通过深度神经网络将DCE-MRI和NME-DWI结合起来,用于预测乳腺癌分子亚型
Zhi-Chang Ba1, Hong-Xia Zhang1, Ao-Yu Liu1
1Imaging Center, Harbin Medical University Cancer Hospital, Harbin, China.
Clinical breast cancer
|March 30, 2024
概括
将动态对比增强型MRI和扩散加权成像与深度神经网络相结合,显著改善了乳腺癌分子亚型预测. 这种多参数方法提供了比单独的成像技术更好的准确性.
科学领域:
- 放射学和瘤成像学成像学
- 人工智能在医学中的应用
- 乳腺癌的诊断 乳腺癌的诊断
背景情况:
- 准确预测乳腺癌分子亚型对于指导治疗决策至关重要.
- 目前的成像技术在精确区分这些亚型方面存在局限性.
- 深度神经网络 (DNN) 在分析复杂的医学成像数据方面表现有前途.
研究的目的:
- 为了评估结合动态对比增强MRI (DCE-MRI) 和非单指数模型基于扩散加权成像 (NME-DWI) 的有效性,使用DNN进行乳腺癌分子亚型预测.
- 为了比较组合多参数MRI方法与单个DCE-MRI和NME-DWI技术的预测性能.
主要方法:
- 一项前性研究涉及480名乳腺癌患者,其中475名患者使用DCE-MRI和NME-DWI在3.0 T.
- 乳腺癌被分为五种分子亚型:HER2丰富,光线A,光线B (HER2-),光线B (HER2+) 和三阴性.
- 深度神经网络 (DNN) 在成像数据集上进行了训练和验证,其中一部分保留用于独立测试.
主要成果:
- 综合多参数MRI方法实现了0.76.6的5路分类准确度.
- 这一准确度明显高于单独使用DCE-MRI (0.71) 和单独使用NME-DWI (0.64) 的准确度.
- 在亚型分类中,单独使用DCE-MRI的准确性明显高于单独使用NME-DWI.
结论:
- 通过DNN集成DCE-MRI和NME-DWI显著提高了乳腺癌分子亚型的预测.
- 多参数MRI在这个预测任务中优于个人成像技术.
- 在区分亚型方面,DCE-MRI表现优于NME-DWI.
