基于平片的計算機輔助的骨質(zhì)疏松分級診斷初步探究.pdf

1、目的:通過分析骨盆X線平片上股骨頸Ward三角區(qū)骨小梁的紋理特征，探討基于紋理特征的BP神經(jīng)網(wǎng)絡(luò)分類器在骨質(zhì)疏松分級診斷中的應(yīng)用價值。
　　方法：選取在大連醫(yī)科大學附屬第二醫(yī)院拍攝骨盆X線平片的患者44例，所有44例患者于半年內(nèi)采用雙能X線（dual-energy X-ray absorptiometry，DXA）檢測骨密度，依據(jù)骨密度測定結(jié)果將44例患者分為三組：S0（骨量正常組）15例，S1（骨量減低組）15例，S2（骨質(zhì)疏松

2、組）14例。首先，在骨盆X線平片股骨頸Ward三角區(qū)（骨小梁薄弱區(qū)）手動提取感興趣區(qū)（region of interest，ROI），ROI大小為20×20像素，每個患者雙側(cè)對稱提取，單側(cè)股骨頸提取2-4個ROI，共獲328個ROI，其中S0組ROI116個，S1組ROI108個，S2組ROI104個。然后，采用Matlab設(shè)計構(gòu)建基于紋理特征的計算機輔助診斷系統(tǒng)：用灰度共生矩陣法提取每個ROI在4個方向（0°、45°、90°、135°

3、）的20個紋理特征參數(shù)（自相關(guān)系數(shù)、對比度、相關(guān)性、突出聚類、陰暗聚類、非相似聚類、能量、熵、同質(zhì)度、最大概率、方差、和平均、和方差、和熵、差方差、差熵、相關(guān)信息度1、相關(guān)信息度2、歸一化逆差、和歸一化逆差距），每個ROI共計獲得80個紋理特征量；依據(jù)提取的紋理特征繪制箱線圖進行特征篩選。然后，采用經(jīng)典的三層BP神經(jīng)網(wǎng)絡(luò)分類器對S0~S23組ROI圖像進行兩兩分類識別，其中50%的ROI作為訓(xùn)練樣本，余50%的ROI作為測試樣本，得出分

4、類結(jié)果。最后，采用Matlab計算敏感度與特異度，并繪制ROC曲線。
　　結(jié)果：
　　1.基于80個紋理特征量的BP神經(jīng)網(wǎng)絡(luò)二分類器進行兩兩分類結(jié)果如下：S0-S1的總識別準確率為76.79%；分類器在S0-S1識別過程中的靈敏度為79.16%，特異度為75.00%。S0-S2的總識別準確率為76.36%；分類器在S0-S2識別過程中的靈敏度為74.07%，特異度為78.57%。S1-S2的總識別準確率為60.85%。分類器

5、在S1-S2識別過程中的靈敏度為60.19%，特異度為61.47%。
　　2.根據(jù)80個紋理特征量對應(yīng)二分類結(jié)果的箱線圖，剔除分類識別能力較差的紋理特征量，保留能夠提高分類準確率的紋理特征量，共挑選出0°、45°、90°、135°四個方向上的11個紋理特征參數(shù)，分別為自相關(guān)系數(shù)、對比度、非相似性、同質(zhì)度、方差、和平均、和熵、和方差、差方差、差熵及歸一化逆差，共計獲得44個紋理特征量。
　　3.基于48個紋理特征量的BP神經(jīng)網(wǎng)

6、絡(luò)二分類器進行兩兩分類如下：S0-S1的總識別準確率為78.57%；分類器在S0-S1識別過程中的靈敏度為78.84%，特異度為73.31%。S0-S2的總識別準確率為78.64%；分類器在S0-S2識別過程中的靈敏度為79.44%，特異度為80.53%。S1-S2的總識別準確率為62.74%。分類器在S1-S2識別過程中的靈敏度為61.47%，特異度為64.08%。
　　結(jié)論：
　　1.基于平片的股骨頸Ward三角區(qū)紋理特