述第三判断得分按照一定的比例关系进行相加，以计算出当前病灶判断总得分；

若所述当前病灶判断总得分超过第一指定阈值，确定出所述当前病灶为肾上腺嗜铬细胞瘤，并发送提示信息。

本发明实施例第二方面公开一种鉴别系统，所述鉴别系统包括：

勾画并三维重建单元，利用病灶影像特征对CT扫描图像进行病灶感兴趣区的逐层勾画，并利用三维重建算法将对所述病灶感兴趣区进行三维重建，以形成三维容积感兴趣区；其中，所述CT扫描图像包括有平扫CT图像和增强扫描CT图像；

第一确定单元，用于在从所述三维容积感兴趣区中获得不同的纹理图像特征和量化的病灶纹理参数之后，根据所述病灶纹理参数在不同的所述纹理图像特征上的差异变化，确定出当前病灶为肾上腺嗜铬细胞瘤的第一判断得分；其中，不同的所述纹理图像特征包括有精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征；

第二确定单元，用于在从所述三维容积感兴趣区中获得病灶表面积与体积比值、病灶体素体积及CT值第60位百分数以确定出病灶当前形态之后，根据所述病灶当前形态，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第二判断得分；

第三确定单元，用于在将所述三维容积感兴趣区中每一影像自变量数据的回归优势比代入至回归预测模型中以计算出预测概率之后，根据所述预测概率，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第三判断得分；其中，所述影像自变量数据至少包括有增强强化峰值与平扫CT值比值、平扫CT值及囊变值；

计算单元，用于分别将所述第一判断得分、所述第二判断得分和所述第三判断得分按照一定的比例关系进行相加，以计算出当前病灶判断总得分；

确定并提示单元，用于若所述当前病灶判断总得分超过第一指定阈值，确定出所述当前病灶为肾上腺嗜铬细胞瘤，并发送提示信息。

本发明实施例第三方面公开一种鉴别系统，所述鉴别系统包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的一种鉴别肾上腺嗜铬细胞瘤的方法。

本发明实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的一种鉴别肾上腺嗜铬细胞瘤的方法。

本发明实施例第五方面公开一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种鉴别肾上腺嗜铬细胞瘤的方法的部分或全部步骤。

本发明实施例第六方面公开一种应用发布平台，所述应用发布平台用于发布计算机程序产品，其中，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种鉴别肾上腺嗜铬细胞瘤的方法的部分或全部步骤。

与现有技术相比，本发明实施例具有以下有益效果：

本发明实施例中，利用病灶影像特征对CT扫描图像进行病灶感兴趣区的逐层勾画，并利用三维重建算法将对所述病灶感兴趣区进行三维重建，以形成三维容积感兴趣区；其中，所述CT扫描图像包括有平扫CT图像和增强扫描CT图像；在从所述三维容积感兴趣区中获得不同的纹理图像特征和量化的病灶纹理参数之后，根据所述病灶纹理参数在不同的所述纹理图像特征上的差异变化，确定出当前病灶为肾上腺嗜铬细胞瘤的第一判断得分；其中，不同的所述纹理图像特征包括有精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征；在从所述三维容积感兴趣区中获得病灶表面积与体积比值、病灶体素体积及CT值第60位百分数以确定出病灶当前形态之后，根据所述病灶当前形态，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第二判断得分；在将所述三维容积感兴趣区中每一影像自变量数据的回归优势比代入至回归预测模型中以计算出预测概率之后，根据所述预测概率，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第三判断得分；其中，所述影像自变量数据至少包括有增强强化峰值与平扫CT值比值、平扫CT值及囊变值；分别将所述第一判断得分、所述第二判断得分和所述第三判断得分按照一定的比例关系进行相加，以计算出当前病灶判断总得分；若所述当前病灶判断总得分超过第一指定阈值，确定出所述当前病灶为肾上腺嗜铬细胞瘤，并发送提示信息。可见，本发明实施例，能够提高肾上腺嗜铬细胞瘤的诊断效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例公开的一种鉴别肾上腺嗜铬细胞瘤的方法的流程示意图；

图2是本发明实施例公开的另一种鉴别肾上腺嗜铬细胞瘤的方法的流程示意图；

图3是本发明实施例公开的一种鉴别系统的结构示意图；

图4是本发明实施例公开的另一种鉴别系统的结构示意图；

图5是本发明实施例公开的另一种鉴别系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例公开了一种鉴别肾上腺嗜铬细胞瘤的方法及鉴别系统，能够提高肾上腺嗜铬细胞瘤的诊断效率。

以下结合附图进行详细描述。

实施例一

请参阅图1，图1是本发明实施例公开的一种鉴别肾上腺嗜铬细胞瘤的方法的流程示意图。如图1所示，该鉴别肾上腺嗜铬细胞瘤的方法可以包括以下步骤。

101、鉴别系统利用病灶影像特征对CT扫描图像进行病灶感兴趣区的逐层勾画，并利用三维重建算法将对病灶感兴趣区进行三维重建，以形成三维容积感兴趣区；其中，CT扫描图像包括有平扫CT图像和增强扫描CT图像。

作为一种可选的实施方式，在本发明实施例中，本申请中的病灶影像特征指的是病灶在CT扫描图像中呈现出来的特定形态、密度、大小等特征。鉴别系统可对CT扫描图像的每一层（即每一个二维切片）进行仔细分析，根据病灶的影像特征，逐层勾画出病灶感兴趣区。这个过程类似于在图像上手动绘制出病灶的轮廓，但由鉴别系统自动完成，大大提高了效率和准确性。在逐层勾画出病灶感兴趣区后，鉴别系统可利用三维重建算法将这些二维的病灶轮廓信息整合起来，形成一个三维的病灶模型。这个模型可以更直观地展示病灶在三维空间中的形态和位置，有助于医生更全面地了解病灶的情况。

作为一种可选的实施方式，在本发明实施例中，通过三维重建算法，鉴别系统最终可生成一个三维容积感兴趣区，即一个包含完整病灶的三维空间区域。这个区域不仅展示了病灶的形态和位置，还可以提供关于病灶体积、密度分布等更多信息，为医生的诊断和治疗提供更全面的依据，有助于医生更准确地识别和分析病灶，为诊断和治疗提供有力支持。

作为一种可选的实施方式，在本发明实施例中，在逐层勾画完成后，利用三维重建算法将这些二维的病灶感兴趣区信息整合起来，形成一个三维容积感兴趣区（3D VOI）。三维重建技术可以展示病灶在三维空间中的形态、位置以及与周围组织的空间关系，为医生提供更全面的病灶信息。完成三维重建后，系统可以对三维容积感兴趣区进行多角度、多平面的观察和分析，以更准确地评估病灶的性质、范围和与周围组织的关系。这有助于医生制定更精确的治疗方案，如手术规划、放疗定位等。同时，也可以用于治疗效果的评估，观察病灶的变化情况，提高诊断的准确性和效率。

作为一种可选的实施方式，在本发明实施例中，本申请的CT扫描图像包括有平扫CT图像和增强扫描CT图像，其中，平扫CT图像是在没有使用任何对比剂的情况下进行的CT扫描。它提供了病灶的基本形态和结构信息，但可能不足以清晰地显示病灶与周围组织的对比关系。而增强扫描CT图像是在注射对比剂后进行的CT扫描。对比剂可以帮助增强病灶与周围组织的对比，使病灶在图像中更加突出和清晰。增强扫描CT图像通常用于进一步评估病灶的性质和范围。

102、鉴别系统在从三维容积感兴趣区中获得不同的纹理图像特征和量化的病灶纹理参数之后，根据病灶纹理参数在不同的纹理图像特征上的差异变化，确定出当前病灶为肾上腺嗜铬细胞瘤的第一判断得分；其中，不同的纹理图像特征包括有精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征。

作为一种可选的实施方式，在本发明实施例中，本申请中的纹理图像特征是指图像中病灶区域的像素灰度、空间排列和关系等特性的量化描述。在医学图像处理中，纹理分析常用于疾病的辅助诊断。

作为一种可选的实施方式，在本发明实施例中，本申请根据病灶纹理参数在不同纹理图像特征上的变化趋势，可以观察到病灶在不同尺度或层次上的纹理变化。这种变化趋势可能揭示了病灶的特定病理特征或生长模式。例如，肾上腺嗜铬细胞瘤可能在特定纹理特征上表现出独特的变化模式，如精细纹理上的高对比度或中等纹理上的特定周期性。

作为一种可选的实施方式，在本发明实施例中，基于对纹理参数变化趋势的分析，本申请可以制定一套评分系统或分类规则，用于判断病灶是否为肾上腺嗜铬细胞瘤。这一评分系统可能结合了多个纹理参数和特征，通过加权、阈值设定或机器学习算法等方式，得出一个综合判断得分。这个得分反映了当前病灶与肾上腺嗜铬细胞瘤的相似度或匹配度。根据第一判断得分，医生可以初步评估病灶的性质和可能性。如果得分较高，则可能提示病灶为肾上腺嗜铬细胞瘤；反之，则可能需要进一步检查或考虑其他诊断。这一判断得分可以作为医生诊断的参考依据之一，结合其他临床信息和检查结果，共同确定最终的诊断和治疗方案。

103、鉴别系统在从三维容积感兴趣区中获得病灶表面积与体积比值、病灶体素体积及CT值第60位百分数以确定出病灶当前形态之后，根据病灶当前形态，确定出当前病灶为肾上腺嗜铬细胞瘤的第二判断得分。

作为一种可选的实施方式，在本发明实施例中，本申请的病灶表面积与体积比值可反映了病灶的表面积相对于其体积的大小，而高比值可能意味着病灶表面较为粗糙或不规则，而低比值则可能表明病灶较为光滑或规则。病灶体素体积是指病灶所占用的体素（像素的三维对应物）的总体积，它提供了关于病灶大小的直接信息。CT值第60位百分数：这是病灶区域内CT值分布的一个统计量，表示有60%的病灶体素的CT值低于或等于这个值，它有助于描述病灶内部的密度分布特性。

作为一种可选的实施方式，在本发明实施例中，本申请结合上述形态学参数，可以综合评估病灶的形态特征。例如，一个具有较大表面积与体积比值、中等体素体积和特定CT值分布模式的病灶，可能具有某种特定的形态学特点。这些特点可以与已知的肾上腺嗜铬细胞瘤的形态学特征进行比对，从而初步判断病灶的形态是否与肾上腺嗜铬细胞瘤相符。

作为一种可选的实施方式，在本发明实施例中，本申请基于病灶当前形态与肾上腺嗜铬细胞瘤形态特征的匹配程度，可以制定一套评分系统或分类规则，用于确定第二判断得分。这个得分可以是一个连续的数值，反映病灶与肾上腺嗜铬细胞瘤的相似度；也可以是一个分类标签，如“高度疑似”、“可能”或“不太可能”等。本申请的第二判断得分可以为医生提供关于病灶性质的额外信息，作为辅助诊断的依据。如果得分较高，则可能增加病灶为肾上腺嗜铬细胞瘤的可能性；反之，则可能需要进一步考虑其他诊断。这个得分可以与其他诊断方法（如实验室检查、病理检查等）的结果相结合，综合评估病灶的性质和诊断准确性。

104、鉴别系统在将三维容积感兴趣区中每一影像自变量数据的回归优势比代入至回归预测模型中以计算出预测概率之后，根据预测概率，确定出当前病灶为肾上腺嗜铬细胞瘤的第三判断得分；其中，影像自变量数据至少包括有增强强化峰值与平扫CT值比值、平扫CT值及囊变值。

作为一种可选的实施方式，在本发明实施例中，本申请中的影像自变量数据是指从CT扫描图像中提取的，能够反映病灶特征的量化指标。在本例中，至少包括增强强化峰值与平扫CT值比值、平扫CT值及囊变值。这些指标能够反映病灶的强化特性、密度分布以及是否存在囊变区域，对于肾上腺嗜铬细胞瘤的诊断具有重要意义。

作为一种可选的实施方式，在本发明实施例中，Logistic回归是一种广泛应用于分类问题的统计学方法，它可以通过拟合自变量与因变量之间的关系，预测因变量发生的概率。在本例中，自变量是影像数据，因变量是病灶是否为肾上腺嗜铬细胞瘤。

作为一种可选的实施方式，在本发明实施例中，在模型建立过程中，系统可先选择一组已知的病灶样本作为训练集，其中每个样本都有相应的标签（即是否为肾上腺嗜铬细胞瘤）。通过对这些样本的影像自变量数据进行回归分析，可以构建出一个能够描述自变量与因变量关系的Logistic回归模型。在模型建立完成后，系统可以将当前病灶的影像自变量数据代入模型中进行计算，得到病灶为肾上腺嗜铬细胞瘤的预测概率。这个概率值反映了在当前影像特征下，病灶为肾上腺嗜铬细胞瘤的可能性大小。

作为一种可选的实施方式，在本发明实施例中，本申请根据预测概率，可以设定一定的阈值或评分标准，来确定第三判断得分。例如，可以设定当预测概率大于某个值时，得分为“高度疑似”；当预测概率在某一范围内时，得分为“可能”；当预测概率小于某个值时，得分为“不太可能”。这个得分可以为医生提供一个客观的、基于统计学的辅助诊断依据，帮助医生更准确地判断病灶的性质。

105、鉴别系统分别将第一判断得分、第二判断得分和第三判断得分按照一定的比例关系进行相加，以计算出当前病灶判断总得分。

作为一种可选的实施方式，在本发明实施例中，假设第一判断得分为a，第二判断得分为b，第三判断得分为c。假设这三个得分的比例关系为p1,p2,p3，其中p1+p2+p3=1（因为它们是比例，总和应为1）。因而，系统可以建立以下数学模型：当前病灶判断总得分=a×p1+b×p2+c×p3，这个模型是一个简单的加权求和模型，其中每个得分都根据其对应的比例进行加权。鉴别系统通过加权求和的方式，将三个判断得分按照一定比例相加，得出当前病灶的判断总得分。

作为一种可选的实施方式，在本发明实施例中，本申请将第三判断得分与之前的第一、第二判断得分相结合，综合考虑多种信息，可以得出一个更全面的诊断结果。如果多个判断得分都指向肾上腺嗜铬细胞瘤，那么医生可以更有信心地做出诊断；反之，如果得分之间存在矛盾或不确定性较大，医生可能需要进一步考虑其他诊断方法或进行更详细的检查。

106、若当前病灶判断总得分超过第一指定阈值，鉴别系统确定出当前病灶为肾上腺嗜铬细胞瘤，并发送提示信息。

作为一种可选的实施方式，在本发明实施例中，当系统确定当前病灶为肾上腺嗜铬细胞瘤时，发送的提示信息可能包括病灶的位置、大小、密度等详细信息，以及可能的进一步处理建议。这有助于医生快速了解病灶情况，并制定相应的治疗方案。

在图1的鉴别肾上腺嗜铬细胞瘤的方法中，以鉴别系统作为执行主体为例进行描述。需要说明的是，图1的鉴别肾上腺嗜铬细胞瘤的方法的执行主体还可以是与鉴别系统相关联的独立设备，本发明实施例不作限定。

可见，实施图1所描述的一种鉴别肾上腺嗜铬细胞瘤的方法，能够提高肾上腺嗜铬细胞瘤的诊断效率。

此外，实施图1所描述的一种鉴别肾上腺嗜铬细胞瘤的方法，能够提供一个客观的、基于统计学的辅助诊断依据，帮助医生更准确地判断病灶的性质。

实施例二

请参阅图2，图2是本发明实施例公开的另一种鉴别肾上腺嗜铬细胞瘤的方法的流程示意图。如图2所示，该鉴别肾上腺嗜铬细胞瘤的方法可以包括以下步骤：

201、鉴别系统利用病灶影像特征对CT扫描图像进行病灶感兴趣区的逐层勾画，并利用三维重建算法将对病灶感兴趣区进行三维重建，以形成三维容积感兴趣区；其中，CT扫描图像包括有平扫CT图像和增强扫描CT图像。

202、鉴别系统结合利用高斯空间带通滤波器与拉普拉斯算子，对三维容积感兴趣区进行过滤处理，从而获得不同的纹理图像特征。

作为一种可选的实施方式，在本发明实施例中，本申请通过结合高斯空间带通滤波器和拉普拉斯算子，可以对三维容积感兴趣区进行多层次的过滤处理。首先，使用高斯空间带通滤波器提取特定频率范围的纹理信息；然后，应用拉普拉斯算子进一步突出边缘和细节特征。这种结合处理能够增强病灶区域的纹理特征，为后续的特征提取和参数量化提供更有价值的信息。

作为一种可选的实施方式，在本发明实施例中，高斯空间带通滤波器的应用可如下所示：本申请可根据医学图像的特点和病灶的纹理特征，选择合适的高斯空间带通滤波器参数。这些参数包括滤波器的空间频率范围、方向性等。随后，系统可将设计好的高斯空间带通滤波器应用于三维容积感兴趣区。这个过程涉及对图像中的每个像素或体素进行卷积运算，以突出特定频率范围内的纹理特征。最后，观察和分析滤波后的图像，确保病灶区域的特定纹理特征得到增强，同时减少背景噪声和干扰。

作为一种可选的实施方式，在本发明实施例中，拉普拉斯算子的应用可如下所示：首先，系统可根据图像的特点和需要提取的边缘或细节类型，选择合适的拉普拉斯算子。随后，将拉普拉斯算子应用于经过高斯空间带通滤波器处理后的图像，以进一步突出病灶区域的边缘和细节特征。最后，通过调整拉普拉斯算子的参数，以优化边缘增强的效果，同时避免引入过多的噪声或伪影。

203、鉴别系统从病灶影像特征中，获取出量化的病灶纹理参数。

在本实施例中，病灶影像特征至少包括基于灰度的直方图特征、灰度共生矩阵特征、灰度游程长度矩阵特征、灰度大小区域矩阵特征、相邻灰度色调差异矩阵特征、大小和形状相关特征，病灶纹理参数至少包括有三维容积感兴趣区的平均灰度值、标准差、熵、正像素的平均值、偏度和峰度。

作为一种可选的实施方式，在本发明实施例中，本申请可根据研究目的和医学知识，选择适合的病灶影像特征进行提取。这些特征包括基于灰度的直方图特征、灰度共生矩阵特征、灰度游程长度矩阵特征等。随后，系统可使用图像处理算法和统计方法，计算所选特征的数值表示。这可涉及对图像的灰度值进行统计、计算相邻像素的关系等。最后可对提取的特征进行筛选和优化，以保留对病灶分类或诊断最有价值的特征，从而提取出病灶影像特征。

作为一种可选的实施方式，在本发明实施例中，本申请可根据研究需要和医学领域的相关知识，确定要量化的病灶纹理参数，如平均灰度值、标准差、熵等。随后，系统可基于提取的病灶影像特征，计算所选纹理参数的数值。这可涉及对特征值进行统计、计算概率分布等。最后，系统可解释和分析量化的纹理参数，理解它们与病灶性质、类型或严重程度之间的关系，从而对病灶纹理参数进行量化操作。

作为一种可选的实施方式，在本发明实施例中，高斯空间带通滤波器用于突出显示不同空间尺度的图像特征。本申请通过调整滤波器的空间比例因子（SSF），可以分别提取没有过滤（SSF0）和过滤值为精细（SSF2）、中等（SSF3~5）、粗糙（SSF6）的图像特征。这些不同尺度的特征反映了病灶内部结构的复杂性和层次性。接下来，本申请可利用直方图分析来量化这些图像特征。直方图是一种统计图表，用于表示图像中不同灰度级别的像素数量分布。

作为一种可选的实施方式，在本发明实施例中，本申请通过分析直方图，可以提取出多个量化的纹理参数，包括：平均灰度值：表示在感兴趣区域内的像素的平均值，反映了病灶的整体亮度水平；标准差：表示像素值与平均值之间的变化或分散程度，衡量了病灶内部灰度值的波动情况；熵：表示像素强度分布的不规则性，反映了病灶内部结构的复杂性和信息含量；正像素的平均值：表示像素值大于零的平均值，可能用于排除背景噪声或低强度区域，专注于病灶的实际部分；偏度：表示直方图的不对称性，用于描述像素值分布的偏斜程度，有助于识别非正态分布的纹理特征；峰度：表示直方图的锐度，衡量了像素值分布形态的尖锐程度，有助于区分不同类型的纹理结构。

作为一种可选的实施方式，在本发明实施例中，这些纹理参数提供了关于病灶内部结构和组织特性的丰富信息，可以用于辅助诊断肾上腺嗜铬细胞瘤。通过结合多个纹理参数，可以更全面地评估病灶的特征，提高诊断的准确性和可靠性。

204、当平均灰度值和峰度分别在平扫CT图像上的精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征上存在显著差异，标准差、熵、正像素的平均值分别在平扫CT图像上的精细纹理图像特征和粗糙纹理图像特征上存在显著差异，以及偏度在平扫CT图像上的中等纹理图像特征存在显著差异时，以及平均灰度值、标准差、熵和正像素的平均值分别在增强扫描CT图像上的精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征上存在显著差异，峰度和偏度在增强扫描CT图像上的精细纹理图像特征上存在显著差异时，鉴别系统获得第一判断得分。

作为一种可选的实施方式，在本发明实施例中，鉴别系统通过深入分析平扫CT图像和增强扫描CT图像的多种纹理图像特征，来确定第一判断得分。这个得分是基于多个纹理参数在不同纹理特征上的差异变化得出的，这些纹理参数包括平均灰度值、标准差、熵、正像素的平均值、峰度和偏度。在平扫CT图像上，系统首先观察平均灰度值和峰度在精细、中等和粗糙纹理图像特征上的变化。如果平均灰度值和峰度在这三种纹理特征上表现出显著差异，这将是判断的一个关键依据。此外，系统还会分析标准差、熵和正像素的平均值在精细和粗糙纹理图像特征上的差异，以及偏度在中等纹理图像特征上的差异。这些参数的显著差异同样对第一判断得分的确定有重要影响。对于增强扫描CT图像，系统则会关注平均灰度值、标准差、熵和正像素的平均值在精细、中等和粗糙纹理图像特征上的变化。如果这些参数在这三种纹理特征上均表现出显著差异，这将是另一个重要的判断依据。同时，系统还会特别注意峰度和偏度在精细纹理图像特征上的差异，因为这也是影响第一判断得分的关键因素。在综合考虑了上述所有因素后，鉴别系统可根据预设的算法和权重，计算出一个具体的第一判断得分。这个得分反映了病灶在CT图像中的纹理特征与肾上腺嗜铬细胞瘤的相似程度，是鉴别系统辅助诊断的重要依据之一。

205、鉴别系统在使用三维图像处理算法从三维容积感兴趣区中提取出病灶三维表面模型以计算病灶表面积，以及基于三维容积感兴趣区的体素数据，通过体素计数或积分方法计算出病灶总体积之后，将病灶表面积除以病灶总体积，以计算得出病灶表面积与体积比值。

作为一种可选的实施方式，在本发明实施例中，系统可使用三维图像处理算法（如阈值分割、区域增长、形态学操作等）从三维容积感兴趣区中分离出病灶的边界，然后基于这些边界信息，构建出病灶的三维表面模型，而这个模型是一个三维的网格结构，能够准确地表示病灶的外形。

作为一种可选的实施方式，在本发明实施例中，对于提取出的三维表面模型，系统可以计算其表面积，这通常涉及到对模型中的每个三角形或多边形面片进行面积计算，并将它们累加起来得到总的表面积。

作为一种可选的实施方式，在本发明实施例中，基于三维容积感兴趣区的体素数据，系统可通过体素计数或积分方法来确定病灶的总体积。体素计数方法是通过统计病灶区域内体素的数量，并乘以每个体素的体积（通常是已知的），从而得到总体积。积分方法则是根据病灶区域的密度分布或其他相关参数，通过积分运算来估算总体积。

作为一种可选的实施方式，在本发明实施例中，在系统得到了病灶的表面积和总体积之后，系统就可以通过简单的除法运算来计算表面积与体积的比值。这个比值是一个无量纲的量，它反映了病灶的几何特性，可能对于区分不同类型的病灶（如肾上腺嗜铬细胞瘤）具有一定的参考价值。

206、鉴别系统在根据病灶分割结果确定出病灶体素集合之后，若病灶体素集合内的每一病灶体素的形状大小相同，将病灶体素集合内的病灶体素总数量乘以单个体素体积，以计算出病灶体素体积，以及，若病灶体素集合内的每一病灶体素的形状大小不相同，将每一病灶体素的体积并进行累加计算，以计算出病灶体素体积。

作为一种可选的实施方式，在本发明实施例中，若病灶体素集合内的每一个病灶体素的形状和大小都是相同的，那么计算病灶体素体积的过程就相对简单。系统只需要将病灶体素集合内的病灶体素总数量乘以单个体素的体积，就可以得到病灶体素体积。这是因为每个体素都代表了相同的三维空间大小，所以它们的体积是相等的。通过简单的乘法运算，系统可以快速准确地计算出病灶的总体积。

作为一种可选的实施方式，在本发明实施例中，若病灶体素集合内的每一个病灶体素的形状和大小都不相同，那么计算病灶体素体积的过程就会稍微复杂一些。在这种情况下，系统可逐个计算每一个病灶体素的体积，并将它们累加起来，以得到病灶体素体积。这通常涉及到对每个体素的三维尺寸进行测量或计算，然后根据这些尺寸来确定每个体素的体积。这个过程可能需要更多的计算资源和时间，但它能够更准确地反映病灶在三维空间中的实际大小和形状。

作为一种可选的实施方式，在本发明实施例中，无论采用哪种方法，本申请计算出的病灶体素体积都是鉴别系统进行后续分析和诊断的重要依据。医生可以根据这个体积信息来评估病灶的大小、位置和形态，从而制定更精确的治疗方案。同时，病灶体素体积的计算也为其他相关指标（如病灶表面积与体积比值）的计算提供了基础数据。

作为一种可选的实施方式，在本发明实施例中，病灶体素集合内的体素可能并不是完全规则的立方体或其他简单形状，而是具有更复杂的形态。因此，在计算每个体素的体积时，系统可能需要采用更复杂的算法或模型来更准确地描述和计算它们的体积，本申请不做任何限定。此外，为了确保计算的准确性和可靠性，系统还需要对图像数据进行预处理和校正，以消除可能的噪声和伪影等干扰因素。

207、鉴别系统对三维容积感兴趣区中每一病灶体素CT值进行排序之后，选取出位于第60百分位的病灶体素CT值，以确定出CT值第60位百分数。

作为一种可选的实施方式，在本发明实施例中，鉴别系统在对三维容积感兴趣区中的病灶体素进行CT值分析时，首先会对每一个病灶体素的CT值进行排序。CT值（ComputedTomography Number）是表示组织密度的数值，不同的组织或病变会有不同的CT值。通过对这些CT值进行排序，系统能够了解病灶内部密度的分布情况。在排序完成后，系统会选择位于第60百分位的病灶体素CT值。这意味着在所有病灶体素的CT值中，有60%的CT值低于或等于这个选定的值，而剩下的40%则高于这个值。这个特定的百分位数（第60位百分数）被选作一个代表值，因为它能够反映病灶体素集合中大部分体素的CT值水平，同时排除了一些可能的极端值或噪声。

作为一种可选的实施方式，在本发明实施例中，系统可先将所有病灶体素的CT值按照从小到大的顺序排列。随后确定第60百分位的位置，这通常是通过将总数量乘以0.6（即60%）来得到的。如果结果不是整数，则通常向上取整或根据具体情况选择最近的整数。在排序后的CT值列表中，找到对应位置的CT值，这个值就是第60位百分数的CT值。这个第60位百分数的CT值可以作为病灶内部密度分布的一个特征指标，有助于鉴别系统进一步分析病灶的性质和特征。医生可以根据这个指标以及其他相关信息来做出更准确的诊断。需要注意的是，这个百分位数的选择并不是随意的，而是基于医学研究和实际应用的经验来确定的，它能够在一定程度上反映病灶的某些重要特性。

208、鉴别系统根据病灶表面积与体积比值、病灶体素体积及CT值第60位百分数，确定出病灶形状规则度、病灶体积大小以及病灶密度分布情况，以获得病灶当前形态。

在本申请实施例中，病灶表面积与体积比值与病灶形状规则度成反比例关系，病灶体素体积与病灶体积成正比例关系，CT值第60位百分数与病灶密度分布情况成正比例关系。

作为一种可选的实施方式，在本发明实施例中，首先，病灶表面积与体积的比值被用来确定病灶的形状规则度。这个比值与病灶形状规则度成反比例关系，意味着比值越小，病灶的形状越规则；比值越大，形状越不规则。其次，病灶体素体积直接反映了病灶的体积大小。它们之间是正比例关系，即体素体积越大，病灶的体积也越大。最后，CT值第60位百分数被用来描述病灶的密度分布情况。这个百分数与病灶密度分布情况也是正比例关系，意味着百分数越高，病灶的密度分布越均匀或密集；百分数越低，密度分布可能越不均匀或稀疏。通过综合这三个参数，鉴别系统能够全面评估病灶的形态特征，包括其形状、大小和密度分布，从而得出病灶的当前形态。这种评估方法结合了多个维度的信息，提高了形态鉴别的准确性和可靠性。

209、当病灶形状规则度高于第二指定阈值、病灶体积在指定范围内且病灶密度分布情况为不均匀时，鉴别系统获得第二判断得分。

作为一种可选的实施方式，在本发明实施例中，从已知描述中，鉴别系统可通过三个关键参数：病灶形状规则度、病灶体积以及病灶密度分布情况，来评估病灶的形态。每个参数都有特定的判断标准或阈值，基于这些标准，系统能够得出相应的判断得分。

在本发明实施例中，本申请的鉴别系统鉴别的是良性肾上腺嗜铬细胞瘤，而良性肾上腺嗜铬细胞瘤一般呈现为类圆形规则肿块以及密度不均匀，因此，当病灶形状规则度高于第二指定阈值时，这通常意味着病灶的形状相对规则，没有太多的凹凸或不规则边缘，符合良性肾上腺嗜铬细胞瘤的形状要求。同时，当病灶体积在指定范围内时，表明病灶的大小是属于肾上腺嗜铬细胞瘤的大小范围。但是，当病灶密度分布情况为不均匀时，这可能意味着病灶内部存在密度差异，可能包括不同的组织类型、坏死区域或其他异常情况。即也是符合了良性肾上腺嗜铬细胞瘤的密度分布要求。因此，综合这三个条件，当它们都满足时，鉴别系统获得了第二判断得分。

210、鉴别系统在分别将增强强化峰值与平扫CT值比值、平扫CT值及囊变值设为自变量、增强强化峰值与平扫CT值比值、平扫CT值及囊变值对应的二元结果设为因变量之后，拟合logistic回归模型。

作为一种可选的实施方式，在本发明实施例中，增强强化峰值与平扫CT值比值可反映了病灶在增强扫描和平扫CT之间的密度变化。增强扫描通常用于更清晰地显示血管和病灶的轮廓，因此这个比值可能有助于鉴别系统判断病灶的血管丰富程度、活性或其他相关特性。平扫CT值是病灶在未经增强扫描时的CT密度值，它提供了关于病灶基础密度的信息。不同的组织类型在CT扫描下会有不同的密度表现，因此平扫CT值对于鉴别系统来说是一个重要的参考指标。囊变值可能反映了病灶内部是否存在囊性成分或囊变区域。囊变是某些类型肿瘤或病灶的一个特征，因此这个值对于鉴别系统来说也是很有意义的。通过将这三个自变量与对应的二元结果拟合到logistic回归模型中，鉴别系统可以建立一个数学模型来描述这些自变量与因变量之间的关系。这个模型可以帮助系统更准确地预测或分类病灶的某种特性或状态。

211、鉴别系统从logistic回归模型中提取出增强强化峰值与平扫CT值比值、平扫CT值及囊变值的回归系数之后，利用回归优势比计算公式，计算出增强强化峰值与平扫CT值比值的回归优势比、平扫CT值的回归优势比及囊变值的回归优势比。

作为一种可选的实施方式，在本发明实施例中，回归优势比是一个用于解释logistic回归模型中自变量对因变量影响的统计量。它表示当自变量变化一个单位时，因变量事件发生与不发生的概率之比的变化情况。在医学和生物统计中，回归优势比常用于描述某种暴露因素（如病灶的某个特征）与疾病发生风险之间的关系。

作为一种可选的实施方式，在本发明实施例中，回归优势比=exp(回归系数)，其中，exp表示自然指数函数。因此，对于增强强化峰值与平扫CT值比值、平扫CT值及囊变值这三个自变量，鉴别系统分别将其回归系数代入上述公式，计算出各自的回归优势比。

作为一种可选的实施方式，在本发明实施例中，增强强化峰值与平扫CT值比值的回归优势比可以帮助鉴别系统评估这种变化对病灶分类或状态判断的影响程度。平扫CT值的回归优势比反映了基础密度对病灶分类的重要性。囊变值的回归优势比可以帮助鉴别系统了解囊变对病灶分类的影响。通过计算这些回归优势比，鉴别系统可以更深入地理解各自变量在模型中的作用，从而更准确地解释模型的结果，并为后续的医学诊断或治疗决策提供更可靠的依据。

212、鉴别系统将增强强化峰值与平扫CT值比值的回归优势比、平扫CT值的回归优势比及囊变值的回归优势比乘以对应的权重比例之后进行累加计算，以计算出预测概率。

在本申请实施例中，回归预测模型中的预测概率计算公式=增强强化峰值与平扫CT值比值的回归优势比*第一权重比例+平扫CT值的回归优势比*第二权重比例+囊变值的回归优势比*第三权重比例。这个公式将每个自变量的回归优势比与对应的权重比例相乘，并将结果累加，从而得到一个综合的预测概率。这个预测概率可以用于评估病灶属于肾上腺嗜铬细胞瘤的可能性。

作为一种可选的实施方式，在本发明实施例中，鉴别系统通过logistic回归模型得到了增强强化峰值与平扫CT值比值、平扫CT值及囊变值的回归优势比，这些回归优势比反映了各自变量对因变量（通常是某种疾病状态或分类）的影响程度。为了将这些影响程度转化为具体的预测概率，鉴别系统采用了加权累加的方法。在这个方法中，每个回归优势比都乘以一个对应的权重比例。这些权重比例通常是通过模型训练过程中的优化算法得到的，它们反映了每个自变量在预测过程中的相对重要性。

213、当预测概率高于第三指定阈值时，鉴别系统获得第三判断得分。

214、鉴别系统分别将第一判断得分、第二判断得分和第三判断得分按照一定的比例关系进行相加，以计算出当前病灶判断总得分。

215、鉴别系统若当前病灶判断总得分超过第一指定阈值，确定出当前病灶为肾上腺嗜铬细胞瘤，并发送提示信息。

可见，实施图2所描述的另一种鉴别肾上腺嗜铬细胞瘤的方法，能够提高肾上腺嗜铬细胞瘤的诊断效率。

此外，实施图2所描述的另一种鉴别肾上腺嗜铬细胞瘤的方法，能够结合多个维度的信息，提高肾上腺嗜铬细胞瘤鉴别的准确性和可靠性。

实施例三

请参阅图3，图3是本发明实施例公开的一种鉴别系统的结构示意图。如图3，该鉴别系统300可以包括勾画并三维重建单元301、第一确定单元302、第二确定单元303、第三确定单元304、计算单元305和确定并提示单元306，其中：

勾画并三维重建单元301，利用病灶影像特征对CT扫描图像进行病灶感兴趣区的逐层勾画，并利用三维重建算法将对病灶感兴趣区进行三维重建，以形成三维容积感兴趣区；其中，CT扫描图像包括有平扫CT图像和增强扫描CT图像。

第一确定单元302，用于在从三维容积感兴趣区中获得不同的纹理图像特征和量化的病灶纹理参数之后，根据病灶纹理参数在不同的纹理图像特征上的差异变化，确定出当前病灶为肾上腺嗜铬细胞瘤的第一判断得分；其中，不同的纹理图像特征包括有精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征。

第二确定单元303，用于在从三维容积感兴趣区中获得病灶表面积与体积比值、病灶体素体积及CT值第60位百分数以确定出病灶当前形态之后，根据病灶当前形态，确定出当前病灶为肾上腺嗜铬细胞瘤的第二判断得分。

第三确定单元304，用于在将三维容积感兴趣区中每一影像自变量数据的回归优势比代入至回归预测模型中以计算出预测概率之后，根据预测概率，确定出当前病灶为肾上腺嗜铬细胞瘤的第三判断得分；其中，影像自变量数据至少包括有增强强化峰值与平扫CT值比值、平扫CT值及囊变值。

计算单元305，用于分别将第一判断得分、第二判断得分和第三判断得分按照一定的比例关系进行相加，以计算出当前病灶判断总得分。

确定并提示单元306，用于若当前病灶判断总得分超过第一指定阈值，确定出当前病灶为肾上腺嗜铬细胞瘤，并发送提示信息。

作为一种可选的实施方式，在本发明实施例中，本申请中的病灶影像特征指的是病灶在CT扫描图像中呈现出来的特定形态、密度、大小等特征。勾画并三维重建单元301可对CT扫描图像的每一层（即每一个二维切片）进行仔细分析，根据病灶的影像特征，逐层勾画出病灶感兴趣区。这个过程类似于在图像上手动绘制出病灶的轮廓，但由勾画并三维重建单元301自动完成，大大提高了效率和准确性。在逐层勾画出病灶感兴趣区后，勾画并三维重建单元301可利用三维重建算法将这些二维的病灶轮廓信息整合起来，形成一个三维的病灶模型。这个模型可以更直观地展示病灶在三维空间中的形态和位置，有助于医生更全面地了解病灶的情况。

作为一种可选的实施方式，在本发明实施例中，在逐层勾画完成后，勾画并三维重建单元301利用三维重建算法将这些二维的病灶感兴趣区信息整合起来，形成一个三维容积感兴趣区（3D VOI）。三维重建技术可以展示病灶在三维空间中的形态、位置以及与周围组织的空间关系，为医生提供更全面的病灶信息。完成三维重建后，系统可以对三维容积感兴趣区进行多角度、多平面的观察和分析，以更准确地评估病灶的性质、范围和与周围组织的关系。这有助于医生制定更精确的治疗方案，如手术规划、放疗定位等。同时，也可以用于治疗效果的评估，观察病灶的变化情况，提高诊断的准确性和效率。

作为一种可选的实施方式，在本发明实施例中，本申请中的纹理图像特征是指图像中病灶区域的像素灰度、空间排列和关系等特性的量化描述。在医学图像处理中，纹理分析常用于疾病的辅助诊断。

作为一种可选的实施方式，在本发明实施例中，第一确定单元302根据病灶纹理参数在不同纹理图像特征上的变化趋势，可以观察到病灶在不同尺度或层次上的纹理变化。这种变化趋势可能揭示了病灶的特定病理特征或生长模式。例如，肾上腺嗜铬细胞瘤可能在特定纹理特征上表现出独特的变化模式，如精细纹理上的高对比度或中等纹理上的特定周期性。

作为一种可选的实施方式，在本发明实施例中，基于对纹理参数变化趋势的分析，本申请可以制定一套评分系统或分类规则，用于判断病灶是否为肾上腺嗜铬细胞瘤。这一评分系统可能结合了多个纹理参数和特征，通过加权、阈值设定或机器学习算法等方式，得出一个综合判断得分。这个得分反映了当前病灶与肾上腺嗜铬细胞瘤的相似度或匹配度。根据第一判断得分，医生可以初步评估病灶的性质和可能性。如果得分较高，则可能提示病灶为肾上腺嗜铬细胞瘤；反之，则可能需要进一步检查或考虑其他诊断。这一判断得分可以作为医生诊断的参考依据之一，结合其他临床信息和检查结果，共同确定最终的诊断和治疗方案。

作为一种可选的实施方式，在本发明实施例中，本申请的病灶表面积与体积比值可反映了病灶的表面积相对于其体积的大小，而高比值可能意味着病灶表面较为粗糙或不规则，而低比值则可能表明病灶较为光滑或规则。病灶体素体积是指病灶所占用的体素（像素的三维对应物）的总体积，它提供了关于病灶大小的直接信息。CT值第60位百分数：这是病灶区域内CT值分布的一个统计量，表示有60%的病灶体素的CT值低于或等于这个值，它有助于描述病灶内部的密度分布特性。

作为一种可选的实施方式，在本发明实施例中，第二确定单元303结合上述形态学参数，可以综合评估病灶的形态特征。例如，一个具有较大表面积与体积比值、中等体素体积和特定CT值分布模式的病灶，可能具有某种特定的形态学特点。这些特点可以与已知的肾上腺嗜铬细胞瘤的形态学特征进行比对，从而初步判断病灶的形态是否与肾上腺嗜铬细胞瘤相符。

作为一种可选的实施方式，在本发明实施例中，Logistic回归是一种广泛应用于分类问题的统计学方法，它可以通过拟合自变量与因变量之间的关系，预测因变量发生的概率。在本例中，自变量是影像数据，因变量是病灶是否为肾上腺嗜铬细胞瘤。

作为一种可选的实施方式，在本发明实施例中，在模型建立过程中，第三确定单元304可先选择一组已知的病灶样本作为训练集，其中每个样本都有相应的标签（即是否为肾上腺嗜铬细胞瘤）。通过对这些样本的影像自变量数据进行回归分析，可以构建出一个能够描述自变量与因变量关系的Logistic回归模型。在模型建立完成后，第三确定单元304可以将当前病灶的影像自变量数据代入模型中进行计算，得到病灶为肾上腺嗜铬细胞瘤的预测概率。这个概率值反映了在当前影像特征下，病灶为肾上腺嗜铬细胞瘤的可能性大小。

作为一种可选的实施方式，在本发明实施例中，假设第一判断得分为a，第二判断得分为b，第三判断得分为c。假设这三个得分的比例关系为p1,p2,p3，其中p1+p2+p3=1（因为它们是比例，总和应为1）。因而，计算单元305可以建立以下数学模型：当前病灶判断总得分=a×p1+b×p2+c×p3，这个模型是一个简单的加权求和模型，其中每个得分都根据其对应的比例进行加权。鉴别系统通过加权求和的方式，将三个判断得分按照一定比例相加，得出当前病灶的判断总得分。

可见，实施图3所描述的鉴别系统，能够提高肾上腺嗜铬细胞瘤的诊断效率。

此外，实施图3所描述的鉴别系统，能够提供一个客观的、基于统计学的辅助诊断依据，帮助医生更准确地判断病灶的性质。

实施例四

请参阅图4，图4是本发明实施例公开的另一种鉴别系统的结构示意图。其中，图4的鉴别系统是由图3的鉴别系统进行优化得到的。与图3的鉴别系统相比较，图4的第一确定单元302包括：

过滤子单元3021，用于结合利用高斯空间带通滤波器与拉普拉斯算子，对三维容积感兴趣区进行过滤处理，从而获得不同的纹理图像特征。

作为一种可选的实施方式，在本发明实施例中，过滤子单元3021通过结合高斯空间带通滤波器和拉普拉斯算子，可以对三维容积感兴趣区进行多层次的过滤处理。首先，使用高斯空间带通滤波器提取特定频率范围的纹理信息；然后，应用拉普拉斯算子进一步突出边缘和细节特征。这种结合处理能够增强病灶区域的纹理特征，为后续的特征提取和参数量化提供更有价值的信息。

第一获取子单元3022，用于从病灶影像特征中，获取出量化的病灶纹理参数；其中，病灶影像特征至少包括基于灰度的直方图特征、灰度共生矩阵特征、灰度游程长度矩阵特征、灰度大小区域矩阵特征、相邻灰度色调差异矩阵特征、大小和形状相关特征，病灶纹理参数至少包括有三维容积感兴趣区的平均灰度值、标准差、熵、正像素的平均值、偏度和峰度。

作为一种可选的实施方式，在本发明实施例中，高斯空间带通滤波器用于突出显示不同空间尺度的图像特征。本申请通过调整滤波器的空间比例因子（SSF），可以分别提取没有过滤（SSF0）和过滤值为精细（SSF2）、中等（SSF3~5）、粗糙（SSF6）的图像特征。这些不同尺度的特征反映了病灶内部结构的复杂性和层次性。接下来，本申请可利用直方图分析来量化这些图像特征。直方图是一种统计图表，用于表示图像中不同灰度级别的像素数量分布。

作为一种可选的实施方式，在本发明实施例中，这些纹理参数提供了关于病灶内部结构和组织特性的丰富信息，可以用于辅助诊断肾上腺嗜铬细胞瘤。通过结合多个纹理参数，可以更全面地评估病灶的特征，提高诊断的准确性和可靠性。

与图3的鉴别系统相比较，图4的第二确定单元303包括：

第一计算子单元3031，用于在使用三维图像处理算法从三维容积感兴趣区中提取出病灶三维表面模型以计算病灶表面积，以及基于三维容积感兴趣区的体素数据，通过体素计数或积分方法计算出病灶总体积之后，将病灶表面积除以病灶总体积，以计算得出病灶表面积与体积比值。

作为一种可选的实施方式，在本发明实施例中，第一计算子单元3031可使用三维图像处理算法（如阈值分割、区域增长、形态学操作等）从三维容积感兴趣区中分离出病灶的边界，然后基于这些边界信息，构建出病灶的三维表面模型，而这个模型是一个三维的网格结构，能够准确地表示病灶的外形。

作为一种可选的实施方式，在本发明实施例中，基于三维容积感兴趣区的体素数据，第一计算子单元3031可通过体素计数或积分方法来确定病灶的总体积。体素计数方法是通过统计病灶区域内体素的数量，并乘以每个体素的体积（通常是已知的），从而得到总体积。积分方法则是根据病灶区域的密度分布或其他相关参数，通过积分运算来估算总体积。

作为一种可选的实施方式，在本发明实施例中，在第一计算子单元3031得到了病灶的表面积和总体积之后，系统就可以通过简单的除法运算来计算表面积与体积的比值。这个比值是一个无量纲的量，它反映了病灶的几何特性，可能对于区分不同类型的病灶（如肾上腺嗜铬细胞瘤）具有一定的参考价值。

第二计算子单元3032，用于在根据病灶分割结果确定出病灶体素集合之后，若病灶体素集合内的每一病灶体素的形状大小相同，将病灶体素集合内的病灶体素总数量乘以单个体素体积，以计算出病灶体素体积，以及，若病灶体素集合内的每一病灶体素的形状大小不相同，将每一病灶体素的体积并进行累加计算，以计算出病灶体素体积。

作为一种可选的实施方式，在本发明实施例中，若病灶体素集合内的每一个病灶体素的形状和大小都是相同的，那么计算病灶体素体积的过程就相对简单。第二计算子单元3032只需要将病灶体素集合内的病灶体素总数量乘以单个体素的体积，就可以得到病灶体素体积。这是因为每个体素都代表了相同的三维空间大小，所以它们的体积是相等的。通过简单的乘法运算，系统可以快速准确地计算出病灶的总体积。

作为一种可选的实施方式，在本发明实施例中，若病灶体素集合内的每一个病灶体素的形状和大小都不相同，那么计算病灶体素体积的过程就会稍微复杂一些。在这种情况下，第二计算子单元3032可逐个计算每一个病灶体素的体积，并将它们累加起来，以得到病灶体素体积。这通常涉及到对每个体素的三维尺寸进行测量或计算，然后根据这些尺寸来确定每个体素的体积。这个过程可能需要更多的计算资源和时间，但它能够更准确地反映病灶在三维空间中的实际大小和形状。

选取子单元3033，用于对三维容积感兴趣区中每一病灶体素CT值进行排序之后，选取出位于第60百分位的病灶体素CT值，以确定出CT值第60位百分数。

作为一种可选的实施方式，在本发明实施例中，选取子单元3033可先将所有病灶体素的CT值按照从小到大的顺序排列。随后确定第60百分位的位置，这通常是通过将总数量乘以0.6（即60%）来得到的。如果结果不是整数，则通常向上取整或根据具体情况选择最近的整数。在排序后的CT值列表中，找到对应位置的CT值，这个值就是第60位百分数的CT值。这个第60位百分数的CT值可以作为病灶内部密度分布的一个特征指标，有助于鉴别系统进一步分析病灶的性质和特征。医生可以根据这个指标以及其他相关信息来做出更准确的诊断。需要注意的是，这个百分位数的选择并不是随意的，而是基于医学研究和实际应用的经验来确定的，它能够在一定程度上反映病灶的某些重要特性。

确定子单元3034，用于根据病灶表面积与体积比值、病灶体素体积及CT值第60位百分数，确定出病灶形状规则度、病灶体积大小以及病灶密度分布情况，以获得病灶当前形态；其中，病灶表面积与体积比值与病灶形状规则度成反比例关系，病灶体素体积与病灶体积成正比例关系，CT值第60位百分数与病灶密度分布情况成正比例关系。

作为一种可选的实施方式，在本发明实施例中，首先，病灶表面积与体积的比值被用来确定病灶的形状规则度。这个比值与病灶形状规则度成反比例关系，意味着比值越小，病灶的形状越规则；比值越大，形状越不规则。其次，病灶体素体积直接反映了病灶的体积大小。它们之间是正比例关系，即体素体积越大，病灶的体积也越大。最后，CT值第60位百分数被用来描述病灶的密度分布情况。这个百分数与病灶密度分布情况也是正比例关系，意味着百分数越高，病灶的密度分布越均匀或密集；百分数越低，密度分布可能越不均匀或稀疏。通过综合这三个参数，确定子单元3034能够全面评估病灶的形态特征，包括其形状、大小和密度分布，从而得出病灶的当前形态。这种评估方法结合了多个维度的信息，提高了形态鉴别的准确性和可靠性。

与图3的鉴别系统相比较，图4的第三确定单元304包括：

拟合子单元3041，用于在分别将增强强化峰值与平扫CT值比值、平扫CT值及囊变值设为自变量、增强强化峰值与平扫CT值比值、平扫CT值及囊变值对应的二元结果设为因变量之后，拟合logistic回归模型。

作为一种可选的实施方式，在本发明实施例中，通过将这三个自变量与对应的二元结果拟合到logistic回归模型中，拟合子单元3041可以建立一个数学模型来描述这些自变量与因变量之间的关系。这个模型可以帮助系统更准确地预测或分类病灶的某种特性或状态。

第三计算子单元3042，用于从logistic回归模型中提取出增强强化峰值与平扫CT值比值、平扫CT值及囊变值的回归系数之后，利用回归优势比计算公式，计算出增强强化峰值与平扫CT值比值的回归优势比、平扫CT值的回归优势比及囊变值的回归优势比。

作为一种可选的实施方式，在本发明实施例中，增强强化峰值与平扫CT值比值的回归优势比可以帮助鉴别系统评估这种变化对病灶分类或状态判断的影响程度。平扫CT值的回归优势比反映了基础密度对病灶分类的重要性。囊变值的回归优势比可以帮助鉴别系统了解囊变对病灶分类的影响。通过计算这些回归优势比，第三计算子单元3042可以更深入地理解各自变量在模型中的作用，从而更准确地解释模型的结果，并为后续的医学诊断或治疗决策提供更可靠的依据。

第四计算子单元3043，用于将增强强化峰值与平扫CT值比值的回归优势比、平扫CT值的回归优势比及囊变值的回归优势比分别代入至回归预测模型中，计算出预测概率。

在本申请实施例中，回归预测模型中的预测概率计算公式=增强强化峰值与平扫CT值比值的回归优势比*第一权重比例+平扫CT值的回归优势比*第二权重比例+囊变值的回归优势比*第三权重比例。这个公式将每个自变量的回归优势比与对应的权重比例相乘，并将结果累加，从而得到一个综合的预测概率。这个预测概率可以用于评估病灶属于肾上腺嗜铬细胞瘤的可能性。

与图3的鉴别系统相比较，图4的第四计算子单元3043包括：

计算模块30431，用于将增强强化峰值与平扫CT值比值的回归优势比、平扫CT值的回归优势比及囊变值的回归优势比乘以对应的权重比例之后进行累加计算，以计算出预测概率；其中，回归预测模型中的预测概率计算公式=增强强化峰值与平扫CT值比值的回归优势比*第一权重比例+平扫CT值的回归优势比*第二权重比例+囊变值的回归优势比*第三权重比例。

与图3的鉴别系统相比较，图4的第一确定单元302还包括：

第二获取子单元3023，用于当平均灰度值和峰度分别在平扫CT图像上的精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征上存在显著差异，标准差、熵、正像素的平均值分别在平扫CT图像上的精细纹理图像特征和粗糙纹理图像特征上存在显著差异，以及偏度在平扫CT图像上的中等纹理图像特征存在显著差异时，以及平均灰度值、标准差、熵和正像素的平均值分别在增强扫描CT图像上的精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征上存在显著差异，峰度和偏度在增强扫描CT图像上的精细纹理图像特征上存在显著差异时，获得第一判断得分。

作为一种可选的实施方式，在本发明实施例中，第二获取子单元3023通过深入分析平扫CT图像和增强扫描CT图像的多种纹理图像特征，来确定第一判断得分。这个得分是基于多个纹理参数在不同纹理特征上的差异变化得出的，这些纹理参数包括平均灰度值、标准差、熵、正像素的平均值、峰度和偏度。在平扫CT图像上，第二获取子单元3023首先观察平均灰度值和峰度在精细、中等和粗糙纹理图像特征上的变化。如果平均灰度值和峰度在这三种纹理特征上表现出显著差异，这将是判断的一个关键依据。此外，系统还会分析标准差、熵和正像素的平均值在精细和粗糙纹理图像特征上的差异，以及偏度在中等纹理图像特征上的差异。这些参数的显著差异同样对第一判断得分的确定有重要影响。对于增强扫描CT图像，第二获取子单元3023则会关注平均灰度值、标准差、熵和正像素的平均值在精细、中等和粗糙纹理图像特征上的变化。如果这些参数在这三种纹理特征上均表现出显著差异，这将是另一个重要的判断依据。同时，第二获取子单元3023还会特别注意峰度和偏度在精细纹理图像特征上的差异，因为这也是影响第一判断得分的关键因素。在综合考虑了上述所有因素后，第二获取子单元3023可根据预设的算法和权重，计算出一个具体的第一判断得分。这个得分反映了病灶在CT图像中的纹理特征与肾上腺嗜铬细胞瘤的相似程度，是鉴别系统辅助诊断的重要依据之一。

与图3的鉴别系统相比较，图4的第二确定单元303还包括：

第三获取单元3035，用于当病灶形状规则度高于第二指定阈值、病灶体积在指定范围内且病灶密度分布情况为不均匀时，获得第二判断得分。

作为一种可选的实施方式，在本发明实施例中，从已知描述中，第三获取单元3035可通过三个关键参数：病灶形状规则度、病灶体积以及病灶密度分布情况，来评估病灶的形态。每个参数都有特定的判断标准或阈值，基于这些标准，第三获取单元3035能够得出相应的判断得分。

在本发明实施例中，本申请的鉴别系统鉴别的是良性肾上腺嗜铬细胞瘤，而良性肾上腺嗜铬细胞瘤一般呈现为类圆形规则肿块以及密度不均匀，因此，当病灶形状规则度高于第二指定阈值时，这通常意味着病灶的形状相对规则，没有太多的凹凸或不规则边缘，符合良性肾上腺嗜铬细胞瘤的形状要求。同时，当病灶体积在指定范围内时，表明病灶的大小是属于肾上腺嗜铬细胞瘤的大小范围。但是，当病灶密度分布情况为不均匀时，这可能意味着病灶内部存在密度差异，可能包括不同的组织类型、坏死区域或其他异常情况。即也是符合了良性肾上腺嗜铬细胞瘤的密度分布要求。因此，综合这三个条件，当它们都满足时，第三获取单元3035获得了第二判断得分。

与图3的鉴别系统相比较，图4的第三确定单元304还包括：

第四获取单元3044，用于当预测概率高于第三指定阈值时，获得第三判断得分。

可见，实施图4所描述的鉴别系统，能够提高肾上腺嗜铬细胞瘤的诊断效率。

此外，实施图4所描述的鉴别系统，能够结合多个维度的信息，提高肾上腺嗜铬细胞瘤鉴别的准确性和可靠性。

实施例五

请参阅图5，图5是本发明实施例公开的另一种鉴别系统的结构示意图。如图5，该鉴别系统可以包括：

存储有可执行程序代码的存储器501；

与存储器501耦合的处理器502；

其中，处理器502调用存储器501中存储的可执行程序代码，执行图1~图3任意一种鉴别肾上腺嗜铬细胞瘤的方法。

本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行图1~图2任意一种鉴别肾上腺嗜铬细胞瘤的方法。

本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一种计算机可读存储介质中，存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、一次可编程只读存储器（One-time Programmable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本发明实施例公开的一种鉴别肾上腺嗜铬细胞瘤的方法及鉴别系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种鉴别肾上腺嗜铬细胞瘤的方法，其特征在于，包括：

利用病灶影像特征对CT扫描图像进行病灶感兴趣区的逐层勾画，并利用三维重建算法将对所述病灶感兴趣区进行三维重建，以形成三维容积感兴趣区；其中，所述CT扫描图像包括有平扫CT图像和增强扫描CT图像；

在从所述三维容积感兴趣区中获得不同的纹理图像特征和量化的病灶纹理参数之后，根据所述病灶纹理参数在不同的所述纹理图像特征上的差异变化，确定出当前病灶为肾上腺嗜铬细胞瘤的第一判断得分；其中，不同的所述纹理图像特征包括有精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征；

在从所述三维容积感兴趣区中获得病灶表面积与体积比值、病灶体素体积及CT值第60位百分数以确定出病灶当前形态之后，根据所述病灶当前形态，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第二判断得分；

在将所述三维容积感兴趣区中每一影像自变量数据的回归优势比代入至回归预测模型中以计算出预测概率之后，根据所述预测概率，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第三判断得分；其中，所述影像自变量数据至少包括有增强强化峰值与平扫CT值比值、平扫CT值及囊变值；

分别将所述第一判断得分、所述第二判断得分和所述第三判断得分按照一定的比例关系进行相加，以计算出当前病灶判断总得分；

若所述当前病灶判断总得分超过第一指定阈值，确定出所述当前病灶为肾上腺嗜铬细胞瘤，并发送提示信息。

2.根据权利要求1所述的方法，其特征在于，所述从所述三维容积感兴趣区中获得不同的纹理图像特征和量化的病灶纹理参数，包括：

结合利用高斯空间带通滤波器与拉普拉斯算子，对所述三维容积感兴趣区进行过滤处理，从而获得不同的所述纹理图像特征；

从所述病灶影像特征中，获取出量化的所述病灶纹理参数；其中，所述病灶影像特征至少包括基于灰度的直方图特征、灰度共生矩阵特征、灰度游程长度矩阵特征、灰度大小区域矩阵特征、相邻灰度色调差异矩阵特征、大小和形状相关特征，所述病灶纹理参数至少包括有所述三维容积感兴趣区的平均灰度值、标准差、熵、正像素的平均值、偏度和峰度。

3.根据权利要求1所述的方法，其特征在于，所述从所述三维容积感兴趣区中获得病灶表面积与体积比值、病灶体素体积及CT值第60位百分数以确定出病灶当前形态，包括：

在使用三维图像处理算法从所述三维容积感兴趣区中提取出病灶三维表面模型以计算病灶表面积，以及基于所述三维容积感兴趣区的体素数据，通过体素计数或积分方法计算出病灶总体积之后，将所述病灶表面积除以所述病灶总体积，以计算得出所述病灶表面积与体积比值；

在根据病灶分割结果确定出病灶体素集合之后，若所述病灶体素集合内的每一病灶体素的形状大小相同，将所述病灶体素集合内的病灶体素总数量乘以单个体素体积，以计算出所述病灶体素体积，以及，若所述病灶体素集合内的每一病灶体素的形状大小不相同，将每一所述病灶体素的体积并进行累加计算，以计算出所述病灶体素体积；

对所述三维容积感兴趣区中每一病灶体素CT值进行排序之后，选取出位于第60百分位的病灶体素CT值，以确定出所述CT值第60位百分数；

根据所述病灶表面积与体积比值、所述病灶体素体积及所述CT值第60位百分数，确定出病灶形状规则度、病灶体积大小以及病灶密度分布情况，以获得所述病灶当前形态；其中，所述病灶表面积与体积比值与所述病灶形状规则度成反比例关系，所述病灶体素体积与所述病灶体积成正比例关系，所述CT值第60位百分数与所述病灶密度分布情况成正比例关系。

4.根据权利要求1~3任一项所述的方法，其特征在于，所述将所述三维容积感兴趣区中每一影像自变量数据的回归优势比代入至回归预测模型中以计算出预测概率，包括：

在分别将所述增强强化峰值与平扫CT值比值、所述平扫CT值及所述囊变值设为自变量、所述增强强化峰值与平扫CT值比值、所述平扫CT值及所述囊变值对应的二元结果设为因变量之后，拟合logistic回归模型；

从所述logistic回归模型中提取出所述增强强化峰值与平扫CT值比值、所述平扫CT值及所述囊变值的回归系数之后，利用回归优势比计算公式，计算出增强强化峰值与平扫CT值比值的回归优势比、平扫CT值的回归优势比及囊变值的回归优势比；

将所述增强强化峰值与平扫CT值比值的回归优势比、所述平扫CT值的回归优势比及所述囊变值的回归优势比分别代入至回归预测模型中，计算出所述预测概率。

5.根据权利要求4所述的方法，其特征在于，所述将所述增强强化峰值与平扫CT值比值的回归优势比、所述平扫CT值的回归优势比及所述囊变值的回归优势比分别代入至回归预测模型中，计算出所述预测概率，包括：

将所述增强强化峰值与平扫CT值比值的回归优势比、所述平扫CT值的回归优势比及所述囊变值的回归优势比乘以对应的权重比例之后进行累加计算，以计算出所述预测概率；其中，所述回归预测模型中的预测概率计算公式=所述增强强化峰值与平扫CT值比值的回归优势比*第一权重比例+所述平扫CT值的回归优势比*第二权重比例+所述囊变值的回归优势比*第三权重比例。

6.根据权利要求2所述的方法，其特征在于，所述根据所述病灶纹理参数在不同的所述纹理图像特征上的差异变化，确定出当前病灶为肾上腺嗜铬细胞瘤的第一判断得分，包括：

当所述平均灰度值和所述峰度分别在平扫CT图像上的精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征上存在显著差异，所述标准差、所述熵、所述正像素的平均值分别在所述平扫CT图像上的精细纹理图像特征和粗糙纹理图像特征上存在显著差异，以及所述偏度在所述平扫CT图像上的中等纹理图像特征存在显著差异时，以及所述平均灰度值、所述标准差、所述熵和所述正像素的平均值分别在增强扫描CT图像上的精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征上存在显著差异，所述峰度和所述偏度在所述增强扫描CT图像上的精细纹理图像特征上存在显著差异时，获得所述第一判断得分。

7.根据权利要求3所述的方法，其特征在于，所述根据所述病灶当前形态，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第二判断得分，包括：

当所述病灶形状规则度高于第二指定阈值、所述病灶体积在指定范围内且所述病灶密度分布情况为不均匀时，获得所述第二判断得分。

8.根据权利要求4所述的方法，其特征在于，所述根据所述预测概率，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第三判断得分，包括：

当所述预测概率高于第三指定阈值时，获得所述第三判断得分。

9.一种鉴别系统，其特征在于，所述鉴别系统包括：

勾画并三维重建单元，利用病灶影像特征对CT扫描图像进行病灶感兴趣区的逐层勾画，并利用三维重建算法将对所述病灶感兴趣区进行三维重建，以形成三维容积感兴趣区；其中，所述CT扫描图像包括有平扫CT图像和增强扫描CT图像；

第一确定单元，用于在从所述三维容积感兴趣区中获得不同的纹理图像特征和量化的病灶纹理参数之后，根据所述病灶纹理参数在不同的所述纹理图像特征上的差异变化，确定出当前病灶为肾上腺嗜铬细胞瘤的第一判断得分；其中，不同的所述纹理图像特征包括有精细纹理图像特征、中等纹理图像特征和粗糙纹理图像特征；

第二确定单元，用于在从所述三维容积感兴趣区中获得病灶表面积与体积比值、病灶体素体积及CT值第60位百分数以确定出病灶当前形态之后，根据所述病灶当前形态，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第二判断得分；

第三确定单元，用于在将所述三维容积感兴趣区中每一影像自变量数据的回归优势比代入至回归预测模型中以计算出预测概率之后，根据所述预测概率，确定出所述当前病灶为肾上腺嗜铬细胞瘤的第三判断得分；其中，所述影像自变量数据至少包括有增强强化峰值与平扫CT值比值、平扫CT值及囊变值；

计算单元，用于分别将所述第一判断得分、所述第二判断得分和所述第三判断得分按照一定的比例关系进行相加，以计算出当前病灶判断总得分；

确定并提示单元，用于若所述当前病灶判断总得分超过第一指定阈值，确定出所述当前病灶为肾上腺嗜铬细胞瘤，并发送提示信息。

10.一种鉴别系统，其特征在于，所述鉴别系统包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行权利要求1-8任一项所述的鉴别肾上腺嗜铬细胞瘤的方法。