基于纵向时间影像动态增强模式分析的乳腺癌新辅助化疗疗效预测

新辅助化疗由于其较长的治疗周期,对化疗最终疗效早期准确的预测具有重要的临床参考价值。传统影像组学方法由于肿瘤异质性及影像部分容积效应等因素的存在,使得预测的精度难以进一步提高。本研究通过深度影像分解生成不同动态增强模式影像,对深度模式进行分析并基于纵向时间影像特征对新辅助化疗疗效进行预测分析。实验将采集的191例乳腺癌患者影像进行预处理,得到肿瘤和腺体感兴趣区域影像并分别提取影像组学特征,计算纵向时间特征变化率。使用随机森林模型对疗效进行预测分析并结合AUC指标对模型分类性能进行评估分析。结果表明,在分解前原始影像的预测任务中取得0.791的最佳AUC。在影像深度分解实验中,肿瘤影像的纵向模式变化在疗效组别中分布更具显著差异(P<0.01),在不同动态模式影像特征的预测任务中取得0.888的最佳AUC。综上,通过结合多区域影像和纵向时间特征,相比于分解前影像,深度分解后的不同模式影像进一步提升了基于特征水平的疗效预测能力,有望对患者早期诊断和方案调整提供重要的参考依据。