换一批MRI特征辅助分类乳腺癌分子亚型的临床研究
The Study of MRI Features Assisted Classification of Molecular Subtypes of Breast Cancer
摘要目的 应用磁共振(MRI)图像中提取的特征和机器学习方法来帮助区分乳腺癌分子亚型,以期为临床诊治提供参考.方法 回顾性分析我院于2021年10月-2023年10月间确诊的178例乳腺癌患者的临床资料,每个患者肿瘤的形状、MRI特征和基于直方图的特征是使用内部软件从增强前和三次增强后的MRI图像上提取的.同时收集临床和病理资料.基于机器学习模型识别重要的成像特征并建立预测IDC亚型的模型.采用留一法交叉验证(LOOCV)避免模型过度拟合,采用Kruskal-Wallis检验确定统计学意义.结果 LOOCV过程生成一个具有不同特征的模型,在排名前20位的特征中,有11项在IDC亚型之间存在显著差异(P＜0.05).综合前九种病理和影像特征,预测模型对IDC亚型的识别准确率为83.4％.病理和影像联合模型对各亚型的准确率分别为89.2％(ERPR1)、63.6％(ERPR-/HER21)和82.5％(TN).当仅结合前9个成像特征时,预测模型在LOOCV上识别IDC亚型的总体准确率为71.2％.病理和影像联合模型对各亚型的准确率分别为69.9％(ERPR1)、62.9％(ERPR-/HER21)和81.0％(TN).结论 我们开发了一个基于机器学习的预测模型,该模型使用从MRI提取的特征来区分具有显著预测能力的IDC亚型.
更多相关知识
关键词
磁共振乳腺癌分子亚型留一法交叉验证Magnetic ResonanceMolecular Subtypes of Breast CancerCross Validation with Retention Method
分类号
R445.2（诊断学）
栏目名称
DOI
10.3969/j.issn.1672-5131.2024.06.032
发布时间
2024-07-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
陕西省卫生健康科研项目（2022A010）
- 浏览21
- 被引0
- 下载6
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
