基于影像组学与深度学习结合多参数MRI预测乳腺癌HER2状态研究
王文江1
刘彦君1
王磊1
李娇娇2
庞智英2
杨飞2
崔书君2
1.河北北方学院研究生学院 河北 张家口 0750002.河北北方学院附属第一医院医学影像部 河北 张家口 075000
摘要：目的 探讨一种影像组学与深度学习结合多参数MRI的多模态模型,用于术前乳腺癌HER2 表达状态的预测.方法 选取 176 例浸润性乳腺癌并具有乳腺MRI和人表皮生长因子受体 2 结果的患者,以 7∶3 的比例随机分为训练集和测试集.融合患者的T2WI和动态对比增强磁共振成像(DCE-MRI)的影像组学和深度学习特征,建立Resnet 50和Visual Transformer的以下模型:R T2、R_DCE、R_mp-MRI、V_T2、V_DCE和V_mp-MRI.在训练集使用五折交叉验证训练模型,然后通过受试者工作特征(ROC)曲线下面积(AUC)、准确度、敏感度、特异度、阳性预测值、阴性预测值和F1分数评估模型的性能.使用DeLong检验比较Resnet 50 和Visual Transformer组内的统计学差异.结果 本文建立的六个模型表现良好,R_T2、R_DCE、R_mp-MRI、V_T2、V_DCE和 V_mp-MRI模型的 AUC分别为 0.70、0.79、0.91、0.78、0.85 和 0.96.DeLong检验显示Resnet 50 和Visual Transformer的组内比较,差异有统计学意义(P<0.05).结论 影像组学与深度学习结合多参数MRI的多模态模型可以较好地预测术前乳腺癌HER2 的表达状态.
关键词：乳腺癌人表皮生长因子受体2磁共振成像深度学习影像组学
分类号：R737.9(泌尿生殖器肿瘤)R445.2(诊断学)
资助基金：河北省自然科学基金资助项目(H2023405031)
论文发表日期：2025-04-30
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：6( 54-59 )
英文信息