摘要
目的 探究MRI双序列联合X线乳腺钼靶摄影(MG)双体位的影像组学特征在鉴别乳腺良恶性病变中的价值,分析MRI联合MG影像组学模型的鉴别能力.方法 回顾性搜集经手术病理或穿刺活检证实的194例乳腺病变患者,其中良性69例,恶性125例.选取患者的MRI-T2WI抑脂序列、MRI-DCE图像上病灶最大面积层面及同一病灶的MG头尾位(CC)、内外斜位(MLO)图像勾画感兴趣区,提取病灶感兴趣区特征,按照7:3比例将样本随机分为训练集136例和测试集58例,通过统计及机器学习方法进行特征降维,筛选出一组最优特征,通过支持向量机(SVM)建立MRI联合MG的多模态影像组学模型,并根据MRI和MG的BI-RADS评分及病灶影像最大径建立传统影像诊断模型,分析各模型对乳腺良恶性病变鉴别能力.结果 多模态影像组学模型训练集受试者工作曲线(ROC)的曲线下面积(AUC)、灵敏度、特异度、约登指数、准确率、阳性精确率、阳性召回率、阳性F1-score分别为0.99、0.94、0.96、0.90、0.96、0.95、0.99、0.97,测试集分别为0.97、0.97、0.90、0.87、0.93、0.95、0.95、0.95;传统影像诊断模型的训练集AUC、灵敏度、特异度、约登指数、准确率、阳性精确率、阳性召回率、阳性F1-score分别为0.88、0.98、0.77、0.75、0.88、0.89、0.93、0.91,测试集分别为0.83、0.95、0.71、0.66、0.84、0.85、0.92、0.88.结论 多模态影像组学模型鉴别乳腺良恶性病变的效能优于传统影像诊断模型,基于MRI双序列及MG双体位的影像组学模型对乳腺良恶性病变具有较高的鉴别能力.
基金项目
安徽省教育厅自然科学基金重点项目(KJ2019A0402)
安徽省教育厅自然科学基金重点项目(KJ2018A0225)
NETL
NSTL
维普
万方数据