科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 分析基于自动乳腺全容积成像（ABVS）冠状面超声图像的影像组学模型预测乳腺肿瘤良恶性的临床价值。方法 选取我院经病理证实的乳腺肿瘤患者152例，基于ABVS冠状面超声图像的感兴趣区（ROI）提取影像组学特征，进行筛选后构建随机森林、支持向量机、多层感知器、决策树、逻辑回归、K-近邻6种影像组学模型；绘制受试者工作特征（ROC）曲线分析并比较各影像组学模型与不同年资超声医师（医师A具有2年工作经验、医师B具有5年工作经验）对乳腺肿瘤良恶性的诊断效能。结果 最终纳入28个最优特征构建影像组学模型，其中随机森林模型对乳腺肿瘤良恶性的诊断效能最高，其曲线下面积为0.87，高于超声医师A和超声医师B的曲线下面积（0.76和0.83）。结论 应用基于ABVS冠状面超声图像的影像组学模型预测乳腺肿瘤良恶性具有良好的价值。
- 单位
