-
题名基于BP神经网络的肝包虫CT图像的定量研究
- 1
-
-
作者
张岁霞
王亚勇
姜丹
王晓荣
-
机构
新疆医科大学医学工程技术学院
浙江大学生物医学工程与仪器科学学院
新疆医科大学第二附属医院药学部
北京大学药学院
新疆医科大学第一附属医院
-
出处
《北京生物医学工程》
2023年第5期448-455,共8页
-
基金
新疆自然科学基金联合项目(2021D01C295,2020D01C157)
省部共建中亚高发病成因与防治国家重点实验室开放课题(SKL-HIDCA-2022-23,SKL-HIDCA-2020-YG2)资助。
-
文摘
目的肝包虫病的CT影像映射了不同亚型包虫病的病理学的差异性,本研究获取了可以印证包虫病病理学改变的关键的影像组学特征,结合人工神经网络(artificial neural network,ANN)对肝包虫病和正常肝脏进行分型,为肝包虫病的诊断、分型提供支持。方法提取基于灰度直方图、灰度共生矩阵、灰度-梯度共生矩阵等36维特征值,构建肝包虫图像特征集;选取曲线下面积(area under curve,AUC)>0.72以获取反映图像特征变化的关键影像组学特征,并绘制特征分布曲线;构建BP神经网络模型并采用参数评估、受试者工作特征(receiver operating characteristic,ROC)曲线对模型进行定量评价。结果AUC特征分布:正常肝脏的特征曲线分布均匀,各特征峰值明显低于肝包虫病影像;单囊型特征分布曲线均显现出双峰分布,包虫病灶区域与正常组织形成明显灰度纹理差异性;多囊型特征分布集中且峰值紧凑,灰度级和纹理分布更密集、更复杂,与CT影像中“囊内囊”表现相印证。BP神经网络分型:多囊型、单囊型和正常肝脏影像的训练、验证、测试、全部样本分类准确率均达到90%以上。结论BP神经网络模型对肝包虫病与正常肝脏CT图像灰度纹理特征差异具有较好的感知判别效果,为肝包虫疾病的早期发现、确诊、治疗提供科学依据。
-
关键词
肝包虫病
灰度纹理特征
BP神经网络
定量分析
图像识别
-
Keywords
hepatic hydatidosis
gray texture features
bp neural network
quantitative analysis
image identification
-
分类号
R318.04
[医药卫生—生物医学工程]
-
