中国CT和MRI杂志2024，Vol.22Issue(3) ：97-99.DOI:10.3969/j.issn.1672-5131.2024.03.030

基于DCE-MRI表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用

Application of Logistic Regression Analysis Model Based on DCE-MRI Findings in the Diagnosis of Benign and Malignant Breast Lesions

刘刚虎 汪飞 程兰兰 胡汉金
中国CT和MRI杂志2024，Vol.22Issue(3) ：97-99.DOI:10.3969/j.issn.1672-5131.2024.03.030
✕
  • 维普
  • 万方数据

基于DCE-MRI表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用

Application of Logistic Regression Analysis Model Based on DCE-MRI Findings in the Diagnosis of Benign and Malignant Breast Lesions

刘刚虎 1汪飞 1程兰兰 1胡汉金1
扫码查看

作者信息

  • 1. 安庆市立医院医学影像科 安徽安庆 246003
  • 折叠

摘要

目的 分析基于动态对比增强磁共振成像(DCE-MRI)表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用.方法 回顾性分析2021年1月～2023年10月来我院进行乳腺检查患者161例临床资料.其中良性病变60例、恶性病变101例,分别纳入良性组(n=60)及恶性组(n=101).分析两组DCE-MRI表现差异,进行单因素分析,利用二元Logistic回归分析构建乳腺良恶性病变诊断模型.采用受试者工作特征(ROC)曲线分析乳腺良恶性病变诊断模型的效能.结果 单因素分析显示,良性组与恶性组TIC曲线、BI-RADS分级、早期强化率、边缘形态及病灶大小比较差异有统计学意义(P<0.05);二元Logistic回归分析结果显示,TIC曲线、BI-RADS分级、早期强化率、边缘形态及病灶大小是乳腺良恶性病变危险征像;构建logistic乳腺癌良恶性病变诊断模型Y=-0.633+0.645TIC曲线+2.112×BI-RADS分级+1.142×早期强化率+1.136×边缘形态+1.136×病灶大小;ROC曲线分析显示该模型诊断效能,AUC为0.944,敏感度为83.33％,特异度为85.15％,提示该模型具有较高的诊断效能.结论 基于乳腺病变早期DCE-MRI表现的logistic诊断模型,能够筛选出对乳腺恶性病变鉴别诊断有意义的特征变量,对乳腺良恶性病变具有较高的诊断效能.

关键词

乳腺良恶性病变/动态对比增强磁共振成像/logistic回归分析模型

Key words

Benign and Malignant Breast Lesion/Dynamic Contrast-enhanced Magnetic Resonance Imaging/Logistic Regression Analysis Model

引用本文复制引用

基金项目

安徽省高等学校科学研究重点项目(2023AH053433)

出版年

2024
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
参考文献量22
段落导航相关论文