基于MR增强图像纹理特征的肝纤维化分期诊断研究

摘要

目的:
　　本研究采用无创的计算机辅助诊断方法，分期识别大鼠肝纤维化模型MRI增强图像的纹理特征。
　　方法:
　　48只大鼠随机分为实验组(36只)和对照组（12只）。实验组大鼠皮下注射50％四氯化碳(CCL4)/橄榄油混合液（体积比1∶1），注射剂量为0.3ml/100g，首次剂量为0.5ml/100g，每周两次，共12周，对照组注射相同剂量的生理盐水。从第4周起，每周用3.0TMR西门子扫描仪采集大鼠肝脏图像，MR线圈为大鼠专用线圈。尾静脉注射造影剂Gd-DTPA（马根维显0.2 ml/100g），注射后的180s采用3D_VIBE_fs_T1WI梯度回波序列，采集平衡期MR图像。参考MR图像，每个大鼠肝脏切取7-9个肝脏组织进行HE染色和改良的Gomori氨银法染色，光镜下判别F0-F4期肝纤维化分期。依据病理结果，在平衡期图像上手动提取10×10像素大小的感兴趣区，采用非线性量化Lloyd's算法和经典线性量化方法将原始图像数据压缩至256级，并用灰度共生矩阵GLCM提取20个纹理特征参数:自相关系数、对比度、相关性、突出聚类、阴暗聚类、非相似聚类、能量、熵、同质度、最大概率、方差、和平均、和方差、和熵、差方差、差熵、相关信息度1、相关信息度2、归一化逆差、和归一化逆差距，从4个方向提取共80个纹理特征参数，最后分别采用BP神经网络、Linear、K-NN和支持向量机四种分类器对F0-F4期的肝脏组织的ROI进行两两分类识别。
　　结果:
　　43只大鼠完成全部实验过程，5只大鼠死亡。10只对照组大鼠的病理结果均为F0期。33只大鼠的病理结果均在F1-F4期间，未见F5期（肝硬化期），其中28只大鼠的所有切取组织的病理结果为同一期别，另外5只大鼠全肝的病理结果不完全一致，在同一肝脏内共存不同期别的肝纤维化。基于非线性量化的BP神经网络分类器的分类结果总体优于线性量化的分类结果，非线性量化的BP神经网络分类器的结果为:在F0vsF2、F0vsF3、F0vsF4间的分类准确率分别为0.6190、0.6727、0.6716; F2vs F3、F2 vsF4间的分类准确率分别为0.6406和0.8026;F3vsF4间的分类准确率为0.7941，即在F2vsF4、F3vsF4间分类准确率最高(0.8026、0.7941)。基于非线性量化的BP神经网络的分类结果总体优于基于非线性量化的其他三个分类器结果，Linear分类器区分F0vsF4期结果最好，准确率为0.6716;K-NN分类器区分F2vsF4期的结果最好，准确率为0.6973;而SVM分类器在F3vsF4期的分类最好，准确率0.7353。
　　结论:
　　一、基于Lloyd's算法的BP神经网络分类器的准确率高于线性量化的BP神经网络分类器;基于Lloyd's算法的四个分类器中，较Linear、K-NN和SVM分类器，BP神经网络分类器更适合于大鼠肝纤维化模型的分期识别。
　　二、本文采用的无创、客观量化的计算机辅助诊断方法，提高了大鼠肝纤维化分期识别的准确率，为临床肝纤维化的准确分期诊断研究提供了新思路。

目录

声明

摘要

前言

材料和方法

一、数据获取

二、计算机辅助诊断系统

结果

讨论

结论

参考文献

综述 肝纤维化分期的影像诊断研究进展

病例报告

缩略词表

攻读学位期间发表论文情况

致谢