基于改进局部三元模式的乳腺癌预测模型

目的 探讨基于改进局部三元模式（LTP）算法提取的乳腺新型纹理特征及其与常规特征融合预测乳腺癌的价值。方法 对钼靶图像进行乳腺分割，采用基于改进LTP算法提取双侧乳腺的新型纹理特征和常规特征；合并左右侧乳腺纹理特征；采用主成分分析法对提取的高维纹理特征降维；以K最近邻（KNN）和LADTree算法分别对纹理特征及融合纹理特征进行分类。结果 基于改进LTP算法提取的新型纹理特征预测乳腺癌的ROC曲线下面积（AUC）为0.732 4±0.042 8，敏感度为72.04%（67/93），特异度为74.51%（76/102），准确率为73.33%（143/195）；融合常规特征后AUC为0.865 5±0.014 8，敏感度为84.95%（79/93），特异度为88.23%（90/102），准确率为86.67%（169/195）。结论 基于LTP算法提取的新型纹理特征预测乳腺癌的精度较高，与常规特征融合后可进一步提高预测效能