基于X线摄影影像组学特征鉴别乳腺良恶性肿块的价值
目的 探讨X线摄影影像组学对乳腺肿块良、恶性鉴别诊断的价值.方法 选取乳腺肿块136例患者的相关X线摄影及病理资料,采用人工智能Mask R-CNN算法对乳腺肿块的精确分割,应用回归算法建立模型并验证,利用ROC曲线及决策曲线评价模型,并使用Delong检验比较不同模型的效能,同时将Shap方法应用于模型的解释.结果 筛选后最终纳入乳腺侧斜位(MLO)视角21个特征,头尾位(CC)视角20个特征,两个融合视角38个特征进行建模.三个模型在测试集中对乳腺肿块良恶性判别的AUC值分别为0.842、0.843、0.955.且MLO视角的组学特征建模模型和CC视角的组学特征建模模型效能差异无统计学意义(P=0.9454),两个单视角模型与融合视角模型ROC曲线下面积差异有统计学意义(P=0.0012和P=0.0059).结论 基于乳腺X线摄影多视角融合模型对良、恶性肿块的鉴别具有较大的应用价值.
乳腺X线摄影、乳腺肿瘤、深度学习、影像组学
33
R737.9;R445.1(肿瘤学)
北京市东城区卫生科技计划项目2021-9
2023-07-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
773-776