基于MRI影像组学鉴别乳腺叶状肿瘤与纤维腺瘤

• 作者: 张晓涵（译） 全冠民（校）
• 来源期刊: 国际医学放射学杂志
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 国际期刊连线
• 页码范围: 494-495
• 页数: 1页
• 语种: 中文
• DOI: 10.19300/j.2022.e0611

摘要

目的 评估基于MRI影像组学模型鉴别乳腺叶状肿瘤与纤维腺瘤的诊断效能。方法 回顾性纳入MRI检查的88例病人（叶状肿瘤32例、纤维腺瘤56例）。基于T2WI、T1WI平扫、动态对比增强首过与延迟MRI提取影像组学特征。采用数据增强处理方法建立稳定的机器学习模型和平衡分类。应用最小绝对值收敛和选择算子（LASSO）回归分析选择特征以建立影像组学模型。采用放射科医生评估的常规MRI征象构建影像学模型，采用影像组学特征及放射学征象构建综合模型。应用支持向量机、极限梯度提升和随机森林方法行机器学习分类。计算受试者操作特征（ROC）曲线下面积（AUC）评估各模型诊断效能。结果 LASSO逻辑回归选择了1070个影像组学特征中35个特征。3种机器学习分类器中，支持向量机诊断效能最佳。与影像学模型（AUC：0.77±0.11）相比，影像组学模型（AUＣ：０.96±0.04）和综合模型（0.97±0.03）显著改善了验证组评估的AUC值（均P<0.01）。验证组的综合模型AUC虽然大于影像组学模型，但两者差异无统计学意义（P=0.391）。结论 基于MRI的影像组学有助于区分叶状肿瘤和纤维腺瘤。