基于超声图像的乳腺癌CNN病理分型诊断模型的构建

於子扬; 唐维; 杨丽

首页> 中文期刊> 《生命科学仪器》 >基于超声图像的乳腺癌CNN病理分型诊断模型的构建

基于超声图像的乳腺癌CNN病理分型诊断模型的构建

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

背景:基于超声图像的卷积神经网络(Convolutional neural network,CNN)的诊断模型是目前临床诊断乳腺癌良恶性的有效手段。但相比良恶性二分类诊断,乳腺癌病理细分多分类诊断可能更利于临床更精准治疗,更具临床价值。目的:基于超声图像构建乳腺癌CNN病理类型诊断模型,并分析其临床诊断价值。方法:纳入我院2016年1月至2022年1月经病理学检查确诊的432例乳腺癌患者,其中262例为原位癌,170例为浸润癌。收集所有患者超声图像特征等资料作为建模数据集,并将建模数据按7:3的比例划分为训练集和验证集。构建基于超声图像的乳腺癌患者病理类型的CNN诊断模型及Logistic回归诊断模型,并使用ROC曲线下面积来评价两种诊断模型的性能。结果:共筛选出形态、毛刺蟹足、Adler血流分级、腋窝淋巴结转移、后方回声衰减5个超声图像作为建模指标,通过分析训练集与测试集数据流分别建立CNN诊断模型及Logistic回归诊断模型,CNN诊断模型的灵敏度、特异度、准确度AUC曲线下面积CNN诊断模型均高于Logistic回归诊断模型。结论:基于超声图像的乳腺癌CNN病理诊断模型在诊断乳腺原位癌及浸润癌的临床诊断价值高于Logistic回归诊断模型,对临床乳腺癌患者病理类型诊断具有一定的辅助价值。

著录项

来源
《生命科学仪器》 |2023年第1期|63-69|共7页
作者
於子扬; 唐维; 杨丽;
展开▼
作者单位

苏州大学附属第二医院;

展开▼
原文格式 PDF
正文语种 chi
中图分类诊断学;
关键词
卷积神经网络模型; 超声图像; 乳腺癌; 病理类型;

相似文献

中文文献
外文文献
专利

1. 基于超声图像和临床病理特征的早期浸润性乳腺癌腋窝淋巴结转移的诊断模型 [J] . 陆俊名 ,金华 ,纪宗萍 . 广西医学 . 2022,第4期
2. 基于超声造影定量参数联合常规超声图像特征的诊断模型鉴别诊断肉芽肿性小叶性乳腺炎与早期浸润性乳腺癌的价值 [J] . 王娟 ,梁汝娜 ,余珊珊 . 临床超声医学杂志 . 2023,第5期
3. 乳腺癌病理分型与超声分型关系的研究 [J] . 张勇 . 菏泽医学专科学校学报 . 2007,第2期
4. 基于CNN的乳腺癌病理图像分类研究 [J] . 易才键 ,陈俊 ,王师玮 . 智能计算机与应用 . 2022,第3期
5. 乳腺癌超声分型与病理组织学分型的对照研究 [J] . 曹淑娟 ,李荔 ,康永军 . 医学影像学杂志 . 2010,第8期
6. 急性阑尾炎病理分型与超声图像特征的对比研究 [C] . 马宏 ,武金玉 . 第十届全国超声医学学术会议 . 2008
7. 基于CT图像的周围型非小细胞肺癌分型诊断模型研究 [A] . 马俊雷 . 2010

基于超声图像的乳腺癌CNN病理分型诊断模型的构建

摘要

著录项

相似文献

相关主题

期刊订阅