数据挖掘技术在乳腺X线诊断中的应用

摘要

目的:探讨数据挖掘技术对于辅助乳腺X线诊断方面的的应用价值。方法:收集1264例在复旦附属肿瘤医院行手术治疗并有确切病理资料的乳腺疾病病例,所有的病例术前均经过乳腺X线检查。由阅读乳腺X线片7年以上经验的影像科医生提取并记录乳腺X线特征及病理结果。乳腺X线特征应用BI-RADS分级系统进行描述和评分.建立乳腺X线特征征象与病理结果的Access数据库,以乳腺X线征象、病理结果、BIRADS分级作为输入量,分别采用决策树算法与Logistic回归算法建立乳腺X线诊断模型,对各种乳腺X线特征及病理结果与BI-RADS评分进行预测,分别评价两种算法的敏感度、特异度,之后应用检验样本对两种模型分别作出检验。结果:训练样本共1161例,检验样本103例。决策树模型与Logistic回归模型对于肿块的良恶性预测的正确率分别为89.18％、91.78％,两者判读能力有统计学差异(p=0.022),Logistic回归模型能力高于决策树模型;对于钙化良恶性预测的正确率分别为80.11％、83.21％,两者判读能力相当,无统计学差异(p=0.337);对于所有病例良恶性预测正确率分别为87.25％、88.54％,特异度分别为85.84％、88.30％:敏感度分别为86.27％、89.97％,两种模型判读能力无统计学差异(p=0.138)。对BIRADS4级病例良恶性预测正确率分别为71.91％、75.02％,两种模型判读能力无统计学差异(p=0.387)。检验样本测试显示两种模型与有经验影像科医生判读能力相当(p=0.135、p=0.093)。结论:运用医生提取乳腺X线特征建立的决策树诊断模型与Logistic回归诊断模型的判读能力能够达到有经验影像科医生水平,数据挖掘技术在乳腺X线诊断中能够起到良好的辅助指导作用,具有潜在的应用价值,模型建立过程中发现的问题有待于进一步研究。