-
题名基于人工智能术前预测乳腺导管内癌微浸润的价值
被引量：5
- 1
-
-
作者
吴林永
赵羽佳
林鹏
李昕
杨红
何云
-
机构
广西医科大学第一附属医院超声科
通用电气医疗保健公司
-
出处
《中国医学影像学杂志》
CSCD
北大核心
2021年第1期29-34,共6页
-
文摘
目的基于超声图像的影像组学特征构建术前预测乳腺导管内癌微浸润(DCIS-MI)的鉴别模型,探索人工智能术前预测DCIS-MI的价值。资料与方法回顾性分析经病理证实的80例乳腺导管内癌(DCIS)和23例DCIS-MI的超声图像。在ITKSNAP软件进行图像分割,通过Intelligence Foundry软件进行影像组学特征提取并整理成数据集。数据集以7∶3分为训练组和验证组。训练组用于构建预测模型,验证组用于评估预测模型的可靠性。训练组通过Spearman相关系数以0.95为阈值去除高相关性特征,再使用统计检验联合随机森林的方法(1.25倍重要性均值为阈值)进一步选择重要特征。最后通过决策树机器学习算法构建DCIS-MI的预测模型。使用受试者工作特征曲线及曲线下面积(AUC)评估或验证模型效能。结果训练组纳入72例患者,其中56例DCIS、16例DCIS-MI;验证组纳入31例患者,其中24例DCIS、7例DCIS-MI。最终选择27项特征构建DCIS-MI的预测模型。训练组和验证组预测模型的AUC分别为0.90和0.73,准确度、敏感度及特异度分别为0.79、0.94、0.75和0.74、0.71、0.75。影像组学评分在不同临床病理参数亚组的AUC均>0.77。结论基于超声图像构建的影像组学预测模型具有良好的预测效能,可在一定程度上达到术前辅助诊断DCIS-MI的作用,为临床快速有效决策提供依据。
-
关键词
乳腺肿瘤
超声检查
多普勒
彩色
人工智能
病理学
外科
诊断
鉴别
-
Keywords
Breast neoplasms
Ultrasonography,Doppler,color
Artificial intelligence
Pathology,surgical
Diagnosis,differential
-
分类号
R737.9
[医药卫生—肿瘤]
R730.41
[医药卫生—临床医学]
-
