论文部分内容阅读
目的:1.探讨CT增强图像灰度共生矩阵(gray level co-occurrence matrix,GLCM)纹理参数在卵巢良恶性肿瘤诊断中的价值。2.探讨CT图像纹理分析(CT Texture analysis,CTTA)方法在卵巢良恶性肿瘤鉴别诊断中的临床应用价值。方法:1.回顾性收集2016年8月至2019年6月期间行盆腔CT增强扫描的卵巢肿瘤患者54例(恶性32例,良性22例),根据病理结果分为卵巢恶性肿瘤和卵巢良性肿瘤两组。将患者治疗之前的盆腔CT增强扫描动脉期和静脉期图像分别导入Omni-Kinetics软件,手动勾画感兴趣区(region of interest,ROI)。勾画完成后,使用Omni-Kinetics软件进行纹理参数计算,提取能量(Energy)、熵(Entropy)、惰性(Inertia)、相关性(Correlation)、逆差矩(Inverse Difference Moment,IDM)5种纹理特征参数。运用SPSS 25.0对病灶区提取的纹理特征参数进行统计学分析,服从正态分布的计量资料采用两独立样本t检验,结果用均数±标准差(x?±s)表示,列出P值,以P<0.05有统计学意义。对差异具有统计学意义的纹理特征参数采用受试者工作特征曲线(receiver operating characteristic curve,ROC)分析并计算曲线下面积(are under the curve,AUC)。以0.50.9为诊断效能显著。根据最大约登指数(约登指数=敏感度-(1-特异度))确定阈值。2.回顾性收集2014年7月至2016年7月期间行盆腔CT增强扫描的卵巢肿瘤患者60例(恶性37例,良性23例),选取两名有5年以上CT诊断工作经验的医师单纯依靠盆腔CT增强扫描图像(A组)和运用Omni-Kinetics软件进行纹理分析(B组)对图像作出良恶性的诊断,以病理结果作为诊断金标准,比较两组间的诊断正确率。运用SPSS 25.0对两组结果进行统计学分析,采用卡方检验比较两组间的正确率,以P<0.05有统计学意义。结果:1.(1)基于盆腔CT增强扫描图像计算出的5种纹理参数(以均数±标准差表示)的比较得出,5种纹理参数在两组间的差异均有统计学意义,其中能量在两组间的差异最显著。能量在动脉期图像纹理特征参数分析中显示:恶性肿瘤组0.000975±0.000567,良性肿瘤组0.001261±0.000860,差异有统计学意义(P=0.004<0.05);在静脉期图像纹理特征参数分析中显示:恶性肿瘤组0.000917±0.000522,良性肿瘤组0.001507±0.000684,差异有统计学意义(P=0.001<0.05)。(2)基于盆腔CT增强扫描图像计算的纹理参数的AUC及ROC比较得出,能量的检验效能最高。动脉期图像纹理特征参数分析得出能量的检验效能为:AUC 0.764,敏感度75.0%,特异度69.7%,95%可信区间为(0.633-0.894)。静脉期图像纹理特征参数分析得出能量的检验效能为:AUC 0.786,敏感度70.0%,特异度81.8%,95%可信区间为(0.658-0.915)。其它纹理参数熵、惰性、相关、逆差距的AUC值均位于0.5~0.7之间。2.A组诊断结果与病理结果一致的为39例,不一致的为21例;B组诊断结果与病理结果一致的为53例,不一致的为7例,A、B两组间的差异具有统计学意义(P=0.000<0.05)。结论:CT增强扫描图像中包含的纹理特征对诊断及鉴别诊断卵巢良恶性肿瘤有较高实用价值。CT图像纹理分析方法能够辅助影像科医师鉴别诊断卵巢肿瘤的良恶性。