CT 平扫图像纹理分析对肝癌与肝血管瘤鉴别诊断的初步研究

目的 探讨采用 CT 平扫图像纹理分析的方法对肝癌和肝血管瘤进行鉴别诊断的可行性。 方法 回顾性纳入 2014 年 1 月至 2014 年 9 月期间在四川大学华西医院行 CT 平扫检查且经病理检查结果证实为肝癌和肝血管瘤患者共 56 例，男 35 例，女 21 例；年龄（52.4±12.079）岁。排除图像有伪影干扰和病灶直径小于 1.0 cm 的患者 4 例，剩余 52 例患者共 57 个病灶（肝癌 25 个、肝血管瘤 32 个）的 CT 平扫图像用于纹理分析，从灰度直方图、共生矩阵、绝对梯度、自回归模型及小波变换中提取纹理特征值，再利用费希尔参数法（Fisher）、最小分类误差与最小平均相关系数法（POE+ACC）及相关信息测度法（MI）分别选择 10 个最优纹理特征值，然后用 Mazda 中的 B11 模块提供的线性判别分析法（LDA）和非线性判别分析法（NDA）对纹理特征进行分析，计算出其识别肝癌和肝血管瘤的最小错误率。LDA 的最大分类特征应用于 K 邻近分类（KNN），NDA 提取出的数据用于神经网络（ANN）进行鉴别诊断。 结果 NDA/ANN-POE+ACC 法鉴别肝癌和肝血管瘤最好，最小错误率最低，该方法分别与 LDA/KNN-Fisher、LDA/KNN-POE+ACC、LDA/KNN-MI、NDA/ANN-Fisher 及 NDA/ANN-MI 法对比分析，差异均有统计学意义（χ2 值分别为 4.56、4.26、3.14、3.14、3.33，P 值分别为 0.020、0.018、0.026、0.026、0.022）。 结论 Mazda 纹理分析软件的不同纹理特征选择方法以及不同分析方法对 CT 平扫图像中肝癌和肝血管瘤鉴别的最小错误概率均较低，其中 NDA/ANN-POE+ACC 法鉴别效果最好。因此，利用 CT 平扫图像纹理分析的方法对肝癌和肝血管瘤进行鉴别诊断是可行的