CT纹理分析技术鉴别甲状腺良恶性结节可行性研究

发布时间：2017-07-08 01:17

  本文关键词：CT纹理分析技术鉴别甲状腺良恶性结节可行性研究

  更多相关文章： 甲状腺结节 CT纹理分析 诊断 鉴别

【摘要】：目的探讨CT纹理分析技术在鉴别甲状腺良恶性结节中的价值。方法回顾性分析经我院手术病理证实的甲状腺病变病人35例,共42个病灶,其中恶性结节26个,良性结节16个。所有病人治疗前均行颈部增强CT扫描。将DICOM格式的CT增强图像(层厚和层间距均为5 mm)导入CT Kinetics软件进行纹理及直方图分析得到未经滤过的原始细纹理图像。CT纹理分析主要参数包括熵值、偏度、峰态、平均像素值和像素分布的标准差。甲状腺良恶性结节间纹理参数比较采用独立样本t检验或Mann-Whitney U检验,并对有统计学意义的纹理参数进行受试者操作特征(ROC)曲线分析,确定诊断阈值。结果甲状腺恶性结节的熵值、偏度、峰态、像素值和标准差分别为6.65±0.92、0.63±1.37、0.69±1.23、84.08±23.36和18.14±3.31;良性结节分别为5.96±0.54、0.59±1.42、0.51±1.17、72.00±24.52和20.05±6.10。熵值在甲状腺良恶性结节间差异有统计学意义(P0.05),偏度、峰态、像素值和标准差在甲状腺良恶性结节间差异均无统计学意义(均P0.05)。ROC曲线分析显示,以熵值6.09为鉴别甲状腺结节良恶性的阈值,其ROC曲线下面积、敏感度和特异度分别为0.733、71.3%和70.0%。结论 CT纹理参数对鉴别甲状腺结节的良恶性有一定帮助。
【作者单位】： 北京协和医学院中国医学科学院肿瘤医院影像诊断科;
【关键词】： 甲状腺结节 CT纹理分析 诊断 鉴别
【分类号】：R581;R736.1;R730.44
【正文快照】： 甲状腺结节是临床上常见的疾病,绝大多数为良性结节[1]。影像检查的主要目的是筛查出恶性结节,为临床治疗决策提供重要信息。目前,各种影像检查方法(主要为超声、放射性核素显像、CT、MRI以及PET/CT)对甲状腺结节良恶性的鉴别都有一定价值[2]。纹理分析是一种区别于既往基于形

【相似文献】

中国期刊全文数据库 前10条

1 刘f ,程敬之;分形模型的超声图像纹理分析[J];生物医学工程学杂志;1999年03期

2 吴天秀;蔡洁;;基于纹理分析的骨质疏松计量诊断[J];中国骨质疏松杂志;2014年07期

3 张镜清,孙军;采用纹理分析特征用于肝脏超声图像的病患的辨识[J];中国医学影像技术;1993年03期

4 刘伟;李月卿;;医学图像纹理分析综述[J];泰山医学院学报;2006年01期

5 杜X,童勤业,许俊;基于小波包分解和HMM模型的纹理分析[J];医疗设备信息;2003年08期

6 李振立;杨晓梅;;基于纹理分析的带标记线心脏MR图像分割[J];中国组织工程研究与临床康复;2011年09期

7 王李冬;邰晓英;巴特尔;;基于小波变换纹理分析的医学图像检索[J];中国医疗器械杂志;2006年02期

8 黄亚丽,李芬华,赵真;B超肝脏图像纹理特征提取方法的实验研究[J];中国医学影像技术;2004年12期

9 罗立民，鲍旭东，，田雪芹;基于纹理分析的磁共振图象区域分割[J];自动化学报;1995年04期

10 ;[J];;年期

中国重要会议论文全文数据库 前8条

1 徐国栋;郭恒业;;统计纹理生成模型[A];中国科学技术协会首届青年学术年会论文集（工科分册·上册）[C];1992年

2 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

3 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

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 姚明海;应宏微;;基于反馈的汽车牌照纹理分析定位算法的研究[A];第二十三届中国控制会议论文集（下册）[C];2004年

6 黄战华;刘正;张振;蔡怀宇;杨基春;张尹馨;;基于矢量化方法的纹理缺陷快速检测[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

7 管玉娟;王淑晴;关泽群;;纹理分析的条件模式谱方法[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

8 刘佳;李哲英;王淑英;;路标识别算法研究[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年

中国博士学位论文全文数据库 前3条

1 高妮;基于Contourlet提取纹理建立早期AD的高斯过程预测模型[D];首都医科大学;2016年

2 毛羽;血清miR-1290联合DW-MRI纹理分析预测食管鳞癌放化疗敏感性及相关机制的研究[D];天津医科大学;2016年

3 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

中国硕士学位论文全文数据库 前10条

1 陈金霞;快速粒度估计法在纹理分析中的应用研究[D];华南理工大学;2015年

2 刘W

本文编号：532562