51黑料吃瓜在线观看,51黑料官网|51黑料捷克街头搭讪_51黑料入口最新视频

目的 肝包蟲病的 ＣＴ 影像映射了不同亞型包蟲病的病理學的差異性，本研究獲取了可以 印證包蟲病病理學改變的關鍵的影像組學特征，結合人工神經網絡（ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ＡＮＮ）對肝 包蟲病和正常肝臟進行分型，為肝包蟲病的診斷、分型提供支持。 方法 提取基于灰度直方圖、灰度共生 矩陣、灰度－梯度共生矩陣等 ３６ 維特征值，構建肝包蟲圖像特征集；選取曲線下面積（ ａｒｅａ ｕｎｄｅｒ ｃｕｒｖｅ， ＡＵＣ） ＞０?? ７２ 以獲取反映圖像特征變化的關鍵影像組學特征，并繪制特征分布曲線；構建 ＢＰ 神經網絡模 型并采用參數評估、受試者工作特征（ ｒｅｃｅｉｖｅｒ ｏｐｅｒａｔｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃ，ＲＯＣ）曲線對模型進行定量評價。 結果 ＡＵＣ 特征分布：正常肝臟的特征曲線分布均勻，各特征峰值明顯低于肝包蟲病影像；單囊型特征分 布曲線均顯現(xiàn)出雙峰分布，包蟲病灶區(qū)域與正常組織形成明顯灰度紋理差異性；多囊型特征分布集中且 峰值緊湊，灰度級和紋理分布更密集、更復雜，與 ＣＴ 影像中“囊內囊”表現(xiàn)相印證。 ＢＰ 神經網絡分型： 多囊型、單囊型和正常肝臟影像的訓練、驗證、測試、全部樣本分類準確率均達到 ９０％以上。 結論 ＢＰ 神 經網絡模型對肝包蟲病與正常肝臟 ＣＴ 圖像灰度紋理特征差異具有較好的感知判別效果，為肝包蟲疾 病的早期發(fā)現(xiàn)、確診、治療提供科學依據