| 乳房X线片深度学习联合临床特征列线图预测乳腺癌表达人表皮生长因子受体2(HER-2)状态 |
| |
| 引用本文： | 刘思腾,于湛,李哲人,刘译阳,翁思远,王洁洁. 乳房X线片深度学习联合临床特征列线图预测乳腺癌表达人表皮生长因子受体2(HER-2)状态[J]. 中国医学影像技术, 2023, 39(11): 1659-1664 |
| |
| 作者姓名： | 刘思腾 于湛 李哲人 刘译阳 翁思远 王洁洁 |
| |
| 作者单位： | 郑州大学第一附属医院放射科, 河南 郑州 450052;上海联影智能医疗科技有限公司, 上海 200030;郑州大学放射介入科, 河南 郑州 450052 |
| |
| 摘 要： | 目的 观察深度学习(DL)术前乳房X线片(MG)联合临床特征列线图预测乳腺癌表达人表皮生长因子受体2(HER-2)状态的价值。方法 回顾性分析265例HER-2检测结果均为(++)的单发乳腺癌患者的MG和临床资料，包括93例HER-2阳性、172例HER-2阴性；按8∶2比例将其分为训练集(n=211,含74例HER-2阳性、137例HER-2阴性)和验证集(n=54,19例HER-2阳性、35例HER-2阴性)。以单因素及多因素logistic回归分析临床资料，筛选乳腺癌表达HER-2状态的独立预测因素，以之构建临床模型。将头足位和内外斜位MG输入孪生DL网络，获得肿瘤ROI图像，并输入至ResNet50网络提取DL特征，通过全连接层进行特征融合，共获得2 048个DL特征，经Softmax分类器输出二分类结果，得到DL评分(Deep-score),构建DL模型。以Deep-score和独立临床预测因素构建联合模型，并绘制列线图；以校准曲线评估其校准度。应用受试者工作特征(ROC)曲线评估各模型预测乳腺癌表达HER-2状态的效能，以决策曲线分析(DCA)评估其临床获益。结果 雌激素受...
|
| 关 键 词： | 乳腺肿瘤 乳房X线摄影 ErbB受体 深度学习 |
| 收稿时间： | 2023-07-13 |
| 修稿时间： | 2023-09-10 |
Deep learning of mammograms combined with nomogram of clinical characteristics for predicting human epidermal growth factor receptor-2 (HER-2) expression status of breast cancer |
| |
| LIU Siteng,YU Zhan,LI Zheren,LIU Yiyang,WENG Siyuan,WANG Jiejie. Deep learning of mammograms combined with nomogram of clinical characteristics for predicting human epidermal growth factor receptor-2 (HER-2) expression status of breast cancer[J]. Chinese Journal of Medical Imaging Technology, 2023, 39(11): 1659-1664 |
| |
| Authors: | LIU Siteng YU Zhan LI Zheren LIU Yiyang WENG Siyuan WANG Jiejie |
| |
| Affiliation: | Department of Radiology, the First Affiliated Hospital of Zhengzhou University, Zhengzhou 450052, China;Shanghai United Imaging Intelligence Co., Ltd., Shanghai 200030, China;Department of Interventional Radiology, the First Affiliated Hospital of Zhengzhou University, Zhengzhou 450052, China |
| |
| Abstract: | |
| |
| Keywords: | breast neoplasms mammography ErbB receptors deep learning |
|
| 点击此处可从《中国医学影像技术》浏览原始摘要信息 |
|
点击此处可从《中国医学影像技术》下载全文 |
|
