首页 > 文献资料
-
CT图像纹理分析鉴别乏血供胰腺神经内分泌肿瘤与胰腺导管腺癌
目的 探讨采用CT图像纹理分析鉴别乏血供胰腺神经内分泌肿瘤(pancreatic neuroendocrine tumors,PNET)和胰腺导管腺癌(pancreatic ductal adenocarcinomas,PDAC)的可行性.方法 回顾性分析四川大学华西医院于2009年1月至2017年1月期间收治的经病理学检查证实的乏血供PNET(共计15个病灶)和PDAC(共30个病灶)的CT资料.结果 利用MaZda软件中的费希尔参数法(Fisher)+小分类误差与小平均相关系数法(PA)+相关信息测度法(MI)联合法自动选择出30个佳纹理特征,在动脉期的频率分布为:共生矩阵18个,游程矩阵10个,自回归模型2个;在门静脉期的频率分布为:共生矩阵15个,游程矩阵10个,灰度直方图1个,绝对梯度1个,自回归模型3个.在动脉期和门静脉期中,Teta2均为诊断效能高的单个纹理特征,其曲线下面积(AUC)值分别为0.829和0.740 (P<0.001,P=0.009).利用MaZda自带的B11数据分析模块分析30个佳纹理特征,在动脉期,原始数据分析(RDA)/K邻近分类(KNN)法、主成分分析(PCA)/KNN法、线性判别分析(LDA)/KNN法和非线性判别分析(NDA)/人工神经网络(ANN)法的错判率分别为28.89% (13/45)、28.89% (13/45)、0(0/45)及4.44% (2/45);在门静脉期,RDA/KNN、PCA/KNN、LDA/KNN及NDA/ANN法的错判率分别为35.56% (16/45)、33.33% (15/45)、4.44% (2/45)及11.11%(5/45).结论 CT图像纹理分析鉴别乏血供PNET与PDAC是可行的,其中纹理特征“Teta2”具有较高的诊断效能,动脉期LDA/KNN法具有小的错判率.
关键词: CT图像 纹理分析 乏血供胰腺神经内分泌肿瘤 胰腺导管腺癌 鉴别诊断