临床放射学杂志

作者：杜涛明, 宋惠贞, 林涛, 任盈丽, 苗加庆, 唐烨真

单位：610041 四川,成都市第七人民医院放射科杜涛明、宋惠贞、林 涛、任盈丽;610041 成都,西南民族大学苗加庆、唐烨真

关键词：乳腺病变,反向传播神经网络,磁共振成像,预测模型

基金：本研究系四川省医学会科研基金专项科研课题资助项目(编号:2021HR28)

<b>目的</b> 初步探索基于动态增强磁共振成像(DCE-MRI)的反向传播神经网络(BPNN)模型预测乳腺影像报告和数据系统(BI-RADS)4类乳腺良恶性病变的价值。<b>方法</b> 纳入本院2018年2月至2022年12月经乳腺MRI诊断为BI-RADS 4类乳腺病变的患者260例,并随机分配至训练集(n=182)和验证集(n=78)。选取对比剂注射后的第二期DCE-MRI图像勾画病变感兴趣区体积,提取病变MRI影像组学特征。采用Logistic回归分析、最小绝对收缩与选择算子(LASSO)等方法,筛选出对预测乳腺BI-RADS 4类良恶性病变有意义的临床因素和影像组学特征,并分别建立临床模型、影像组学模型以及临床联合影像组学的结合模型、BPNN模型。通过受试者工作特征曲线、曲线下面积(AUC)、校准曲线和德隆(Delong)检验评比预测模型的性能。<b>结果</b> 病灶长径是BI-RADS 4类乳腺良恶性病变的独立临床相关因素[优势比(OR):1.906; 95%可信区间(CI):1.359~2.731];12个影像组学特征与BI-RADS 4类乳腺良恶性病变相关。对比临床模型、影像组学模型、结合模型,BPNN模型具有更高的预测性能(训练集 AUC: 0.784 vs.0.801 vs.0.855 vs.0.976,验证集AUC: 0.725 vs.0.776 vs.0.813 vs.0.971),与其他三个模型之间的AUC比较差异均有显著统计学意义(P＜0.05)。校准曲线表明,模型预测BI-RADS 4类乳腺病变的稳定性好。<b>结论</b> 基于DCE-MRI的BPNN模型在预测BI-RADS 4类乳腺良恶性病变方面有较高的性能,可以为临床治疗决策提供参考依据。

来源：2024年第10期

《临床放射学》期刊编辑部

查看临床放射学杂志2024年第10期