基于超声影像深度学习模型在评估乳腺癌肿瘤浸润淋巴细胞水平中的应用价值

目的 探讨基于超声影像的深度学习模型在预测乳腺癌肿瘤浸润淋巴细胞水平的可行性。方法 回顾性分析2019年1月1日-2022年9月30日就诊于兰州大学第二医院，经病理证实的275例乳腺癌患者的二维灰阶超声图像，其中训练集220例，验证集55例。根据病理结果，分为高肿瘤浸润淋巴细胞水平组和低肿瘤浸润淋巴细胞水平组。采用深度卷积神经网络残差网络模型训练和验证。使用受试者操作特征曲线下面积、准确率、特异度、敏感度和F1分数评价模型的诊断性能。结果 基于深度学习的残差网络模型对乳腺癌肿瘤浸润淋巴细胞水平预测的受试者操作特征曲线下面积为0.936,F1分数为0.878，准确率为87.3%，特异度为87.5%，敏感度为87.1%。结论 基于超声影像的深度学习模型有望成为无创预测乳腺癌肿瘤浸润淋巴细胞水平的重要工具。