在基于放射学方法的乳房乳房显微镜和超声波中区分良性和边界/恶性瘤
Xiaohui Su1, Chao Li2, Jingjing Chen1
1Department of Breast Imaging, The Affiliated Hospital of Qingdao University, Qingdao, Shandong, China (X.S., J.C., C.C., T.B., L.L., N.S.).
Academic radiology
|February 21, 2026
概括
乳房影像和超声波图像的放射学分析有效地区分了良性与边缘性/恶性乳腺瘤 (PTs). 这种先进的成像技术有助于术前评估和外科治疗师的手术规划,改善了患者的护理.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
背景情况:
- 乳腺瘤 (PTs) 是一种罕见的乳腺瘤,具有不可预测的行为.
- 准确的手术前区分良性和边缘性/恶性PT对于适当的管理至关重要.
- 现有的成像模式在最终区分PT亚型方面存在局限性.
研究的目的:
- 评估放射学应用在乳房影像 (MG) 和超声波 (US) 中的疗效,以区分良性和边缘性/恶性瘤 (PTs).
- 将放射学模型的诊断性能与临床和传统成像特征进行比较.
主要方法:
- 对362名女性PT患者 (220名良性,142名边缘/恶性) 的回顾性分析.
- 从MG (CC,MLO视图) 和美国图像中提取放射性特征,以及临床数据.
- 开发和比较机器学习分类器 (LR,SVM,RF,ExtraTrees,XGBoost,LightGBM) 和一个组合的名录模型.
- 使用曲线下的面积 (AUC),灵敏度,特异性,精度,PPV和NPV进行评估.
主要成果:
- 与良性PT相比,边缘性/恶性PT与年龄更大和瘤大小更大有关.
- 观察到MG (模糊边缘,异质密度) 和US (囊性变化,非限制边缘) 特征的显著差异.
- 放射学模型在训练队列中实现了1.0的AUC,优于其他模型.
- 在验证队列中,名谱模型显示了最高的AUC (0.791),其次是MLO (0.777) 和放射学 (0.766).
结论:
- 放射学和名图模型在区分良性和边缘/恶性PT方面显示出显著的潜力.
- 这些模型可以帮助指导治疗策略,改善手术前评估.
- 建议使用核心针活检和名图模型的综合方法,以在PT管理中提供最佳的决策支持.
