上皮体积百分比 % 腔平均直径 µm
腔体积百分比 % 上皮平均厚度 µm
腺体体积百分比 % 腺形状因子 --
外表面腺密度 mm²/mm³ 腺体平均曲率 mm﹣¹
内表面腺密度 mm²/mm³ 长度密度腺 mm²/mm³
腺平均直径 µm
而细胞核的相关参数也是和预测变量有许多关联的,其主要相关特征如下表所示:
表2.3.2 核大小(平均)与核大小变化相关特征
周长 µm
面积 µm
最短轴 µm
最长轴 µm
核大小 µm
核形状因子 --
核轴比 --
本课题中,采用的是4C规则和3D评分中的7个变量来对子宫内膜腺体进行定量的评测。
多元统计分析程序采用各个细胞组成的图案,计算的过程通常则由一个小型计算机专业开发的程序执行,本课题中涉及的变量计算通过公式进行计算。正态分布,是一个应用多变量技术来分析所要研究问题的一个常用方法。考-斯二氏实验检测中,P<0.05(双侧)作为显著性的水平,没有一个特征可以被正态分布拒绝。在实验中常用的方法,首先是将每个小组分开成为由随机数选取然后组成到一个组合。接着,将一个收集特征采用逐步回归分析被选择。亚类选择被决定基于1、模型的显著性;2、每步骤增加相关系数;3、起作用特征的显著性。关于哪个组合应该被采用,优先选择特征最少的联合组(在前面提到的条件式下)。已经选择的一组特征,判别分析被执行,正确和不正确分类数量被记录。电脑选择有显著统计学意义的特征作为分母。在这个标准中选择的组合并不总是容易理解的。在最终的分级过程中有更多的洞察,当然容易理解,非常显著的特征可以被强调或者定位,计算机偏爱这些特征。在本研究中子宫内腺体的上皮体积百分比是最好的鉴别器,这个特征和外表面密度、上皮厚度、和短轴平均值以及核大小标准差固定在一起。在这个固定比计算机自动选择特征更好,形成一个略小的显著性的模型。除区别所有四组之外,还尝试区别所有增生症和癌。文献综述