换一批多参数MRI影像组学和机器学习模型可较准确预测三阴性乳腺癌
Multiparameter MRI radiomcs and machine learning-based models can accurately predict triple-negative breast cancer
摘要目的 通过对多参数磁共振成像数据进行影像组学特征提取,联合临床特征建立预测模型,寻找对三阴性乳腺癌(TNBC)预测价值最高的机器学习模型.方法 收集175例乳腺癌患者,包括40例TNBC和135例非TNBC患者,按7∶3分为训练集(n=123)和验证集(n=52),使用不同的机器学习算法建立多参数的预测模型,并与临床特征联合建模,通过ROC曲线评价不同模型的预测效能.结果 在训练集和验证集中,病灶边界、WHO分级及T2WI信号在TNBC和非TNBC中的差异有统计学意义(P<0.05),基于 rbf_SVM 建立的 Model-T2WI、Model-DWI、Model-DCEphase2、Model-DCEphase7、T2WI+DWI、DCEPhase7+T2WI、DCEPhase7+DWI、DCEPhase7+T2WI+DWI、DCEPhase7+T2WI+DWI+Clinic的9个模型中,DCEPhase7+T2WI+DWI+Clinic的影像组学建立的预测模型效能最高,在训练集和验证集中的曲线下面积分别为0.992、0.936.结论 基于多参数磁共振成像的影像组学模型能较准确地预测TNBC,有助于TNBC的临床诊疗管理.
更多相关知识
关键词
乳腺癌三阴性乳腺癌影像组学多参数磁共振breast cancertriple negative breast cancerradiomicsmulti-parametric magnetic resonance imaging
栏目名称
DOI
10.12122/j.issn.1674-4500.2025.01.13
发布时间
2025-03-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览14
- 被引3
- 下载13
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
