您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览485 | 下载843

目的 探讨基于乳腺X线影像组学特征的预测模型鉴别三阴型乳腺癌(TNBC)与非三阴型乳腺癌(NTNBC)的价值.方法 回顾性分析2015年8月至11月天津医科大学肿瘤医院经手术病理证实为乳腺浸润性导管癌,且具有完整的乳腺X线摄影资料的459例患者,纳入TNBC患者34例,并选取同期的102例NTNBC患者.对病变的乳腺头尾位(CC)和内外斜位(MLO)图像进行手动分割并分别提取43个影像组学特征.分别构建CC位、MLO位单视角及CC和MLO位双视角的分类模型,采用分类准确率、ROC下面积(AUC)、敏感度及特异度进行十次十折交叉验证取其平均值作为最终的分类结果,比较3个模型的分类效能.采用t检验(正态分布)或Kruskal-Walls U检验(偏态分布)进行TNBC与NTNBC间比较分析.结果 MLO位预测模型的AUC、正确率和特异度均高于CC位,CC和MLO位双视角模型的AUC、正确率、敏感度及特异度分别为0.791、0.798、0.776和0.806,高于2个单视角模型.TNBC与NTNBC患者间灰度跨度(CC位)、逆差距(CC位)、圆度(MLO位)特征参数的差异有统计学意义(P值分别为0.043、0.010和<0.01),对应的AUC分别为0.626、0.660、0.753;FD12(CC位)、峰度(CC位)、自相关(CC位)、FD11(MLO位)、FD24(MLO位)、峰度(MLO位)、自相关(MLO位)差异均无统计学意义(P均>0.05).结论 基于X线影像组学

作者:马文娟;赵玉梅;季宇;郝玉娟;刘君君;刘佩芳

来源:中华放射学杂志 2018 年 52卷 11期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:485 | 下载:843
作者:
马文娟;赵玉梅;季宇;郝玉娟;刘君君;刘佩芳
来源:
中华放射学杂志 2018 年 52卷 11期
标签:
乳腺肿瘤 三阴型乳腺癌 分子分型 影像组学 机器学习 X线影像 Breast neoplasms Triple-negative breast cancer Molecular subtypes Radiomics Machine learning Mammogram
目的 探讨基于乳腺X线影像组学特征的预测模型鉴别三阴型乳腺癌(TNBC)与非三阴型乳腺癌(NTNBC)的价值.方法 回顾性分析2015年8月至11月天津医科大学肿瘤医院经手术病理证实为乳腺浸润性导管癌,且具有完整的乳腺X线摄影资料的459例患者,纳入TNBC患者34例,并选取同期的102例NTNBC患者.对病变的乳腺头尾位(CC)和内外斜位(MLO)图像进行手动分割并分别提取43个影像组学特征.分别构建CC位、MLO位单视角及CC和MLO位双视角的分类模型,采用分类准确率、ROC下面积(AUC)、敏感度及特异度进行十次十折交叉验证取其平均值作为最终的分类结果,比较3个模型的分类效能.采用t检验(正态分布)或Kruskal-Walls U检验(偏态分布)进行TNBC与NTNBC间比较分析.结果 MLO位预测模型的AUC、正确率和特异度均高于CC位,CC和MLO位双视角模型的AUC、正确率、敏感度及特异度分别为0.791、0.798、0.776和0.806,高于2个单视角模型.TNBC与NTNBC患者间灰度跨度(CC位)、逆差距(CC位)、圆度(MLO位)特征参数的差异有统计学意义(P值分别为0.043、0.010和<0.01),对应的AUC分别为0.626、0.660、0.753;FD12(CC位)、峰度(CC位)、自相关(CC位)、FD11(MLO位)、FD24(MLO位)、峰度(MLO位)、自相关(MLO位)差异均无统计学意义(P均>0.05).结论 基于X线影像组学