×
模态框（Modal）标题
在这里添加一些文本
关闭
关闭
提交更改
取消
确定并提交
×
模态框（Modal）标题
×
导航切换
国际医学放射学杂志
首页
期刊介绍
编委会
投稿指南
本刊稿约
本刊规范
开放获取声明
出版伦理规范
期刊订阅
广告合作
联系我们
English
图/表 详细信息
乳腺X线影像组学列线图模型对肿块型乳腺癌人表皮生长因子受体2表达的预测价值
谷红玉, 李勇刚, 沈瑞, 邓小毅, 周小飞
国际医学放射学杂志, 2025, 48(
6
): 697-705. DOI:
10.19300/j.2025.L21940
图6
验证集中不同模型预测HER-2状态的决策曲线。A图为列线图模型1预测和X线特征模型1预测HER-2阳性型乳腺癌的决策曲线，在0.10~0.96区间内，列线图模型1具有更高的净获益。B图为列线图模型2预测HER-2低表达型乳腺癌的决策曲线，在全部区间内，列线图模型2具有较高的净获益。
本文的其它图/表
表1
3组间临床及乳腺X线特征比较 例（%）
表2
乳腺癌HER-2阳性型与阴性型组的临床及X线特征的单因素Logistic回归分析
表3
乳腺癌HER-2阳性型与阴性型组的临床及X线特征的多因素Logistic回归分析
表4
乳腺癌HER-2低表达型与零表达型组的临床及X线特征的单因素Logistic回归分析
图1
Pearson相关性热图，用
r
值表示，范围从-1到1。A、B图分别为预测HER-2阳性型、HER-2低表达型影像组学特征的Pearson相关性热图。当
r
接近-1或者1时，表示2个特征之间有完全相关性；
r
=1表示完全正相关，
r
=-1表示完全负相关；当
r
接近0时，表示2个特征无相关性。
图2
预测HER-2阳性型预测概率的列线图。依据每个变量状态下对应的得分，然后将所有变量的得分相加，得出总得分，进而得出HER-2表达状态的预测概率。
图3
训练集（A）、验证集（B）和外部测试集（C）中3种预测模型预测HER-2阳性型的ROC曲线
表5
各模型对HER-2阳性型的预测效能
图4
预测HER-2低表达型预测概率的列线图。依据每个变量状态下对应的得分，然后将所有变量的得分相加，得出总得分，并得出HER-2表达状态的预测概率。
图5
训练集（A）、验证集（B）和外部测试集（C）中2种预测模型预测HER-2低表达型的ROC曲线
表6
各模型对HER-2低表达型的预测效能
