乳腺密度自动测量与乳腺癌术后他莫昔芬治疗预后方法

摘要：

乳腺癌严重威胁人类生命健康,乳腺癌患者手术后辅以他莫昔芬治疗是常用的治疗方法.然而患者治疗后仍然面临复发或转移的风险,所以需要有效的预后方法来预测疗效.为了探索一种基于钼靶X线影像的乳腺癌术后他莫昔芬治疗预后分析方法,通过基于通道注意力机制的压缩激励卷积神经网络(squeeze-and-excitation convolutional neural network,SE-CNN)方法研究钼靶X线影像中的乳腺密度自动提取模型,提出预后影像标志物:乳腺密度变化率(mammographic density change ratio,MDCR),并进行生存分析,研究其对乳腺癌术后他莫昔芬治疗的预后能力.结果表明:SE-CNN的阈值绝对误差为9.92±4.78,决对系数为0.77,表明所提方法能够准确提取阈值.生存分析中得到无进展生存期为风险比率(hazard ratio,HR):2.654[95％CI(置信区间),1.102～6.395],P=0.030.MDCR值高的患者预后较好,反之则较差.可见乳腺密度变化率可以作为乳腺癌术后他莫昔芬治疗预后影像标志物.

关键词：乳腺癌、乳腺密度、深度学习、乳腺癌预后分析

所属期刊栏目：22

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;广西研究生教育创新计划项目

在线出版日期：2022-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：12499-12504