CT平扫图像纹理分析对肝癌与肝血管瘤鉴别诊断的初步研究

作者：王永芹; 黄子星; 袁放; 宋彬

来源：中国普外基础与临床杂志, 2017, 24(02): 254-258.

DOI：10.7507/1007-9424.201611102

• CT平扫
• 肝癌
• 肝血管瘤
• 纹理分析
• 图像处理

目的探讨采用CT平扫图像纹理分析的方法对肝癌和肝血管瘤进行鉴别诊断的可行性。方法回顾性纳入2014年1月至2014年9月期间在四川大学华西医院行CT平扫检查且经病理检查结果证实为肝癌和肝血管瘤患者共56例,男35例,女21例;年龄(52.4±12.079)岁。排除图像有伪影干扰和病灶直径小于1.0 cm的患者4例,剩余52例患者共57个病灶(肝癌25个、肝血管瘤32个)的CT平扫图像用于纹理分析,从灰度直方图、共生矩阵、绝对梯度、自回归模型及小波变换中提取纹理特征值,再利用费希尔参数法(Fisher)、最小分类误差与最小平均相关系数法(POE+ACC)及相关信息测度法(MI)分别选择10个最优纹理特征值,然后用Mazda中的B11模块提供的线性判别分析法(LDA)和非线性判别分析法(NDA)对纹理特征进行分析,计算出其识别肝癌和肝血管瘤的最小错误率。LDA的最大分类特征应用于K邻近分类(KNN),NDA提取出的数据用于神经网络(ANN)进行鉴别诊断。结果 NDA/ANN-POE+ACC法鉴别肝癌和肝血管瘤最好,最小错误率最低,该方法分别与LDA/KNN-Fisher、LDA/KNN-POE+ACC、LDA/KNN-MI、NDA/ANN-Fisher及NDA/ANN-MI法对比分析,差异均有统计学意义(χ2值分别为4.56、4.26、3.14、3.14、3.33,P值分别为0.020、0.018、0.026、0.026、0.022)。结论 Mazda纹理分析软件的不同纹理特征选择方法以及不同分析方法对CT平扫图像中肝癌和肝血管瘤鉴别的最小错误概率均较低,其中NDA/ANN-POE+ACC法鉴别效果最好。因此,利用CT平扫图像纹理分析的方法对肝癌和肝血管瘤进行鉴别诊断是可行的。

• 单位
  四川大学华西医院; 成都大学附属医院