基于MR图像的深度学习预测乳腺癌脉管浸润状态

目的 基于MRI图像的深度学习技术预测乳腺癌脉管浸润状态。方法 回顾性收集2010年1月至2021年12月在广州市红十字会医院病理证实457例乳腺癌患者的MMRI图像(FS-T2WI)。根据病理结果将脉管浸润分为阳性和阴性,将患者按9:1随机分为训练集(n=411)及验证集(n=46)。训练集采用深度学习中的2D VanillaCNN和ResNet10、3DResNet10算法训练模型,并在验证集中评价其效能。结果457例患者中,脉管浸润阴性304例,阳性153例。基于FS-T2WI序列的2D VanillaCNN和ResNet10、3D ResNet10算法模型预测脉管浸润的曲线下面积(AUC)分别为0.70、0.77、0.69;基于DCE序列的2D VanillaCN N和ResN et 10、3D ResNet1 0算法模型预测脉管浸润的AUC值分别为0.76、0.72、0.80。结论 基于深度学习技术能有效预测乳腺癌脉管浸润状态,且DCE-T1C序列的预测效能优于FS-T2WI序列。