论著-乳腺
机器学习基于动态对比增强MRI鉴别乳腺良性与恶性病变的价值*
作者：罗文斌1 王光松2 郑 晔1 刘 欣1 王 蕾1 延 根1,*
所属单位：1.厦门医学院附属第二医院放射一科 (福建 厦门 361021) 2.厦门大学附属翔安医院 (福建 厦门 361006)
PDF摘要
目的 本研究旨在探讨不同机器学习方法在乳腺良性与恶性病变预测中的应用。方法 回顾性分析厦门医学院附属第二医院2018年8月至2022年5月经病理证实的271个患者临床和影像资料。采用分层抽样方法以7：3的比例划分训练组和验证组，提取影像组学特征，训练组使用冗余性分析、最小绝对收缩和选择算子交叉验证算法进行特征筛选，采用逻辑回归、支持向量机、自适应增强算法及决策树4种不同具有监督学习的机器学习方法来预测乳腺良性与恶性病变的能力。使用受试者工作特征曲线(ROC曲线)、F1度量值和准确率对四种机器学习算法进行评估，并通过验证组进行验证。绘制校准曲线用于评价预测概率和实际概率之间的偏差。结果 基于17个影像组学特征，逻辑回归算法鉴别乳腺良性与恶性病变的预测效果最好，验证组有最高的曲线下面积(AUC值)为0.832(0.744-0.919)，准确率为78%，F1度量值为0.790。最终以逻辑回归机器学习算法建立预测模型,逻辑回归算法模型校准曲线具有良好的重叠性。结论 基于乳腺动态对比增强MRI逻辑回归机器学习算法有助于鉴别乳腺良性与恶性病变，为临床医师的决策提供指导。
【关键词】影像组学；乳腺；磁共振成像；机器学习
【中图分类号】R339.2+3；R445.2
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2024.04.026
中国CT和MRI杂志
第22卷， 第 4 期
2024年04月
相关文章
编辑部邮箱：（1）中国CT和MRI杂志：ctmri@vip.163.com；（2）罕少疾病杂志：hs1999@vip.163.com
联系电话：0755-83695203
公司地址： 深圳市龙岗区坂田街道坂田社区吉华路489号乐荟科创中心13栋G层12房
简体中文
English
个人中心
微信公众号
头条号