目的构建基于乳腺X线多视图的深度学习框架(Network based on mammography multiple views,MMV-Net),评价模型对乳腺良性和恶性肿块的分类效能。方法回顾性分析2018-2020年哈尔滨医科大学附属肿瘤医院1585例乳腺X线图像数据集,其中良性806例,恶性779例,按8∶2分为训练集(n=1268)和测试集(n=317),并按照5折交叉验证对训练集进行分层,采用集成的DDSM数据集和INBreast数据集作为外部测试集(n=1645)来评估模型性能。输入层每个病例包含4个视图,通过删除ResNet22网络模型的最后两层网络结构并加入平均池化层作为特征提取层,以及分别加入全连接层和softmax激活函数作为决策层构建MMV-Net模型,使用贝叶斯超参数优化。比较MMV-Net、MFA-Net和集成Inception V4模型在AUC值、准确率、精确率、召回率和F1分数上的表现。结果MMV-Net模型在测试集上区分良性和恶性肿块的AUC值为0.913,MFA-Net的AUC为0.882,Inception V4的AUC为0.865;MMV-Net模型的准确率和精确率等评估指标也高于其他两种模型。结论基于乳腺X线多视图的深度学习MMV-Net模型有助于乳腺良性和恶性肿块的分类。
目的：探讨非肿块型乳腺导管癌数字化乳腺 X 线摄影（DR）表现形式与病理类型的相关性。方法回顾性分析经手术、病理证实的非肿块型乳腺导管癌195例，其中导管内癌36例（1组），导管内癌伴微浸润25例（2组），浸润性导管癌58例（3组），浸润性导管癌伴导管内癌76例（4组），对 DR 表现形式及病灶长径进行对比和统计学处理。结果 DR 表现形式与病理类型关系在总体上差异有统计学意义（P 〈0.05），χ^2分割检验显示导管内癌与浸润性导管癌组及浸润性导管癌伴导管内癌组差异均有统计学意义（ P 〈0.008），后两组之间差异有统计学意义（ P 〈0.008），病灶长径与病理类型关系在总体上差异有统计学意义（P 〈0.05），χ^2分割显示导管内癌与浸润性导管癌伴导管内癌组差异有统计学意义（P 〈0.008），浸润性导管癌与浸润性导管癌伴导管内癌组差异有统计学意义（P 〈0.008），其他组之间差异无统计学意义（P 〉0.008）。结论导管内癌 DR 表现形式主要是单纯钙化；以片影伴钙化为表现的，病理类型多是浸润性导管癌伴导管内癌；病灶长径〉50 mm，浸润性导管癌伴导管内癌的可能性大。
目的探讨乳腺炎、良性增生、乳腺癌的全数字化乳腺X线摄影(Full-field digital mammography,FFDM)鉴别诊断。方法回顾性分析经手术、病理证实的非哺乳期乳腺炎59例、良性增生68例、非肿块型乳腺癌240例,斑片影的观察指标包括其形态、密度、边缘,索条影的观察指标包括索条方向、走行、粗细,通过FFDM征象与病理类型对比进行分组及统计学处理。结果乳腺炎、良性增生、乳腺癌三组之间索条走行、伴钙化、斑片影形态、索条方向、病变分布、斑片影边缘尖角征存在统计学差异(P<0.05)。χ~2分割显示三组之间斑片影形态、索条方向均具有统计学差异(P<0.0125)。结论僵直走行、放射状分布的索条影,形态僵直、段样分布的斑片影,多形性钙化及尖角征对于乳腺癌与其它良性病变的鉴别诊断具有一定价值。
