基于灰度共生矩阵鉴别前庭神经鞘瘤和桥小脑角区脑膜瘤的应用价值

摘要

目的探讨灰度共生矩阵(gray-level co-occurrence matrix,GLCM)在前庭神经鞘瘤(vestibular schwannoma,VS)与桥小脑角区脑膜瘤(cerebellopontine angle meningioma,CPAM)鉴别诊断中的价值。材料与方法回顾性分析经病理证实为VS(VS组)及CPAM患者(CPAM组)病例41例,所有患者均在术前行常规MRI平扫+增强扫描。测量并记录GLCM参数,包括能量、对比、相关、逆差矩及熵。采用两独立样本t检验或Mann-Whitney U检验对各个序列GLCM参数进行比较,受试者工作特征(receiver operating characteristic,ROC)曲线分析判断各参数的诊断效能。结果两组间T2WI序列GLCM参数中的对比、相关和逆差矩差异有统计学意义(P值均<0.05);液体衰减反转恢复(fluid attenuated inversion recovery,FLAIR)序列GLCM参数中的对比和逆差矩差异有统计学意义(P值均<0.05);增强T1WI序列GLCM参数中的对比和逆差矩的差异有统计学意义(P值均<0.05)。各序列GLCM参数中,T2WI序列GLCM参数中的对比诊断效能最佳,AUC值最大,为0.971,敏感度和特异度分别为91.30%、94.44%。结论GLCM有助于鉴别前庭神经鞘瘤与桥小脑角区脑膜瘤,可以为临床提供重要参考价值。