基于乳腺DBT图像的乳腺肿块计算机辅助诊断研究

摘要：

目的:探讨乳腺数字断层扫描(digital breast tomosynthesis,DBT)影像计算机辅助诊断方法在乳腺肿块良恶性鉴别中的价值.方法:本研究纳入我院乳腺癌早期筛查患者(2018年02月至2020年02月)190例,分别提取和筛选DBT影像中常规手工特征和深度学习神经网络特征,进行特征级融合,建立逻辑回归分类器模型,并绘制诺模图,通过ROC曲线、校正曲线和决策曲线对模型进行评估.结果:影像组学手工特征与深度学习特征融合筛选后得到含有三个特征的最优特征集,融合模型的诊断效果优于单独特征;无监督聚类分析和箱线图表明获得的特征具有良好的良恶性鉴别能力;基于融合特征构建的诺模图模型在训练集和测试集上获得AUC值分别为0.985(95％ CI 0.956～1.000,敏感性=0.970,特异性=0.929)和0.984(95％ CI 0.956 ～1.000,敏感性=0.909,特异性=0.931),绘制决策曲线(DCA)表明模型具有良好的潜在临床应用价值.结论:通过影像组学手工特征与深度学习特征融合并建立计算机模型可辅助临床医生提高乳腺DBT影像对肿块的良恶性鉴别能力.

关键词：乳腺DBT;计算机辅助诊断;影像组学;深度学习

所属期刊栏目：30

分类号：R737.9(肿瘤学)

资助基金：国家重点研发计划;中国公益研究专项基金;国家自然科学基金;中青年科技创新人才支持计划项目;辽宁省肿瘤医院-大连理工大学医-工交叉研究基金项目;中国医科大学健康医疗大数据研究课题;辽宁省医工结合创新驱动发展策略研究;沈阳市教科工委高校双服务重点项目

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：120-125