换一批基于多模态MRI的机器学习模型识别乳腺癌分子亚型
Identification of Molecular Subtypes of Breast Cancer Using Machine Learning Models Based on Multimodal MRI
摘要目的 探讨基于合成MRI、动态对比增强磁共振成像(DCE-MRI)和扩散加权成像(DWI)参数建立的机器学习模型识别乳腺癌分子亚型的价值.资料与方法 回顾性分析 2020 年 9 月—2024 年 9 月宁夏医科大学总医院 292 例术前接受合成MRI、DCE-MRI和DWI检查且术后病理证实为乳腺癌的患者资料,以7∶3随机分为训练集与测试集.采用方差分析筛选出不同分子亚型组间多个特征参数并建立 5 种机器学习模型,绘制受试者工作特征曲线,计算各模型的曲线下面积.结果 支持向量机模型的综合性能最高,在测试集中的曲线下面积、准确度、特异度和敏感度分别为0.972、82.5%、94.76%和82.14%;该模型在训练集中鉴别luminal A、luminal B、人表皮生长因子受体2过表达和三阴性组的曲线下面积分别为0.979、0.925、0.971和0.982,在测试集中分别为0.973、0.873、0.956和0.955.结论 基于多模态MRI参数建立的机器学习模型能够帮助临床医师术前判断乳腺癌的分子亚型,支持向量机模型具有较高的综合性能.
更多相关知识
关键词
乳腺肿瘤磁共振成像合成磁共振动态对比增强成像扩散加权成像机器学习诊断,鉴别Breast neoplasmsMagnetic resonance imagingSynthetic magnetic resonanceDynamic contrast-enhanced imagingDiffusion weighted imagingMachine learningDiagnosis,differential
栏目名称
DOI
10.3969/j.issn.1005-5185.2025.10.004
发布时间
2025-11-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
宁夏回族自治区重点研发计划项目（2023BEG03022）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
