乳腺计算机辅助诊断中DCE-MRI图像特征的选择与分析

• 作者: 刘惠 李珂
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 特征选择 形态学特征 纹理特征 时间强度曲线
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 论著
• 页码范围: 343-348
• 分类号: R318.04
• 字数: 3450字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2012.04.03.

摘要

目的 比较动态对比度增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)图像的形态、纹理和时间强度曲线(time intensity curve,TIC)特征对乳腺病灶良恶性的诊断效果,讨论DCE-MRI图像特征的计算机辅助诊断价值.方法 测量224个乳腺病灶样本(良性样本82个,恶性样本142个)的12个形态学特征、56个基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)的纹理特征以及11个TIC特征,采用平均平方距离准则和SVM分类器评估这三类特征的良恶性分辨能力.结果 反映病灶血流动力学特性的TIC特征的分类性能最优(SE 0.9366,SP 0.8293,AUC 0.9495);纹理特征次之(SE 0.9225,SP 0.7195,AUC 0.8835);形态学特征效果最差(SE 0.8451,SP 0.6951,AUC 0.8079).研究发现,在上述基础上融合三类特征可优化分类性能.最终结合平滑度、紧致度、熵等9个特征参数进行诊断,对乳腺病灶良恶性的分辨效果最好,AUC达0.9642.结论 DCE-MRI的TIC特征对恶性乳腺病灶具有较高的灵敏度,可以提高乳腺计算机辅助诊断的恶性病灶检出率.综合分析形态、纹理和TIC特征可以提高病灶的诊断特异度,降低良性病灶的误诊率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李珂	大连理工大学电子信息与电气工程学部	5	34	3.0	5.0
2	刘惠	大连理工大学电子信息与电气工程学部	20	135	5.0	11.0