换一批影像组学在非肿块样强化病变中判别肉芽肿性小叶性乳腺炎和浸润性乳腺癌的价值
The Value of Radiomics in Discriminating Granulomatous Lobular Mastitis from Invasive Breast Cancer in Non-Mass-Like Enhancing Lesions
摘要目的 探讨MRI影像组学在非肿块样强化(NME)乳腺病变中鉴别肉芽肿性小叶性乳腺炎(GLM)和浸润性乳腺癌(IBC)的价值.方法 回顾性分析 2020 年 1 月至 2022 年 12 月经病理证实为GLM和IBC的患者 180例,且病变均为NME,选取动态对比增强磁共振成像(DCE-MRI)增强第 2 期及扩散加权成像(DWI)(b=800 s/mm2)序列图像对直径最大病变进行手动逐层勾画,并提取影像组学特征.按照 7∶3 比例将样本随机分为训练组(n=126)及测试集(n=54).基于支持向量机(SVM)机器学习分类器构建基于DCE-MRI、DWI的单参数影像组学的预测模型及联合序列(DCE-MRI+DWI)影像组学预测模型.采用受试者工作特征曲线(ROC)曲线下面积(AUC)评价模型的预测性能,采用决策曲线分析曲线(DCA)模型的临床实用性.结果 分别从DCE-MRI序列、DCE-MRI序列及联合序列选择了8 个、11 个、9 个影像组学特征构建DCE-MRI模型、DWI模型及联合序列模型.DCE-MRI模型、DWI模型和联合模型的AUC在训练集中分别为0.864、0.855 和0.947,在测试集中分别为0.729、0.719 和0.823.联合模型在训练集以及测试集中表现最佳.结论 MRI影像组学构建的模型可以在NME乳腺病变中,较好地鉴别GLM和IBC,为临床诊疗方案提供帮助.
更多相关知识
关键词
影像组学非肿块样强化肉芽肿性小叶性乳腺炎浸润性乳腺癌RadiomicsNon-mass-like enhancementGranulomatous lobular mastitisInvasive breast cancer
栏目名称
发布时间
2025-02-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
龙华医院创新项目（KY22051）；
上海中医药大学预算内项目（2021LK043）
- 浏览26
- 被引2
- 下载36
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
