CT图像纹理分析在卵巢良恶性肿瘤鉴别诊断中的应用价值.pdfVIP

目录

中文摘要…………………1

英文摘要…………………3

英文缩写…………………6

研究论文

CT图像纹理分析在卵巢良恶性肿瘤鉴别诊断中的应用价值

前言………………7

资料与方法…………8

结果………………11

附图………………13

附表………………14

讨论………………17

结论………………22

文献参考……………23

综述影像组学纹理分析方法在卵巢肿瘤诊断中的应用价值…26

致谢…………………37

个人简历…………………39

CT图像纹理分析在卵巢良恶性肿瘤鉴别诊断中的应用价值

摘要

目的：1.探讨CT增强图像灰度共生矩阵（graylevelco-occurrence

matrix,GLCM）纹理参数在卵巢良恶性肿瘤诊断中的价值。2.探讨CT

图像纹理分析（CTTextureanalysis,CTTA）方法在卵巢良恶性肿瘤鉴

别诊断中的临床应用价值。

方法：1.回顾性收集2016年8月至2019年6月期间行盆腔CT

增强扫描的卵巢肿瘤患者54例（恶性32例，良性22例），根据病理

结果分为卵巢恶性肿瘤和卵巢良性肿瘤两组。将患者治疗之前的盆腔

CT增强扫描动脉期和静脉期图像分别导入Omni-Kinetics软件，手动

勾画感兴趣区（regionofinterest,ROI）。勾画完成后，使用Omni-Kinetics

软件进行纹理参数计算，提取能量（Energy）、熵（Entropy）、惰性

（Inertia）、相关性（Correlation）、逆差矩(InverseDifferenceMoment,

IDM)5种纹理特征参数。运用SPSS25.0对病灶区提取的纹理特征参

数进行统计学分析，服从正态分布的计量资料采用两独立样本t检验，

结果用均数±标准差(x̅±s)表示，列出P值，以P0.05有统计学意义。

对差异具有统计学意义的纹理特征参数采用受试者工作特征曲线

（receiveroperatingcharacteristiccurve,ROC）分析并计算曲线下面积

(areunderthecurve,AUC)。以0.5AUC0.7为诊断效能一般，0.7~0.9

为诊断效能较好，AUC0.9为诊断效能显著。根据最大约登指数(约登

指数=敏感度-（1-特异度）)确定阈值。2.回顾性收集2014年7月至

2016年7月期间行盆腔CT增强扫描的卵巢肿瘤患者60例（恶性37

例，良性23例），选取两名有5年以上CT诊断工作经验的医师单纯

依靠盆腔CT增强扫描图像（A组）和运用Omni-Kinetics软件进行纹

理分析（B组）对图像作出良恶性的诊断，以病理结果作为诊断金标准，

比较两组间的诊断正确率。运用SPSS25.0对两组结果进行统计学分

析，采用卡方检验比较两组间的正确率，以P0.05有统计学意义。

结果：1.（1）基于盆腔CT增强扫描图像计算出的5种纹理参数

（以均数±标准差表示）的比较得出，5种纹理参数在两组间的差异

均有统计学意义，其中能量在两组间的差异最显著。能量在动脉期图

像纹理特征参数分析中显示：恶性肿瘤组0.000975±0.000567，良性

肿瘤组0.001261±0.000860，差异有统计学意义（P=0.004＜0.05）；

在静脉期图像纹理特征参数分析中显示：恶性肿瘤组0.0009