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