紋理特征分析在肝囊腫及肝血管瘤磁共振成像鑒別診斷中的價值

王波濤，劉 剛，樊文萍，張曉歡，盧俞宏，陳志曄，

1中國人民解放軍總醫院海南分院放射科，海南三亞 5720132中國人民解放軍總醫院放射科，北京 100853

?

·論 著·

紋理特征分析在肝囊腫及肝血管瘤磁共振成像鑒別診斷中的價值

王波濤1，劉 剛2，樊文萍1，張曉歡1，盧俞宏1，陳志曄1，2

1中國人民解放軍總醫院海南分院放射科，海南三亞 5720132中國人民解放軍總醫院放射科，北京 100853

目的 比較肝囊腫及肝血管瘤在磁共振成像(MRI)常規T2加權(T2WI)序列圖像紋理特征差異。方法 選取中國人民解放軍總醫院海南分院156例肝囊腫(A組：彌散加權成像呈等/低信號肝囊腫100例；B組：彌散加權成像呈高信號肝囊腫56例)及100例肝血管瘤(C組)，分別對其MRI常規T2WI序列軸位圖像進行紋理特征分析(選取能量、對比度、自相關、逆差距、熵5個紋理特征參數)，采用獨立樣本t檢驗及Aspin-Welch檢驗各組之間的紋理特征差異。結果 5個紋理特征參數在3組數據中能量、對比度、自相關、熵差異均有統計學意義(A+B組比C組：P能量=0.000，P對比度=0.000，P自相關=0.000，P逆差距=0.822，P熵=0.000；A組比C組：P能量=0.000，P對比度=0.000，P自相關=0.000，P逆差距=0.092，P熵=0.000；B組比C組：P能量=0.000，P對比度=0.000，P自相關=0.000，P逆差距=0.046，P熵=0.009)，同時結合受試者工作特征曲線發現對比度、自相關在肝囊腫及肝血管瘤鑒別中具有較高診斷價值。結論 肝囊腫及肝血管瘤在MRI常規T2WI圖像的紋理特征顯著不同，紋理特征分析可以作為基于MRI 常規T2WI圖像鑒別肝囊腫與肝血管瘤的工具。

肝囊腫；肝血管瘤；紋理分析；磁共振成像

ActaAcadMedSin，2017,39(2)：169-176

隨著人們對健康認識的不斷提高，通過磁共振成像(magnetic resonance imaging，MRI)檢查對肝囊腫及肝血管瘤的檢出率有明顯上升趨勢，單純憑常規MRI平掃序列很難對兩者進行有效鑒別，通過動態增強掃描檢查可以進行明確診斷[1]，增強使用的磁共振對比劑會給患者帶來額外的經濟負擔，并且存在對比劑過敏的風險。本研究旨在通過紋理特征分析技術對MRI中常規T2加權圖像(T2-weighted image，T2WI)進行圖像分析，證實紋理特征分析可以準確鑒別大多數肝囊腫及肝血管瘤。

對象和方法

對象 選取中國人民解放軍總醫院海南分院2012年7月至2016年8月磁共振平掃及動態增強掃描檢查診斷為肝囊腫及肝血管瘤患者共256例，其中156例肝囊腫[A組：彌散加權成像(diffusion-weighted imaging，DWI)呈等/低信號肝囊腫100例；B組：DWI呈高信號肝囊腫56例]及100例肝血管瘤(C組)。男性142例、女性114例，平均年齡(45±18)歲(31～83歲)。

數據采集 采用GE signa Hdxt 1.5T超導MR掃描機，常規做橫軸位T2WI脂肪抑制序列、DWI、化學位移成像和肝臟容積加速采集動態增強掃描，均用體部8通道相控陣線圈。軸位T2WI脂肪抑制序列采用呼吸門控，成像參數為：重復時間6666 ms，回波時間88 ms，矩陣256×256，層厚6 mm。

圖像分析 由1位醫師查找、記錄患者信息及相關影像資料，從醫學影像信息系統及其后處理工作站導出肝囊腫及肝血管瘤軸位T2WI脂肪抑制序列圖像，圖片為jpg格式，將圖像導入ImageJ(1.41v)圖像紋理特征分析插件，圖像紋理特征分析插件均設置為默認值，像素間距d=1，兩點之間連線與軸的夾角θ=0°。由2位5年以上工作經驗的影像診斷醫師對肝囊腫及肝血管瘤進行觀察、分析，并進行圖像分割及紋理特征參數提取，圖像紋理特征分析插件提供的圖像紋理特征參數包括：能量[又稱為角二階矩(angular second moment，ASM)]、對比度、自相關、逆差距、熵。圖像感興趣區(region of interest，ROI)提?。簩Ω文夷[及肝血管瘤沿著病灶邊緣進行人工手動提取分割，選取肝囊腫及肝血管瘤較為均勻的最大截面區域作為ROI(圖1)，為避免MRI偽影對紋理特征干擾，剔除存在偽影的病變圖像，并根據病灶大小調整ROI的尺寸，ROI包含病灶所有像素，為確保提取出的數據可靠性，手動分割提取3次，取平均值。

統計學處理 采用SPSS 22.0軟件進行統計分析，對肝囊腫及肝血管瘤分成A+B及C組、B及C組、A及C組，3組數據先分別進行正態分布檢驗，符合正態分布采用組內獨立樣本t檢驗，不符合正態分布采用Aspin-Welch檢驗，P>0.05為符合正態分布，P<0.05為差異有統計學意義。將各對照組差異有統計學意義的紋理特征參數代入多因素Logistic回歸模型中，采用向后Wald逐步選擇法確定最終模型[2]，同時進行受試者工作特征(receiver operating characteristic，ROC)曲線分析，評估聯合預測模型及各紋理特征參數的預測性能，以血管瘤為狀態變量，以靈敏度為縱坐標、1-特異度為橫坐標繪制ROC曲線。

圖 1 在肝囊腫及肝血管瘤放置感興趣區測量紋理特征

Fig 1 Texture characteristics were measured by region of interest placed over the whole lesions for hepatic cyst and hemangioma

結 果

肝臟MRI 156例肝囊腫均為長T2信號，其中DWI呈等/低信號肝囊腫100例，DWI呈高信號肝囊腫56例，動態增強掃描病灶均無強化；100例肝血管瘤均為長T2信號，DWI均呈高信號，動態增強掃描均符合血管瘤明顯持續填充強化特點。

紋理特征 用灰度共生矩陣法對156例肝囊腫(A+B組)及100例肝血管瘤(C組)進行紋理特征

分析顯示，能量(P=0.000，T=5.163)、對比度(P=0.000，F=107.879)、自相關(P=0.000，T=47.646)、熵(P=0.000，T=4.995)差異均有統計學意義，逆差距(P=0.822) 差異無統計學意義(表1)。將差異有統計學意義的能量、對比度、自相關、熵為自變量進行Logistic回歸多因素分析，得出肝囊腫與肝血管瘤第1組聯合預測分型公式，P=1/[1+e-(-0.098-1303.746ASM-0.003對比度+9813.074自相關)]，按照臨床實際要求取假陽性率R=10%后求得診斷點為0.5598，如果回歸值P>0.5598診斷肝血管瘤，P<0.5598診斷肝囊腫。ROC曲線分析提示多因素聯合預測曲線下面積0.904(表2、3，圖2)。

在56例DWI高信號肝囊腫(B組)及100例肝血管瘤(C組)中，5個紋理特征參數差異均有統計學意義(能量：P=0.000，T=3.559；對比度：P=0.000，T=21.829；自相關：P=0.000，T=30.540；逆差距：P=0.046，T=2.015；熵：P=0.009，T=2.630)(表4)。將差異有統計學意義的能量、對比度、自相關、逆差距、熵為自變量進行Logistic回歸多因素分析，得出第2組聯合預測分型公式，P=1/[1+e-(-0.900-1356.575ASM+11764.896自相關]，同時按照臨床實際要求取假陽性率R=10%后求得診斷點為0.7471，如果回歸值P>0.7471診斷肝血管瘤，P<0.7471診斷肝囊腫。ROC曲線分析提示多因素聯合預測曲線下面積0.878(表5、6，圖3)。

表 1 156例肝囊腫及100例肝血管瘤5個紋理特征參數比較(x-±s)

ASM：角二階矩；IDM：逆差距

ASM：angular second moment；IDM：inverse difference moment

表 2 肝囊腫與肝血管瘤Logistic回歸分析結果

表 3 肝囊腫與肝血管瘤ASM、對比度、自相關、熵及聯合預測臨界值、ROC曲線下面積

ROC：受試者工作特征

ROC：receiver operating characteristic

在100例DWI等/低信號肝囊腫(A組)及100例肝血管瘤(C組)中，能量(P=0.000，T=5.086)、對比度(P=0.000，F=114.388)、自相關(P=0.000，F=50.097)、熵(P=0.000，T=5.218)差異均有統計學意義，逆差距(P=0.092) 差異無統計學意義(表7)。將差異有統計學意義的能量、對比度、自相關、熵為自變量進行Logistic回歸多因素分析，得出肝囊腫與肝血管瘤的第3組聯合預測分型公式，P=1/[1+e-(0.861-1257.730ASM-0.005對比度+9721.088自相關)]，同時按照臨床實際要求取假陽性率R=10%后求得診斷點為0.6542，將能量、對比度及自相關代入公式，如果計算回歸值P>0.6542診斷肝血管瘤，P<0.6542診斷肝囊腫。ROC曲線分析提示多因素聯合預測曲線下面積0.921(表8、9，圖4)。

圖 2 肝囊腫及肝血管瘤ASM、對比度、自相關、熵和多因素聯合預測ROC曲線

Fig 2 ROC curve of ASM，contrast，correlation，entropy，and combined texture parameters for predicting hepatic cyst and hemangioma

圖 3 DWI呈高信號肝囊腫及肝血管瘤ASM、對比度、自相關、逆差距、熵和多因素聯合預測ROC曲線

Fig 3 ROC curve of ASM，contrast，correlation，IDM，entropy，and combined texture parameters for predicting hepatic cyst and hemangioma with high signal on DWI

表 4 56例 DWI高信號肝囊腫及100例肝血管瘤5個紋理特征參數比較(x-±s)

DWI：彌散加權成像

DWI：diffusion weighted imaging

表 5 DWI高信號肝囊腫與肝血管瘤Logistic回歸分析結果

表 6 DWI高信號肝囊腫與肝血管瘤5個紋理特征參數及聯合預測臨界值、ROC曲線下面積結果

表 7 100例DWI等/低信號肝囊腫及100例肝血管瘤5個紋理特征參數比較(x-±s)

表 8 DWI等/低信號肝囊腫與肝血管瘤Logistic回歸分析結果

表 9 DWI等/低信號肝囊腫與肝血管瘤 ASM、對比度、自相關、熵及聯合預測臨界值、ROC曲線下面積結果

病例分析 圖5第1行，男性，45歲，上腹不適1周，MRI平掃示肝左內葉類圓形長T2信號病灶，DWI呈高信號，對病灶ROI進行手動分割并測其5個紋理特征參數數值，其中ASM=0.003、對比度=248.884、自相關=0.0006，分別帶入3組聯合預測公式，第1組公式回歸值P=0.7562(>0.5598)；第2組公式回歸值P=0.8901(>0.7471)；第3組公式回歸值P=0.8420(>0.6542)，3組公式對應結果診斷肝血管瘤，經MRI增強掃描證實病灶持續填充強化特點，符合肝血管瘤。圖5第2行，男性，35歲，體檢超聲顯示肝內多發病變，MRI平掃肝左葉外下段類圓形長T2信號病灶，DWI呈高信號，對病灶ROI進行手動分割并測其5個紋理特征參數數值，其中ASM=0.002、對比度=450.417、自相關=0.0003，分別帶入前兩組聯合預測公式(DWI呈高信號囊腫，帶入第3組公式結果不準確)，第1組公式回歸值P=0.2475(<0.5598)；第2組公式回歸值P=0.4789(<0.7471)，

兩組公式對應本例結果診斷肝囊腫，經MRI增強掃描證實病灶無強化，符合肝囊腫。

圖 4 DWI呈等/低信號肝囊腫及肝血管瘤ASM、對比度、自相關、熵和多因素聯合預測ROC曲線

Fig 4 ROC curve of ASM，contrast，correlation，entropy and combined texture parameters for predicting hepatic cyst and hemangioma with equi or low signal on DWI

圖 5 肝內T2加權圖像顯示高信號病變，第1行紋理分析證實病變為血管瘤，第2行證實為囊腫

Fig 5 Hepatic lesions with hyperintensity on T2-weighted image，top line identified as hepatic hemangioma，and bottom line identified as hepatic cyst

討 論

肝囊腫和肝血管瘤均是最常見的肝臟良性病變，肝血管瘤中以海綿狀血管瘤最常見，內含豐富的血竇及較多血液，血液的含水量達到80%以上，肝囊腫同樣含水量豐富，兩者均呈長T1長T2信號特征，通過磁共振常規平掃序列很難進行有效鑒別。本研究在不通過加掃MRI其他序列及增強的情況下，通過紋理特征分析技術將常規T2WI圖像的灰度值轉化為紋理信息，肝囊腫的T2值較肝血管瘤T2值大[3]，理論上紋理特征同樣應存在差異，同時紋理的變化是許多疾病影像特征的表現[4]，提取出肉眼無法識別的紋理特征，比較兩者紋理特征差異，通過這種量化分析達到肝囊腫與肝血管瘤相鑒別的目的。

圖像紋理特征分析已經部分應用于肝臟其他疾病診斷，像肝纖維化、肝硬化MRI評價中均有相關性研究[5- 7]。紋理特征分析是通過一定的圖像處理技術提取出紋理特征參數，從而獲得紋理的定量或定性描述的處理過程，將醫學圖像的灰度轉換成圖像紋理信息進行表達，有助于發現更多潛在有用的信息，對臨床疾病的診療提供參考[8]?；叶裙采仃嘯9]是較為經典的紋理特征提取方法，它不僅可以包含灰度值信息，還可以更好地表達灰度值關于灰度空間的特征分布，為了更直觀體現共生矩陣描述紋理狀況，本研究主要選取的參數有能量、對比度、自相關、逆差矩、熵以及d=1，θ=0°單參數進行紋理分析，薄華等[10]研究表明對于灰度共生矩陣不需要選取所有參數同樣可以完整的表達圖像的紋理特征。其中5個參數[11]能量又稱ASM，反映了圖像灰度分布均勻及紋理粗細度，其值大表明一種較均一、規則變化的紋理模式；自相關反映了圖像中局部灰度相關性，當矩陣元素值均勻相等時，相關值就大；逆差距度量圖像紋理局部變化的多少，其值大表明不同區域間紋理缺少變化；對比度反映了圖像的清晰度和紋理溝紋深淺的程度，紋理溝紋越深，其對比度越大；熵表達圖像紋理的復雜程度，熵值越大，圖像紋理信息量越大。

本研究肝囊腫(A+B組)與肝血管瘤(C組)在T2WI圖像中所提取的5個圖像紋理參數對比顯示，能量(P=0.000)、對比度(P=0.000)、自相關(P=0.000)、熵(P=0.000)差異均有統計學意義，表明肝囊腫與肝血管瘤的紋理特征存在差異。其中肝囊腫能量、對比度值大于肝血管瘤，自相關、熵值小于肝血管瘤，推測此結果可能與其病變組織構成有關。前期部分研究已證實人體內部的圖像紋理特征會因其發生病理變化而相應改變[12- 14]，肝囊腫內多是較為純凈的自由水，囊液相對靜止，但肝血管瘤內部由血管壁、血竇、血栓及纖維組織等構成，瘤體內血液由外向中心緩慢流動[15]，所以肝囊腫較肝血管瘤組織結構較簡單、內部相對穩定的狀態，導致其紋理特征較肝血管瘤呈紋理細致、分布均勻、紋理溝紋深及復雜程度小的特點。同時，筆者發現在差異具有統計學意義的4個紋理特征參數中，肝囊腫對比度值明顯大于肝血管瘤，表明肝囊腫紋理基元對比強烈，紋理效果明顯，推測與肝囊腫的T2值較肝血管瘤T2值大有關，所以常規T2WI肉眼觀察中肝囊腫信號亮度普遍高于肝血管瘤，此推測有待于進一步證實。

多因素回歸分析顯示，該聯合預測模型公式在肝囊腫及肝血管瘤鑒別中準確率為83.6%，同時利用ROC曲線對該聯合預測模型及其他單變量的診斷價值進行分析評估，曲線下面積越接近1.0說明診斷價值越大、接近0.5時無診斷價值，結果顯示，第1組聯合預測模型的曲線下面積為0.904，其敏感度為0.750，特異度為0.900，其他單變量參數曲線下面積介于0.6～0.8，表明多因素聯合預測的準確性較高，同時其診斷的準確性明顯優于其他單變量。各紋理特征參數反映的病變內部變化不同，單個紋理特征變量在鑒別中有一定的準確性，但Logistic回歸是駕馭在宏觀層次上，綜合考慮各紋理特征參數評分和指數在囊腫和血管瘤鑒別中的影響，通過多因素聯合分析其診斷效能較單因素分析顯著提高，在肝囊腫和肝血管瘤的鑒別上取得更好的效果，故在臨床實踐中有一定的實用性。

本研究100例肝血管瘤DWI均呈高信號，部分肝囊腫因為T2透過效應[16]的存在DWI同樣呈高信號，將DWI呈高信號的肝囊腫及血管瘤相比較觀察紋理特征是否存在差異更具有臨床意義。同樣方法統計出56例DWI呈高信號囊腫與100例肝血管瘤的5個紋理特征參數能量(P=0.000)、對比度(P=0.000)、自相關(P=0.000)、逆差距(P=0.046) 、熵(P=0.009)差異均有統計學意義。將5個紋理參數進行多因素回歸分析顯示，該聯合預測公式模型同樣具有較高的鑒別價值，其曲線下面積0.878，模型預測的準確率80.1%，同時筆者發現較前對照組(A+B組比C組)公式中缺少了對比度。筆者推測其原因是在這組對照中逆差距差異有統計學意義，在將5個差異均有統計學意義的紋理特征自變量代入Logistic回歸多因素分析，自變量之間會產生一些混雜因素，所以這組公式中缺少對比度，以便保留最有效的指標進行多因素分析，得出的結果表明通過紋理特征分析同樣可以將DWI呈高信號的囊腫與血管瘤在T2WI序列上進行有效鑒別。

一般觀察顯示肝血管瘤DWI均呈高信號，這與DWI呈等/低信號的肝囊腫相鑒別較容易，同時結合統計數據發現這組與之前的(A+B組比C組)統計結果相類似，能量(P=0.000)、對比度(P=0.000)、自相關(P=0.000)、熵(P=0.000)差異均有統計學意義，在多因素回歸分析的曲線下面積同樣明顯高于單個紋理特征，其曲線下面積0.921，其敏感度為0.890、特異度為0.900，模型預測的準確率88.1%，能很好地區別DWI等/低信號肝囊腫與血管瘤。本研究同時可以擴大樣本量通過對其他T1WI、DWI序列提取紋理參數，多個序列紋理參數聯合比較推測可以明顯提高肝囊腫及肝血管瘤鑒別的準確性。

本研究使用紋理特征分析在T2WI序列對肝囊腫和肝血管瘤進行鑒別診斷，在3個對照組中選取的5個紋理特征參數通過多因素回歸分析發現能量、對比度、自相關存在較高的鑒別診斷價值，同時通過Logistic回歸模型對肝囊腫及肝血管瘤的鑒別進行預測，方法操作簡便、有效、經濟，具有一定的臨床推廣價值。

[1]方春，王立章，俞方榮，等. MRI平衡快速場回波成像在肝海綿狀血管瘤和肝囊腫鑒別診斷中的價值[J]. 中華實用診斷與治療雜志，2011，25(9)：894- 895.

[2]劉潤幸. 使用SPSS作多變量觀察值的ROC曲線分析[J]. 中國公共衛生，2003，19(9)：1151- 1152.

[3]陳雙慶，郭亮，沈海林，等. 表觀擴散系數與T2值診斷肝臟局灶性小病變的比較[J]. 中國CT和MRI雜志，2005，3(3)：37- 40.

[4]周曉霞，張景，劉卓，等. 基于MR圖像女性阿爾茨海默癥海馬紋理特征研究[J]. 北京生物醫學工程，2010，29(3)：230- 234.

[5]Yu H，Buch K，Li B，et al. Utility of texture analysis for quantifying hepatic fibrosis on proton density MRI[J]. J Magn Reson Imaging，2015，42(5)：1259- 1265.

[6]郭冬梅，劉惠，邵瑩，等. 基于紋理特征的多序列MRI的肝硬化識別研究[J]. 中國醫學影像技術，2014，30(7)：1105- 1108.

[7]劉漢菊，李濤，金銀華，等. 肝纖維化、肝硬化的MRI評價指標與病理學分期的相關性研究[J]. 臨床放射學雜志，2013，32(11)：1599- 1602.

[8]Gao S，Peng Y，Guo H，et al. Texture analysis and classification of ultrasound liver images[J]. Biomed Mater Eng，2014，24(1)：1209- 1216.

[9]Haralick RM，Shanmugam K，Dinstein I. Textural features for image classification[J]. IEEE Trans Cybern，1973，3(6)：610- 621.

[10]薄華，馬縛龍，焦李成. 圖像紋理的灰度共生矩陣計算問題的分析[J]. 電子學報，2006，34(1)：155- 158，134.

[11]Karahaliou AN，Boniatis IS，Skiadopoulos SG，et al. Breast cancer diagnosis：analyzing texture of tissue surrounding microcalcifications[J]. IEEE Trans Inf Technol Biomed，2008，12(6)：731- 738.

[12]Wang L，Li N，Zhou X，et al. Texture characteristic analysis of MRI for exploratory study on early diagnosis of multiple sclerosis[C]. LEEE/ICME International Conference on Complex Medical Engineering，2007：652- 655.

[13]Zhang J，Tong L，Wang L，et al. Texture analysis of multiple sclerosis：a comparative study[J]. Magn Reson Imaging，2008，26(8)：1160- 1166.

[14]Tixier F，Hatt M，Le Rest CC，et al.Reproducibility of tumor uptake heterogeneity charact-erization through textural feature analysis in 18F-FDG PET [J].J Nucl Med，2012，53(5)：693- 700.

[15]王麗萍，李克，王薇，等. 動態及延時增強磁共振成像對肝血管瘤診斷的評價[J].中國醫學計算機成像雜志，2006，6(3)：392.

[16]Burdette JH，Elster AD，Ricci PE. Acute cerebral infarction：quantification of spin-density and T2 shine-through phenomena on diffusion-weighted MR images[J].Radiology，1999，212(2)：333- 339.

Value of Texture Feature Analysis in the Differential Diagnosis of Hepatic Cyst and Hemangioma in Magnetic Resonance Imaging

WANG Botao1，LIU Gang2，FAN Wenping1，ZHANG Xiaohuan1，LU Yuhong1，CHEN Zhiye1，2

1Department of Radiology，Hainan Branch of Chinese PLA General Hospital，Sanya，Hainan 572013，China2Deapartment of Radiology，Chinese PLA General Hospital，Beijing 100853，China

Corresponding author：CHEN Zhiye Tel：0898- 37330852，E-mail：yyqf@hotmail.com

Objective To investigate the difference of texture on conventional T2-weighted image (T2WI) between hepatic cyst and hepatic hemangioma. Methods All the subjects included 156 patients with hepatic cyst [A group：100 cases with equi or low signal on diffusion weighted imaging (DWI)；B group：56 cases with high signal on DWI] and 100 patients with hemangioma (C group). Conventional magnetic resonance imaging T2WI，DWI and dynamic contrast enhancement were performed on all the patients，and the texture analysis was applied with the images of T2WI，and the texture parameters included angular second moment，contrast，correlation，inverse difference moment，and entropy. Independent samplet-test and Aspin-Welch test were performed for the comparisons among groups. Results All the texture parameters showed significant difference among groups [(A+B) groupvs. C group：Pangular second moment=0.000，Pcontrast=0.000，Pcorrelation=0.000，Pinverse difference moment=0.822，Pentropy=0.000；A groupvs. C group：Pangular second moment=0.000，Pcontrast=0.000，Pcorrelation=0.000，Pinverse difference moment=0.092，Pentropy=0.000；B groupvs. C group：Pangular second moment=0.000，Pcontrast=0.000，Pcorrelation=0.000，Pinverse difference moment=0.046，Pentropy=0.009]，and receiver operating characteristic curve analysis demonstrated that contrast and correlation had high differential diagnostic values between hepatic cyst and hemangioma. Conclusion Hepatic cyst and hemangioma present evident different texture characteristics，and the texture analysis may be considered as a simple and effective tool in the differential diagnosis between hepatic cyst and hemangioma based on the images of T2WI.

hepatic cyst；hepatic hemangioma；texture analysis；magnetic resonance imaging

陳志曄 電話：0898- 37330852，電子郵件：yyqf@hotmail.com

R445.2

A

1000- 503X(2017)02- 0169- 08

10.3881/j.issn.1000- 503X.2017.02.002

2016- 11- 08)