机器学习基于动态对比增强MRI鉴别乳腺良性与恶性病变的价值

目的 本研究旨在探讨不同机器学习方法 在乳腺良性与恶性病变预测中的应用。方法 回顾性分析厦门医学院附属第二医院2018年8月至2022年5月经病理证实的271个患者临床和影像资料。采用分层抽样方法 以7:3的比例划分训练组和验证组,提取影像组学特征,训练组使用冗余性分析、最小绝对收缩和选择算子交叉验证算法进行特征筛选,采用逻辑回归、支持向量机、自适应增强算法及决策树4种不同具有监督学习的机器学习方法 来预测乳腺良性与恶性病变的能力。使用受试者工作特征曲线(ROC曲线)、F1度量值和准确率对四种机器学习算法进行评估,并通过验证组进行验证。绘制校准曲线用于评价预测概率和实际概率之间的偏差。结果 基于17个影像组学特征,逻辑回归算法鉴别乳腺良性与恶性病变的预测效果最好,验证组有最高的曲线下面积(AUC值)为0.832(0.744-0.919),准确率为78%,F1度量值为0.790。最终以逻辑回归机器学习算法建立预测模型,逻辑回归算法模型校准曲线具有良好的重叠性。结论 基于乳腺动态对比增强MRI逻辑回归机器学习算法有助于鉴别乳腺良性与恶性病变,为临床医师的决策提供指导。