论文摘要
目的评估CT图像纹理特征对≥6 mm纯磨玻璃密度肺腺癌中浸润性病变的鉴别价值。方法回顾性分析2013年9月至2015年10月期间上海长征医院所有高分辨率CT图像表现为≥6 mm肺部纯磨玻璃结节(pGGN)且病理结果明确的病例,收集其基线临床资料。共有来自91例患者的91个pGGN纳入研究,依照病理结果分为浸润前组(n=39)和浸润性组(n=52)。对每个pGGN沿分界进行半自动分割并提取该区域的图像纹理特征参数,分析比较两组患者的临床数据和图像纹理特征参数。采用Logistic回归分析浸润性病变的独立鉴别指标,接受者操作特性(ROC)曲线分析各独立指标及回归模型的鉴别诊断效能。结果平均CT值、最大CT值、最大有效长径、表面积、体积、质量及逆差距在两组间具有统计学差异(P<0.05)。Logistic回归结果证明,逆差距(OR=0.559)、最大有效长径(OR=1.305)及平均CT值(OR=1.009)为浸润性病变的独立鉴别指标(P<0.05)。使用Logistic回归模型鉴别浸润性病变的ROC曲线下面积(AUC)为0.809,鉴别效能优于单独使用逆差距(AUC=0.672)、平均CT值(AUC=0.660)及最大有效长径(AUC=0.704)。结论图像纹理参数分析能够较为准确地鉴别≥6 mm pGGN中的浸润性病变,逆差距、平均CT值及最大有效长径为独立鉴别指标。
论文目录
文章来源
类型: 期刊论文
作者: 李西,肖湘生,董伟华
关键词: 体层摄影术,线计算机,磨玻璃密度,肺腺癌,纹理分析
来源: 军事医学 2019年11期
年度: 2019
分类: 医药卫生科技
专业: 临床医学,肿瘤学,特种医学
单位: 海军军医大学(第二军医大学)长征医院介入科
分类号: R734.2;R730.44
页码: 871-874
总页数: 4
文件大小: 1138K
下载量: 18
相关论文文献
- [1].医学图像纹理特征与基因类型相关研究概述[J]. 电子世界 2020(03)
- [2].图像纹理分析的方法与应用[J]. 黑龙江科技信息 2009(16)
- [3].PET/CT和多参数磁共振成像图像纹理分析诊断移行带前列腺癌的价值[J]. 肿瘤影像学 2020(01)
- [4].纹理损失最小约束下跟踪图像阴影自动去除算法[J]. 自动化与仪器仪表 2019(03)
- [5].基于结构-纹理分层的夜间图像去雾算法[J]. 激光与光电子学进展 2018(06)
- [6].基于图像纹理的煤岩识别研究[J]. 煤炭技术 2015(07)
- [7].图像纹理区检测及分割算法研究[J]. 信息安全与技术 2011(09)
- [8].一种基于图像纹理特征和支持向量机的版权保护方法[J]. 网络安全技术与应用 2017(08)
- [9].基于不完全小波树型结构的图像纹理特征研究[J]. 中国图象图形学报 2009(07)
- [10].基于多重分形谱的木材高光谱图像纹理分类算法[J]. 液晶与显示 2019(12)
- [11].三维动画图像纹理实时渲染系统设计[J]. 现代电子技术 2018(05)
- [12].基于图像纹理分析技术检测食用植物油中动物油的掺伪[J]. 中国油脂 2014(03)
- [13].实时图像纹理替换算法[J]. 计算机科学 2013(09)
- [14].关于果林中果害虫图像特征高效分类识别仿真[J]. 计算机仿真 2018(02)
- [15].基于块排序的降噪方法及其在农业图像中的应用[J]. 农业机械学报 2017(S1)
- [16].多特征组合和用户反馈的图像检索算法[J]. 吉林大学学报(理学版) 2017(06)
- [17].医学图像纹理分析的方法及应用[J]. 中国医学装备 2013(08)
- [18].基于相容粒度空间模型的图像纹理识别[J]. 重庆邮电大学学报(自然科学版) 2009(04)
- [19].关于历史珍品残破图像快速修复仿真研究[J]. 计算机仿真 2018(04)
- [20].图像复杂度研究综述[J]. 计算机科学 2018(09)
- [21].基于粗糙粒模型的图像纹理识别和检索[J]. 模式识别与人工智能 2012(02)
- [22].基于新的风格损失函数的图像风格转换方法[J]. 电子测量技术 2019(04)
- [23].基于区间梯度的联合双边滤波图像纹理去除方法[J]. 计算机科学 2018(03)
- [24].微波消融组织B超图像纹理特征参数与温度的相关性[J]. 中国生物医学工程学报 2009(06)
- [25].图像纹理分析技术实现植物油掺假检测研究[J]. 中国粮油学报 2014(03)
- [26].PET/CT显像联合融合图像纹理特征分析在肺癌鉴别诊断中的应用价值探讨[J]. 中国医学计算机成像杂志 2010(02)
- [27].基于医学图像纹理特征的疾病诊断方法及其应用现状[J]. 北京生物医学工程 2008(04)
- [28].基于多模态特征的医学图像聚类方法[J]. 计算机科学与探索 2018(03)
- [29].图像纹理基元分类的马尔柯夫随机场方法[J]. 武汉大学学报(信息科学版) 2017(04)
- [30].计算机辅助诊断技术中图像纹理研究的主要方法及其应用[J]. 中国组织工程研究与临床康复 2009(39)