基于CT增强图像的影像组学模型评估乳腺癌腋窝淋巴结转移

作者：聂悦; 舒健^*; 杨春梅; 郭庆喜

来源：放射学实践, 2021, 36(04): 489-493.

DOI：10.13609/j.cnki.1000-0313.2021.04.014

• 乳腺癌
• 影像组学
• 机器学习
• 体层摄影术,X线计算机
• 腋窝淋巴结
• 淋巴结转移

目的:探讨基于CT增强图像的影像组学在评估乳腺癌腋窝淋巴结转移方面的临床应用价值。方法:回顾性分析402例乳腺癌患者(共825枚短径≥5 mm腋窝淋巴结)的CT增强图像。在每个淋巴结的最大层面勾画ROI,使用AK软件提取淋巴结的纹理特征。对两位医师分别提取的100个淋巴结的纹理特征进行一致性分析。分别采用单因素方差分析、Spearman相关性分析和最小绝对收缩选择算子(LASSO)对提取的纹理特征进行降维,获取最佳纹理特征。将所有淋巴结随机分为训练组(80%)及测试组(20%)。基于逻辑回归的(LR)机器学习方法建立腋窝淋巴结转移的预测模型,采用受试者工作特征(ROC)曲线评估预测模型的诊断效能。结果:两位测试者分别提取的100个淋巴结的纹理特征之间一致性较好(ICC=0.258～0.975,P值均<0.05)。每个淋巴结共提取了396个纹理特征,经降维后获得10个最佳纹理特征。基于LR建立的预测模型在测试组中的AUC为0.92,符合率为0.87,敏感度为0.82,特异度为0.92。结论:基于CT增强图像的影像组学和机器学习方法能有效评估乳腺癌腋窝淋巴结转移情况。

• 单位
  西南医科大学