论著-乳腺
MRI特征辅助分类乳腺癌分子亚型的临床研究*
作者：郭 峰1,* 侯信明1 王春锋1 张海芹2 宋张骏3
所属单位：1.聊城市第二人民医院两腺外科 (山东 聊城 252600) 2.济南市中心医院乳腺外科 (山东 济南 252100) 3.陕西省人民医院乳腺外科 (陕西 西安 710068)
PDF摘要
目的 应用磁共振(MRI)图像中提取的特征和机器学习方法来帮助区分乳腺癌分子亚型，以期为临床诊治提供参考。方法 回顾性分析我院于2021年10月-2023年10月间确诊的178例乳腺癌患者的临床资料，每个患者肿瘤的形状、MRI特征和基于直方图的特征是使用内部软件从增强前和三次增强后的MRI图像上提取的。同时收集临床和病理资料。基于机器学习模型识别重要的成像特征并建立预测IDC亚型的模型。采用留一法交叉验证(LOOCV)避免模型过度拟合，采用Kruskal-Wallis检验确定统计学意义。结果 LOOCV过程生成一个具有不同特征的模型，在排名前20位的特征中，有11项在IDC亚型之间存在显著差异(P<0.05)。综合前九种病理和影像特征，预测模型对IDC亚型的识别准确率为83.4%。病理和影像联合模型对各亚型的准确率分别为89.2%(ERPR1)、63.6%(ERPR-/HER21)和82.5%(TN)。当仅结合前9个成像特征时，预测模型在LOOCV上识别IDC亚型的总体准确率为71.2%。病理和影像联合模型对各亚型的准确率分别为69.9%(ERPR1)、62.9%(ERPR-/HER21)和81.0%(TN)。结论 我们开发了一个基于机器学习的预测模型，该模型使用从MRI提取的特征来区分具有显著预测能力的IDC亚型。
【关键词】磁共振；乳腺癌分子亚型；留一法交叉验证
【中图分类号】R445.2
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2024.06.032
中国CT和MRI杂志
第22卷， 第 6 期
2024年06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