基于超声影像深度学习模型在评估乳腺癌肿瘤浸润淋巴细胞水平中的应用价值

作     者：贾英英 吴瑞超 李娜娜 周欣 聂芳 Jia Yingying;Wu Ruichao;Li Nana;Zhou Xin;Nie Fang

作者机构：兰州大学第二医院超声医学中心甘肃兰州730030 兰州大学第二医院甘肃省智能超声医学工程研究中心甘肃兰州730030 兰州大学第二医院甘肃省超声临床研究中心甘肃兰州730030 兰州大学信息科学与工程学院甘肃兰州730000 

出 版 物：《兰州大学学报（医学版）》 (Journal of Lanzhou University（Medical Sciences）)

年 卷 期：2023年第49卷第2期

页      面：39-43页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 10[医学] 

基　　金：兰州市人才创新创业资助项目(2022-RC-48) 

主　　题：超声影像 深度学习 乳腺癌 肿瘤浸润淋巴细胞 

摘      要：目的探讨基于超声影像的深度学习模型在预测乳腺癌肿瘤浸润淋巴细胞水平的可行性。方法回顾性分析2019年1月1日-2022年9月30日就诊于兰州大学第二医院,经病理证实的275例乳腺癌患者的二维灰阶超声图像,其中训练集220例,验证集55例。根据病理结果,分为高肿瘤浸润淋巴细胞水平组和低肿瘤浸润淋巴细胞水平组。采用深度卷积神经网络残差网络模型训练和验证。使用受试者操作特征曲线下面积、准确率、特异度、敏感度和F1分数评价模型的诊断性能。结果基于深度学习的残差网络模型对乳腺癌肿瘤浸润淋巴细胞水平预测的受试者操作特征曲线下面积为0.936,F1分数为0.878,准确率为87.3%,特异度为87.5%,敏感度为87.1%。结论基于超声影像的深度学习模型有望成为无创预测乳腺癌肿瘤浸润淋巴细胞水平的重要工具。