TY - JOUR A2 - Moraru, Luminita AU - Ma，明明AU - Gan，亮玉AU - Jiang，袁AU - Qin，奈山AU - Li, Changxin AU - Zhang，姚峰AU - Wang，基于DCE-MRI自动图像分割的TI - Radiomics分析用于预测三阴性和非三阴性乳腺癌SP - 2140465 VL - 2021 AB - 目的．研究动态增强磁共振成像(DCE-MRI)提取的定量放射组学特征是否可用于鉴别三阴性乳腺癌(TNBC)和非三阴性乳腺癌(non-TNBC)。 材料和方法．这项回顾性研究包括了2018年8月至2019年10月期间81例乳腺癌患者(44例TNBC和37例非TNBC)的DCE-MRI图像。MR扫描在1.5 T MR扫描仪上完成。对于每个患者，选择最大的肿瘤块进行分析。在DCE第三阶段，采用深度学习分割模型自动分割感兴趣区域的三维图像;然后由2名放射科医师对roi进行检查和修改。从三维肿瘤体积中提取DCE-MRI放射组学特征。患者被随机分为训练组( N ＝ 57 )及测试( N ＝ 24 )军团。在训练数据集中构建机器学习分类器，并对训练队列进行5倍交叉验证进行训练和验证。试验队列的数据用于研究放射组学模型对TNBC和非TNBC的预测能力。模型的性能通过受试者工作特征曲线(AUC)下面积、准确性、灵敏度和特异性来评估。 结果．基于15个特征的放射组学模型效果最好。交叉验证的AUC为0.741，独立测试队列的AUC为0.867。 结论．基于DCE-MRI图像自动分割的放射组学模型可以用来区分TNBC和非TNBC。SN - 1748-670X UR - https://doi.org/10.1155/2021/2140465 DO - 10.1155/2021/2140465 JF -医学计算和数学方法PB - Hindawi KW - ER -