基于遗传算法建立乳腺结节超声BI-RADS分类量化评分的相关研究

摘要：

目的 基于乳腺结节二维灰阶超声图像,利用遗传算法优化乳腺影像报告和数据系统(BI-RADS)分类评分,以期为超声医师提供乳腺结节超声评估分类的客观依据.方法 回顾性分析行超声检查并有明确病理结果的3 514例患者的4 240个结节.其中,3 392个结节按照8∶2的比例随机分为训练组和测试组.两名医师根据BI-RADS分类对乳腺结节不同征象进行基线评分,随后经遗传算法优化创建新的BI-RADS分类评分标准.另外848个结节作为验证组,以验证结果的有效性和特异度.结果 遗传算法优化的BI-RADS评分较初始评分有17处改变,优化后的BI-RADS在训练组、测试组和验证组诊断乳腺结节良恶性的曲线下面积分别为0.978、0.981和0.970,均优于传统BI-RADS.结论 经遗传算法优化的BI-RADS能够更加客观地评估乳腺结节的分类标准,在诊断乳腺结节良恶性方面提高了特异度并保持了灵敏度.

关键词：超声、乳腺结节、乳腺影像报告与数据系统、遗传算法

所属期刊栏目：38

分类号：R737.9;R445.1;TP391

在线出版日期：2022-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1221-1225