基于双侧乳腺图像“共用”阈值分割的乳腺癌近期发病预测

目的：基于“共用”阈值分割双侧乳腺图像的高密度区域并采用决策树分类算法对乳腺筛查者是否患癌进行预测 分类，以提高女性乳腺癌近期发病风险预测精度。方法：采用185例女性筛查者的全数字化乳腺钼靶X线摄影（FFDM） Craniocaudal位图像。首先对双侧乳腺图像整体的灰度分布进行统计，采用一种“共用”阈值分割双侧乳腺图像的高密度 区域，然后分别从乳腺区及其高密度区提取不对称特征与最大值特征。基于两类特征分别构建2个决策树弱分类器，再 将两个弱分类器组合构建一个强分类器。乳腺癌近期发病风险预测性能采用留一法进行验证。结果：基于“共用”阈值 法，所提取的图像特征中有7 个特征的曲线下面积（AUC）>0.6，基于单独阈值法，所提取的图像特征中只有2 个特征的 AUC>0.6。采用强分类器，基于“共用”阈值法得到的AUC=0.970 1±0.014 8，预测准确率为95.68%；基于单独阈值法得到 的AUC=0.982 4±0.008 9，预测准确率为93.51%。结论：采用“共用”阈值分割双侧乳腺图像的高密度区域更有利于从高 密度区提取更多具有高预测力的图像特征；采用强分类器可显著提高乳腺癌近期发病预测精度