论文部分内容阅读
目的:探讨基于动态增强MRI(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)的影像组学在预测乳腺癌Luminal型和非Luminal型中的价值。方法:回顾性分析行乳腺DCE-MRI扫描,并经手术病理证实为乳腺癌的42例患者图像,根据时间信号强度曲线(time-signal intensity curve,TIC)选取强化最明显的时相,导入RadCloud软件进行分析,采用手动分割法逐层勾画病灶提取影像组学特征。根据雌激素受体(estrogen receptor,ER)和孕激素受体(progesterone receptor,PR)的表达情况将所有病例分为Luminal型和非Luminal型,使用方差选择和最小绝对收缩算子(least absolute shrinkage and selection operator,LASSO)进行数据降维并构建影像组学标签,采用Spearman相关分析评估筛选出的特征值与ER、PR及人表皮生长因子受体2(human epidermal growth factor receptor-2,HER2)的相关性;分别构建了基于逻辑回归(logistic regression,LR)、随机森林(random forest,RF)、K近邻(K nearest neighbor,KNN)和支持向量机(support vector machine,SVM)的分类器,并用5折交叉验证法对分类器的预测性能进行验证,计算分类器的敏感度、特异度、准确度及受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)。结果:本研究共纳入42例乳腺癌患者,其中Luminal型32例和非Luminal型10例。最终选出4个最优特征值,包括1个形状特征和3个小波特征,其中Original_Shape_Maximum 2D Diameter Row、Wavelet-LLH_GLCM_Idn和Wavelet-HHH_GLCM_Correlation这3个特征值与ER和PR的表达情况均具有显著相关性,4个特征值与HER2的表达情况均不具有显著相关性。基于RF的分类器对乳腺癌Luminal型的预测性能最佳,其敏感度、特异度、准确度及AUC分别为0.838、0.900、0.853和0.876。结论:基于DCE-MRI的影像组学可以作为预测乳腺癌Luminal型和非Luminal型的方法,基于RF的预测模型的预测性能最佳。