目的探討基于CT平掃圖像紋理分析鑒別診斷浸潤性肺腺癌與非鈣化結(jié)核球的可行性。方法回顧性分析52例經(jīng)病理證實(shí)的單發(fā)肺結(jié)節(jié)患者的平掃CT資料,其中31例浸潤性肺腺癌,21例非鈣化結(jié)核球。采用MaZda軟件于2種病灶各提取300個(gè)紋理特征,之后以費(fèi)希爾參數(shù)法（Fisher）、最小分類誤差與最小平均相關(guān)系數(shù)法（POE+ACC）、相關(guān)信息測度法（MI）分別篩選出10個(gè)最佳紋理特征,并將其合并得到3種方法聯(lián)合的最佳紋理特征組合（MPF）。采用線性判別分析（LDA）和非線性判別分析（NDA）對4組最佳紋理特征進(jìn)行分類,LDA及NDA分別以K-近鄰分類器（K-NN）及人工神經(jīng)網(wǎng)絡(luò)（ANN）進(jìn)行分類。分析4組紋理特征鑒別2種病變的最小錯(cuò)誤率,比較2組病變間30個(gè)最佳紋理特征的差異,并繪制其鑒別2種病變的ROC曲線,計(jì)算AUC,評價(jià)其診斷效能。結(jié)果對于單組最佳紋理特征,NDA/ANN-Fisher法的錯(cuò)誤率最低,為7.69%（4/52）;對于MPF,NDA/ANN-MPF法的錯(cuò)誤率最低,為5.77%（3/52）;而NDA/ANN-Fisher法的錯(cuò)誤率與NDA/ANN-MPF法差異無統(tǒng)計(jì)學(xué)意義（χ

【文章來源】：中國醫(yī)學(xué)影像技術(shù). 2020,36(04)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

勾畫浸潤性肺腺癌(A,紅色)和非鈣化結(jié)核球ROI示意圖(B,綠色)

表2 最佳紋理特征鑒別2種病變的ROC曲線分析結(jié)果 紋理特征 AUC(95%CI) 標(biāo)準(zhǔn)誤 P值 截?cái)嘀?敏感度(%) 特異度(%) 準(zhǔn)確率(%) 差異熵S(1,1) 0.71(0.56,0.86) 0.76 0.01 0.47 80.65 66.67 75.00 差方差S(1,1) 0.71(0.56,0.86) 0.75 0.01 0.35 77.42 57.14 69.23 梯度方差 0.70(0.56,0.85) 0.72 0.01 0.38 70.97 66.67 69.23本研究僅針對CT平掃圖像,目前圍繞增強(qiáng)CT對紋理特征分析是否有所幫助仍存在爭議。GANESHAN等[15]認(rèn)為增強(qiáng)掃描可增加血管對比度,更好地反映病灶的異質(zhì)性;而DENNIE等[13]指出采用3個(gè)相同的紋理特征于增強(qiáng)CT鑒別肺癌的敏感度(38%)低于平掃CT(88%)。

【參考文獻(xiàn)】：
期刊論文
[1]基于單源雙能CT平掃圖像的紋理分析對肝膿腫和肝轉(zhuǎn)移瘤的鑒別價(jià)值[J]. 王楠,劉愛連,李燁,徐明哲,王學(xué)東,郭研.  放射學(xué)實(shí)踐. 2019(11)
[2]基于全腫瘤ADC圖紋理特征診斷腦膠質(zhì)瘤分級[J]. 梅東東,羅燕,龔靜山,彭全洲,成志強(qiáng).  中國醫(yī)學(xué)影像技術(shù). 2019(07)
[3]X線紋理分析鑒別診斷乳腺葉狀腫瘤與纖維腺瘤[J]. 張錦超,胡漢金.  中國醫(yī)學(xué)影像技術(shù). 2019(02)
[4]CT紋理分析技術(shù)鑒別良惡性孤立性肺結(jié)節(jié)[J]. 張娜,鄂林寧,吳山,武志峰.  中國醫(yī)學(xué)影像技術(shù). 2018(08)



本文編號：3599686