论文部分内容阅读
目的
探讨数字图像处理技术在超声内镜鉴别诊断自身免疫性胰腺炎与慢性胰腺炎中的应用价值。
方法回顾2005年5月至2013年1月确诊的100例慢性胰腺炎和81例自身免疫性胰腺炎患者的内镜超声图像，选择具有病变典型表现的内镜超声图像和勾画的感兴趣区域，通过计算机提取胰腺分类系统中的9大类105维特征，采用类间距法和顺序前进法筛选纹理特征的最优特征组合，通过支撑向量机建立分类模型，使用2种不同的样本集划分方法对慢性胰腺炎和自身免疫性胰腺炎病例进行自动分类，统计分类的准确率、敏感度、特异度、阳性预测值和阴性预测值。
结果最优纹理特征组合包括5大类25维特征，此时准确分类率达最大(90.08%)。181例病例采用均匀划分样本集法和留一法随机划分为训练集和测试集，共进行200次随机检验，均匀划分样本集法最终分类准确率为(86.04±3.15)%、敏感度为(83.66±6.57)%、特异度为(88.54±4.37)%、阳性预测值为(85.96±4.44)%、阴性预测值为(87.12±4.39)%。
结论计算机辅助的图像分析技术具有客观性、无创性，能够提高内镜超声识别自身免疫性胰腺炎的准确率，为自身免疫性胰腺炎诊断提供了一个新的有价值的研究方向。