基于乳腺X线影像组学特征预测乳腺肿块良恶性的可行性分析

作者：崔延华; 朱健; 李云^*

来源：临床放射学杂志, 2020, 39(07): 1296-1301.

DOI：10.13437/j.cnki.jcr.2020.07.013

• 数字乳腺X线摄影
• 影像组学
• 纹理特征
• 机器学习

目的探讨基于支持向量机(SVM)分类器提取的数字乳腺X线影像纹理特征用于诊断乳腺肿块良恶性的可行性和准确性。方法选取384例经乳腺X线摄影诊断为BI-RADS 3、4、5类的乳腺肿块(良性188例,恶性196例)患者图像,所有乳腺肿块均手术经组织病理学证实。由两名副主任医师共同使用5M工作站将病灶区域在图像上用矩形框标记。对感兴趣的矩形区域(ROI)进行分割,从每个ROI中提取4类共455个影像组学特征,包括一阶直方图特征,二阶纹理特征及高阶Gabor特征。利用最大相关最小冗余(MRMR)特征选择算法对提取的特征集进行降维操作从而特征优化。通过构建SVM对降维后得到的特征进行分类,70%的数据作为训练集,另外30%作为测试集,分类器的稳定性通过十倍交叉验证进行评估。分别使用准确性、敏感性、特异性和AUC对分类器的性能进行评价。并且使用SAS对降维后的特征进行统计学分析。结果利用MRMR算法筛选出30个对良恶性肿块诊断有价值的影像组学特征。十倍交叉验证精度为92.54%,模型稳定。通过MRMR算法降维的SVM分类器的准确性为93.2%,敏感性为92.2%,特异性为94.1%,AUC为0.963。结论基于SVM分类器对数字乳腺X线影像进行纹理特征提取,可用于预测乳腺肿瘤的良恶性特征,该方法具有较高的准确性、敏感性和特异性,有望为影像医师提供更多的诊断信息。

• 单位
  山东省医学科学院; 山东省肿瘤防治研究院; 山东省肿瘤医院; 山东第一医科大学