基于自动乳腺全容积成像冠状面超声图像的影像组学模型预测乳腺肿瘤良恶性的价值

作     者：吴怡雯 周晓华 陈菲 卢文洁 李晋 陈嘉瑶 欧阳良艳 陈诗雁 邱少东 WU Yiwen;ZHOU Xiaohua;CHEN Fei;LU Wenjie;LI Jin;CHEN Jiayao;OUYANG Liangyan;CHEN Shiyan;QIU Shaodong

作者机构：广州医科大学附属第二医院超声科广州市510260 

出 版 物：《临床超声医学杂志》 (Journal of Clinical Ultrasound in Medicine)

年 卷 期：2022年第24卷第7期

页      面：502-506页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100214[医学-肿瘤学] 10[医学] 

基　　金：广州市科技计划项目(202102010049) 

主　　题：超声检查 自动乳腺全容积成像 冠状面 影像组学 乳腺肿瘤,良恶性 

摘      要：目的分析基于自动乳腺全容积成像(ABVS)冠状面超声图像的影像组学模型预测乳腺肿瘤良恶性的临床价值。方法选取我院经病理证实的乳腺肿瘤患者152例,基于ABVS冠状面超声图像的感兴趣区(ROI)提取影像组学特征,进行筛选后构建随机森林、支持向量机、多层感知器、决策树、逻辑回归、K-近邻6种影像组学模型;绘制受试者工作特征(ROC)曲线分析并比较各影像组学模型与不同年资超声医师(医师A具有2年工作经验、医师B具有5年工作经验)对乳腺肿瘤良恶性的诊断效能。结果最终纳入28个最优特征构建影像组学模型,其中随机森林模型对乳腺肿瘤良恶性的诊断效能最高,其曲线下面积为0.87,高于超声医师A和超声医师B的曲线下面积(0.76和0.83)。结论应用基于ABVS冠状面超声图像的影像组学模型预测乳腺肿瘤良恶性具有良好的价值。