来源：期刊VIP网 时间：
作者：徐梦莹;张攀;李春花;李健;洪子涵;陈兵;
单位：宁夏医科大学总医院放射科;
摘要：目的 探讨基于合成MRI、动态对比增强磁共振成像（DCE-MRI）和扩散加权成像（DWI）参数建立的机器学习模型识别乳腺癌分子亚型的价值。资料与方法 回顾性分析2020年9月—2024年9月宁夏医科大学总医院292例术前接受合成MRI、DCE-MRI和DWI检查且术后病理证实为乳腺癌的患者资料，以7∶3随机分为训练集与测试集。采用方差分析筛选出不同分子亚型组间多个特征参数并建立5种机器学习模型，绘制受试者工作特征曲线，计算各模型的曲线下面积。结果 支持向量机模型的综合性能最高，在测试集中的曲线下面积、准确度、特异度和敏感度分别为0.972、82.5%、94.76%和82.14%；该模型在训练集中鉴别luminal A、luminal B、人表皮生长因子受体2过表达和三阴性组的曲线下面积分别为0.979、0.925、0.971和0.982，在测试集中分别为0.973、0.873、0.956和0.955。结论 基于多模态MRI参数建立的机器学习模型能够帮助临床医师术前判断乳腺癌的分子亚型，支持向量机模型具有较高的综合性能。
关键词：乳腺肿瘤;;磁共振成像;;合成磁共振;;动态对比增强成像;;扩散加权成像;;机器学习;;诊断,鉴别
基金资助：宁夏回族自治区重点研发计划项目（2023BEG03022）
