论文部分内容阅读
目的:探讨基于动态增强磁共振成像(DCE-MRI)的影像组学和深度学习对乳腺良恶性病变的诊断价值。方法:选取2017年1月至2018年6月经手术或穿刺病理证实的乳腺恶性病变患者93例、良性59例。所有患者均术前行乳腺MRI平扫及增强检查。通过计算获得早期流入信号增强比、最大增强信号比和流出斜率相对应的参数图。采用基于纹理和强度直方图的影像组学分析和5个卷积神经元网络(CNN)模型(ResNet50、VGG16、VGG19、Xception和InceptionV3)的深度学习进行诊断分析,并采用包含不同量肿