基于使用深度学习方法的多参数MRI数据集预测乳腺癌的分子亚型
Wanqing Ren1, Xiaoming Xi2, Xiaodong Zhang3
1Department of Radiology, Jinan Third People's Hospital, Jinan, China.
Magnetic resonance imaging
|December 16, 2024
概括
一个新的多参数MRI模型准确地预测乳腺癌分子亚型,优于单个MRI序列. 快速扫描T1加权成像 (FS-T1WI) 模型也显示了亚型预测的前景.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
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.
- 手术前的MRI在乳腺癌评估中起着至关重要的作用.
- 现有的MRI技术在分化分子亚型方面存在局限性.
研究的目的:
- 开发和验证一个多参数MRI模型,用于预测乳腺癌分子亚型.
- 评估个人MRI序列和组合模型在亚型预测中的性能.
主要方法:
- 对325名乳腺癌患者的MRI数据进行了回顾性分析.
- 使用了五个MRI序列:FS-T1WI,T2WI,T1-C,DWI和ADC.
- 通过使用集体学习将五个ResNeXt50基模型的输出融合在一起,开发了一个多参数模型.
- 分类亚型为光线A,光线B,HER2阳性和三阴性 (TN).
主要成果:
- 多参数MRI模型在预测乳腺癌分子亚型时实现了0.859-0.912的AUC.
- 个别模型显示较低的AUC:FS-T1WI (0.632-0.814),T2WI (0.641-0.788),T1-C (0.621-0.709),DWI (0.620-0.701) 和ADC (0.611-0.785). 在这些模型中,FS-T1WI (0.632-0.814),T2WI (0.641-0.788),T1-C (0.621-0.709),DWI (0.620-0.701) 和ADC (0.611-0.785) 均为较低的AUC.
结论:
- 开发的多参数MRI模型在预测乳腺癌分子亚型方面明显优于单个基准模型.
- FS-T1WI显示出作为乳腺癌分子亚型预测的有价值序列的潜力.
