CT平扫与动脉期图像纹理分析在鉴别膀胱乳头状瘤和膀胱癌中的应用价值

作者：凡健,高斌,夏春华

摘要：目的:探讨利用CT平扫与动脉期图像纹理分析在鉴别膀胱乳头状瘤和膀胱癌中的应用价值。方法:回顾性纳入自2016年1月至2020年1月在安徽医科大学第三附属医院就诊的经病理证实的64例膀胱肿瘤患者的病例资料,其中良性病变32例,恶性病变32例。所有患者均行CT三期动态增强扫描,选择其平扫与动脉期图像来进行研究。使用MaZda纹理分析软件对扫描图像上的膀胱病变进行纹理特征的提取,再用费希尔参数(Fisher)法、最小分类误差与最小平均相关系数法(POE+ACC)及相关信息测度法(MI)分别筛选出鉴别膀胱良恶性病灶的10个最佳纹理参数,使用Mazda的B11工具的主成分分析法(PCA)、线性判别分析法(LDA)和非线性判别分析法(NDA)对选取的最佳纹理特征进行分析,计算出其鉴别膀胱良恶性肿瘤的最小误判率(R),对最小误判率所对应的最佳纹理参数进行ROC检验,筛选出最有辅助鉴别意义的可量化参数来对膀胱良恶性肿瘤进行鉴别诊断。结果:基于CT平扫时以MI+NDA组合的误判率最低(1.56%),所筛选的最佳纹理参数分别为WavEnHHs-1(高高频小波系数转换s-1)、HorzlFraction(水平游程图像分数)、HorzlShrtREmp(水平短游程补偿)、Sigma(参数σ)、Variance(方差),对应的AUC值分别为0.932、0.897、0.902、0.935和0.849,P值均小于0.01,联合这五项指标综合分析的AUC值为0.985,特异度96.87%,敏感度96.87%。在动脉期以POE+ACC+NDA组合的误判率最低(1.56%),所筛选的最佳纹理参数分别为WavEnHHs-1(高高频小波系数转换s-1)、WavEnHHs-2(高高频小波系数转换s-2)、135drShrtREmp(短游程补偿135方向)、GrVariance(绝对梯度方差),对应的AUC值分别为0.916、0.711、0.797和0.793,P值均小于0.01,联合这四项指标综合分析的AUC值为0.916,特异度84.37%,敏感度81.25%。联合平扫+动脉期所有最佳纹理参数综合分析的AUC值为0.997,特异度93.75%,敏感度100%。结论:利用CT平扫与�

发文机构：安徽医科大学研究生院 安徽医科大学第三附属医院（合肥市第一人民医院）介入科 安徽医科大学第三附属医院（合肥市第一人民医院）放射科

关键词：膀胱乳头状瘤膀胱癌纹理分析纹理参数bladder papillomabladder cancertexture analysisthe texture parameters

分类号： R814.42[医药卫生—影像医学与核医学]R445[医药卫生—放射医学]