换一批基于虚拟光学密度图像的乳腺癌近期发病预测
Prediction of near-term breast cancer risk based on virtual optical density image
摘要目的 探讨对原始乳腺钼靶图像进行变换和采用机器学习算法融合不同类型的图像特征,以提高乳腺癌近期发病风险预测精度的价值.方法 自匹兹堡大学医学中心的临床数据库下载185例女性受检者头足(CC)位全数字化乳腺X线摄影(FFDM)图像.首先对原始灰度图像进行乳腺区域分割并将其变换为虚拟光学密度图像,而后从原始灰度图像和虚拟光学密度图像中分别提取不对称特征.基于此不对称特征分别训练第1阶段的2个决策树分类器,再以这2个分类器输出的得分值作为输入,训练第2阶段的1个决策树分类器.对乳腺癌近期发病风险预测性能采用留一法进行验证.结果 采用两阶段决策树融合方法预测乳腺癌的ROC曲线下面积(AUC)为0.9612±0.0132,敏感度为96.63％(86/89),特异度为91.67％(88/96),准确率为94.05％(174/185).结论 从虚拟光学密度图像中可提取出对乳腺癌具有较高预测力的特征,采用两阶段决策树方法对两类图像特征进行二次融合有助于提高乳腺癌近期发病风险预测精度.
更多相关知识
关键词
虚拟光学密度图像乳房X线摄影术图像特征分析乳腺肿瘤风险预测Virtual optical density imageMammographyImage feature analysisBreast neoplasmsPrediction of risk
栏目名称
DOI
10.13929/j.1003-3289.201612112
发布时间
2017-09-15（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
