罗锦文 朱光斌 关玉宝 周斯琴 何月明

宫颈癌宫旁浸润是国际妇产科联盟（International Federation of Gynecology and Obstetrics，FIGO）分期中重要的评价指标，是影响患者预后的独立危险因素，并且是决定患者治疗方案的主要影响因素。传统FIGO临床分期主要依靠妇科检查，主观性较强，分期的整体准确性低，不同文献报道结论差异较大［1-3］，MR无辐射及软组织分辨率高，提高临床分期的准确性，但MR分期准确性与MR设备的性能、技术与影像诊断医师经验有很大关系，存在一定主观性，不同文献结论各异，因此探索一种可靠而又稳定、客观的分期方法具有重要意义。

纹理分析是通过一定的图像处理技术对已获得的医学图像数据提取出纹理特征参数，从而获得纹理的定量或定性描述的处理过程。纹理特征内在变化及定量测量的能够区别不同病变组织的类型及正常及病变组织，为疾病诊疗提供更多的客观的量化的依据［4-6］。近年来，人工神经网络（artificial neural networks，ANN）是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，具有大规模的并行处理能力、分布性储存能力及自学习能力等优点。径向基函数（radial basis function，RBF）神经网络是具有单隐层的三层前馈神经网络，逼近能力、分类能力和学习速度、推广能力等方面都表现非常优秀，在医学统计与数据挖掘中有着广阔的应用前景。本研究通过对FIGOⅡ期宫颈癌MR图像提取定量的纹理参数特征，并进行RBF分类预测模型的建立，旨在建立用于FIGOⅡ期宫颈癌宫旁浸润诊断与鉴别诊断的RBF预测模型。……