《临床放射学杂志》发表论文赏析
作者:杜涛明, 宋惠贞, 林涛, 任盈丽, 苗加庆, 唐烨真
单位:610041 四川,成都市第七人民医院放射科杜涛明、宋惠贞、林 涛、任盈丽;610041 成都,西南民族大学苗加庆、唐烨真
摘要:目的初步探索基于动态增强磁共振成像(DCE-MRI)的反向传播神经网络(BPNN)模型预测乳腺影像报告和数据系统(BI-RADS)4类乳腺良恶性病变的价值。方法纳入本院2018年2月至2022年12月经乳腺MRI诊断为BI-RADS 4类乳腺病变的患者260例,并随机分配至训练集(n=182)和验证集(n=78)。选取对比剂注射后的第二期DCE-MRI图像勾画病变感兴趣区体积,提取病变MRI影像组学特征。采用Logistic回归分析、最小绝对收缩与选择算子(LASSO)等方法,筛选出对预测乳腺BI-RADS 4类良恶性病变有意义的临床因素和影像组学特征,并分别建立临床模型、影像组学模型以及临床联合影像组学的结合模型、BPNN模型。通过受试者工作特征曲线、曲线下面积(AUC)、校准曲线和德隆(Delong)检验评比预测模型的性能。结果病灶长径是BI-RADS 4类乳腺良恶性病变的独立临床相关因素[优势比(OR):1.906; 95%可信区间(CI):1.359~2.731];12个影像组学特征与BI-RADS 4类乳腺良恶性病变相关。对比临床模型、影像组学模型、结合模型,BPNN模型具有更高的预测性能(训练集 AUC: 0.784 vs.0.801 vs.0.855 vs.0.976,验证集AUC: 0.725 vs.0.776 vs.0.813 vs.0.971),与其他三个模型之间的AUC比较差异均有显著统计学意义(P<0.05)。校准曲线表明,模型预测BI-RADS 4类乳腺病变的稳定性好。结论基于DCE-MRI的BPNN模型在预测BI-RADS 4类乳腺良恶性病变方面有较高的性能,可以为临床治疗决策提供参考依据。
关键词:乳腺病变,反向传播神经网络,磁共振成像,预测模型
基金资助:本研究系四川省医学会科研基金专项科研课题资助项目(编号:2021HR28)
2024年10期其他文献查阅:
ASPECTS不同梗死区域与前循环大血管闭塞性急性缺血性卒中机械取栓术后的预后分析
自由呼吸三维采集(StarVIBE)增强序列用于头颈肿瘤的图像质量分析
基于MRI影像组学的可解释性机器学习模型预测乳腺癌新辅助治疗病理完全缓解
基于动态增强MRI的反向传播神经网络模型预测BI-RADS 4类乳腺良恶性病变
联合应用直接淋巴管造影后CT与99Tcm-DX淋巴显像在诊断乳糜性胸腔积液中的价值探讨
基于能谱CT增强图像的支持向量机模型在鉴别肺实性结节良恶性的价值
CMR心肌应变联合心肌酶对急性心肌梗死治疗后左心室射血分数正常患者微血管阻塞的预测价值
基于平扫及增强CT预测肺实性结节良恶性的两种模型的建立和比较
基于多期相融合CT影像组学鉴别小细胞肺癌与非小细胞肺癌的应用研究
基于临床、能谱CT及CT影像组学特征构建机器学习模型术前预测结直肠癌患者KRAS基因状态
基于XD-VIBE的DCE-MRI在预测局部进展期胃癌组织病理学特征中的应用价值
MRI对体外冲击波联合康复运动治疗膝关节骨性关节炎短期疗效的评估
基于定量CT对中老年人群体脂肪分布与外周血炎症细胞标志物的相关性分析
化疗后QCT体质指标对于急性髓系白血病生存预后影响的初步研究