基于乳腺X线图像纹理特征建立机器学习模型在鉴别良恶性乳腺肿块中的价值

黄栎有， 高先聪， 尤传文

图1 女，80岁，右乳乳头状癌。a)右侧乳腺CC位X线图像，显示乳腺内椭圆形病灶，大部分边界较清晰；b)手动勾画ROI(红色区域)后的图像。 图2 女，52岁，左乳纤维腺瘤。a)左侧乳腺CC位X线图像，显示乳腺内不规则形病灶，部分边界欠清晰；b)手动勾画ROI(红色区域)后的图像。

乳腺癌作为发病率最高的女性恶性肿瘤，目前已成为我国45岁以下女性死亡率最高的恶性肿瘤之一[1]。尽早发现和诊断可以有效提高乳腺癌患者的生存率[2]。目前，乳腺X线检查在良恶性乳腺肿块的鉴别诊断中已得到广泛的临床应用，但仅凭对形态学特征的主观分析来鉴别肿块良恶性仍存在较大困难。纹理分析能够提取并定量分析图像中的纹理特征参数，提供图像中肉眼无法观察到的潜在信息[3]。而机器学习作为一种人工智能算法，可以利用纹理分析提供的纹理特征参数建立疾病的分类模型。目前基于机器学习的纹理分析的相关研究已越来越多[4-6]。本研究拟探讨基于乳腺X线图像纹理特征所建立的机器学习模型在鉴别乳腺肿块良恶性中的应用价值。

材料与方法

1.研究对象

回顾性搜集2017年1月-2019年12月在本院行乳腺X线检查且经病理证实的243例乳腺肿块患者(263个病灶)的病例资料。所有患者为女性，年龄21～82岁，平均(50.4±15.41)岁。良性肿块患者106例共肿块124个，包括纤维腺瘤77例(95个肿块)、乳腺病29例(29个肿块)；恶性肿块患者137例共139个肿块，包括浸润性导管癌122例(124个肿块)、导管内癌7例(7个肿块)、乳头状癌4例(4个肿块)、黏液腺癌4例(4个肿块)。……