导读:本文包含了纹理参数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:纹理,参数,表观,直方图,磁共振,系数,肿瘤。
纹理参数论文文献综述
B.Li,Y.K.Xin,G.Xiao,G.F.Li,S.J.Duan[1]（2019）在《DWI预测胸腺上皮肿瘤的病理亚型及分期:ADC与纹理参数结合的价值》一文中研究指出摘要目的探讨扩散加权成像(DWI)中表观扩散系数(ADC)和纹理参数相结合预测胸腺上皮肿瘤(TET)病理亚型和分期的价值。方法回顾性分析57例经病理分析证实的(本文来源于《国际医学放射学杂志》期刊2019年06期）
牛淼,刘爱连,张钦和,李烨,郭妍[2]（2019）在《ADC直方图及纹理分析参数鉴别子宫肉瘤与变性肌瘤的价值》一文中研究指出目的初探ADC直方图及纹理分析参数对子宫肉瘤与变性肌瘤的鉴别诊断价值。方法回顾性分析经病理证实且均行1.5 T MRI T_1WI、T_2WI、DWI(b=600 s/mm~2)及LAVA增强序列扫描的16例子宫肉瘤(US)与31例变性子宫肌瘤(DUF)患者资料。用Omni-Kinetics软件对重建ADC图进行分析和测量。将所测得的直方图参数(最大值、平均值、标准差、一致性、50~(th)、75~(th)、90~(th)、95~(th)、偏度、峰度)及纹理分析参数(能量、熵)采用独立样本t检验或非参数Mann-Whitney检验进行分析,应用ROC曲线评估上述参数鉴别US与DUF的诊断效能。结果 US的最大值、平均值、标准差、50~(th)、75~(th)、90~(th)、95~(th)、偏度、熵值均小于DUF,能量值、一致性大于DUF,差异均有统计学意义(P<0.05)。其中熵值的曲线下面积(AUC)最大,诊断效能最佳(AUC=0.94)。结论 ADC直方图及纹理分析参数为鉴别US与DUF能提供更多的诊断信息,其中以熵值的诊断效能最高。(本文来源于《临床放射学杂志》期刊2019年10期）
王敬忠,李锋,朱襄明,赵康艳,陈韵[3]（2019）在《甲状腺恶性结节CT纹理分析参数与结节内癌基因表达的相关性研究》一文中研究指出目的检测甲状腺恶性结节CT纹理分析参数,探讨其与结节内癌基因表达的相关关系。方法选择2014年12月～2018年2月间在本院进行甲状腺结节切除术治疗的甲状腺结节患者311例(409个病灶),收集其切除的结节病灶标本,并根据病理检查结果分为恶性组287个,良性组122个。检测甲状腺结节CT纹理,分析参数水平及结节内原癌基因、抑癌基因表达量。结果恶性组CT纹理分析参数中熵值(6.94±0.78),高于良性组(5.88±0.65)(t=13.187,P=0.000)。两组偏度、峰态水平差异无统计学意义(t=-1.113、-1.062,P=0.133、0.144)。恶性组甲状腺结节中原癌基因RET、RAS、TRK、PAX8-PPARγ1 mRNA的表达量均高于良性组甲状腺结节;抑癌基因DMBT1、DPC4、PTEN、TIP30 mRNA的表达量均低于良性组甲状腺结节(t=15.563、19.834、12.422、23.745、-13.367、-6.386、-9.674、-20.182,P均<0.05)。甲状腺恶性结节的CT熵值与其中原癌基因表达量呈正相关,与抑癌基因表达量呈负相关(γ=0.310、0.298、0.463、0.571、-0.287、-0.354、-0.274、-0.417,P均<0.05)。结论 CT纹理分析参数中的熵值可用于甲状腺良恶性结节鉴别,且其具体水平与恶性结节中癌基因表达量直接相关,在判断结节恶性程度方面具有一定意义。(本文来源于《医学影像学杂志》期刊2019年08期）
王昕,蒋佐富,蔡荣明,尚将,吴瑞文[4]（2019）在《纹理参数耦合GA-BP神经网络的电力设备图像识别方法介绍》一文中研究指出针对目前电厂和变电站的视频监控设备只有视频监控,而没有图像识别功能,提出结合纹理参数和GA-BP神经网络的电力设备图像识别方法。首先,用采集到的图像数据构建灰度共生矩阵;其次,通过灰度共生矩阵计算出各图像的纹理参数;最后,对GA-BP神经网络进行训练并确定最优模型,实现分类。(本文来源于《应用能源技术》期刊2019年08期）
许述文,王乐,曾威良,水鹏朗[5]（2019）在《逆伽马纹理复合高斯杂波参数的贝叶斯估计方法》一文中研究指出复合高斯杂波(CGC)在拟合高分辨力、低掠射角海杂波中已得到广泛应用,带有逆伽马纹理的CGC的强度分布为广义帕累托(GP)分布。在实际雷达工作场景中,由于观测区域内海杂波的非平稳非均匀特性,导致独立同分布杂波样本的获取十分困难。提出一种广义帕累托分布参数的贝叶斯估计方法,通过在线更新数据的先验信息,获取小样本情形下GP分布参数。仿真实验证明,该方法能够在样本数量较小的情况下,对GP数据实现较为精确的参数估计。(本文来源于《太赫兹科学与电子信息学报》期刊2019年04期）
徐燕军[6]（2019）在《基于多参数MRI纹理分析对前列腺移行区肿瘤的诊断价值》一文中研究指出目的评估基于多参数MRI (multiple parameter MRI,mpMRI)成像的衍生直方图纹理分析参数对前列腺移行区(transition zone,TZ)肿瘤的诊断价值。方法连续收集60例怀疑有前列腺癌的男性患者,在超声引导下经直肠活检前行3.0T mpMRI检查。其中,25位患者患有临床有意义TZ肿瘤。由两位有经验的放射科医师勾画靶区,定义感兴趣区(region of interest,ROI区)。使用Mann Whitney检验分析同层TZ肿瘤和周围区域的纹理差异。通过受试者工作特征(receiver operating characteristic,ROC)曲线进一步评估这一方法诊断准确性。结果有临床有意义的TZ肿瘤的ADC峰度显着降低(p<0.001),ROC(AUC为0.80 (LOO(AUC0.78);单层TZ(ROI图像中除外有意义肿瘤后,差异不显着(p=0.23)。含肿瘤的TZ的ROCAUC为0.70 (LOO(AUC 0.66),T1熵显着降低(p=0.004),且不受除外肿瘤区域的影响(p=0.004)。结合这些参数产生的ROC(AUC为0.86 (LOO(AUC0.83)。结论整个前列腺TZ的纹理特征可以通过降低ADC直方图的峰度来鉴别显着的前列腺癌,其中显着的肿瘤包括在TZ ROI中并且T1熵降低与除外肿瘤无关。(本文来源于《中国超声医学工程学会第五届全国介入超声医学学术交流大会论文汇编》期刊2019-08-23）
张睿馨,许茂盛,卜阳阳[7]（2019）在《动态对比增强磁共振成像纹理分析及药代动力学参数对乳腺良恶性》一文中研究指出目的:动态对比增强磁共振成像纹理分析及药代动力学参数对乳腺良恶性病变的鉴别诊断价值。方法:回顾性分析经手术病理证实的78例乳腺癌和32例乳腺良性病变患者(平均年龄44.8±9.2;范围25-69岁)的临床资料和磁共振图像,磁共振检查在术前1周内完成。通过使用药物动力学参数,包括Ktrans和曲线下(本文来源于《中国中西医结合学会医学影像专业委员会第十七次全国学术大会暨甘肃省中西医结合学会医学影像专业委员会第六届学术年会资料汇编》期刊2019-08-22）
万强,陈基明,邢涛,邵颖[8]（2019）在《基于CT密度联合纹理参数建模预测垂体大腺瘤质地》一文中研究指出目的探讨基于CT平扫图像密度联合纹理参数预测垂体大腺瘤质地的价值。方法收集50例经手术病理证实的垂体大腺瘤,根据术中垂体质地分为质软组(n=30)与质硬组(n=20)。于CT图像肿瘤最大层面手动勾画ROI,测量病变CT值,并提取纹理特征参数。比较2组间CT值及纹理特征差异,对有统计学意义的变量采用多因素Logistic回归分析建立预测垂体腺瘤质地的模型,绘制ROC曲线评价其预测效能。结果质软组与质硬组间CT值差异有统计学意义(P=0.031),其预测肿瘤质地的AUC为0.662。基于CT平扫图像共提取77个纹理参数,经筛选获得4个2组间差异有统计学意义的参数,包括第90百分位数、惯量、方差和对比度,其预测肿瘤质地的AUC分别为0.662、0.663、0.672和0.663。多因素Logistic回归分析建立的纹理特征模型预测垂体腺瘤质地的AUC为0.690,CT值结合纹理参数模型的AUC为0.782。结论 CT值结合纹理参数建立的模型对于预测垂体腺瘤质地具有较高价值,可为临床选择手术方案提供帮助。(本文来源于《中国医学影像技术》期刊2019年08期）
刘立恒,吕晗,靳二虎,王振常,饶圣祥[9]（2019）在《ADC图纹理参数在预测局部进展期直肠癌新辅助放化疗抗拒的应用研究》一文中研究指出目的探讨ADC图纹理参数在预测局部进展期直肠癌新辅助放化疗(NCRT)抗拒中的应用价值。方法回顾性分析接受NCRT和根治手术且NCRT前MRI数据齐全的局部进展期直肠癌患者资料共53例。对治疗前ADC图进行后处理,提取肿瘤区域的133个纹理参数。根据术后病理分期和NCRT前MRI分期的对比结果将患者分为对NCRT抗拒组和有效组。对比纹理参数在两组间的差异,将有统计学意义的参数纳入逻辑回归模型,确定NCRT抗拒的独立预测指标,采用ROC曲线分析,评估其对NCRT抗拒的预测效能。结果 17个ADC图纹理参数在两组间差异有统计学意义,通过多因素逻辑回归分析,能量方差和Sd Ga47两个纹理参数可作为NCRT抗拒的独立预测指标,利用该逻辑回归模型对NCRT抗拒进行预测的ROC曲线下面积为0. 889。结论基于ADC图的纹理参数有助于在治疗前筛选出直肠癌NCRT抗拒患者。(本文来源于《临床放射学杂志》期刊2019年07期）
龚恩惠,周永进,李露,曹卓[10]（2019）在《中央型小细胞肺癌与鳞癌CT纹理分析参数特征比较》一文中研究指出目的运用基于CT图像的纹理分析方法比较中央型小细胞肺癌和鳞癌量化参数特征。方法回顾性分析64例经病理证实的中央型肺癌(鳞癌49例,小细胞肺癌15例)患者资料,将所有患者分为小细胞肺癌组(SCLC组)、中高分化鳞癌组(SCC-A组)和低分化鳞癌组(SCC-B组)。患者均于治疗前行常规CT平扫和增强扫描,对肿瘤实质部分勾画感兴趣区域(ROI),利用后处理软件分别计算相应的纹理参数平均值、峰度值、偏度值及不均质度值。采用单因素方差分析(one-way ANOVA)或Kruskall-Wallis H检验比较叁组肺癌平扫和增强CT纹理参数的差异,并对有统计学差异的参数值绘制受试者操作曲线(ROC),计算相应临界值的敏感度、特异度及曲线下面积(AUC)。结果平扫和增强SCC-A组不均质度值明显高于SCLC组和SCC-B组,峰度值明显低于SCLC组和SCC-B组,差异有统计学意义(P<0.05)。ROC结果显示,平扫图像:鉴别SCC-A组与SCLC组和SCC-A组与SCC-B组,不均质度值和峰度值的AUC分别为0.851 (95%CI:0.711～0.940)、0.786 (95%CI:0.646～0.890)、0.772(95%CI:0.621～0.885)、0.703(95%CI:0.556～0.825);增强图像:鉴别SCC-A组与SCLC组和SCC-A组与SCC-B组,不均质度值和峰度值的AUC分别0.906(95%CI:0.779～0.973)、0.831(95%CI:0.697～0.923)、0.862(95%CI:0.725～0.947)、0.745(95%CI:0.600～0.859)。结论平扫和增强CT纹理参数峰度值和不均质度值可有效鉴别小细胞肺癌与中高分化鳞癌以及中高分化鳞癌与低分化鳞癌,可以提供比平均CT值更多的量化信息,有助于为临床提供更多鉴别二者的定量信息。(本文来源于《中国现代医生》期刊2019年21期）
纹理参数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的初探ADC直方图及纹理分析参数对子宫肉瘤与变性肌瘤的鉴别诊断价值。方法回顾性分析经病理证实且均行1.5 T MRI T_1WI、T_2WI、DWI(b=600 s/mm~2)及LAVA增强序列扫描的16例子宫肉瘤(US)与31例变性子宫肌瘤(DUF)患者资料。用Omni-Kinetics软件对重建ADC图进行分析和测量。将所测得的直方图参数(最大值、平均值、标准差、一致性、50~(th)、75~(th)、90~(th)、95~(th)、偏度、峰度)及纹理分析参数(能量、熵)采用独立样本t检验或非参数Mann-Whitney检验进行分析,应用ROC曲线评估上述参数鉴别US与DUF的诊断效能。结果 US的最大值、平均值、标准差、50~(th)、75~(th)、90~(th)、95~(th)、偏度、熵值均小于DUF,能量值、一致性大于DUF,差异均有统计学意义(P<0.05)。其中熵值的曲线下面积(AUC)最大,诊断效能最佳(AUC=0.94)。结论 ADC直方图及纹理分析参数为鉴别US与DUF能提供更多的诊断信息,其中以熵值的诊断效能最高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
纹理参数论文参考文献
[1].B.Li,Y.K.Xin,G.Xiao,G.F.Li,S.J.Duan.DWI预测胸腺上皮肿瘤的病理亚型及分期:ADC与纹理参数结合的价值[J].国际医学放射学杂志.2019
[2].牛淼,刘爱连,张钦和,李烨,郭妍.ADC直方图及纹理分析参数鉴别子宫肉瘤与变性肌瘤的价值[J].临床放射学杂志.2019
[3].王敬忠,李锋,朱襄明,赵康艳,陈韵.甲状腺恶性结节CT纹理分析参数与结节内癌基因表达的相关性研究[J].医学影像学杂志.2019
[4].王昕,蒋佐富,蔡荣明,尚将,吴瑞文.纹理参数耦合GA-BP神经网络的电力设备图像识别方法介绍[J].应用能源技术.2019
[5].许述文,王乐,曾威良,水鹏朗.逆伽马纹理复合高斯杂波参数的贝叶斯估计方法[J].太赫兹科学与电子信息学报.2019
[6].徐燕军.基于多参数MRI纹理分析对前列腺移行区肿瘤的诊断价值[C].中国超声医学工程学会第五届全国介入超声医学学术交流大会论文汇编.2019
[7].张睿馨,许茂盛,卜阳阳.动态对比增强磁共振成像纹理分析及药代动力学参数对乳腺良恶性[C].中国中西医结合学会医学影像专业委员会第十七次全国学术大会暨甘肃省中西医结合学会医学影像专业委员会第六届学术年会资料汇编.2019
[8].万强,陈基明,邢涛,邵颖.基于CT密度联合纹理参数建模预测垂体大腺瘤质地[J].中国医学影像技术.2019
[9].刘立恒,吕晗,靳二虎,王振常,饶圣祥.ADC图纹理参数在预测局部进展期直肠癌新辅助放化疗抗拒的应用研究[J].临床放射学杂志.2019
[10].龚恩惠,周永进,李露,曹卓.中央型小细胞肺癌与鳞癌CT纹理分析参数特征比较[J].中国现代医生.2019
论文知识图
