机器学习与二维合成乳房造影的使用,用于在乳腺癌中预测带淋巴结转移:一项初步研究

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医学成像分析 医学成像分析

背景情况:

• 乳腺癌是全球癌症死亡的主要原因之一.
• 准确预测状淋巴结转移对于治疗规划至关重要.
• 非侵入性方法可以减少与淋巴结活检相关的并发症.

研究的目的:

• 调查使用合成乳房学 (SM) 图像的放射性分析来预测状淋巴结 (ALN) 转移的潜力.
• 为了比较基于SM的放射学与传统的全场数字造乳镜 (FFDM) 的性能.

主要方法:

• 分析了77名乳腺癌患者的FFDM和数字乳腺断层合成 (DBT) 数据.
• 从细分质量损伤中提取了放射性特征.
• 使用后勤回归模型来预测ALN转移,使用AUC,灵敏度,特异性,PPV和NPV来评估性能.

主要成果:

• 在SM放射性模型中,曲线下的面积 (AUC) 为0.742.
• 在FFDM模型中,AUC达到0.738.8.
• 这两种模型在预测ALN转移方面表现相似,没有发现显著差异.

结论:

• 对SM图像的放射性分析显示了预测ALN转移的前景.
• 这种方法在与传统成像技术相结合时,可能会提高诊断准确度.