基于反向传播人工神经网络模型预测非肿块型乳腺癌新辅助化疗疗效

摘要

目的 探讨反向传播人工神经网络(BP-ANNs)预测非肿块型乳腺癌新辅助化疗(NAC)疗效的应用.方法 纳入非肿块型乳腺癌52例,所有病例完成NAC 8个周期后行根治性切除术,根据Miller-Payne病理评级分为组织学显著反应(MHR)组与非显著反应(NMHR)组.动态对比增强磁共振成像(DCE-MRI)检查在治疗前(E1)、NAC 2个周期后(E2)和NAC 4个周期后(E3)进行,共3次.从DCE-MRI图像中提取纹理特征,在R Project中构建BP-ANNs模型预测非肿块型乳腺癌NAC疗效.结果 52例病例中,MHR组22例,NMHR组30例.以下纹理特征存在统计学差异:直方方差(E1)、直方一致性(E1)、惯性矩(E1)、逆差距(E1)、直方一致性(E2)、直方均值(E3)、直方方差(E3)、直方一致性(E3)、熵比值(E2/E1).采用上述参数构建BP-ANNs模型,在训练组模型预测准确度92.3％,在测试组模型预测准确度69.2％.结论 采用治疗前的直方方差、一致性、惯性矩、逆差距,NAC 2个周期后的直方一致性,NAC 4个周期后的直方均值、方差、一致性以及NAC 2个周期与治疗前的熵比值构建BP-ANNs模型可以预测非肿块型乳腺癌NAC疗效.