首页|基于MR图像的深度学习预测乳腺癌脉管浸润状态

基于MR图像的深度学习预测乳腺癌脉管浸润状态

扫码查看
原文链接
  • 万方数据
  • 维普
目的 基于MRI图像的深度学习技术预测乳腺癌脉管浸润状态.方法 回顾性收集2010年1月至2021年12月在广州市红十字会医院病理证实457例乳腺癌患者的MRI图像(FS-T2WI).根据病理结果将脉管浸润分为阳性和阴性,将患者按9:1随机分为训练集(n=411)及验证集(n=46).训练集采用深度学习中的2D VanillaCNN和ResNet10、3DResNet10算法训练模型,并在验证集中评价其效能.结果 457例患者中,脉管浸润阴性304例,阳性153例.基于FS-T2WI序列的2D VanillaCNN和ResNet10、3D ResNet10算法模型预测脉管浸润的曲线下面积(AUC)分别为0.70、0.77、0.69;基于DCE序列的2D VanillaCNN和ResNet10、3D ResNet10算法模型预测脉管浸润的AUC值分别为0.76、0.72、0.80.结论 基于深度学习技术能有效预测乳腺癌脉管浸润状态,且DCE-T1C序列的预测效能优于FS-T2WI序列.
Prediction of Lymphovascular Invasion Status in Breast Cancer with MRI Based on Deep Learning

Breast CancerLymphovascular InvasionMRIDeep Learning

张慈慈、程相宜、熊玉超、欧志强、钟敏之、步军

展开 >

暨南大学附属广州市红十会医院放射科 广东广州 510220

暨南大学附属第一医院影像中心 广东广州 510632

乳腺癌 脉管浸润 MRI 深度学习

广州市卫生健康科技一般引导项目

20221A011023

2024

10.3969/j.issn.1672-5131.2024.03.027

中国CT和MRI杂志
北京大学深圳临床医学院 北京大学第一医院

中国CT和MRI杂志

CSTPCD
影响因子：1.578
ISSN：1672-5131
年,卷(期)：2024.22(3)
  • 14