基于多模态MRI和小波变换的影像组学术前预测乳腺浸润性导管癌HER2基因表达
彭志强
温美如
卓健
李荣
王刚
叶华斌
陈爱林
赣州市肿瘤医院,江西 赣州 341000
摘要：目的:构建基于多模态MRI及小波变换的影像组学特征的最优预测模型,预测乳腺癌术前人表皮生长因子受体—2(HER2)基因表达情况.方法:回顾性选取150例经HER2检查的乳腺浸润性导管癌患者,分为HER2阳性组(n=77)和HER2阴性组(n=73).从其中选取105例经HER2检查的乳腺浸润性导管癌患者作为训练集[HER2阳性组55例,HER2阴性组50例],评估患者的临床病理特征及影像学特征.然后按照7∶3比例纳入45例患者为测试集,作为外部验证.基于Logistic回归选择有统计学意义的特征,使用4种不同机器学习模型算法构建模型(线性支持向量机、随机森林、决策树和K近邻).采用曲线下面积(AUC)对模型进行评估.结果:年龄、强化特征、多灶、磁共振表观扩散系数(ADC)值、肿块边缘、晚期增强时间—信号强度曲线(TIC)组间比较,差异均有统计学意义(P＜0.05).在训练集与测试集中,4种机器学习模型AUC分别为0.736～0.853,0.777～0.860,随机森林与K临近模型预测效能均较高.结论:构建基于多模态MRI及小波变换的影像组学特征的最优预测模型,提高了术前对乳腺癌HER2基因表达的预测效能,可促进影像组学在临床实践的运用与发展.
关键词：乳腺浸润性导管癌人表皮生长因子受体—2多模态MRI小波变换影像组学
分类号：R737.9(泌尿生殖器肿瘤)
资助基金：江西省卫生健康委员会科技计划项目(202311981)
论文发表日期：2025-04-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 280-284 )