科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的探讨多模态X线影像组学模型在鉴别乳腺BI-RADS 4类肿块型病变良恶性方面的价值。方法回顾性分析山东省千佛山医院2017年8月至2020年4月,经全屏数字化乳腺X线摄影(FFDM)和数字乳腺断层合成摄影(DBT)检查诊断为BI-RADS 4类乳腺病变并经病理证实的120例女性患者(4A 41例,良性34例、恶性7例;4B 30例,良性11例、恶性19例;4C 49例,良性4例、恶性45例),年龄20～86岁,平均(51.94±13.94)岁。患者均行乳腺FFDM及DBT头尾位(CC)和内外斜位(MLO)扫描。分别在FFDM及DBT图像的CC位和MLO位上对病变进行感兴趣区(ROI)勾画,其中DBT图像勾画病灶最清晰的五幅图像。利用组学软件(汇医慧影radcloud)进行分析,每个序列提取2818个特征值,并依次采用ANOVA和LASSO进行特征降维。以患者的病理结果为金标准,计算人工亚型分类的阳性预测值,并通过采用受试者工作特征(ROC)曲线评价不同亚型分类的诊断效能。分别构建FFDM、DBT、FFDM+DBT三种分类预测模型,利用K最近邻(KNN)模型进行机器学习,验证三种预测模型的诊断效能并采用ROC曲线成对对比(Z统计)进行三种预测模型之间的对比分析。使用SPSS 23.0进行统计分析。P<0.05为差异有统计学意义。结果 BI-RADS 4A、4B、4C亚型阳性预测值分别为17.1%(7/41),63.3%(19/30),91.8%(45/49),整体预测曲线下面积(AUC)值为0.87,诊断敏感度、特异度分别为83%和86%。在FFDM、DBT、FFDM+DBT三种预测模型中,DBT组AUC值(0.84)及特异度(70%)高于FFDM组(0.80,60%),FFDM+DBT组AUC值(0.91)及特异度(90%)均高于DBT组和FFDM组,三种预测模型敏感度相同,均为80%。三种预测模型两两比较后,仅FFDM+DBT组和FFDM组差异具有统计学意义(P<0.05),余两组之间不具有统计学差异。结论 FFDM结合DBT多模态X线影像组学模型有助于乳腺BI-RADS 4类肿块型疾病良恶性的鉴别,且其诊断效能高于临床亚型分类诊断方法。
- 单位
