近年来,我国尿路结石的发病率逐年递增,就体内单纯性结石而言,以草酸钙最为多见,无水尿酸次之,而目前传统方法对两者区分需借助仪器,步骤复杂且成本高昂,无法实现术前体内无创检测。目前基于影像组学的辅助诊断方法已从纯粹理论发展为临床试验,但其在结石成分鉴别上的研究较少。首先,在预处理阶段,利用传统序列插值算法进行病灶三维重建时,效果较差且计算复杂,无法兼顾病灶图像的灰度及形状变化;其次,在分割阶段,因医学图像较传统图像更为精细复杂,其分割方法仍基于监督或半监督学习,故传统分割算法并不适用于结石病灶;而且,后续阶段的算法未能充分考虑体内结石的临床特征,鉴别效果较差。针对上述情况,本文研究工作如下:(1)提出一种基于小波子图改进的序列插值算法:算法首先对结石的电子计算机断层扫描(computed tomography,CT)图像进行灰度调整,其次选择合适的母小波及小波变换函数,将原CT图像分解为低频子图和高频子图,利用双线性插值算法对低频子图进行插值以平滑图像,突出大区域,并针对高频子图对原双线性插值算法进行改进,从而突出高频子图中的边缘细节;最后,对插值后的小波子图进行重构,从而生成新的插值图像,以便更好地进行三维重建。(2)提出一种基于Unet网络改进的图像分割算法:在进行网络模型训练前首先对CT图像进行灰度调整和归一化,再通过平移、旋转、缩放操作进行数据增强,以满足网络训练时所需的海量训练集;然后,改进传统的Unet网络,即对网络的各部件进行优化,并制定合适的训练策略从而得到符合结石特征的分割模型,实现对病灶感兴趣区域的自动分割。(3)提出一种基于影像组学改进的体内结石成分辅助诊断方法:针对结石病灶的临床特征,在已对预处理及分割阶段的算法进行改进的基础上,设计合适的算法继续改进影像组学的后续方法。首先对预处理及分割好的结石病灶区域分别进行二维和三维空间上的灰度、形状及纹理特征提取,各领域的特征信息互补,综合提升方法的鉴别能力;随后通过特征选择算法进行筛选,并将所选特征放入分类器进行训练;最终得出体内结石成分的辅助诊断方法,并通过实验验证其对体内草酸钙和无水尿酸结石进行鉴别的可行性及有效性。实验及结果表明,最终辅助诊断方法的分类精度(accuracy,ACC)和ROC曲线下面积(area under curve,AUC)值分别达到81.76%和89.03%,能有效地分析出体内结石中的单纯草酸钙和无水尿酸成分,可为临床医生诊断提供有效的参考依据。