李珂
- 作品数：1 被引量：4H指数：1
- 供职机构：大连理工大学电子信息与电气工程学部更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：医药卫生更多>>
- 乳腺计算机辅助诊断中DCE-MRI图像特征的选择与分析被引量：4
- 2012年
- 目的比较动态对比度增强磁共振成像(dynamic contrast-enhanced magnetic resonanceimaging,DCE-MRI)图像的形态、纹理和时间强度曲线(time intensity curve,TIC)特征对乳腺病灶良恶性的诊断效果,讨论DCE-MRI图像特征的计算机辅助诊断价值。方法测量224个乳腺病灶样本(良性样本82个,恶性样本142个)的12个形态学特征、56个基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)的纹理特征以及11个TIC特征,采用平均平方距离准则和SVM分类器评估这三类特征的良恶性分辨能力。结果反映病灶血流动力学特性的TIC特征的分类性能最优(SE0.9366,SP0.8293,AUC0.9495);纹理特征次之(SE0.9225,SP0.7195,AUC0.8835);形态学特征效果最差(SE0.8451,SP0.6951,AUC0.8079)。研究发现,在上述基础上融合三类特征可优化分类性能。最终结合平滑度、紧致度、熵等9个特征参数进行诊断,对乳腺病灶良恶性的分辨效果最好,AUC达0.9642。结论 DCE-MRI的TIC特征对恶性乳腺病灶具有较高的灵敏度,可以提高乳腺计算机辅助诊断的恶性病灶检出率。综合分析形态、纹理和TIC特征可以提高病灶的诊断特异度,降低良性病灶的误诊率。
- 李珂刘惠
- 关键词：形态学特征纹理特征时间强度曲线
