基于对齐纵向 MRI 和临床数据的乳腺癌妊娠化疗治疗反应预测
图像与视频处理
2025-12-22 v1 计算机视觉与模式识别
机器学习
摘要
目的：本研究探讨了使用纵向对比增强 MRI 图像(CE-MRI)和临床数据预测乳腺癌患者接受妊娠化疗(NACT)治疗反应的可能性。旨在开发机器学习(ML)模型以预测病理完全缓解(PCR 二分类)和 5 年复发-free 生存状态(RFS 二分类)。方法：本研究框架包括肿瘤分割、图像配准、特征提取和预测建模。通过图像配准方法，可在不同时间点比较原始肿瘤部位的 MRI 图像特征，从而监测 NACT 过程中肿瘤内的变化。我们实现并比较了四种特征提取器，包括一种放射组学特征提取器和三个基于深度学习的提取器(MedicalNet、Segformer3D、SAM-Med3D)。结合三种特征选择方法和四种机器学习模型，构建并比较了预测模型。结果：我们提出的图像配准方法在纵向特征学习中 consistently 改进了预测模型。在 PCR 和 RFS 分类任务中，放射组学特征训练的逻辑回归模型在 PCR 分类中获得 AUC 为 0.88、分类准确率为 0.85，在 RFS 分类中获得 AUC 为 0.78、分类准确率为 0.72。结论：证实了图像配准方法在预测 PCR 和 RFS 方面显著提高了纵向特征学习的性能。放射组学特征提取器优于预训练的深度学习特征提取器，具有更高的性能和更好的可解释性。
引用
@article{arxiv.2512.17759,
title = {Breast Cancer Neoadjuvant Chemotherapy Treatment Response Prediction Using Aligned Longitudinal MRI and Clinical Data},
author = {Rahul Ravi and Ruizhe Li and Tarek Abdelfatah and Stephen Chan and Xin Chen},
journal= {arXiv preprint arXiv:2512.17759},
year = {2025}
}