平台型时间信号曲线乳腺病变良恶性的鉴别：基于动态对比增强与扩散加权成像的影像组学模型

摘要

目的 探讨基于动态对比增强（DCE）与扩散加权成像（DWI）序列的影像组学模型对乳腺平台型时间-信号曲线（TIC）良性病变与恶性病变的鉴别诊断价值。方法 回顾性分析南京医科大学连云港临床医学院在2019年1月1日～2023年10月30日行乳腺磁共振增强检查的患者共251例，患者均经手术或病理检查确诊。经后处理TIC勾画后，得到平台型113例，其中乳腺恶性病变78例，良性病变35例。所有病例按7∶3的比例随机分为训练组（n=79）和测试组（n=34）。在DWI与DCE图像上逐层手动勾画整个病灶的三维感兴趣区，并对其进行特征提取与特征筛选，使用支持向量机（SVM）将提取到的图像特征反映到特征区域，进行特征训练，得到SVM分类器。绘制ROC曲线，计算ROC曲线下面积（AUC）、敏感度、特异度以评估SVM模型的鉴别诊断效能。结果 从DWI序列、DCE序列及DWI联合DCE序列中分别提取了1502个特征，经过t检验和最小绝对收缩选择算子回归（LASSO）降维筛选后，DWI序列中筛选出9个特征，DCE序列中筛选出6个特征，DWI联合DCE序列中筛选出11个特征。使用SVM分类器建立模型，单独DWI模型训练组AUC为0.77，敏感度84%，特异度96%；测试组AUC为0.72，敏感度81%，特异度96%；单独DCE模型训练组AUC为0.87，敏感度90%，特异度98%；测试组AUC为0.76，敏感度84%，特异度98%；以及DCE联合DWI模型训练组AUC为0.84，敏感度88%，特异度96%；测试组AUC为0.75，敏感度81%，特异度96%。结论 单独DCE模型及DCE联合DWI模型相较于单独DWI模型对鉴别平台型TIC乳腺良恶性病变有较好的作用。

关键词

动态增强磁共振成像 / 时间-信号曲线 / 乳腺癌 / 影像组学