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
作者：张岁霞；王亚勇；姜丹；王晓荣
来源：北京生物医学工程 2023 年 42卷 5期
