患者女,48岁,外院体检发现左乳肿物2年、无明显增大。查体:分别于右乳内上象限及左乳外上象限触及2.5cm×2cm、2.0cm×2.0 cm肿物,质硬,活动度可。乳腺超声:双乳多发低回声结节,左乳外上象限不均质回声区,乳腺影像报告和数据系...患者女,48岁,外院体检发现左乳肿物2年、无明显增大。查体:分别于右乳内上象限及左乳外上象限触及2.5cm×2cm、2.0cm×2.0 cm肿物,质硬,活动度可。乳腺超声:双乳多发低回声结节,左乳外上象限不均质回声区,乳腺影像报告和数据系统(breast imaging reporting and data system,BIRADS)3级。展开更多
目的本研究旨在构建一个基于临床和影像学特征的极端梯度提升(extreme gradient boosting,XGBoost)模型,以鉴别乳腺非肿块病变的良恶性。材料与方法收集2018年1月至2024年7月2个机构,2种乳腺X线设备检查的有病理结果的首诊乳腺非肿块病...目的本研究旨在构建一个基于临床和影像学特征的极端梯度提升(extreme gradient boosting,XGBoost)模型,以鉴别乳腺非肿块病变的良恶性。材料与方法收集2018年1月至2024年7月2个机构,2种乳腺X线设备检查的有病理结果的首诊乳腺非肿块病变480个。患者被分为建模组[n=310,数字乳腺X线摄影(digital mammography,DM)检查]、内部验证组(n=108,DM检查),和外部验证组[n=62,数字乳腺体层合成摄影(digital breast tomosynthesis,DBT)检查]。记录患者术前乳腺X线(DM或DBT),MRI以及临床特征。采用XGBoost算法和多因素逻辑回归分析,分别构建XGBoost模型和逻辑回归(logistic regression,LR)模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的诊断效能。结果在建模组中,患者以7∶3随机分为训练集(n=217)和测试集(n=93)。训练集、测试集、训练集的内部验证组及训练集的外部验证组中,恶性非肿块病灶分别为159(73%)、58(62%)、73(68%)和43(69%)。XGBoost模型的诊断效能明显优于LR模型,在独立的训练集、测试集、训练集的内部验证组及训练集的外部验证组中均表现出良好的诊断效能,曲线下面积(area under the curve,AUC)在0.884~0.913之间。XGBoost模型在四个队列中也表现出良好的校准能力和临床净获益。结论XGBoost模型能够准确鉴别乳腺非肿块病变的良恶性,具有推广应用的潜力。展开更多
文摘患者女,48岁,外院体检发现左乳肿物2年、无明显增大。查体:分别于右乳内上象限及左乳外上象限触及2.5cm×2cm、2.0cm×2.0 cm肿物,质硬,活动度可。乳腺超声:双乳多发低回声结节,左乳外上象限不均质回声区,乳腺影像报告和数据系统(breast imaging reporting and data system,BIRADS)3级。
文摘背景与目的:在乳腺X线摄影质量控制中,信噪比(signal-to-noise ratio,SNR)是指图像中有用的信号强度与背景噪声的比值,是衡量图像质量好坏的重要指标之一。变异系数是描述SNR一致性和可重复性的常用指标。本研究通过分析不同厂家的3台乳腺X线摄影设备在不同曝光模式下的二维图像和X线断层摄影(tomography,Tomo)图像(简称断层图像)中SNR变异系数的变化情况,旨在评估乳腺X线摄影设备性能的稳定性和可重复性。方法:选用乳腺X线摄影质量控制专用的聚甲基丙烯酸甲酯模体(polymethylmethacrylate phantom,PMMA),分别在全数字化乳腺X线摄影(full-field digital mammography,FFDM)、低剂量乳腺X线摄影和数字乳腺断层摄影(digital breast tomosynthesis,DBT)3种曝光模式下行PMMA厚度从20~80 mm,实际压迫厚度等效于乳腺平均密度的压迫厚度21~103 mm的自动曝光检测。计算不同乳腺X线摄影设备在不同曝光模式、不同压迫厚度时二维图像和断层图像中SNR的变异系数变化情况。结果:在FFDM、低剂量乳腺X线摄影、DBT曝光模式下,等效于乳腺平均密度的压迫厚度21~103 mm时,分析乳腺X线摄影设备1、2、3在不同曝光模式下二维图像的SNR变异系数间的差异,仅DBT曝光模式下不同设备间的二维图像差异有统计学意义(P=0.003),设备1、2、3中二维图像的SNR变异系数分别为0.188%~0.720%、0.368%~1.073%和0.402%~1.662%。FFDM和低剂量曝光模式下设备1、2、3中二维图像的SNR变异系数差异均无统计学意义(P=0.060)。在DBT曝光模式时不同乳腺X线摄影设备的断层第一张投影图和0°投影图的SNR变异系数变化范围在设备1(2种角度)、2、3中差异均无统计学意义(P=0.373,P=0.742,P=0.225,P=0.693)。结论:不同乳腺X线摄影设备、不同曝光模式时二维图像和断层图像的SNR变异系数变化范围各不相同,没有固定和标准的数值,但都在乳腺X线摄影设备质量控制要求范围内。在FFDM和低剂量曝光模式时乳腺X线摄影设备二维图像的稳定性、可重复性更好;在DBT曝光模式时断层第一张投影图和0°投影图的变异系数值差异无统计学意义,均显示设备的稳定性良好。
文摘目的本研究旨在构建一个基于临床和影像学特征的极端梯度提升(extreme gradient boosting,XGBoost)模型,以鉴别乳腺非肿块病变的良恶性。材料与方法收集2018年1月至2024年7月2个机构,2种乳腺X线设备检查的有病理结果的首诊乳腺非肿块病变480个。患者被分为建模组[n=310,数字乳腺X线摄影(digital mammography,DM)检查]、内部验证组(n=108,DM检查),和外部验证组[n=62,数字乳腺体层合成摄影(digital breast tomosynthesis,DBT)检查]。记录患者术前乳腺X线(DM或DBT),MRI以及临床特征。采用XGBoost算法和多因素逻辑回归分析,分别构建XGBoost模型和逻辑回归(logistic regression,LR)模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的诊断效能。结果在建模组中,患者以7∶3随机分为训练集(n=217)和测试集(n=93)。训练集、测试集、训练集的内部验证组及训练集的外部验证组中,恶性非肿块病灶分别为159(73%)、58(62%)、73(68%)和43(69%)。XGBoost模型的诊断效能明显优于LR模型,在独立的训练集、测试集、训练集的内部验证组及训练集的外部验证组中均表现出良好的诊断效能,曲线下面积(area under the curve,AUC)在0.884~0.913之间。XGBoost模型在四个队列中也表现出良好的校准能力和临床净获益。结论XGBoost模型能够准确鉴别乳腺非肿块病变的良恶性,具有推广应用的潜力。
