换一批基于动态对比增强MRI的Delta影像组学对乳腺癌新辅助化疗后病理完全缓解的早期预测
Early prediction of pathological complete response after neoadjuvant chemotherapy for breast cancer by Delta radiomics based on dynamic contrast-enhanced MRI
摘要目的 探讨基于动态对比增强磁共振成像(DCE-MRI)的Delta影像组学对乳腺癌新辅助化疗(NAC)后病理完全缓解(pCR)的早期预测价值.方法 回顾性收集107例接受NAC治疗的乳腺癌患者的MRI及临床资料.将患者按7︰3的比例随机分为训练集(74例)和测试集(33例).分别在NAC前及NAC第2周期后的DCE-MRI峰值图像上标记容积感兴趣区(VOI)并提取影像组学特征(Pre特征、Post特征),两者相减得出Delta特征.使用随机森林(RF)、多层感知机(MLP)、极限梯度提升树(XGBoost)、轻量级梯度提升机(LightGBM)、K最近邻(KNN)、逻辑回归(LR)6种机器学习方法对上述3个特征集分别进行建模.采用受试者工作特征(ROC)曲线评估模型效能,选择测试集曲线下面积(AUC)最高的机器学习方法和影像组学特征集.通过单因素及多因素logistic回归分析寻找临床独立预测因子,使用影像组学模型最佳的机器学习方法构建临床模型.结合肿瘤影像组学特征和临床独立预测因子,使用影像组学最佳机器学习方法构建联合模型,并评估模型效能.结果 孕激素受体(PR)状态是预测乳腺癌NAC疗效的独立预测因子.基于Delta特征使用RF机器学习方法建立的模型在测试集AUC最高,为0.926.联合模型的测试集AUC为0.957,高于Pre影像组学模型、Post影像组学模型、Delta影像组学模型、临床特征模型.结论 Delta特征及临床特征的联合模型在预测乳腺癌NAC后pCR具有较好的性能.
更多相关知识
关键词
乳腺癌新辅助化疗动态对比增强磁共振成像Delta影像组学病理完全缓解breast cancerneoadjuvant chemotherapydynamic contrast-enhanced magnetic resonance imagingDelta radiomicspathological complete response
栏目名称
DOI
10.3969/j.issn.1002-1671.2025.10.015
发布时间
2025-10-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览14
- 被引0
- 下载14
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
