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