使用基于双能量CT的模型区分良性和恶性乳腺病变:开发和验证

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 在瘤学瘤学.

背景情况:

• 准确区分良性和恶性乳腺病变对于患者管理至关重要.
• 双能量CT (DECT) 为乳腺病变的特征提供了先进的成像能力.
• 在DECT中检测到的偶然的乳腺病变需要有效的评估方法.

研究的目的:

• 开发和验证基于双能CT (DECT) 的模型,用于对良性和恶性乳腺病变进行非侵入性分化.
• 评估开发的DECT模型的诊断性能和临床实用性.

主要方法:

• 对怀疑乳腺癌的患者进行对比增强DECT的潜在招募.
• 乳腺病变随机划分为训练 (70%) 和测试 (30%) 队列.
• 收集临床,形态和定量DECT参数;用于模型开发和验证的物流回归和ROC分析.

主要成果:

• 基于DECT的模型结合了年龄,病变形状和有效原子号 (Zeff) 证明了高诊断能力.
• 曲线下的面积 (AUC) 值为0.844 (训练) 和0.791 (测试),用于区分病变类型.
• 该模型在广泛的值概率范围内显示出有利的校准和临床有用性.

结论:

• 开发的基于DECT的模型表现出有利的诊断性能,用于非侵入性地区分良性与恶性乳腺病变.
• 这种DECT模型作为一种潜在的工具来表征乳腺病变,包括偶然发现,帮助患者管理决策.