基于DCE-MRI影像组学列线图预测三阴性乳腺癌血管生成拟态表达状态的研究

谢宗玉, 姚文宇, 杨静茹, 张舒妮, 刘宏德

蚌埠医科大学学报 ›› 2024, Vol. 49 ›› Issue (04) : 425 -430.

PDF
蚌埠医科大学学报 ›› 2024, Vol. 49 ›› Issue (04) : 425 -430. DOI: 10.13898/j.cnki.issn.1000-2200.2024.04.002

基于DCE-MRI影像组学列线图预测三阴性乳腺癌血管生成拟态表达状态的研究

作者信息 +

Author information +
文章历史 +
PDF

摘要

目的:探讨基于动态对比增强磁共振成像(DCE-MRI)影像组学联合临床特征构建的列线图在预测三阴性乳腺癌(TNBC)病人血管生成拟态(VM)表达状态中的价值。方法:回顾性分析术前经DCE-MRI检查且经病理证实的94例乳腺癌病人,以7∶3的比例随机分配训练集(n=65)和测试集(n=29)。选择DCE-MRI第2期勾画病灶最大层面。通过f-calssif函数、最小绝对收缩和选择算子回归筛选最优特征,通过支持向量机(SVM)构建DCE-MRI影像组学模型。通过单因素、多因素logistic回归筛选临床独立预测因子构建临床模型,选择DCE-MRI模型Rad-score联合临床独立预测因素建立列线图模型。结果:训练集中,VM表达阳性和阴性病人的有无腋窝淋巴结(ALN)转移、MRI最大径差异、肿瘤边缘状态均有统计学意义(P<0.05~P<0.01)。列线图模型其训练集AUC、敏感度、特异度及准确度分别为0.880、82.4%、89.6%及98.5%;测试集分别为0.869、87.5%、81.0%及82.8%。列线图模型在判断训练集、测试ALN转移结果与理想模型的一致性较好(P<0.05)。结论:基于DCE-MRI影像组学列线图可作为一种准确、无创方法用于预测术前TNBC病人VM表达水平。

关键词

乳腺肿瘤 / 血管生成拟态表达 / 影像组学 / 列线图

Key words

引用本文

引用格式 ▾
谢宗玉, 姚文宇, 杨静茹, 张舒妮, 刘宏德. 基于DCE-MRI影像组学列线图预测三阴性乳腺癌血管生成拟态表达状态的研究[J]. 蚌埠医科大学学报, 2024, 49(04): 425-430 DOI:10.13898/j.cnki.issn.1000-2200.2024.04.002

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

31

访问

0

被引

详细

导航
相关文章

AI思维导图

/