| 程辰，李洪娥，顾艳，徐峰，王文荣，赵红艳.超声联合MRI深度学习组学诺莫图鉴别三阴性乳腺癌的模型建立与验证[J].放射学实践,2025,(03):339-348 |
| 超声联合MRI深度学习组学诺莫图鉴别三阴性乳腺癌的模型建立与验证 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.03.009 |
| 中文关键词: 超声 磁共振成像 深度学习影像组学诺莫图 乳腺肿瘤 三阴性乳腺癌 |
| 基金项目:连云港市卫生健康青年科技项目（QN202204）；连云港市第六期"521高层次人才培养工程"科研项目（LYG06521202387） |
|
| 摘要点击次数: 204 |
| 全文下载次数: 246 |
| 中文摘要: |
| 【摘要】目的：构建超声联合MRI的深度学习组学诺莫图，以区分三阴性乳腺癌（TNBC）与非三阴性乳腺癌（NTNBC）并进行验证。方法：回顾性收集分析2018年1月-2020年9月在连云港市第一人民医院接受治疗的247例浸润性乳腺癌患者，其中2018年1月-2019年12月的176名乳腺癌患者为训练组（TNBC：55例，NTNBC：121例），2020年1月-2020年9月的71名乳腺癌患者为内部验证组（TNBC：19例，NTNBC：52例），另收集来自连云港市中医院及连云港市妇幼保健院62例浸润性乳腺癌患者作为外部验证集（TNBC：18例，NTNBC：44例）。整理分析所有患者的临床病理资料及影像学资料，采用开源软件ITK-SNAP 4.0.2对病灶进行分割，影像组学采用Pyradiomics软件进行组学特征提取；深度学习采用ResNet50作为卷积神经网络（CNN）学习框架，采用组内相关系数、最小绝对收缩和选择算子（LASSO）回归等进行特征降维和筛选，最后采用结果维度模型融合构建临床-深度学习组学诺莫图。使用受试者操作特征（ROC）曲线评价模型区分度，Delong检验比较各模型间曲线下面积（AUC）的差异，采用校准曲线评估实际观测与预测之间的一致性，采用决策曲线分析（DCA）评估模型的临床有效性。结果：超声联合MRI建立的临床-深度学习组学诺莫图模型在训练组中，AUC为0.923（95%CI：0.880~0.955）；内部验证组中，AUC为0.989（95%CI：0.967~1.000）；外部验证组中，AUC为0.941（95%CI：0.820~0.944）。所建诺莫图模型的校准预测曲线与标准曲线贴合较好，提示该模型在区分TNBC与NTNBC的预测概率与实际概率具有良好的一致性。决策曲线显示在风险阈值0.00～0.88时，采用临床-深度学习组学诺莫图对患者进行术前区分TNBC与NTNBC预测的临床净获益率最高。结论：超声联合MRI的临床-深度学习组学诺莫图对TNBC与NTNBC诊断效能显著优于其他模型，有较好的临床应用价值。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
