核极限学习机诊断乳腺良恶性肿块样病变

目的采用核极限学习机(KELM)方法对乳腺良恶性肿块样病变进行分类,并评估其鉴别诊断效能。方法对93例患者103个经术后病理或长期随访确诊的乳腺肿块样病变行MR检查。由1名低年资和1名高年资乳腺影像学诊断医师参照乳腺影像报告和数据系统(BI-RADS)第2版,选取12个MRI特征及临床特征,分别独立及采用KELM方法对乳腺病变进行良恶性分类,并计算诊断效能。结果低年资和高年资医师使用KELM方法鉴别诊断乳腺良恶性病变的敏感度、特异度、准确率分别为0.88、0.89、0.91和0.93、0.91、0.92,AUC分别为0.84和0.89。低年资和高年资医师独立诊断的敏感度、特异度、准确率分别为0.91、0.74、0.86和0.90、0.85、0.92,AUC分别为0.83和0.90。结论基于影像学特征及临床资料特征的KELM方法可辅助临床鉴别诊断乳腺肿块样良恶性病变,具有较理想的敏感度、特异度和准确率。