基于灰度共生矩阵纹理特征分析鉴别胶质母细胞瘤与原发性中枢神经系统淋巴瘤

Texture feature analysis based on gray level co-occurrence matrix for differential diagnosis of glioblastoma and primary central nervous system lymphoma

二维码有效期 120s

摘要目的探讨基于灰度共生矩阵的纹理特征分析对胶质母细胞瘤(GBM)与原发性中枢神经系统淋巴瘤(PCNSL)的鉴别诊断价值.方法回顾性分析经病理证实的46例GBM患者(GBM组)和36例PCNSL患者(PCNSL组),利用MaZda软件于增强T1WI和ADC图像肿瘤最大层面手动绘制ROI,提取角二次矩能量(简称能量)、熵、对比、相关及逆差距纹理参数;以差异存在统计学意义的参数构建多变量Logistic回归模型,采用ROC曲线分析纹理参数及Logistic回归模型对GBM与PCNSL的鉴别诊断效能.结果 GBM组与PCNSL组之间,增强T1WI参数中的能量、对比、相关、熵,ADC图像参数中的能量、相关、熵差异均有统计学意义(P均＜0.01).将以上参数纳入二元Logistic回归分析,ROC曲线结果显示,增强T1WI和ADC图像纹理参数中,均以熵的鉴别效能为最强,AUC分别为0.81、0.72,敏感度78.26％、56.52％,特异度为77.78％、80.56％;Logistic回归模型鉴别诊断GBM与PCNSL的AUC为0.92,敏感度为91.30％,特异度为83.33％.结论基于灰度共生矩阵的纹理特征分析有助于鉴别诊断GBM与PCNSL.