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

发布时间：2021-01-30 00:30

　　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... 

【文章来源】：中国生物医学工程学报. 2020,39(05)北大核心

【文章页数】：11 页

【部分图文】：

乳腺癌分子分型、分级和Ki-67表达预测任务的最优单特征盒形图。(a) Luminal A分型的表面积与体积之比特征;(b) Luminal B分型的和熵特征;(c) HER-2分型的对比度特征;(d) Basal-like分型的表面积与体积之比特征;(e)分级的表面积与体积之比特征;(f) Ki-67表达的相关信息度量1特征(统计学显著性表示为*P<0.05,**P<0.01,****P<0.000 1)

下面给出概率模型优化法和单参数影像预测分子分型、组织学分级和Ki-67表达结果的ROC曲线，如图2所示。可以看出，单参数影像预测模型的ROC曲线比较接近，概率模型优化法的ROC曲线相比而言更加偏向于左上方，表明多参数概率模型优化法相比于单参数影像预测方法要占较大优势，说明多参数影像组学联合的方法具有更好的分类性能。为了进一步评估ROC曲线之间比较的意义，对概率模型优化法和单参数影像模型进行显著性分析。表5所示为概率模型优化法得到的ROC曲线分别和S0、S3、S5、T2WI、DWI各个单参数影像预测模型得到的ROC曲线进行对比的结果，显著性(P值)小于0.05，表明概率模型优化法的预测性能显著优于单参数影像模型的预测性能，且差异具有统计学意义。实验结果表明，与不同单参数影像构建的分类模型的预测结果相比，概率模型优化法能够显著提高单参数影像分类模型预测乳腺癌病理信息的性能。3 讨论


本文编号：3007890