目的:探索基于MRI T2WI序列的紋理分析在預(yù)測(cè)肝細(xì)胞癌病理分化程度中的價(jià)值。資料與方法:回顧性分析134例肝細(xì)胞癌患者的資料,所有被試均經(jīng)手術(shù)證實(shí)并按照Edmondson-Steiner方法分級(jí)。應(yīng)用MaZda軟件在MRI T2WI圖像中腫瘤部分手動(dòng)勾畫(huà)感興趣區(qū),提取并篩選紋理特征參數(shù),方法包括交互信息(MI)、Fisher系數(shù)、分類(lèi)錯(cuò)誤概率聯(lián)合平均相關(guān)系數(shù)(POE+ACC)及3種方法聯(lián)合(Fisher+POE+ACC+MI聯(lián)合法,MPF)。通過(guò)軟件自帶的特征分類(lèi)方法包括原始數(shù)據(jù)分析(RDA)、主要成分分析(PCA)、線性分類(lèi)分析(LDA)和非線性分類(lèi)分析(NDA)選出最具鑒別能力的紋理特征,結(jié)果以誤判率表示。將肝癌的病理級(jí)別作為因變量,采用二分類(lèi)Logistics回歸分析,將MPF方法篩選出的30個(gè)紋理進(jìn)行分析,得到評(píng)估HCC分化程度的獨(dú)立預(yù)測(cè)因子,P0.05認(rèn)為差異有統(tǒng)計(jì)學(xué)意義;采用ROC曲線評(píng)價(jià)各參數(shù)單獨(dú)應(yīng)用及聯(lián)合應(yīng)用的鑒別效能。結(jié)果:紋理特征參數(shù)選擇方法中,MI、Fisher系數(shù)和POE+ACC 3種方法鑒別肝細(xì)胞癌高、低分化誤判率接近。紋理特征分類(lèi)分析方法中,NDA區(qū)分兩種病變的誤判率(8.21%)明顯低于RDA、PCA和LDA3種方法,具有最優(yōu)的鑒別診斷效能。S(0,5)Entropy、、S(5,-5)Entropy、、WavEnHL__s2為鑒別高、低分化HCC效能最高的紋理特征,且聯(lián)合三個(gè)紋理參數(shù)鑒別能力有所提高。結(jié)論:基于MRIT2WI序列的紋理分析可用于鑒別肝細(xì)胞癌高、低分化程度。
【學(xué)位單位】：南方醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：R735.7;R445.2
【部分圖文】：

?基于Ｔ２ＷＩ序列的紋理分析在鑒別肝細(xì)胞癌分化程度的應(yīng)用研究???表１?ＭａＺｄａ紋理參數(shù)表??方法?參數(shù)??灰度直方圖（ｎ＝９）?均值、方差、偏態(tài)系數(shù)、峰度、百分位數(shù)（１％、１０％、５０％、９０％、９９％）??絕對(duì)梯度（ｎ＝５）?均值、方差、偏度、峰度、非零梯度像素百分比??游程矩陣（ｎ＝２〇）?游程長(zhǎng)度非均勻性、灰度非均勻性、長(zhǎng)游程補(bǔ)償、短游程補(bǔ)償、分?jǐn)?shù)游程??灰度共生矩陣?能量、對(duì)比度、自相關(guān)、熵、熵和、平方和、均和、均差、逆差距、熵差、??（ｎ＝２２０）?變異數(shù)差??自回歸模型（ｎ＝５）?參數(shù)０?（１？４）、參數(shù)〇??小波變換（ｎ＝２０）?小波變換頻帶系數(shù)能量??

?基于Ｔ２ＷＩ序列的紋理分析在鑒別肝細(xì)胞癌分化程度的應(yīng)用研究???表１?ＭａＺｄａ紋理參數(shù)表??方法?參數(shù)??灰度直方圖（ｎ＝９）?均值、方差、偏態(tài)系數(shù)、峰度、百分位數(shù)（１％、１０％、５０％、９０％、９９％）??絕對(duì)梯度（ｎ＝５）?均值、方差、偏度、峰度、非零梯度像素百分比??游程矩陣（ｎ＝２〇）?游程長(zhǎng)度非均勻性、灰度非均勻性、長(zhǎng)游程補(bǔ)償、短游程補(bǔ)償、分?jǐn)?shù)游程??灰度共生矩陣?能量、對(duì)比度、自相關(guān)、熵、熵和、平方和、均和、均差、逆差距、熵差、??（ｎ＝２２０）?變異數(shù)差??自回歸模型（ｎ＝５）?參數(shù)０?（１？４）、參數(shù)〇??小波變換（ｎ＝２０）?小波變換頻帶系數(shù)能量??

?ＷａｖＥｎＨＬ＿ｓ２??圖４髙、低級(jí)別肝細(xì)胞肝癌Ｓ（０，５）Ｅｎｔｒｏｐｙ、Ｓ（５，－５）Ｅｎｔｒｏｐｙ、ＷａｖＥｎＨＬ＿ｓ２特征比較??紋理特征及三種參數(shù)聯(lián)合鑒別高、低分化ＨＣＣ的ＲＯＣ曲線如圖５所示，??Ｓ（０，５）Ｅｎｔｒｏｐｙ?鑒別高、低分化?ＨＣＣ?的?ＡＵＣ?為?０．７４２３，?ｃｕｔ?ｏｆｆ＝２．６６９７?時(shí)，敏感??度０．８４８，特異度０．５４３；?Ｓ（５，－５）Ｅｎｔｒｏｐｙ鑒別高、低分化ＨＣＣ的ＡＵＣ分別為??０．７５７，ｃｕｔ?ｏｆｆ＝２．６３０５?時(shí)，敏感度?０．８９９，特異度?０．５４３；?ＷａｖＥｎＨＬ＿ｓ２?鑒別高、??１０??
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳艷;張景發(fā);姜文亮;李強(qiáng);;基于HJ-1C衛(wèi)星數(shù)據(jù)的活動(dòng)斷層提取研究[J];地殼構(gòu)造與地殼應(yīng)力文集;2016年02期

2 李德仁;張繼賢;;影象紋理分析的現(xiàn)狀和方法(一)[J];武測(cè)科技;1993年03期

3 宋子安;唐勤生;;車(chē)床加工紋理分析——車(chē)床走刀均勻性的研究[J];裝備機(jī)械;1988年01期

4 吳健康,張偉明;應(yīng)用紋理分析的DCT圖象編碼[J];通信學(xué)報(bào);1989年01期

5 余軍,吳國(guó)威,吳中權(quán);三維物體表面的紋理綜合[J];電子學(xué)報(bào);1989年02期

6 陳賀新,戴逸松;圖象紋理分析的約束最小二乘濾波器[J];電子學(xué)報(bào);1989年06期

7 舒寧;衛(wèi)星遙感影像紋理分析與分形分維方法[J];武漢測(cè)繪科技大學(xué)學(xué)報(bào);1998年04期

8 黃勝華,劉海鷹,彭思龍,洪繼光;基于非乘積型小波的紋理分析[J];中國(guó)圖象圖形學(xué)報(bào);1998年09期

9 張鵬志;李蘭斌;;地震紋理分析在油氣勘探中應(yīng)用進(jìn)展[J];物探與化探;2013年03期

10 姚煒,趙玉華;計(jì)算機(jī)紋理分析在超聲診斷中的應(yīng)用[J];中華超聲影像學(xué)雜志;1999年02期

相關(guān)博士學(xué)位論文 前10條

1 謝彩琴;Gd-EOB-DTPA MRI紋理分析在預(yù)測(cè)肝癌TACE術(shù)后早期療效的初步研究[D];南方醫(yī)科大學(xué);2018年

2 曹毅媛;基于計(jì)算機(jī)斷層紋理分析的不同基因類(lèi)型肺腺癌的研究[D];武漢大學(xué);2018年

3 劉建立;基于小波紋理分析和魯棒貝葉斯神經(jīng)網(wǎng)絡(luò)的非織造材料外觀質(zhì)量識(shí)別[D];蘇州大學(xué);2010年

4 孫慧賢;基于紋理分析的視覺(jué)檢測(cè)方法與應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

5 楊蕾;基于小波域馬爾可夫激光散斑表面粗糙度測(cè)量方法研究[D];合肥工業(yè)大學(xué);2015年

6 張國(guó)鵬;三維紋理分析在虛擬結(jié)腸鏡計(jì)算機(jī)輔助檢測(cè)/診斷中的應(yīng)用研究[D];第四軍醫(yī)大學(xué);2013年

7 金舟;圖像著色關(guān)鍵技術(shù)分析及其應(yīng)用[D];天津大學(xué);2011年

8 Hassana Grema Kaganami（哈桑）;基于顏色和紋理特征的圖像增強(qiáng)和分析算法[D];中南大學(xué);2010年

9 王冬;納米級(jí)微泡增強(qiáng)乳腺腫瘤顯像效果及高強(qiáng)度聚焦超聲消融效果的實(shí)驗(yàn)研究[D];重慶醫(yī)科大學(xué);2012年

10 王慶香;基于小波的紋理分析及其在FPC金面缺陷檢測(cè)中的應(yīng)用[D];華南理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 黃偉康;基于T2WI序列的紋理分析在鑒別肝細(xì)胞癌分化程度的應(yīng)用研究[D];南方醫(yī)科大學(xué);2018年

2 吳莉莉;具有精確邊界的紋理設(shè)計(jì)方法及應(yīng)用[D];鄭州大學(xué);2019年

3 張晶晶;CT影像和紋理分析鑒別腫塊型胰腺炎與胰腺癌[D];南京中醫(yī)藥大學(xué);2019年

4 熊瑤;CT紋理分析在評(píng)價(jià)胃癌TN分期及分化程度的應(yīng)用研究[D];寧夏醫(yī)科大學(xué);2019年

5 周晚君;水泥路面紋理構(gòu)造恢復(fù)方法及評(píng)價(jià)研究[D];長(zhǎng)安大學(xué);2018年

6 裴子璐;基于CT圖像的3D紋理分析鑒別腎細(xì)胞癌的初步價(jià)值[D];安徽醫(yī)科大學(xué);2018年

7 Nafir Abdul Jaleel;磁共振圖像紋理分析在晚期鼻咽癌分期中的應(yīng)用及對(duì)鼻咽癌治療反應(yīng)的預(yù)測(cè)價(jià)值[D];大連醫(yī)科大學(xué);2018年

8 Padikkalakandy Cheriyath Shesnia Salim;定量ADC圖的紋理分析對(duì)高級(jí)別膠質(zhì)瘤與腦轉(zhuǎn)移瘤的鑒別診斷[D];大連醫(yī)科大學(xué);2018年

9 張仕慧;Bp-MRI 3D紋理分析對(duì)高級(jí)別前列腺癌診斷及評(píng)估的初探[D];遵義醫(yī)學(xué)院;2018年

10 王俊;紋理分析對(duì)胰腺導(dǎo)管腺癌、神經(jīng)內(nèi)分泌腫瘤及實(shí)性假乳頭狀腫瘤鑒別診斷的價(jià)值[D];中國(guó)醫(yī)科大學(xué);2018年

本文編號(hào)：2853398