目的：探讨利用主成分分析（principal component analysis，PCA）的方法提取人类肝脏纤维化声像图纹理特征的价值。方法采集186例有肝脏组织穿刺病理肝纤维化分期（S0～S4）结果的慢性乙型肝炎患者的标准化声像图，提取声像图纹理的灰度共生矩阵（gray level co-occurrence matrix，GLCM）参数。采用PCA 对5类186幅人肝纤维化声像图纹理的14个GLCM参数进行分析，从中提取主要成分。分别利用这两套参数建立判别分析模型对肝纤维化声像图进行分类。结果获得的3个主要成分对人肝纤维化声像图纹理解释的累计贡献率为96．12％。交互检验表明建立在3个主要成分和14个原始参数基础上的判别分析模型分别能够对55．9％和60．8％的病例进行准确分类。结论采用PCA提取的主成分不仅能减少数据量，而且获得了与原始参数类似的分类精度。
作者：陈明丽；陈亚青；朱云开
来源：肝脏 2014 年 10期
