基于动态增强磁共振成像的影像组学模型对肉芽肿性乳腺炎与乳腺癌的鉴别诊断价值

作     者：刘鹏 于晓晶 李春志 任华 孟玉莲 LIU Peng;YU Xiaojing;LI Chunzhi;REN Hua;MENG Yulian

作者机构：中国中医科学院西苑医院放射科北京100091 

出 版 物：《中国医学影像学杂志》 (Chinese Journal of Medical Imaging)

年 卷 期：2024年第32卷第2期

页      面：144-149页

核心收录：

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）] 100214[医学-肿瘤学] 10[医学] 

基　　金：中国中医科学院科技创新工程(CI2021A03322) 

主　　题：乳腺肿瘤 肉芽肿性乳腺炎 磁共振成像 影像组学 诊断,鉴别 

摘      要：目的探讨基于动态增强磁共振成像的影像组学模型对肉芽肿性乳腺炎与乳腺癌的鉴别诊断价值。资料与方法回顾性收集2019年2月—2022年1月于中国中医科学院西苑医院经病理证实为肉芽肿性乳腺炎和乳腺癌的患者MRI资料共82例,基于动态增强磁共振成像增强扫描第一期图像,分别用半自动分割法和手工逐层勾画分割感兴趣区,随机分配99个感兴趣区到训练组69个,测试组30个,比较两种方法所提取数据组间一致性差异。将半自动分割法所提取原始数据通过相关性分析和多因素逻辑回归法进行特征筛选。采用6种分类器(逻辑回归、支持向量机、朴素贝叶斯、决策树、随机森林、K最邻近)构建预测模型,评估各模型的诊断效能、准确度、敏感度和特异度的差异。结果82例患者共分割出99个病灶(肉芽肿性乳腺炎37个,乳腺癌62个)。采用两种感兴趣区分割法所提取影像组学数据组间一致性欠佳[组内相关系数为0.68(0.51,0.78)]。半自动分割法所提取数据构建的6个预测模型中,逻辑回归模型和支持向量机模型诊断效能显著优于其他模型,逻辑回归模型诊断效能和稳定性最佳(训练组:曲线下面积0.928,准确度0.855,敏感度0.837,特异度0.885;测试组:曲线下面积0.933,准确度0.833,敏感度0.895,特异度0.727)。结论基于动态增强磁共振成像的影像组学可以为肉芽肿性乳腺炎与乳腺癌的鉴别诊断提供较高价值。感兴趣区的分割方法更推荐半自动分割法,逻辑回归和支持向量机构建的预测模型具有更好的诊断效能和稳定性。