融合肿瘤及腺体影像特征的乳腺癌分型预测

作者：刘伟芬; 范明; 厉力华^*

来源：杭州电子科技大学学报(自然科学版), 2021, 41(05): 39-46.

DOI：10.13954/j.cnki.hdu.2021.05.007

• 乳腺癌
• DCE-MRI
• 分子分型
• 影像组学
• 机器学习

为了推动乳腺癌分子分型的无创预测,联合动态增强磁共振影像(Dynamic Contrast Enhanced Magnetic Resonance Imaging, DCE-MRI)肿瘤和腺体的影像特征,建立影像组学分子分型预测模型。共采集205例乳腺癌患者术前DCE-MRI影像及临床信息,随机划分为137例训练集和68例测试集。对DCE-MRI影像进行肿瘤及腺体分割,分别提取影像组学特征,采用支持向量机递归特征消除法(SVM-Recursive Feature Elimination, SVM-RFE)筛选最优特征组合,建立分子分型预测模型。融合基于肿瘤及腺体影像特征构建的预测模型,并计算AUC评价模型性能。肿瘤和腺体影像特征融合模型对Luminal A型、Luminal B型、Basal-like型和HER-2型等4种分子分型分类预测的最优AUC分别为0.787 2,0.757 3,0.656 3,0.785 3。结果表明,融合肿瘤和腺体区域影像特征,有利于提高模型分子分型预测性能。

• 单位
  自动化学院; 杭州电子科技大学