典型文献
基于自动乳腺全容积成像冠状面超声图像的影像组学模型预测乳腺肿瘤良恶性的价值
文献摘要：
目的 分析基于自动乳腺全容积成像(ABVS)冠状面超声图像的影像组学模型预测乳腺肿瘤良恶性的临床价值.方法 选取我院经病理证实的乳腺肿瘤患者152例,基于ABVS冠状面超声图像的感兴趣区(ROI)提取影像组学特征,进行筛选后构建随机森林、支持向量机、多层感知器、决策树、逻辑回归、K-近邻6种影像组学模型;绘制受试者工作特征(ROC)曲线分析并比较各影像组学模型与不同年资超声医师(医师A具有2年工作经验、医师B具有5年工作经验)对乳腺肿瘤良恶性的诊断效能.结果 最终纳入28个最优特征构建影像组学模型,其中随机森林模型对乳腺肿瘤良恶性的诊断效能最高,其曲线下面积为0.87,高于超声医师A和超声医师B的曲线下面积(0.76和0.83).结论 应用基于ABVS冠状面超声图像的影像组学模型预测乳腺肿瘤良恶性具有良好的价值.
文献关键词：
超声检查;自动乳腺全容积成像;冠状面;影像组学;乳腺肿瘤;良恶性
中图分类号：
作者姓名：
吴怡雯;周晓华;陈菲;卢文洁;李晋;陈嘉瑶;欧阳良艳;陈诗雁;邱少东
作者机构：
510260 广州市,广州医科大学附属第二医院超声科
文献出处：
引用格式：
[1]吴怡雯;周晓华;陈菲;卢文洁;李晋;陈嘉瑶;欧阳良艳;陈诗雁;邱少东-.基于自动乳腺全容积成像冠状面超声图像的影像组学模型预测乳腺肿瘤良恶性的价值)[J].临床超声医学杂志,2022(07):502-506
A类：
B类：
自动乳腺全容积成像,冠状面,超声图像,乳腺肿瘤,肿瘤良恶性,ABVS,临床价值,我院,肿瘤患者,感兴趣区,ROI,影像组学特征,多层感知器,决策树,逻辑回归,近邻,受试者工作特征,年资,超声医师,诊断效能,优特,特征构建,随机森林模型,超声检查
AB值：
0.178293
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
