【摘要】：目的在后處理軟件的輔助下,探究肝細胞癌動脈增強指數(shù)偽彩圖的紋理與相應肝細胞癌組織中病理組織學指標AFP、P53及Ki-67之間的統(tǒng)計學關系。方法回顧性收集中國醫(yī)科大學附屬盛京醫(yī)院2016年9月至2018年9月病理組織學檢查診斷為肝細胞癌的病例,且行肝臟增強CT前未對疾病進行干預,收集并整理其肝臟三期增強CT圖像及相應病理組織學檢查結果,使用CT Kinetics軟件對圖像進行后處理,獲取肝動脈增強指數(shù)偽彩圖后,提取該圖像極差、方差、標準差、一致性、斜率、熵等紋理信息參數(shù),采用spss20.0軟件分析病變部位各個紋理參數(shù)與病理組織學指標之間的統(tǒng)計學關系。結果按照AFP陰性和陽性分組時,兩組之間AEF圖像紋理參數(shù)不存在統(tǒng)計學差異(P0.05);按照P53陰性和陽性分組時,兩組之間AEF圖像紋理參數(shù)不存在差異(P0.05);P53標記指數(shù)定量與AEF圖像紋理參數(shù)之間不存在相關性(P0.05);Ki-67標記指數(shù)定量與紋理參數(shù)標準差、方差、極差存在正相關,相關系數(shù)r分別為0.355、0.384、0.359(P0.05),Ki-67標記指數(shù)定量與紋理參數(shù)一致性存在負相關,相關系數(shù)r為-0.419(P0.05)。結論本次研究中,動脈增強指數(shù)圖像紋理與肝癌組織Ki-67標記指數(shù)之間存在相關性,AEF圖像的紋理混亂程度隨著Ki-67標記指數(shù)的增高而增加;而AFP、P53陰陽性與圖像紋理無統(tǒng)計學相關,P53定量與肝動脈增強指數(shù)偽彩圖圖像紋理參數(shù)也無統(tǒng)計學相關。 【學位授予單位】：中國醫(yī)科大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R735.7;R730.44

【圖文】：

中國醫(yī)科大學碩士學位論文劑濃度隨時間變化作為參照，計算整個層面肝臟的動脈增強指數(shù)并生成偽彩圖；隨后選擇門脈期病灶顯示最大層面，沿病灶邊緣勾畫病灶的感興趣區(qū)，并選擇部分同層部分正常肝組織作為對照，最后生成并保存動脈增強指數(shù)偽彩圖中病變組織和正常組織紋理分析參數(shù)。

5圖 1 Ki-67 表達量與紋理參數(shù)極差、方差、標準差、一致性的線性回歸Ki-67 表達量與紋理參數(shù)極差、方差、標準差存在正相關，，與紋理參數(shù)一致性存在負相關

【相似文獻】

相關期刊論文 前10條

1 張學軍;郭建;;圖像紋理分析的方法與應用[J];黑龍江科技信息;2009年16期

2 吳濤;秦昆;;圖像紋理特征數(shù)據(jù)挖掘的理論與方法探討[J];計算機時代;2006年08期

3 王震,王執(zhí)銓;圖像紋理分析與紋理測度[J];南京理工大學學報(自然科學版);2002年S1期

4 范郭亮;李光;王春霞;;圖像紋理區(qū)檢測及分割算法研究[J];信息安全與技術;2011年09期

5 李亞春;夏德深;徐萌;;小波變換在圖像紋理分析中的研究進展[J];計算機工程與應用;2005年35期

6 孟勇,洪丹輝,毛丹;測度熵在圖像紋理分析中的應用[J];計算機應用與軟件;2000年08期

7 丁黎明;;紋理損失最小約束下跟蹤圖像陰影自動去除算法[J];自動化與儀器儀表;2019年03期

8 章華;李振璧;姜媛媛;;基于圖像紋理的煤巖識別研究[J];煤炭技術;2015年07期

9 徐孟春;王相海;;基于不完全小波樹型結構的圖像紋理特征研究[J];中國圖象圖形學報;2009年07期

10 張地;羅群;雷敏;;一種基于圖像紋理特征和支持向量機的版權保護方法[J];網(wǎng)絡安全技術與應用;2017年08期

相關會議論文 前10條

1 楊國華;周晨波;阮久忠;郭冰;王剛;;基于自相關函數(shù)的非平面表面粗糙度的圖像紋理研究[A];第十二屆全國光學測試學術討論會論文（摘要集）[C];2008年

2 王云;董增壽;卓東風;;基于圖像紋理和結構特征的燃燒指數(shù)的高溫低氧火焰燃燒穩(wěn)定性識別[A];2007北京地區(qū)高校研究生學術交流會通信與信息技術會議論文集（上冊）[C];2008年

3 張磊;朱磊;;一種綜合圖像紋理和灰度特征的分割算法[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

4 袁灼彬;鄭曉林;鄒玉堅;方少偉;張旭升;楊沛欽;;T2WI圖像紋理分析聯(lián)合多參數(shù)磁共振成像在評價前列腺癌侵襲性研究[A];中國中西醫(yī)結合學會醫(yī)學影像專業(yè)委員會第十五次全國學術大會暨上海市中西醫(yī)結合學會醫(yī)學影像專業(yè)委員會2017年學術年會暨《醫(yī)學影像新技術的臨床應用》國家級繼續(xù)教育學習班資料匯編[C];2017年

5 王鵬;吳春亞;劉德利;劉亦智;劉獻禮;;基于LabVIEW的鋼球表面缺陷圖像紋理分析與檢測[A];2007'中國儀器儀表與測控技術交流大會論文集（一）[C];2007年

6 阮久忠;周晨波;楊國華;;基于灰度共生矩陣的非平面表面粗糙度的圖像紋理研究[A];第十二屆全國光學測試學術討論會論文（摘要集）[C];2008年

7 薛晶晶;白廷柱;;基于圖像紋理特征的隱身效果評價方法研究[A];光電技術與系統(tǒng)文選——中國光學學會光電技術專業(yè)委員會成立二十周年暨第十一屆全國光電技術與系統(tǒng)學術會議論文集[C];2005年

8 陽維;張素;陳亞珠;;射頻消融組織的B超紋理分析與定征[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（上冊）[C];2007年

9 楊偉斌;朱慶勇;余懷忠;;基于SEM圖像紋理增強的巖石多孔介質(zhì)滲透率計算[A];中國力學大會-2017暨慶祝中國力學學會成立60周年大會論文集（B）[C];2017年

10 韓冬;賀太平;雷雨欣;任嘉梁;吳宏培;郭炎兵;黨珊;谷春雨;;基于CT圖像紋理分析鑒別腎透明細胞癌分化程度WHO/ISUP簡化分級[A];中國中西醫(yī)結合學會醫(yī)學影像專業(yè)委員會第十七次全國學術大會暨甘肅省中西醫(yī)結合學會醫(yī)學影像專業(yè)委員會第六屆學術年會資料匯編[C];2019年

相關重要報紙文章 前2條

1 華凌;世界最薄泡沫屏幕可改變圖像紋理[N];科技日報;2012年

2 記者 馮衛(wèi)東;非侵入性成像可準確發(fā)現(xiàn)癌癥轉移[N];科技日報;2019年

相關博士學位論文 前10條

1 任燕;基于弱監(jiān)督學習的圖像協(xié)同分割與定位[D];西安電子科技大學;2018年

2 任逍航;基于深度學習的自然場景圖像的中文字檢測和識別算法研究[D];上海交通大學;2017年

3 寇旗旗;基于主曲率的圖像紋理特征提取方法研究[D];中國礦業(yè)大學;2019年

4 周杰;醫(yī)學圖像特征的自動獲取與基于內(nèi)容檢索的方法研究[D];第一軍醫(yī)大學;2004年

5 孫蕾;醫(yī)學圖像智能挖掘關鍵技術研究[D];西北大學;2005年

6 胡廣寰;基于內(nèi)容圖像檢索中圖像語義分類技術研究[D];浙江大學;2005年

7 王曙燕;醫(yī)學圖像智能分類算法研究[D];西北大學;2006年

8 段立娟;基于內(nèi)容的圖像檢索與過濾關鍵技術研究[D];中國科學院研究生院（計算技術研究所）;2002年

9 唐俊華;科學數(shù)據(jù)庫中基于內(nèi)容圖像檢索技術研究[D];中國科學院研究生院（計算技術研究所）;2004年

10 易文晟;圖像語義檢索和分類技術研究[D];浙江大學;2007年

相關碩士學位論文 前10條

1 徐佩園;醫(yī)療圖像的目標檢測與分割研究[D];南京航空航天大學;2019年

2 關瑾寧;基于深度學習的圖像描述模型研究及應用[D];哈爾濱工業(yè)大學;2018年

3 齊雪;基于常規(guī)MRI圖像的不同影像組學模型在腦膠質(zhì)瘤術前分級中的應用[D];中國醫(yī)科大學;2019年

4 吉佳琳;肝細胞癌動脈增強指數(shù)圖像紋理與病理組織學的相關性分析[D];中國醫(yī)科大學;2019年

5 王延杰;基于深度人臉信息的身份識別[D];北方工業(yè)大學;2019年

6 朱宏晨;基于顯著點特征的水下圖像海參目標檢測[D];哈爾濱工程大學;2019年

7 鐘紹源;基于海底聲學圖像的底質(zhì)分類軟件設計與實現(xiàn)[D];哈爾濱工程大學;2019年

8 周瓊;基于類別不平衡學習技術的AD醫(yī)學圖像挖掘[D];貴州大學;2019年

9 楊超;圖像前背景分離的機器學習算法及應用[D];貴州大學;2019年

10 郭燕;基于B超圖像多特征值的HIFU治療測溫方法研究[D];湖南師范大學;2019年

本文編號：2712141