摘要:目的研究增强CT纹理分析与肝细胞癌(HCC)病理分化程度的相关性。方法回顾性分析经病理证实的307例HCC患者临床及影像资料,提取患者增强CT动脉期及门静脉期图像中肿瘤部位形态、灰度直方图、灰度共生矩阵、灰度游程矩阵等纹理特征。根据训练集动脉期、门静脉期纹理特征及两者间差异,分别建立线性支持向量机(SVM)预测模型。将所得模型应用于测试集,采用ROC曲线分析评估各模型在测试集中预测HCC高分化或中低分化的效能。结果根据动脉期、门静脉期纹理特征及两者间差异所建立SVM预测模型的ROC曲线AUC分别为0. 75、0. 59、0. 57,动脉期SVM预测模型AUC最高,其精确性、敏感性、特异性分别为78%、81%、66%。动脉期SVM预测模型对于肝癌病理分化程度的预测效果最佳,明显优于门静脉期及两组间差异。结论根据动脉期CT纹理特征所获得的SVM预测模型能有效预测HCC病理分化程度。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
中国CT和MRI CT理论与应用研究 Journal of Semiconductors Applied Mathematics and Mechanics Chinese Optics Letters Hepatobiliary Pancreatic Diseases International Hepatobiliary Pancreatic Diseases International Communications in Theoretical Physics Journal of Systems Engineering and Electronics Science China Mathematics Acta Mathematica Scientia Numerical Mathematics相关文章
ct诊断论文