支持向量機(jī)對(duì)乳腺鉬靶片良惡性病變的輔助診斷價(jià)值.pdf

1、目的:
　　1.探討基于乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(Breast Image Report and DataSystem，BI-RADS)的支持向量機(jī)(Support Vector Machine，SVM)在乳腺鉬靶檢查中對(duì)腫瘤良惡性的輔助診斷價(jià)值，以期提高影像醫(yī)師的診斷水平。同時(shí)建立BI RADS數(shù)據(jù)庫，實(shí)現(xiàn)乳腺腫瘤患者信息的系統(tǒng)規(guī)范和數(shù)字化管理，有利于今后開展乳腺腫瘤的臨床、科研及教學(xué)工作，以及病人的追蹤隨訪。
　　2.驗(yàn)證

2、SVM在小樣本情況下的分類性能。
　　方法:
　　搜集2012年1月至2013年12月兩年間在我院就診，并接收手術(shù)治療或穿刺活檢術(shù)，術(shù)前行乳腺X線攝片檢查，術(shù)后病理證實(shí)為良性或惡性腫瘤的患者108人，年齡范圍19～81歲，平均年齡47.2歲，中位年齡40歲。以一側(cè)乳腺為一個(gè)樣本，共120個(gè)樣本為研究對(duì)象，其中良性病變76例，惡性病變44例。實(shí)際報(bào)告中影像醫(yī)師的評(píng)定結(jié)果作為對(duì)照組，BI-RADS1、2、3級(jí)為陰性評(píng)價(jià)，0、4、

3、5級(jí)為陽性評(píng)價(jià)。以BI-RADS（第4版）為標(biāo)準(zhǔn)，設(shè)定19個(gè)觀察指標(biāo)并量化為SVM輸入向量:年齡、左右、腺體分型、腫塊數(shù)量、腫塊部位、腫塊深淺、腫塊密度、腫塊大小、腫塊形態(tài)、腫塊邊緣、腫塊暈征、鈣化形態(tài)、鈣化分布、結(jié)構(gòu)扭曲、特殊征象、淋巴結(jié)、乳頭、皮膚、血管。以病理結(jié)果的良惡性為SVM分類標(biāo)簽。
　　由兩名高年資影像醫(yī)師盲法讀片，將各觀察指標(biāo)數(shù)據(jù)錄入數(shù)據(jù)庫。以LibSVM3.18為SVM工具，以RBF函數(shù)為核函數(shù)，采用網(wǎng)格搜索的方

4、法獲取最佳參數(shù)，然后以該參數(shù)進(jìn)行5次折疊交叉驗(yàn)證（5-Fold Cross Validation）。算出SVM模型預(yù)測(cè)結(jié)果與影像醫(yī)師實(shí)際報(bào)告結(jié)果的準(zhǔn)確率、敏感度、特異性、陽性預(yù)測(cè)值和陰性預(yù)測(cè)值等各項(xiàng)診斷評(píng)估指標(biāo);使用SPSS19.0對(duì)兩種結(jié)果的差異進(jìn)行配對(duì)樣本的X2檢驗(yàn)，對(duì)兩種結(jié)果的一致性以病理結(jié)果為標(biāo)準(zhǔn)，進(jìn)行Kappa值檢驗(yàn)。以P＜0.05為有統(tǒng)計(jì)學(xué)意義。
　　結(jié)果:
　　本組共108位患者的120個(gè)樣本，其中良性病變76

5、例(63.3％)，以纖維腺瘤和囊腫為主，惡性病變44例(36.7％)，以浸潤性導(dǎo)管癌為主。無腫塊者一共14例。有鈣化者一共46例(38.3％)，良性18例(23.7％)，惡性28例(63.6％)。
　　以RBF函數(shù)為SVM核函數(shù)的最佳參數(shù):C=24，g=1/27。SVM模型預(yù)測(cè)結(jié)果的準(zhǔn)確率、敏感度、特異性、陽性預(yù)測(cè)值和陰性預(yù)測(cè)值分別為:0.908、0.818、0.961、0.923、0.901。影像醫(yī)師實(shí)際報(bào)告結(jié)果的五項(xiàng)診斷評(píng)價(jià)指

6、標(biāo)分別為:0.775、0.864、0.724、0.644和0.902。SVM模型的準(zhǔn)確率、特異性和陽性預(yù)測(cè)值均要明顯高于影像醫(yī)師，但敏感度略低，陰性預(yù)測(cè)值基本一致。SVM模型、醫(yī)師組和病理結(jié)果兩兩進(jìn)行配對(duì)樣本的X2檢驗(yàn)，均具有顯著差異（P＜0.01）。以病理結(jié)果為標(biāo)準(zhǔn)，SVM模型的Kappa值為0.798（κ＞0.75，P＜0.01），醫(yī)師組的Kappa值為0.548（0.4＜κ＜0.75，P＜0.01），SVM模型與病理結(jié)果的一致性更