声像图纹理分析和人工神经网络在肝纤维化分期诊断中的初步应用

• 作者: 沈峰 陈明丽
• 来源期刊: 肝脏
• 关键词: 纹理分析 神经网络 超声 肝纤维化
• 年，卷（期）: 2013,（8）
• 页码范围: 541-543
• 页数: 3页
• 字数: 2717字
• 语种: 中文

摘要

目的探讨声像图纹理分析和多层人工神经网络（artificial neural network ，ANN）在超声对肝纤维化分期诊断中的可行性。方法采集186例有肝组织穿刺病理肝纤维化分期（S0～S4）结果的慢性乙型肝炎患者的标准化声像图，提取声像图纹理的灰度共生矩阵参数。随机将145例患者的声像图纹理参数作为输入层神经元，病理分期作为输出层神经元，初步建立超声对肝纤维化分期的多层N N模型，其余41例用于验证A N N模型。同时，利用186例患者的声像图纹理参数建立判别分析（discriminant analysis ，DA ）模型并采用“留一法”检验该模型。比较两种诊断模型的效率。结果 DA模型和ANN模型对S0～S4分期诊断的准确率分别为70．0％和100．0％、62．2％和85．7％、51．6％和57．1％、77．8％和66．7％、77．4％和100．0％，对肝纤维化诊断的敏感度、特异度、准确度、尤登指数分别为98．4％和100．0％、70．0％和100．0％、89．2％和100．0％、0．684和1．000。结论作为一种无创的新方法，声像图纹理分析结合多层ANN模型在超声对肝纤维化分期诊断中表现出较高准确性，值得进一步深入探讨。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈明丽	消化内科内窥镜中心上海交通大学医学院附属新华医院超声中心	1	6	1.0	1.0
2	沈峰	消化内科内窥镜中心上海交通大学医学院附属新华医院超声中心	1	6	1.0	1.0