您现在的位置: 首页> 研究主题> 纹理分析

纹理分析

纹理分析的相关文献在1984年到2023年内共计1160篇,主要集中在自动化技术、计算机技术、肿瘤学、临床医学 等领域,其中期刊论文1015篇、会议论文49篇、专利文献183426篇;相关期刊426种,包括磁共振成像、医学影像学杂志、中国介入影像与治疗学等; 相关会议47种,包括2015年中国地理学会(华南片区)学术年会、第17届全国图象图形学学术会议、中国地球物理学会第二十九届年会等;纹理分析的相关文献由3264位作者贡献,包括童隆正、A·M·诺里斯、叶靖等。

纹理分析—发文量

期刊论文>

论文:1015 占比:0.55%

会议论文>

论文:49 占比:0.03%

专利文献>

论文:183426 占比:99.42%

总计:184490篇

纹理分析—发文趋势图

纹理分析

-研究学者

  • 童隆正
  • A·M·诺里斯
  • 叶靖
  • 徐凯
  • 王成儒
  • 盛文
  • 金征宇
  • 刘爱连
  • 张涛
  • 柳健
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 谭向红; 张建平
    • 摘要: 目的 探究血清标志物联合CT图像纹理分析对局部晚期非小细胞癌放化疗敏感性观察的意义.方法 收集2018年8月~2021年3月我院行同步放化疗治疗的60例局部晚期非小细胞肺癌(NSCLC)患者临床资料进行研究,根据治疗结束后1个月的疗效将所有患者分为敏感组及抗拒组,统计所有患者治疗前1w的血清标志物及治疗前1个月的增强CT图像,分析血清标志物与增强CT图像对NSCLC放化疗敏感性的预测价值.结果 肿瘤标志物D二聚体(D-D)、Cyfra21-1水平比较有差异(P0.05);ROC结果显示:D-D、Cyfra21-1、SUVmax、能量、熵、联合检测均予NSCLC患者放化疗敏感性存在相关性,(P<0.005).结论 基于血清标志物联合CTTA参数分析对局部晚期NSCLC患者放化疗敏感性观察具有较高的预测效能,可以为临床患者的个体化治疗提供依据.
    • 彭铮堃; 彭云; 吴娜珊; 吴若岱
    • 摘要: 目的 比较甲状腺良恶性结节CT影像征象及纹理特征差异,构建两者鉴别诊断模型。方法 回顾性分析110例经手术病理证实分类甲状腺结节患者的125个结节,其中良性组66个,恶性组59个,提取每个结节CT征象与平扫、动脉期及静脉期3个期相的纹理特征。采用χ;检验筛选良恶性结节有差异的影像特征,进一步采用Logistic回归分析构建单纯影像模型。对结节纹理特征筛选、降维,建立剩余纹理参数的受试者工作特征曲线(ROC),获取ROC曲线下面积(AUC)。使用筛选后的常规影像特征及纹理特征组合建立联合Logistic回归模型并获得相应AUC。结果 影像模型的AUC为0.821,灵敏度为66.10%,特异度为81.82%。纹理特征中,静脉期方差具有最高鉴别效能,其AUC为0.696。由以上4个特征构建的联合模型AUC为0.845,灵敏度为76.27%、特异度为83.33%。联合模型的AUC、灵敏度及特异度均高于影像模型。结论 综合CT影像特征及纹理特征的基础上建立联合模型,有助于甲状腺良恶性结节鉴别诊断。
    • 刘逢逢; 马贺骥
    • 摘要: 目的:探讨并分析胃癌计算机断层扫描(CT)纹理分析在TNM分期中的应用。方法:回顾性分析确诊的153例胃腺癌患者,所有患者术前均行CT检查,利用纹理分析软件测量提取动脉期和静脉期CT图像的纹理参数,并比较动脉期和静脉期中TNM分期的平均CT值、最大频率、偏度值、峰度值及熵值变化,采用Pearson相关性分析T分期与CT纹理参数的关系;采用受试者工作曲线(ROC)评价CT纹理参数对N分期的评估效能。结果:动脉期中T_(1)组的最大频率显著低于T_(2-4)组,偏度值高于T_(2-4)组(均P<0.05);静脉期中T_(1)组的最大频率及峰度值均显著低于T_(2-4)组,偏度值高于T_(2-4)组(均P<0.05);Pearson相关性分析显示,T分期与动脉期最大频率、静脉期最大频率及峰度值呈正相关关系,与动脉期偏度值、静脉期偏度值呈负相关关系(均P<0.05);动脉期中N_(0)组的最大频率显著低于N_(1-3)组,偏度值及峰度值高于N_(1-3)组(均P<0.05);静脉期中N_(0)组的最大频率及峰度值均显著低于N_(1-3)组,偏度值高于N_(1-3)组(均P<0.05),动脉期最大频率、偏度值及峰度值评估N分期的AUC分别为0.737、0.726及0.718;静脉期最大频率、偏度值及峰度值的AUC分别为0.735、0.711及0.720(均P<0.05)。结论:CT纹理分析可有效评估胃癌TNM分期,指导临床治疗。
    • 林椿森; 路伟钊; 李文勤; 李晶磊; 闵刚; 石丽婷
    • 摘要: 目的观察MRI纹理分析诊断注意缺陷多动障碍(ADHD)及分型的效果。方法基于纽约大学医学中心公开MRI数据选取88例ADHD患者(ADHD组)及67名健康受试者(对照组),将ADHD组分为注意力缺陷为主型(ADHD-I)亚组(n=32)和混合型(ADHD-C)亚组(n=56),提取并比较受试者脑白质和脑灰质的纹理特征差异。比较ADHD组与对照组、ADHD-I亚组与ADHD-C亚组间纹理特征差异,以Spearman相关分析剔除相关性较高的冗余特征。基于具有显著差异的纹理特征构建支持向量机(SVM)模型,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价SVM模型诊断ADHD及分型的效能。结果ADHD-I亚组、ADHD-C亚组及对照组间共12个脑灰质纹理特征及14个脑白质纹理特征差异具有统计学意义(P均<0.05)。基于24个脑灰质特征的SVM模型鉴别ADHD组与对照组的AUC为0.85,准确率为72.00%,敏感度为80.00%,特异度为60.00%;联合1个脑灰质和18个脑白质特征的SVM模型区分ADHD分型的AUC为0.81,准确率为84.00%,敏感度为93.33%,特异度为70.00%。结论MRI纹理分析可用于诊断ADHD并分型。
    • 鞠文萍; 梁洁; 王现亮; 彭雪婷; 王剑飞
    • 摘要: 目的探讨灰度共生矩阵(gray-level co-occurrence matrix,GLCM)在前庭神经鞘瘤(vestibular schwannoma,VS)与桥小脑角区脑膜瘤(cerebellopontine angle meningioma,CPAM)鉴别诊断中的价值。材料与方法回顾性分析经病理证实为VS(VS组)及CPAM患者(CPAM组)病例41例,所有患者均在术前行常规MRI平扫+增强扫描。测量并记录GLCM参数,包括能量、对比、相关、逆差矩及熵。采用两独立样本t检验或Mann-Whitney U检验对各个序列GLCM参数进行比较,受试者工作特征(receiver operating characteristic,ROC)曲线分析判断各参数的诊断效能。结果两组间T2WI序列GLCM参数中的对比、相关和逆差矩差异有统计学意义(P值均<0.05);液体衰减反转恢复(fluid attenuated inversion recovery,FLAIR)序列GLCM参数中的对比和逆差矩差异有统计学意义(P值均<0.05);增强T1WI序列GLCM参数中的对比和逆差矩的差异有统计学意义(P值均<0.05)。各序列GLCM参数中,T2WI序列GLCM参数中的对比诊断效能最佳,AUC值最大,为0.971,敏感度和特异度分别为91.30%、94.44%。结论GLCM有助于鉴别前庭神经鞘瘤与桥小脑角区脑膜瘤,可以为临床提供重要参考价值。
    • 戴世鹏; 孙文静; 张崇海; 田苗苗
    • 摘要: 目的探讨DWI ADC纹理分析在鉴别浆细胞性乳腺炎和导管原位癌的价值。方法选取我院46例经病理证实为浆细胞性乳腺炎和导管原位癌患者的常规MR图像和ADC图像,利用后处理软件对乳腺病变勾画感兴趣区(ROI),分别对其ADC图像进行纹理特征分析,并结合受试者工作特征曲线(ROC曲线)评估2组间纹理参数的鉴别诊断价值。结果统计得到纹理分析直方图中的平均值、方差、百分位数参数在2组数据中差异有统计学意义(P<0.05),应用ROC曲线及AUC得到第1百分位数及第10百分位数具有较高的鉴别诊断效能,AUC值分别为0.83、0.73。参考约登指数,第1百分位数取阈值为77.00时,敏感度与特异度分别为71.43%、81.82%;第10百分位数取阈值为161.5时,敏感度与特异度分别为80.95%、68.18%。结论浆细胞性乳腺炎与导管原位癌在ADC图像的纹理特征显著不同,ADC的纹理分析在两者鉴别方面具有可行性,可以作为鉴别两者的辅助方法。
    • 龚子健; 曾柔; 龚良庚; 彭云; 叶印泉
    • 摘要: 目的:探讨基于核磁共振影像(MRI)T2WI或表观扩散系数(ADC)影像组学特征,以及血清前列腺特异性抗原(PSA)联合机器学习在鉴别中央区前列腺癌及前列腺增生中的价值。方法:回顾性分析术前行MRI检查并经病理证实的中央区前列腺增生61例及前列腺癌51例。采用MaZda软件提取所有患者T2WI与ADC图像的纹理特征,建立T2WI特征与PSA、ADC特征与PSA数据库。将病例按7∶3的比例分入训练集和验证集,依次采用t检验、Wilcoxon秩和检验及pearson相关分析对两数据库内训练集内的参数进行筛选降维,并分别建立基于T2WI或ADC特征与PSA的支持向量机(SVM)、K-近邻(KNN)及逻辑回归(LR)共6种机器学习模型,采用受试者工作特征(ROC)曲线评估模型有效性,用验证集验证其鉴别诊断效能。结果:基于T2WI及PSA数据库的SVM、KNN、LR模型验证集工作曲线下面积(AUC)依次为0.871、0.811、0.875,基于ADC及PSA数据库的SVM、KNN、LR模型验证集AUC依次为0.936、0.939、0.943。ADC及PSA数据库在3种机器学习方法中的AUC均高于T2WI,且LR模型具有最佳效能,其验证集准确度、敏感度及特异度分别为0.882、0.850及0.929。结论:对ADC图像纹理特征进行提取并结合PSA建立机器学习LR模型,可准确鉴别中央区前列腺癌及前列腺增生,从而降低误诊率。
    • 冯权烨; 耿承军; 殷慧康
    • 摘要: 目的 研究T2加权图像(T2WI)序列图像纹理分析(TA)在肝硬化背景下增生结节(DNs)及小肝癌(sHCC)鉴别诊断中的应用价值。方法 回顾性分析2016年1月至2020年11月收治的有完整术前常规MRI资料并经手术病理证实的单发肝硬化结节(直径≤3 cm)患者76例的临床资料,其中sHCC患者48例(设为sHCC组),DNs患者28例(设为DNs组)。两组均于手术病理学诊断前1周接受常规磁共振成像(MRI)检查,均行常规T2WI序列TA分析。选取结节最大层面轴位T2WI图像,利用Image J软件行病灶感兴趣区(ROI)手动勾画,提取灰度共生矩阵和直方图纹理参数,包括能量、熵、逆差距、相关性、对比度、平均值、峰度、偏度。对比两组灰度共生矩阵和直方图纹理参数变化情况,并采用受试者工作特性曲线(ROC)评价上述纹理参数对肝硬化背景下DNs与sHCC的鉴别诊断效能。结果 sHCC组能量、相关性分别为(15.50±7.25)×10^(-4)、(15.35±7.40)×10^(-4)显著低于DNs组(24.58±12.28)×10^(-4)、(33.72±14.71)×10^(-4)(P0.05)。经ROC分析,能量、熵、相关性对肝硬化背景下DNs与sHCC均有一定鉴别诊断效能,曲线下面积分别为0.693、0.648、0.831。结论 常规T2WI序列TA下灰度共生矩阵和直方图纹理参数能量、熵、相关性鉴别诊断肝硬化背景下DNs与sHCC的效能较高,建议临床推广应用。
    • 叶瑞婷; 邹玉坚; 郑晓林; 杨沛钦; 袁灼彬; 李建鹏
    • 摘要: 目的探讨MR-T_(2)WI纹理分析鉴别前列腺中央腺体低信号结节良恶性的价值。方法回顾性分析符合纳入标准的28例前列腺癌和80例前列腺增生患者多序列MRI检查,并经组织病理学证实。基于MR-T_(2)WI图像勾画三维兴趣区,使用纹理分析软件(Omni-Kinertics GE)提取ROI内一级灰度直方图及二阶纹理特征参数:能量、熵、偏度、峰值、均匀度、平均值和标准差。用统计学方法评估MR-T_(2)WI各特征纹理参数在前列腺癌、前列腺T_(2)WI低信号增生结节及前列腺T_(2)WI混杂偏低信号结节之间的差异。采用受试者工作特征曲线(ROC)和曲线下面积(AUC),评估各参数的诊断效能,并评价定量纹理参数对前列腺癌和前列腺T_(2)WI低信号结节的鉴别诊断效能。结果MR-T_(2)WI图像纹理分析定量参数中,能量、熵、偏度、均匀度和标准差5个参数在前列腺癌组与前列腺增生结节组间的差异具有统计学意义,峰值和平均值于各组间差异无统计学意义。标准差鉴别前列腺癌组与前列腺增生结节组的AUC值为0.832,当截点为0.5804时,其诊断敏感度为68.75%、特异度为89.29%,其效能最高;而熵则同时有较高的敏感度及诊断效能。结论MR-T_(2)WI纹理分析的部分定量参数有助于前列腺癌与良性前列腺增生T_(2)WI低信号病变的鉴别,为两者的鉴别诊断提供客观依据。
    • 王婷; 管维; 李凡; 余杨; 邓又斌; 邓炫
    • 摘要: 目的探讨基于腹腔镜超声图像的纹理分析在鉴别诊断肾透明细胞癌与非透明细胞癌中的价值。方法回顾性分析我院经病理证实的83例肾细胞癌患者的腹腔镜超声检查资料,其中肾透明细胞癌66例,非透明细胞癌17例。在腹腔镜二维超声图像上通过ITK-SNAP软件手工勾画感兴趣区,采用Pyradiomics工具包提取纹理特征。使用组内相关系数选择具有良好稳定性和可重复性的特征;使用最大相关最小冗余(mRMR)和最小绝对收缩和选择算子(LASSO)回归进行特征选择并构建预测模型;绘制受试者工作特征(ROC)曲线分析该预测模型的诊断效能。结果基于6个纹理特征构建的预测模型为:Y=-1.452+0.329×wavelet.LL_glszm_SmallAreaLowGrayLevelEmphasis-0.187×wavelet.LH_firstorder_Mean-0.209×wavelet.HH_glszm_SmallAreaLowGrayLevelEmphasis-0.107×original_gldm_DependenceVariance+0.351×wavelet.LH_glrlmRunEntropy+0.058×wavelet.HH_glszm_ZonePercentage。该模型鉴别肾透明细胞癌与非透明细胞癌的ROC曲线下面积、敏感性、特异性和准确率及其对应的95例可信区间分别为0.860(0.771~0.945)、0.765(0.529~0.941)、0.864(0.788~0.939)、0.843(0.747~0.914)。结论基于腹腔镜超声图像的纹理分析可以准确鉴别肾透明细胞癌与非透明细胞癌。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号