支持向量機對乳腺鉬靶片良惡性病變的輔助診斷價值.pdf

1、目的:
　　1.探討基于乳腺影像報告和數(shù)據(jù)系統(tǒng)(Breast Image Report and DataSystem，BI-RADS)的支持向量機(Support Vector Machine，SVM)在乳腺鉬靶檢查中對腫瘤良惡性的輔助診斷價值，以期提高影像醫(yī)師的診斷水平。同時建立BI RADS數(shù)據(jù)庫，實現(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、科研及教學工作，以及病人的追蹤隨訪。
　　2.驗證

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，并接收手術治療或穿刺活檢術，術前行乳腺X線攝片檢查，術后病理證實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。以一側乳腺為一個樣本，共120個樣本為研究對象，其中良性病變76例，惡性病變44例。實際報告中影像醫(yī)師的評定結果作為對照組，BI-RADS1、2、3級為陰性評價，0、4、

3、5級為陽性評價。以BI-RADS（第4版）為標準，設定19個觀察指標并量化為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、結構扭曲、特殊征象、淋巴結、乳頭、皮膚、血管。以病理結果的良惡性為SVM分類標簽。
　　由兩名高年資影像醫(yī)師盲法讀片，將各觀察指標數(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)進行5次折疊交叉驗證（5-Fold Cross Validation）。算出SVM模型預測結果與影像醫(yī)師實際報告結果的準確率、敏感度、特異性、陽性預測值和陰性預測值等各項診斷評估指標;使用SPSS19.0對兩種結果的差異進行配對樣本的X2檢驗，對兩種結果的一致性以病理結果為標準，進行Kappa值檢驗。以P＜0.05為有統(tǒng)計學意義。
　　結果:
　　本組共108位患者的120個樣本，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模型預測結果的準確率、敏感度、特異性、陽性預測值和陰性預測值分別為:0.908、0.818、0.961、0.923、0.901。影像醫(yī)師實際報告結果的五項診斷評價指

6、標分別為:0.775、0.864、0.724、0.644和0.902。SVM模型的準確率、特異性和陽性預測值均要明顯高于影像醫(yī)師，但敏感度略低，陰性預測值基本一致。SVM模型、醫(yī)師組和病理結果兩兩進行配對樣本的X2檢驗，均具有顯著差異（P＜0.01）。以病理結果為標準，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模型與病理結果的一致性更