摘要
[摘要]目的：探索BI-RADS 4类或5类的乳腺癌影像组学特征。方法：收集2020年1月至2021年9月间在我院超声发现乳腺病灶372例患者的临床病理资料。运用PyRadiomics从超声图像中提取到112个影像组学特征，采用 Lasso-logistic 回归模型挑选影像组学特征，形成每个患者的影像组学标签。结果：多因素分析显示年龄、BI-RADS分期、Radiomics score是影响BI-RADS 4类或5类乳腺癌的独立危险因素。基于31个影像组学特征构建影像组学标签，其AUCs 为0.866。结论：影像组学标签可帮助影像医生预测乳腺病灶为BI-RADS 4类或5类患者的良恶性。
出版日期
2023年10月27日（中国Betway体育网页登陆平台首次上网日期，不代表论文的发表时间）
