论文部分内容阅读
目的: 1.探讨基于乳腺影像报告和数据系统(Breast Image Report and DataSystem，BI-RADS)的支持向量机(Support Vector Machine，SVM)在乳腺钼靶检查中对肿瘤良恶性的辅助诊断价值，以期提高影像医师的诊断水平。同时建立BI RADS数据库，实现乳腺肿瘤患者信息的系统规范和数字化管理，有利于今后开展乳腺肿瘤的临床、科研及教学工作，以及病人的追踪随访。 2.验证SVM在小样本情况下的分类性能。 方法: 搜集2012年1月至2013年12月两年间在我院就诊，并接收手术治疗或穿刺活检术，术前行乳腺X线摄片检查，术后病理证实为良性或恶性肿瘤的患者108人，年龄范围19～81岁，平均年龄47.2岁，中位年龄40岁。以一侧乳腺为一个样本，共120个样本为研究对象，其中良性病变76例，恶性病变44例。实际报告中影像医师的评定结果作为对照组，BI-RADS1、2、3级为阴性评价，0、4、5级为阳性评价。以BI-RADS（第4版）为标准，设定19个观察指标并量化为SVM输入向量:年龄、左右、腺体分型、肿块数量、肿块部位、肿块深浅、肿块密度、肿块大小、肿块形态、肿块边缘、肿块晕征、钙化形态、钙化分布、结构扭曲、特殊征象、淋巴结、乳头、皮肤、血管。以病理结果的良恶性为SVM分类标签。 由两名高年资影像医师盲法读片，将各观察指标数据录入数据库。以LibSVM3.18为SVM工具，以RBF函数为核函数，采用网格搜索的方法获取最佳参数，然后以该参数进行5次折叠交叉验证（5-Fold Cross Validation）。算出SVM模型预测结果与影像医师实际报告结果的准确率、敏感度、特异性、阳性预测值和阴性预测值等各项诊断评估指标;使用SPSS19.0对两种结果的差异进行配对样本的X2检验，对两种结果的一致性以病理结果为标准，进行Kappa值检验。以P＜0.05为有统计学意义。 结果: 本组共108位患者的120个样本，其中良性病变76例(63.3％)，以纤维腺瘤和囊肿为主，恶性病变44例(36.7％)，以浸润性导管癌为主。无肿块者一共14例。有钙化者一共46例(38.3％)，良性18例(23.7％)，恶性28例(63.6％)。 以RBF函数为SVM核函数的最佳参数:C=24，g=1/27。SVM模型预测结果的准确率、敏感度、特异性、阳性预测值和阴性预测值分别为:0.908、0.818、0.961、0.923、0.901。影像医师实际报告结果的五项诊断评价指标分别为:0.775、0.864、0.724、0.644和0.902。SVM模型的准确率、特异性和阳性预测值均要明显高于影像医师，但敏感度略低，阴性预测值基本一致。SVM模型、医师组和病理结果两两进行配对样本的X2检验，均具有显著差异（P＜0.01）。以病理结果为标准，SVM模型的Kappa值为0.798（κ＞0.75，P＜0.01），医师组的Kappa值为0.548（0.4＜κ＜0.75，P＜0.01），SVM模型与病理结果的一致性更高。 结论: SVM模型具有强大的机器学习能力和泛化能力，高维度下的小样本也能获得很好的分类性能。BI-RADS具有良好的征象概括能力，对乳腺影像诊断和数据管理具有很大的指导作用。基于BI-RADS的SVM模型对乳腺钼靶检查中的肿瘤良恶性有较高的辅助诊断价值，其预测结果达到了相对较高的准确率、特异性、阳性预测值和阴性预测值，但需要更大的样本进一步提高敏感度。SVM可以作为乳腺钼靶诊断的一种有益补充。