腮腺多形性腺瘤与腺淋巴瘤的放射组学研究

发布时间：2021-06-23 18:12

　　目的研究放射组学在腮腺多形性腺瘤与腺淋巴瘤中的应用价值。方法回顾性分析44例腮腺多形性腺瘤与40例腮腺腺淋巴瘤增强CT图像,采用纹理分析软件MaZda对肿瘤最大层面感兴趣区（ROI）进行分析,用费希尔系数（Fisher）、分类误差概率与平均相关系数（POE+ACC）、互信息（MI）分别筛选10个最佳纹理参数,再结合B11模块中的原始数据分析（RDA）、主成分分析（PCA）、线性判别分析（LDA）、非线性判别分析（NDA）对肿瘤进行判定,以最小错误判别法作为基准,计算错误率、灵敏度、特异度、准确度。结果纹理参数均值（Mean）在3种降维方法中均被选出;在纹理判别分析中,Fisher/RDA和Fisher/PCA的错误率最低（3.57%）;在预测腮腺肿瘤类别时,灵敏度和准确度最高的是Fisher/RDA和Fisher/PCA,灵敏度均为97.73%,准确度均为96.43%,特异性最高为MI/NDA（97.5%）。结论放射组学能够用于区分腮腺多形性腺瘤与腺淋巴瘤。 

【文章来源】：西南国防医药. 2020,30(10)

【文章页数】：4 页

【部分图文】：

腮腺肿瘤种类判别1代表腮腺多形性腺瘤，2代表腮腺腺淋巴瘤

【参考文献】：
期刊论文
[1]CT纹理分析鉴别腮腺良、恶性肿瘤的价值[J]. 杨亮,蒋涛.  实用放射学杂志. 2019 (05)
[2]T2WI全域直方图分析鉴别诊断腮腺多形性腺瘤与腺淋巴瘤[J]. 高鑫,程敬亮,文宝红,张勇.  中国医学影像技术. 2018(12)
[3]CT纹理分析在腮腺多形性腺瘤与腺淋巴瘤鉴别诊断中的价值[J]. 赵厚亮,王文涛,王伟,徐凯.  口腔医学研究. 2018(10)
[4]影像组学分析与建模工具综述[J]. 李双双,侯震,刘娟,任伟,万遂人,闫婧.  中国医学物理学杂志. 2018(09)
[5]腮腺肿瘤诊断方法研究进展[J]. 张世坤,王智明.  中华实用诊断与治疗杂志. 2018(04)
[6]肺癌影像组学研究进展[J]. 吴珊珊,沈桂权,高波.  中华放射学杂志. 2017 (12)
[7]MSCT在腮腺良恶性肿瘤诊断中的应用价值[J]. 付林.  中国医疗设备. 2016(08)
[8]MR磁敏感加权成像鉴别腮腺病变良恶性的前瞻性临床研究[J]. 张卫,苏丹柯,林剑军,谢东,金观桥,罗宁斌,徐茂林.  中华放射学杂志. 2015 (11)
[9]放射组学的兴起和研究进展[J]. 苏会芳,周国锋,谢传淼,蔡培强,张嵘,吴小亮,黎浩江,于行素,范卫君,樊懿,张振峰.  中华医学杂志. 2015 (07)
[10]腮腺良、恶性肿瘤的CT与MRI诊断[J]. Sristi Singh,刘珍银.  临床医学工程. 2014(08)



本文编号：3245421