基于多参数MRI影像组学鉴别非肿块型乳腺癌和非哺乳期乳腺炎.pdfVIP

磁共振成像2025年8月第16卷第8期ChinJMagnResonImaging,Aug,2025,Vol.16,No.8临床研究｜｜ClinicalArticles

基于多参数MRI影像组学鉴别非肿块型

乳腺癌和非哺乳期乳腺炎

1,22222*

宋丽俊，薛志伟，田兄玲，贾毅，马依迪丽·尼加提

作者单位1.新疆人工智能影像辅助诊断重点实验室，喀什844000；2.新疆医科大学附属中医医院医学影像科，乌鲁木齐830000

*通信作者马依迪丽·尼加提，E-mail:1376906729@

中图分类号R445.2；737.9文献标识码ADOI10.12015/issn.1674-8034.2025.08.011

本文引用格式宋丽俊,薛志伟,田兄玲,等.基于多参数MRI影像组学鉴别非肿块型乳腺癌和非哺乳期乳腺炎[J].磁共振成像,

2025,16(8):73-79,94

[摘要]目的探讨基于多参数磁共振成像（magneticresonanceimaging,MRI）的影像组学模型对非肿块型乳腺癌和非哺乳期

乳腺炎（non-lactatingmastitis,NLM）的鉴别诊断价值。材料与方法回顾性收集2020年6月至2024年6月于新疆医科大学附属

中医医院经病理证实为非肿块型乳腺癌和NLM的患者MRI资料共193例，其中非肿块型乳腺癌100例，NLM93例。两组患者

病灶总数225个，其中乳腺癌110个（48.89%），NLM115个（51.11%）。按7∶3随机划分为训练集（157例）和测试集

（68例），采用支持向量机（supportvectormachines,SVM）机器学习算法对动态增强磁共振成像（dynamiccontrast-enhanced

magneticresonanceimaging,DCE-MRI）第1、4、7期（即CE1、CE4、CE7）、T2加权成像（T2-weightedimaging,T2WI）和扩

散加权成像（diffusionweightedimaging,DWI）这5个序列的数据分别构建单序列模型、多参数MRI模型，并联合5个序列数据

和临床特征建立融合模型，通过受试者工作特征（receiveroperatingcharacteristic,ROC）曲线、校准曲线、决策曲线分析

（decisioncurveanalysis,DCA）评价不同模型的性能，并使用SHAP图形对模型进行解释及可视化。结果单序列模型进行对

比，CE1、CE4、CE7、T2WI和DWI序列在测试集的曲线下面积（areaunderthecurve,AUC）分别为0.768、0.804、0.746、

0.769、0.812，DWI在测试集的AUC最高，其次是CE4；多参数MRI模型在测试集的AUC为0.840（95%置信区间：0.749~

0.932）]，而融合模型在测试集的AUC为0.866（95%置信区间：0.783~0.948），与CE1、CE4、CE7、T2WI单序列模型相比差

异均有统计学意义（P0.01）。结果显示，融合模型的准确度最高（77.94%）；融合模型敏感度最高（90.00%）；融合模型和

CE4序列的特异度最高（均为68.42%）。结论多参数MRI联合临床特征的融合模型准确度、敏感度和特异度较高，与单序列

模型、多参数MRI模型相比预测性能更优，可以为非肿块型乳腺癌和NLM的鉴别诊断提供较高价值。

[关键词]非哺乳期乳腺炎；非肿块型乳腺癌；多参数；磁共振成像；鉴别诊断

Differentiatingnon-massbreastcancerandnon-lactationalmastitisbasedonmulti-pa