在MRI中使用纹理和形状特征进行乳腺癌诊断

科学领域:

• 放射学和医学成像学 医学成像学
• 在瘤学瘤学.
• 生物医学工程 生物医学工程

背景情况:

• 对比增强磁共振 (MR) 乳腺成像对于乳腺癌 (BC) 检测和诊断至关重要.
• 现有的方式,如乳房影像和超声波有局限性,MRI成像可以克服先进的分析.

研究的目的:

• 开发和评估一种用于乳腺瘤恶性瘤诊断的方法,使用来自MRI图像的2D纹理和3D形状特征.
• 评估瘤位置 (冠状平面象限) 和遗传信息 (HER2状态,光线B) 对诊断准确性的影响.

主要方法:

• 采用放射学方法,从43名BC患者的MRI图像中提取了43种纹理和17种形状特征.
• 训练和评估了五种预测模型 (线性SVM,高斯式SVM,袋式树,KNN,天真贝叶斯).
• 研究重点是特征类型 (纹理,形状,组合) 和共变量 (瘤类型,位置).

主要成果:

• 使用 43 种纹理特征与线性 SVM 模型实现了用于瘤类型预测的最高诊断性能 (74.04% AUC).
• 象限定位的最佳结果 (67.99%AUC) 使用了3种纹理和形状特征的组合,也使用了线性SVM.
• 定量生物标志物在MRI成像上显著有助于乳腺瘤恶性瘤诊断.

结论:

• 使用机器学习整合定量纹理和形状特征,提高了使用MRI成像进行乳腺癌诊断的准确性.
• 结合瘤位置和遗传信息可以完善治疗选择,潜在地改善患者的治疗结果和生活质量.