胡雨舟，李佳伟，郭 翌，汪源源，余锦华，常 才

1.复旦大学电子工程系，上海 200433；

2.复旦大学附属肿瘤医院超声科，复旦大学上海医学院肿瘤学系，上海 200032

乳腺癌严重威胁女性健康，其发病率位居女性恶性肿瘤的首位，且发病年龄趋于年轻化[1］。术前明确诊断淋巴结转移可辅助临床医师决定手术方式，因此早期检查和诊断淋巴结是否转移至关重要。本研究基于影像组学理念，从浸润性乳腺癌患者的乳腺超声图像出发，首先提取基于乳腺影像报告与数据系统（Breast Imaging Reporting and Data System，BI-RADS）[2］的高通量特征、基于尺度不变特征转换（scale-invariant feature transform，SIFT）[3］的特征和基于卷积神经网络（convolutional neural network，CNN）的特征，并结合患者临床信息，形成一套相应的特征体系。其次，在特征筛选部分，利用十折法bootstrap 100次，先用t检验进行单因素分析，再用最小化绝对值收缩与选择算子（least absolute shrinkage and selection operator，LASSO）[4］回归模型进行多因素分析，最后按特征出现频次选择最优特征组合，使用基于十倍交叉验证的线性核支持向量机（support vector machine，SVM）分类器[5］对乳腺肿瘤同侧腋窝淋巴结转移进行预测。

1 资料和方法

1.1 临床数据

本研究主要包括2个数据集，记为数据集A和数据集B，均来自复旦大学附属肿瘤医院，且2个数据集中的数据不重复。数据集A是400幅乳腺超声图像，仅用来训练提取CNN特征所用的全卷积神经网络（fully convolutional neural network，FCN）。数据集B是380例女性乳腺癌患者的超声图像，用来研究乳腺超声图像特征与淋巴结转移之间的相关性。数据集B的采集时间为2014年4月—2016年6月，患者年龄23～83岁（平均年龄52.03岁，方差11.06岁）。所有患者经病理学检查确诊为浸润性乳腺癌，均通过手术治疗。……