基于MR纹理特征的RBF神经网络在FIGO Ⅱ期宫颈癌宫旁浸润中的诊断价值

目的:探讨基于宫颈癌MR图像纹理特征,建立用于FIGO Ⅱ期宫颈癌诊断宫旁浸润的RBF神经网络分类预测模型.方法:纳入本院90例经手术或活检病理证实的FIGOⅡ期宫颈癌MR影像资料,其中FIGOⅡB期宫旁浸润组45例,FIGOⅡA期非宫旁浸润组45例.用Mazda软件提取宫颈癌MR图像的794种纹理参数,经过特征选择降维得到10种纹理参数特征,对其中具有统计学差异参数作为自变量,采用SPSS软件进行RBF神经网络预测模型的建立,并构建ROC曲线分析RBF预测模型的诊断效能.结果:成功建立了能够判断宫旁浸润与非宫旁浸润的RBF神经网络预测模型,经过10次反复随机法训练后验证后建立的RBF神经网络分类预测最佳模型的培训整体正确率为84.5％,训练整体正确率为84.4％,ROC模型曲线下面积分别为0.877.结论:基于MR图像纹理特征RBF神经网络预测模型对FIGOⅡ期宫颈癌能提高MR亚分期的准确性,有助于临床医师的临床决策.