《临床放射学杂志》发表论文赏析
作者:舒予静, 何子龙, 曾伟雄, 刘家玲, 郭丫丫, 陈卫国
单位:510515 广州,南方医科大学南方医院放射科舒予静、何子龙、曾伟雄、刘家玲、郭丫丫、陈卫国; 523710 东莞,广东医科大学附属东莞第一医院放射影像中心舒予静
摘要:目的 基于乳腺X线及超声双模态影像特征构建多分类机器学习模型,术前预测乳腺癌患者的人类表皮生长因子受体2(HER2)表达状态。方法 搜集符合纳排标准的632例女性乳腺癌患者,其中HER2不表达141例、低表达311例、高表达180例。提取研究对象全视野数字化乳腺X线摄影(FFDM)、数字乳腺断层摄影(DBT)以及乳腺超声(US)图像上乳腺癌病灶的影像学征象。在完成数据预处理后,基于五种机器学习算法构建乳腺癌HER2表达状态的三分类预测模型。采用五折交叉验证训练机器学习模型,计算三分类模型的总体准确率、精确率、查全率、F1-score、受试者工作特征曲线(ROC)曲线下面积(AUC)值。通过Bootstrap法比较模型间AUC值,筛选出分类性能最优的三分类模型。采用SHAP方法评估每个特征对模型预测HER2表达状态的重要性。结果 在测试集上,随机森林(RF)模型对HER2表达状态的三分类性能最优,宏平均AUC为0.723,微平均AUC为0.783,总体准确率为57.4%,宏平均召回率为53.0%。SHAP分析结果表明,影响RF模型输出最重要的五个全局特征依次为X线观察到的钙化、舒张压、细线样或线样分支状钙化、US测量的病灶最大径、CA153。结论 基于乳腺X线及超声双模态影像特征的机器学习多分类模型可以实现乳腺癌患者HER2表达状态的术前预测,结合SHAP方法可以提高机器学习模型的可解释性。
关键词:乳腺癌,HER2表达状态,乳腺X线摄影,超声,机器学习
基金资助:本研究系国家自然科学基金项目(编号:82171929)
2024年8期其他文献查阅:
基于定量MRS技术探讨海马代谢物对Ⅱ型糖尿病患者发生轻度认知障碍的预测价值
首发未治疗青少年抑郁症静息态脑功能变化及其与临床特征相关性研究
FVH-DWI不匹配及PVS-DWI不匹配评估急性脑梗死预后:侧支循环分层研究
多参数MRI影像组学术前预测乳腺癌HER-2低表达的临床研究
表现为非肿块强化的乳腺小叶癌与导管癌MRI表征及病理相关指标对比分析
基于双模态乳腺影像特征的HER2表达状态多分类机器学习预测模型构建及可解释性分析研究
基于MRI瘤内联合最佳瘤周影像组学评估乳腺癌Ki-67表达状态的研究
基于人工智能的冠状动脉周围脂肪衰减指数联合CT血流储备分数预测冠心病患者不良心血管事件风险的价值
无症状冠状动脉粥样硬化性心脏病高危人群CCTA特征及性别间差异研究
IVIM-DWI联合血清肿瘤标志物对小细胞肺癌及非小细胞肺癌的鉴别价值
DWI、IVIM和DKI定量参数联合模型在HCC病理分级中的应用评估
小视野ZOOMit DWI和常规DWI在胃癌术前T分期评估中的应用价值比较
基于MRI肿瘤和瘤周的机器学习模型预测直肠癌新辅助治疗后淋巴结转移的研究
血氧水平依赖磁共振成像对早期糖尿病肾病评估价值的Meta分析
经颅磁刺激不同靶点干预孤独症谱系障碍儿童语言及行为的Meta分析
肝动脉化疗栓塞联合超声/CT双引导的射频消融和碘125粒子植入治疗危险部位肝癌的临床分析
AI辅助系统评估双层探测器光谱CT虚拟平扫肺结节检出的价值探究