基于乳腺X线影像组学特征预测乳腺肿块良恶性的可行性分析
目的 探讨基于支持向量机(SVM)分类器提取的数字乳腺X线影像纹理特征用于诊断乳腺肿块良恶性的可行性和准确性.方法 选取384例经乳腺X线摄影诊断为BI-RADS 3、4、5类的乳腺肿块(良性188例,恶性196例)患者图像,所有乳腺肿块均手术经组织病理学证实.由两名副主任医师共同使用5M工作站将病灶区域在图像上用矩形框标记.对感兴趣的矩形区域(ROI)进行分割,从每个ROI中提取4类共455个影像组学特征,包括一阶直方图特征,二阶纹理特征及高阶Gabor特征.利用最大相关最小冗余(MRMR)特征选择算法对提取的特征集进行降维操作从而特征优化.通过构建SVM对降维后得到的特征进行分类,70％的数据作为训练集,另外30％作为测试集,分类器的稳定性通过十倍交叉验证进行评估.分别使用准确性、敏感性、特异性和AUC对分类器的性能进行评价.并且使用SAS对降维后的特征进行统计学分析.结果 利用MRMR算法筛选出30个对良恶性肿块诊断有价值的影像组学特征.十倍交叉验证精度为92.54％,模型稳定.通过MRMR算法降维的SVM分类器的准确性为93.2％,敏感性为92.2％,特异性为94.1％,AUC为0.963.结论 基于SVM分类器对数字乳腺X线影像进行纹理特征提取,可用于预测乳腺肿瘤的良恶性特征,该方法具有较高的准确性、敏感性和特异性,有望为影像医师提供更多的诊断信息.
数字乳腺X线摄影、影像组学、纹理特征、机器学习
39
TP391.41;R737.9;B84
山东省医学科学院院级科学计划青年项目;国家自然科学基金;山东省泰山学青年专家项目;山东第一医科大学学术提升计划
2020-12-03（万方平台首次上网日期，不代表论文的发表时间）
共6页
1296-1301
