简体中文

论著-胸部

基于MR图像的深度学习预测乳腺癌脉管浸润状态*

作者:张慈慈1 程相宜2 熊玉超1 欧志强1 钟敏之1 步 军1,*

所属单位:1.暨南大学附属广州市红十会医院放射科 (广东 广州 510220) 2.暨南大学附属第一医院影像中心 (广东 广州 510632)

PDF

摘要

目的 基于MRI图像的深度学习技术预测乳腺癌脉管浸润状态。方法 回顾性收集2010年1月至2021年12月在广州市红十字会医院病理证实457例乳腺癌患者的MRI图像(FS-T2WI)。根据病理结果将脉管浸润分为阳性和阴性,将患者按9:1随机分为训练集(n=411)及验证集(n=46)。训练集采用深度学习中的2D VanillaCNN和ResNet10、3DResNet10算法训练模型,并在验证集中评价其效能。结果 457例患者中,脉管浸润阴性304例,阳性153例。基于FS-T2WI序列的2D VanillaCNN和ResNet10、3D ResNet10算法模型预测脉管浸润的曲线下面积(AUC)分别为0.70、0.77、0.69;基于DCE序列的2D VanillaCNN和ResNet10、3D ResNet10算法模型预测脉管浸润的AUC值分别为0.76、0.72、0.80。 基于深度学习技术能有效预测乳腺癌脉管浸润状态,且DCE-T1C序列的预测效能优于FS-T2WI序列。


【关键词】乳腺癌;脉管浸润;MRI;深度学习

【中图分类号】R737.9

【文献标识码】A

【DOI】10.3969/j.issn.1672-5131.2024.03.027