手机知网 App
24小时专家级知识服务
打 开
临床医学
基于多参数磁共振影像组学的乳腺癌病理信息预测模型研究
联合动态增强磁共振成像(DCE-MRI)、T2加权成像(T2WI)以及弥散加权成像(DWI)的影像特征,建立基于多参数影像组学的预测模型,分别对乳腺癌分子分型、组织学分级和Ki-67表达进行预测。采集150例术前、化疗前的浸润性导管癌患者乳腺MRI数据,获取DCE-MRI、T2WI和DWI影像。分割各参数影像的病灶区域,并提取多参数影像特征。在训练集采用支持向量机递归特征消除(SVM-RFE)算法,获得影像组学最优特征子集并构建基于SVM的预测模型,在测试集中测试模型性能。采用概率平均法、概率投票法和概率模型优化法,分别将基于不同参数影像构建的预测模型进行融合,得到多参数影像联合预测结果,并计算ROC曲线下的面积(AUC)评估模型的分类性能。单参数影像模型预测Luminal A、Luminal B、HER2和Basal-like等4种分子分型的最佳AUC分别为0.672 1、0.694 0、0.677 7和0.708 6,多参数影像模型的预测结果提高到AUC分别为0.799 5、0.727 9、0.737 5和0.792 5。单参数影像模型预测分级的最佳AUC为0.753 3,多参数影像模型的预测结果提高到0.801 7。单参数影像模型预测Ki-67表达的最佳AUC为0.664 7,多参数影像模型预测结果提高到0.771 8。相比于单参数影像模型的预测结果,多参数影像模型的预测结果有所提升,且差异具有显著性(P<0.05)。实验结果表明,采用多参数磁共振影像(DCE-MRI、T2WI以及DWI)组学的联合,可以显著提高单一参数影像模型预测乳腺癌病理信息的性能,对乳腺癌的诊断和个性化治疗方案的选择具有重要意义。
1 177
手机阅读本文
下载APP 手机查看本文
中国生物医学工程学报
2020年05期
相似文献
图书推荐
相关工具书

搜 索