探讨纹理分析在数字化乳腺断层融合摄影中对肿瘤定性的临床应用价值

作者：刘璇; 巴图尔·吐尔地^*

来源：新疆医学, 2023, 53(07): 859-862.

• DBT
• 纹理分析
• 人工智能

目的 探讨纹理分析在数字化乳腺断层融合摄影（Digital breast tomosynthesis,DBT）中对良恶性肿瘤的鉴别价值。方法 回顾性分析2021年7月-2022年6月经病理诊断证实的乳腺良恶性肿瘤，将DBT体位分为头尾位（The craniocaudal projection,CC）及内外侧斜位（The mediolateral oblique projection,MLO），筛选后获取良性肿瘤病灶CC位58例、MLO位53例，恶性肿瘤病灶CC位74例及MLO位72例。通过提取纹理特征、对差异性纹理参数进行ROC曲线分析及建立二元Logistics回归模型，获得相关指标的AUC、阈值、灵敏度、特异度以及可鉴别肿瘤良恶性的独立预测因子等。结果 在CC位的肿瘤定性对比中纹理参数Mean、Variance、Perc.01%、Perc.10%、Perc.50%、Perc.90%及Perc.99%差异具有统计学意义（P <0.05），绘制ROC曲线并进行二元Logistics模型回归分析后得到：Perc.01%诊断效能最低，AUC为0.659;Perc.99%诊断效能最佳，AUC为0.782，阈值为179.5，灵敏度为75.7%，特异度为79.3%。可用于鉴别良恶性肿瘤的独立预测因子指标：Variance (OR=0.992,95%CI 0.987-0.997,P=0.001)、Perc.10%(OR=0.709,95%CI 0.562-0.896,P=0.004)及Perc.99%(OR=1.069,95%CI 1.001-1.141,P=0.048)。在MLO位的肿瘤定性对比中纹理参数Mean、Variance、Perc.50%、Perc.90%及Perc.99%差异具有统计学意义（P <0.05），对MLO位差异性参数绘制ROC曲线，得知Perc.50%诊断效能最低，AUC为0.684;Variance诊断效能最高，AUC为0.728，阈值为817.42，灵敏度为68.1%，特异度为73.6%。进行二元logistics回归分析，模型预测表明，Mean、Variance、Perc.50%、Perc.90%、Perc.99%良恶性肿瘤之间显著性P> 0.05，差异无统计学意义。结论纹理分析相关参数在DBT肿瘤定性中有一定的鉴别价值，并且在CC位中的鉴别价值要高于MLO位。

• 单位
  新疆医科大学; 新疆维吾尔自治区人民医院