摘要
背景与目的:数字乳腺体层合成(digital breast tomosynthesis,DBT)可提高病灶的检出率,目前已应用于乳腺癌筛查及人群诊断.针对DBT三维图像,探讨应用影像组学对乳腺肿块病变的鉴别诊断价值.方法:回顾并分析2019年4月—2020年8月于复旦大学附属肿瘤医院行DBT检查并经手术后理学检查证实的患者资料,选取DBT表现为肿块征象的143例女性患者入组.对所有患者基于肿块病灶的三维图像提取影像组学特征,采用Lasso logistic回归模型进行特征降维及筛选以建立影像组学标签.采用逻辑回归(logistic regression,LR)、支持向量机(support vector machine,SVM)以及梯度提升决策树(gradient boosting decision tree,GBDT)3种算法建立模型.以受试者工作特征(receiver operating characteristic,ROC)曲线评价影像组学标签对肿块良恶性的诊断效能.结果:经病理学检查证实的144个病灶中,良性病灶65个,恶性病灶79个,按8:2比例划分为训练集与测试集.基于不同数目特征的分类器算法,LR、SVM和GBDT的最佳特征数目分别为20、24和32.GBDT模型表现效果最佳,在测试集上取得了0.91的AUC值.结论:基于影像组学的GBDT模型由于其集成学习的优势,可以有效鉴别DBT中肿块病变的良恶性.
基金项目
国家自然科学基金(NSFC 82071878)
国家自然科学基金(81901703)
上海肿瘤疾病人工智能工程技术研究中心(19DZ2251800)
上海市医苑新星青年医学人才培养资助计划(SHWRS2020087)
国家癌症中心攀登基金重点项目(NCC201909B06)
促进市级医院临床技能与临床创新三年行动计划—重大临床研究项目(SHDC2020CR2008A)
国家科技期刊平台
NSTL
维普
万方数据