肝细胞癌动脉增强指数图像纹理与病理组织学的相关性分析

发布时间：2020-06-14 02:40

【摘要】：目的在后处理软件的辅助下,探究肝细胞癌动脉增强指数伪彩图的纹理与相应肝细胞癌组织中病理组织学指标AFP、P53及Ki-67之间的统计学关系。方法回顾性收集中国医科大学附属盛京医院2016年9月至2018年9月病理组织学检查诊断为肝细胞癌的病例,且行肝脏增强CT前未对疾病进行干预,收集并整理其肝脏三期增强CT图像及相应病理组织学检查结果,使用CT Kinetics软件对图像进行后处理,获取肝动脉增强指数伪彩图后,提取该图像极差、方差、标准差、一致性、斜率、熵等纹理信息参数,采用spss20.0软件分析病变部位各个纹理参数与病理组织学指标之间的统计学关系。结果按照AFP阴性和阳性分组时,两组之间AEF图像纹理参数不存在统计学差异(P0.05);按照P53阴性和阳性分组时,两组之间AEF图像纹理参数不存在差异(P0.05);P53标记指数定量与AEF图像纹理参数之间不存在相关性(P0.05);Ki-67标记指数定量与纹理参数标准差、方差、极差存在正相关,相关系数r分别为0.355、0.384、0.359(P0.05),Ki-67标记指数定量与纹理参数一致性存在负相关,相关系数r为-0.419(P0.05)。结论本次研究中,动脉增强指数图像纹理与肝癌组织Ki-67标记指数之间存在相关性,AEF图像的纹理混乱程度随着Ki-67标记指数的增高而增加;而AFP、P53阴阳性与图像纹理无统计学相关,P53定量与肝动脉增强指数伪彩图图像纹理参数也无统计学相关。 【学位授予单位】：中国医科大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R735.7;R730.44

【图文】：

中国医科大学硕士学位论文剂浓度随时间变化作为参照，计算整个层面肝脏的动脉增强指数并生成伪彩图；随后选择门脉期病灶显示最大层面，沿病灶边缘勾画病灶的感兴趣区，并选择部分同层部分正常肝组织作为对照，最后生成并保存动脉增强指数伪彩图中病变组织和正常组织纹理分析参数。

5图 1 Ki-67 表达量与纹理参数极差、方差、标准差、一致性的线性回归Ki-67 表达量与纹理参数极差、方差、标准差存在正相关，，与纹理参数一致性存在负相关

【相似文献】

相关期刊论文 前10条

1 张学军;郭建;;图像纹理分析的方法与应用[J];黑龙江科技信息;2009年16期

2 吴涛;秦昆;;图像纹理特征数据挖掘的理论与方法探讨[J];计算机时代;2006年08期

3 王震,王执铨;图像纹理分析与纹理测度[J];南京理工大学学报(自然科学版);2002年S1期

4 范郭亮;李光;王春霞;;图像纹理区检测及分割算法研究[J];信息安全与技术;2011年09期

5 李亚春;夏德深;徐萌;;小波变换在图像纹理分析中的研究进展[J];计算机工程与应用;2005年35期

6 孟勇,洪丹辉,毛丹;测度熵在图像纹理分析中的应用[J];计算机应用与软件;2000年08期

7 丁黎明;;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年03期

8 章华;李振璧;姜媛媛;;基于图像纹理的煤岩识别研究[J];煤炭技术;2015年07期

9 徐孟春;王相海;;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年07期

10 张地;罗群;雷敏;;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年08期

相关会议论文 前10条

1 杨国华;周晨波;阮久忠;郭冰;王刚;;基于自相关函数的非平面表面粗糙度的图像纹理研究[A];第十二届全国光学测试学术讨论会论文（摘要集）[C];2008年

2 王云;董增寿;卓东风;;基于图像纹理和结构特征的燃烧指数的高温低氧火焰燃烧稳定性识别[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

3 张磊;朱磊;;一种综合图像纹理和灰度特征的分割算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年

4 袁灼彬;郑晓林;邹玉坚;方少伟;张旭升;杨沛钦;;T2WI图像纹理分析联合多参数磁共振成像在评价前列腺癌侵袭性研究[A];中国中西医结合学会医学影像专业委员会第十五次全国学术大会暨上海市中西医结合学会医学影像专业委员会2017年学术年会暨《医学影像新技术的临床应用》国家级继续教育学习班资料汇编[C];2017年

5 王鹏;吴春亚;刘德利;刘亦智;刘献礼;;基于LabVIEW的钢球表面缺陷图像纹理分析与检测[A];2007'中国仪器仪表与测控技术交流大会论文集（一）[C];2007年

6 阮久忠;周晨波;杨国华;;基于灰度共生矩阵的非平面表面粗糙度的图像纹理研究[A];第十二届全国光学测试学术讨论会论文（摘要集）[C];2008年

7 薛晶晶;白廷柱;;基于图像纹理特征的隐身效果评价方法研究[A];光电技术与系统文选——中国光学学会光电技术专业委员会成立二十周年暨第十一届全国光电技术与系统学术会议论文集[C];2005年

8 阳维;张素;陈亚珠;;射频消融组织的B超纹理分析与定征[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

9 杨伟斌;朱庆勇;余怀忠;;基于SEM图像纹理增强的岩石多孔介质渗透率计算[A];中国力学大会-2017暨庆祝中国力学学会成立60周年大会论文集（B）[C];2017年

10 韩冬;贺太平;雷雨欣;任嘉梁;吴宏培;郭炎兵;党珊;谷春雨;;基于CT图像纹理分析鉴别肾透明细胞癌分化程度WHO/ISUP简化分级[A];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[C];2019年

相关重要报纸文章 前2条

1 华凌;世界最薄泡沫屏幕可改变图像纹理[N];科技日报;2012年

2 记者 冯卫东;非侵入性成像可准确发现癌症转移[N];科技日报;2019年

相关博士学位论文 前10条

1 任燕;基于弱监督学习的图像协同分割与定位[D];西安电子科技大学;2018年

2 任逍航;基于深度学习的自然场景图像的中文字检测和识别算法研究[D];上海交通大学;2017年

3 寇旗旗;基于主曲率的图像纹理特征提取方法研究[D];中国矿业大学;2019年

4 周杰;医学图像特征的自动获取与基于内容检索的方法研究[D];第一军医大学;2004年

5 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年

6 胡广寰;基于内容图像检索中图像语义分类技术研究[D];浙江大学;2005年

7 王曙燕;医学图像智能分类算法研究[D];西北大学;2006年

8 段立娟;基于内容的图像检索与过滤关键技术研究[D];中国科学院研究生院（计算技术研究所）;2002年

9 唐俊华;科学数据库中基于内容图像检索技术研究[D];中国科学院研究生院（计算技术研究所）;2004年

10 易文晟;图像语义检索和分类技术研究[D];浙江大学;2007年

相关硕士学位论文 前10条

1 徐佩园;医疗图像的目标检测与分割研究[D];南京航空航天大学;2019年

2 关瑾宁;基于深度学习的图像描述模型研究及应用[D];哈尔滨工业大学;2018年

3 齐雪;基于常规MRI图像的不同影像组学模型在脑胶质瘤术前分级中的应用[D];中国医科大学;2019年

4 吉佳琳;肝细胞癌动脉增强指数图像纹理与病理组织学的相关性分析[D];中国医科大学;2019年

5 王延杰;基于深度人脸信息的身份识别[D];北方工业大学;2019年

6 朱宏晨;基于显著点特征的水下图像海参目标检测[D];哈尔滨工程大学;2019年

7 钟绍源;基于海底声学图像的底质分类软件设计与实现[D];哈尔滨工程大学;2019年

8 周琼;基于类别不平衡学习技术的AD医学图像挖掘[D];贵州大学;2019年

9 杨超;图像前背景分离的机器学习算法及应用[D];贵州大学;2019年

10 郭燕;基于B超图像多特征值的HIFU治疗测温方法研究[D];湖南师范大学;2019年

本文编号：2712141