• 1. 信息工程大学 信息系统工程学院(郑州 450001);
  • 2. 河南省人民医院 影像科(郑州 450002);
导出 下载 收藏 扫码 引用

为了解决目前肝脏肿瘤病理分级主要依靠穿刺活检、手术病理取材等侵入式方法的问题,提出了一种在非增强核磁共振图像(MRI)上进行肝脏肿瘤病理分级的定量分析方法。首先对采集到的 MRI 图像,由医生在专业软件中人工分割出病灶部位,对这些病灶部位提取高通量的 328 维图像特征,包括灰度、形状、纹理、小波等特征,利用最小绝对收缩和选择运算符(LASSO)和交叉验证方法从中挑选出对病理分级最有价值的特征,组成影像组学模型并融合临床信息实现对肿瘤高、低分化分类的定量分析。在 170 位肝脏肿瘤患者的 MRI 图像(T1 加权图像和 T2 加权图像)上进行实验,通过计算接收者操作特征(ROC)曲线下面积(AUC)来衡量模型的预测性能。结果表明,基于高通量图像特征的 LASSO 回归定量分析方法,在训练集上获得 AUC 为 0.909,在测试集上 AUC 为 0.800。挑选出来的图像特征组成的影像学标签可以对高、低分化进行自动分类,从而为医生提供了一种非侵入的辅助诊断方法,有助于预后判断和治疗方案的制定。

引用本文: 高飞, 闫镔, 曾磊, 武明辉, 谭红娜, 海金金, 宁培钢, 史大鹏. 非增强核磁共振图像中肝脏肿瘤病理分级的定量分析方法. 生物医学工程学杂志, 2019, 36(4): 581-589. doi: 10.7507/1001-5515.201803014 复制

  • 上一篇

    基于多尺度低秩的心脏磁共振图像的高质量重构算法
  • 下一篇

    压缩载荷下猪腰椎间盘髓核摘除后力学行为的实验研究