X线影像组学在鉴别乳腺良恶性病变中的应用价值及3种模型效能比较

摘要：

目的 探讨X线影像组学在鉴别乳腺良恶性病变中的应用价值,并比较3种预测模型的效能.方法 回顾性分析296例乳腺病变患者的临床资料,包括恶性病变149例,良性病变147例.对病变头足位(CC)及内外斜位(MLO)的感兴趣区(ROI)进行手动分隔并最终提取影像组学特征,采用支持向量机(SVM)、逻辑回归(LR)、随机森林(RF)进行分类学习,最后运用受试者工作特征(ROC)曲线下面积(AUC)比较不同模型的效能.结果 经过特征筛选最后共纳入9个最优特征,分别为形态特征(球形、长轴长度)、一阶特征(均匀性、均值绝对偏差)和高阶特征[灰度级大小区域矩阵(大面积低灰度比)、相邻灰度色调差矩阵(强度)、灰度共生矩阵(对比度、集聚突变、群集趋势)].SVM、LR、RF诊断效能的AUC分别为0.820、0.758、0.805.SVM与LR的AUC值比较,差异有统计学意义(P＜0.05).结论 影像组学特征中一阶特征和高阶特征是由计算机分析提取,其中对比度、集聚突变、群集趋势均描述图像纹理粗糙程度,能更好地反映乳腺肿瘤的异质性,能够提高诊断的准确度、特异度.

关键词：X线检查、影像组学、乳腺、机器学习、准确度、特异度

所属期刊栏目：25

分类号：R445.2;R737.9(诊断学)

在线出版日期：2021-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：21-24