导　　师： 文戈

授予学位： 硕士

作　　者： (）;

机构地区： 南方医科大学

摘　　要： 目的:探索基于MRI T2WI序列的纹理分析在预测肝细胞癌病理分化程度中的价值。　　方法:回顾性分析134例肝细胞癌患者的资料，所有被试均经手术证实并按照Edmondson-Steiner方法分级。应用MaZda软件在MRI T2WI图像中肿瘤部分手动勾画感兴趣区，提取并筛选纹理特征参数，方法包括交互信息(MI)、Fisher系数、分类错误概率联合平均相关系数(POE+ACC)及3种方法联合（Fisher+POE+ACC+MI联合法，MPF）。通过软件自带的特征分类方法包括原始数据分析(RDA)、主要成分分析(PCA)、线性分类分析(LDA)和非线性分类分析(NDA)选出最具鉴别能力的纹理特征，结果以误判率表示。将肝癌的病理级别作为因变量，采用二分类Logistics回归分析，将MPF方法筛选出的30个纹理进行分析，得到评估HCC分化程度的独立预测因子，P＜0.05认为差异有统计学意义;采用ROC曲线评价各参数单独应用及联合应用的鉴别效能。　　结果:纹理特征参数选择方法中，MI、Fisher系数和POE+ACC3种方法鉴别肝细胞癌高、低分化误判率接近。纹理特征分类分析方法中，NDA区分两种病变的误判率(8.21％)明显低于RDA、PCA和LDA3种方法，具有最优的鉴别诊断效能。S(0，5)Entropy、S(5，-5)Entropy、WavEnHL_s2为鉴别高、低分化HCC效能最高的纹理特征，且联合三个纹理参数鉴别能力有所提高。　　结论:基于MRI T2WI序列的纹理分析可用于鉴别肝细胞癌高、低分化程度。

关 键 词： 肝细胞肝癌 疾病诊断 病理分级 磁共振成像

领　　域： []