CT平扫图像纹理分析在肾透明细胞癌与肾乏脂性血管平滑肌脂肪瘤鉴别诊断中的价值

目的 探讨CT平扫图像图像纹理分析对肾透明细胞癌(ccRCC)和肾乏脂性血管平滑肌脂肪瘤(fp-RAML)的鉴别诊断价值.方法 纳入2012年1月至2018年5月间本院经手术病理证实为ccRCC或fp-RAML且行CT平扫检查患者43例,男14例,女29例;年龄(55.37±11.89)岁,共43个病灶,ccRCC 21个,fp-RAML 22个.利用其CT平扫图像进行纹理分析,从灰度直方图、共生矩阵、绝对梯度、自回归模型及小波变换中提取纹理特征值,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)从纹理参数中分别选择10个最优纹理特征值,使用Mazda的B11工具的线性判别分析法(LDA)和非线性判别分析法(NDA)对纹理特征进行分析,计算出其识别ccRCC和fp-RAML的最小错误率.LDA的最大分类特征应用于K邻近分类(KNN),NDA的最大分类特征则用于神经网络(ANN)进行鉴别诊断.利用Mazda提取的全部纹理参数做主成分分析、聚类降维,并用热图中差异明显的纹理特征参数做逻辑回归分析.结果 POE+ ACC-NDA/ANN法鉴别ccRCC和fp-RAML效能最好,最小错误率最低,该方法分别与Fisher-LDA/KNN、Fisher-NDA/ANN、POE+ ACC-LDA/KNN、MI-LDA/KNN及MI-NDA/ANN法对比分析,差异均有统计学意义(x2值分别为3.56、2.15、3.29、2.14、2.27;P值分别为0.019、0.022、0.017、0.021、0.014).在热图中差异明显的纹理特征参数判别结果较Mazda POE+ACC-NDA/ANN法正确率低.结论 Mazda纹理分析软件的POE +ACC-NDA/ANN法利用CT平扫图像进行纹理分析,在ccRCC和fp-RAML鉴别诊断时有最小错误诊断概率,因此,在只有CT平扫图像时使用MaZda软件的POE+ ACC-NDA/ANN进行图像纹理分析实现ccRCC和fp-RAML的安全鉴别诊断是可行的.