超声影像纹理分析鉴别诊断乳腺良恶性微小病变的价值
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

无锡市卫生健康委妇幼健康适宜技术推广项目(FYTG201904)


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    目的:探讨超声影像纹理分析鉴别诊断乳腺良恶性微小病变的价值。方法:选取158例患者共164个乳腺微小病变,将超声二维影像导入MaZda 4.6软件中,手动勾画病变的感兴趣区(area of intrest,ROI),分别选择交互信息(mutual information,MI)、分类错误概率(probability of classification error,POE)联合平均相关系数(average correction coefficient,ACC)(POE+ACC)、Fisher系数,以及以上3种方法的联合(Fisher+ POE+ACC+MI)选择最具鉴别价值的纹理特征参数,并构建人工神经网络(artificial neural network,ANN)模型。以病理结果作为金标准,对比分析超声影像纹理分析和超声医师评估的准确性。结果:对于乳腺微小病变,采用MI方法进行纹理分析的总误判率为46.34%(76/164),POE+ACC的总误判率为48.17%(79/164),Fisher系数的总误判率为23.78%(39/164),3种方法联合的总误判率为20.12%(33/164),超声医师的误判率为29.27%(48/164),其中,3种方法联合的误判率最低。同时,超声医师对恶性微小病变的误判率明显高于良性微小病变(P<0.05)。结论:超声影像纹理分析可用于鉴别诊断乳腺微小病变的良恶性。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

李卫民,范晓芳,贾 磊,吴文娟,朱束华.超声影像纹理分析鉴别诊断乳腺良恶性微小病变的价值[J].南京医科大学学报(自然科学版),2021,(3):415-419

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-05-03
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2021-04-01
  • 出版日期:
通知关闭
郑重声明