利用超声图像纹理特征鉴别甲状腺实性结节良恶性的研究
Journal of Medical Imaging(2015)
摘要
目的:利用灰度共生矩阵法提取B 超图像上甲状腺实性结节病灶区的纹理特征值,并建立Logistic预测模型,并探讨该模型在鉴别甲状腺实性结节良恶性中的可行性。方法收集经手术证实的甲状腺实性结节患者临床资料,从其超声图像中提取结节区域灰度共生矩阵纹理特征值,并将该特征值作为自变量,结节的良恶性作为因变量拟合Lo‐gistic预测模型。利用10折交叉验证对预测模型进行效果评价,并绘制ROC曲线。结果 Logistic回归模型对甲状腺实性结节良恶性预测的准确率为82%,ROC曲线下面积(AUC)为0.89。结论利用甲状腺实性结节病灶超声图像灰度共生纹理特征值建立的二分类Logistic回归模型能够对甲状腺实性结节的良恶性做出较准确的判断。
更多查看译文
关键词
Ultrasound,GLCM,Logistic regression,Solid thyroid nodules,Differential diagnosis
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要