临床放射学杂志

作者：胡雪超, 周永, 刘文, 付国庆, 马明瑞, 张曦

单位：830011 新疆医科大学第三临床医学院附属肿瘤医院胡雪超、周 永、马明瑞、张 曦; 830023 新疆工程学院刘 文、付国庆

关键词：乳腺癌,影像组学,全视野数字乳腺X线摄影

<b>目的</b> 探讨利用深度学习和随机森林算法建立钼靶影像组学模型对乳腺癌人表皮生长因子受体-2(HER-2)三种表达状态的预测价值。<b>方法</b> 回顾并分析2019年1月至2022年1月于新疆医科大学附属肿瘤医院行全数字化乳腺摄影(FFDM)检查并经病理学检查证实为乳腺癌的病例726例,以7∶3比例随机分配为训练集(n=508)与测试集(n=218)。每例患者FFDM影像包含头尾(CC)位和内外斜(MLO)位。通过深度学习提取726例基于FFDM检查病灶的全瘤组学特征,经降维和筛选后,将保留的特征放入随机森林(RF)机器学习模型,以受试者工作特征(ROC)曲线评价模型对乳腺癌三种HER-2表达状态的预测效能。<b>结果</b> 经病理学检查证实的726例病灶中,HER-2零表达状态为175例,HER-2低表达状态病例为316例,HER-2高表达状态病例为235例。RF模型在训练集中预测乳腺癌HER-2的不同表达状态的AUC值分别为0.81、0.74和0.71,在测试集中的AUC值分别为0.88、0.74和0.76,影像组学模型在基于FFDM测试集中的准确度、灵敏度和特异度分别为74.00%、70.30%和79.02%。<b>结论</b> 基于FFDM检查利用深度学习和RF算法建立影像组学模型对乳腺癌HER-2三种表达状态有较好的预测价值。

来源：2025年第5期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第5期