基于DCE-MRI的影像组学在预测乳腺癌Luminal型和非Luminal型中的价值

作者：王世科; 孙冬^*; 郭大静; 刘佳; 陈林丽

来源：重庆医科大学学报, 2019, 44(07): 933-937.

DOI：10.13406/j.cnki.cyxb.002175

• 影像组学
• 动态增强MRI
• 乳腺癌
• 分子分型

目的:探讨基于动态增强MRI(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)的影像组学在预测乳腺癌Luminal型和非Luminal型中的价值。方法:回顾性分析行乳腺DCE-MRI扫描,并经手术病理证实为乳腺癌的42例患者,采用手动分割法在DCE-MRI强化最明显的图像上逐层勾画病灶提取影像组学特征,用最小绝对收缩算子(least absolute shrinkage and selection operator,LASSO)筛选最优影像特征,根据雌激素受体(estrogen receptor,ER)和孕激素受体(progesterone receptor,PR)的表达情况将所有病例分为Luminal型和非Luminal型,构建基于逻辑回归(logistic regression,LR)、随机森林(Random forest,RF)、K近邻(K nearest neighbor,KNN)和支持向量机(support vector machine,SVM)的分类器,并用5折交叉验证法对预测性能进行验证。结果:最终选出4个最优特征值,包括1个形状特征和3个小波特征,其中OriginalShapeMaximum 2D Diameter Row、Wavelet-LLHGLCMIdn和Wavelet-HHHGLCMCorrelation三个特征值与ER和PR的表达情况均具有显著相关性,基于RF的分类器预测乳腺癌Luminal型和非Luminal型的性能最佳,其敏感度、特异度、准确度及曲线下面积(area under curve,AUC)分别为0.838、0.900、0.853和0.876。结论:基于DCE-MRI的影像组学在预测乳腺癌Luminal型和非Luminal型中具有较好的应用价值,基于RF的分类器的预测性能最佳。

• 单位
  重庆医科大学附属第二医院