基于深度学习模型对MRI乳腺强化病灶形态分类的初步研究 |
| |
引用本文: | 刘义,秦乃姗,马明明,王祥鹏,张耀峰,王霄英.基于深度学习模型对MRI乳腺强化病灶形态分类的初步研究[J].中国医学影像学杂志,2022(5):457-462. |
| |
作者姓名: | 刘义 秦乃姗 马明明 王祥鹏 张耀峰 王霄英 |
| |
作者单位: | 1. 北京大学第一医院医学影像科;2. 北京赛迈特锐医学科技有限公司 |
| |
摘 要: | 目的 探索基于深度学习对MRI图像上乳腺强化病灶形态分类的可行性。资料与方法 连续性收集并回顾分析2013年1月—2016年10月北京大学第一医院行双侧乳腺MR动态增强的290例患者的资料,使用既往研发的3D分割模型分割出乳腺中异常强化区域,由2位影像诊断医师根据第5版乳腺影像报告和数据系统病变分型(肿块、非肿块样强化)对375个图像进行分类。将上述数据按8∶1∶1随机分为训练集(n=297)、调优集(n=39)和测试集(n=39),使用Auto VGG网络训练分类预测模型,以测试集的混淆矩阵评价模型的效能。结果 2位影像医师对于乳腺病灶肿块与非肿块划分的初始一致性为0.917(344/375)。测试集39个数据中,26个为肿块,13个为非肿块样强化。肿块及非肿块样强化病例的三维径线(左右、前后、上下)及体积差异均无统计学意义(P均>0.05)。测试集39个数据的预测准确率为0.87,敏感度为0.96,特异度为0.69,精确度为0.86,F1评分为0.91。结论 使用深度学习方法进行乳腺MRI图像上强化病灶形态分类是可行的,有望在临床工作中应用。
|
关 键 词: | 乳腺肿瘤 深度学习 磁共振成像 非肿块样强化 结构式报告 |
|
|