双参数磁共振纹理分析对高级别前列腺癌的预测价值

发布时间：2020-07-10 04:35

【摘要】：目的:探讨双参数磁共振(biparametric magnetic resonance imaging,bpMRI)纹理分析(texture analysis,TA)结合前列腺癌相关生物标志物对高级别前列腺癌(high-grade prostate cancer,HGPCa)的预测价值。方法:回顾性收集经直肠超声(trans-rectal ultrasound,TRUS)引导下核心前列腺穿刺术或前列腺切除术前并接受bpMRI扫描(包括T_2加权成像[T_2-weighted imaging,T_2WI]和弥散加权成像[diffusion-weighted imaging,DWI])的患者85例。使用独立样本t检验和秩和检验,比较基于bpMRI的相关纹理参数(包括峰度、偏度、均匀性、能量、熵、惯性和相关性)、前列腺特异性抗原(prostate-specific antigen,PSA)和游离PSA(free PSA,fPSA)在HGPCa和非高级别前列腺癌(non-high-grade prostate cancer,NHGPCa)两组之间的差异,运用逻辑回归分析进一步筛选HGPCa的独立预测因子,采用受试者操作特性(receiver operating characteristic,ROC)曲线分析评估独立预测因子单独及联合对HGPCa的预测效能,并计算各预测因子单独及联合的敏感性、特异性和截止值。结果:单因素结果分析显示,基于表观扩散系数(apparent diffusion coefficient,ADC)图的峰度、偏度、熵,基于T_2WI图的相关性及实验室指标PSA、fPSA在两组之间差异显著,且均具有统计学意义;其中基于ADC图的熵和实验室指标PSA对HGPCa诊断价值更大(曲线下面积[area under the curve,AUC]分别为82.0%和80.0%)。逻辑回归进一步显示,基于ADC图的峰度、偏度、熵、均匀性及基于T_2WI的熵是HGPCa的独立预测因子,但ROC曲线分析显示基于ADC图的均匀性和基于T_2WI的熵对HGPCa无预测效能;最终基于ADC图的峰度、偏度、熵对HGPCa具有预测效能,其中基于ADC图的熵显示较好的预测效能(AUC=80.0%;95%置信区间[confidence interval,CI]:0.700,0.890;P=0.000)。并且当基于ADC图的峰度、偏度、熵这三个独立预测因子相结合时,具有最大的预测效能(AUC=84.6%;95%CI:0.758,0.935;P=0.000)。结论:基于双参数MRI的纹理参数和PSA、fPSA可以反映前列腺癌的生物侵袭性;除此之外,基于ADC图的纹理参数在预测HGPCa中起主要作用;从ADC图中提取的特定纹理参数的组合有可能成为预测HGPCa有价值的工具。
【学位授予单位】：重庆医科大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R737.25;R445.2

【相似文献】

相关期刊论文 前10条

1 陈艳;张景发;姜文亮;李强;;基于HJ-1C卫星数据的活动断层提取研究[J];地壳构造与地壳应力文集;2016年02期

2 李德仁;张继贤;;影象纹理分析的现状和方法(一)[J];武测科技;1993年03期

3 宋子安;唐勤生;;车床加工纹理分析——车床走刀均匀性的研究[J];装备机械;1988年01期

4 吴健康,张伟明;应用纹理分析的DCT图象编码[J];通信学报;1989年01期

5 余军,吴国威,吴中权;三维物体表面的纹理综合[J];电子学报;1989年02期

6 陈贺新,戴逸松;图象纹理分析的约束最小二乘滤波器[J];电子学报;1989年06期

7 舒宁;卫星遥感影像纹理分析与分形分维方法[J];武汉测绘科技大学学报;1998年04期

8 黄胜华,刘海鹰,彭思龙,洪继光;基于非乘积型小波的纹理分析[J];中国图象图形学报;1998年09期

9 张鹏志;李兰斌;;地震纹理分析在油气勘探中应用进展[J];物探与化探;2013年03期

10 姚炜,赵玉华;计算机纹理分析在超声诊断中的应用[J];中华超声影像学杂志;1999年02期

相关会议论文 前10条

1 卢海燕;陈明;孙梅;宋树良;马艳;郑传立;;肝纤维化超声图像纹理分析与组织学检查对照研究[A];第二届长三角超声医学论坛暨2009年浙江省超声医学学术年会论文汇编[C];2009年

2 杨关;冯国灿;邹小林;刘志勇;;彩色纹理分析中的高斯图模型[A];第十五届全国图象图形学学术会议论文集[C];2010年

3 蹇兆成;龙金凤;刘玉江;胡向东;钱林学;;超声弹性成像联合纹理分析判定肝纤维化分期的价值研究[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

4 熊欣;何中市;;纹理分析在超声图像中的应用[A];2008年计算机应用技术交流会论文集[C];2008年

5 许静;陈兴伟;;基于分类的遥感影像河道水体识别方法[A];河流开发、保护与水资源可持续利用——第六届中国水论坛论文集[C];2008年

6 郑杰;韩梅;;基于微位移的超分辨率重建技术[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

7 舒宁;;多光谱和高光谱影像纹理分析的几种方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

8 马海清;黄剑华;刘家锋;;基于边缘检测和纹理分析的图像文本定位方法[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年

9 马德新;杨帆;侯景忠;高金乔;;基于灰度共生矩阵的掌纹识别技术研究[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

10 张文君;谢明星;王新房;张军;董昌元;易建华;许先成;林意;;超声心动图计算机纹理分析法评价犬急性心肌梗死的实验研究[A];2003年全国医学影像技术学术会议论文汇编[C];2003年

相关博士学位论文 前10条

1 邱甲军;基于纹理分析的医学图像辅助诊断关键技术研究[D];电子科技大学;2019年

2 谢彩琴;Gd-EOB-DTPA MRI纹理分析在预测肝癌TACE术后早期疗效的初步研究[D];南方医科大学;2018年

3 曹毅媛;基于计算机断层纹理分析的不同基因类型肺腺癌的研究[D];武汉大学;2018年

4 刘建立;基于小波纹理分析和鲁棒贝叶斯神经网络的非织造材料外观质量识别[D];苏州大学;2010年

5 孙慧贤;基于纹理分析的视觉检测方法与应用研究[D];国防科学技术大学;2010年

6 杨蕾;基于小波域马尔可夫激光散斑表面粗糙度测量方法研究[D];合肥工业大学;2015年

7 张国鹏;三维纹理分析在虚拟结肠镜计算机辅助检测/诊断中的应用研究[D];第四军医大学;2013年

8 金舟;图像着色关键技术分析及其应用[D];天津大学;2011年

9 Hassana Grema Kaganami（哈桑）;基于颜色和纹理特征的图像增强和分析算法[D];中南大学;2010年

10 王冬;纳米级微泡增强乳腺肿瘤显像效果及高强度聚焦超声消融效果的实验研究[D];重庆医科大学;2012年

相关硕士学位论文 前10条

1 肖冬冬;磁共振3D纹理分析应用于胶质母细胞瘤和原发性中枢淋巴瘤的术前鉴别诊断[D];华中科技大学;2019年

2 衣明慧;CT纹理分析联合血液学指标预测食管鳞癌放化疗敏感性[D];济南大学;2019年

3 李馨荻;血清标志物联合CT纹理分析预测局部晚期非小细胞肺癌放化疗敏感性的研究[D];济南大学;2019年

4 张静;基于术前磁共振图像的纹理分析和常规影像征象对单发肝细胞肝癌切除术后早期复发的预测价值[D];重庆医科大学;2019年

5 熊慧;双参数磁共振纹理分析对高级别前列腺癌的预测价值[D];重庆医科大学;2019年

6 吴莉莉;具有精确边界的纹理设计方法及应用[D];郑州大学;2019年

7 张晶晶;CT影像和纹理分析鉴别肿块型胰腺炎与胰腺癌[D];南京中医药大学;2019年

8 熊瑶;CT纹理分析在评价胃癌TN分期及分化程度的应用研究[D];宁夏医科大学;2019年

9 高玉青;基于CT平扫图像的纹理分析：直径≤4 cm肾脏实性肿瘤鉴别诊断的价值研究[D];安徽医科大学;2019年

10 黄伟康;基于T2WI序列的纹理分析在鉴别肝细胞癌分化程度的应用研究[D];南方医科大学;2018年

本文编号：2748458