《表1 41个影像特征中、英文名称及英文缩写对照表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于影像信息的人工神经网络的脑胶质瘤分级》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据相关研究[9]提供的经验及扩大样本量的考虑，本研究基于2-D影像提取其影像特征[8]。根据既往研究[9]提取全局特征及4类纹理特征共41个，分别为全局特征（Global）3个，灰度共生矩阵（gray-level cooccurrence matrix，GLCM）特征7个、灰度游程矩阵（gray-level run-length matrix，GLRLM）13个、灰度区域大小矩阵（gray-level size zone matrix，GLSZM）13个以及邻域灰度差矩阵（neighborhood gray-tone difference matrix，NGTDM）5个（表1）。由于这些特征有着各自不同的物理意义及差异巨大的动态范围，因此对于这些特征数据在分析前需首先对它们进行归一化处理，将其映射到区间[0，1]以保证每一个特征都具有相似的动态范围。具体计算方法为:设a为一特定特征，其原始值为x，则归一化后特征a的值x’=（x–amin）/（amax–amin）。amax和amin分别代表特征a的最大值和最小值。