来源：期刊VIP网 时间：
作者：宋丽俊;薛志伟;田兄玲;贾毅;马依迪丽·尼加提;
单位：新疆人工智能影像辅助诊断重点实验室;新疆医科大学附属中医医院医学影像科;
摘要：目的 探讨基于多参数磁共振成像（magnetic resonance imaging, MRI）的影像组学模型对非肿块型乳腺癌和非哺乳期乳腺炎（non-lactating mastitis, NLM）的鉴别诊断价值。材料与方法 回顾性收集2020年6月至2024年6月于新疆医科大学附属中医医院经病理证实为非肿块型乳腺癌和NLM的患者MRI资料共193例，其中非肿块型乳腺癌100例，NLM 93例。两组患者病灶总数225个，其中乳腺癌110个（48.89%）,NLM 115个（51.11%）。按7∶3随机划分为训练集（157例）和测试集（68例），采用支持向量机（support vector machines, SVM）机器学习算法对动态增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）第1、4、7期（即CE1、CE4、CE7）、T2加权成像（T2-weighted imaging, T2WI）和扩散加权成像（diffusion weighted imaging, DWI）这5个序列的数据分别构建单序列模型、多参数MRI模型，并联合5个序列数据和临床特征建立融合模型，通过受试者工作特征（receiver operating characteristic, ROC）曲线、校准曲线、决策曲线分析（decision curve analysis, DCA）评价不同模型的性能，并使用SHAP图形对模型进行解释及可视化。结果 单序列模型进行对比，CE1、CE4、CE7、T2WI和DWI序列在测试集的曲线下面积（area under the curve, AUC）分别为0.768、0.804、0.746、0.769、0.812,DWI在测试集的AUC最高，其次是CE4；多参数MRI模型在测试集的AUC为0.840(95%置信区间：0.749～0.932)]，而融合模型在测试集的AUC为0.866(95%置信区间：0.783～0.948)，与CE1、CE4、CE7、T2WI单序列模型相比差异均有统计学意义（P<0.01）。结果显示，融合模型的准确度最高（77.94%）；融合模型敏感度最高（90.00%）；融合模型和CE4序列的特异度最高（均为68.42%）。结论 多参数MRI联合临床特征的融合模型准确度、敏感度和特异度较高，与单序列模型、多参数MRI模型相比预测性能更优，可以为非肿块型乳腺癌和NLM的鉴别诊断提供较高价值。
关键词：非哺乳期乳腺炎;;非肿块型乳腺癌;;多参数;;磁共振成像;;鉴别诊断
基金资助：新疆人工智能影像辅助诊断重点实验室开放课题资助项目(项目编号:XJRGZN2024009)~~
