乳腺癌是在女性群体中常见的恶行肿瘤。乳腺癌发展到后期易发生淋巴结转移,进而影响到乳腺癌的预后。前哨淋巴结活检是当前临床上诊断腋窝淋巴结转移的金标准,但该方法具有放射性、耗时长、操作复杂等缺点,且会有相当比例的并发症发生。因此,影像学检查仍旧是目前临床上常用的检测方法,但影像学检查对临床医生的专业水平有极高的要求,并且长时间的阅片易造成误诊和漏诊的情况。针对以上问题,本文基于超声图像建立了一种快速、准确、无损的乳腺癌腋窝淋巴结转移的诊断方法,其具体工作内容及结果如下:1、基于超声图像的乳腺结节良恶性诊断。首先,影像科医生采用手动的方式对乳腺结节病灶区域进行精确划分,利用特征提取方法对病灶区域进行影像组学特征的提取。其次,采用不同的特征挑选方法对影像组学特征进行挑选,比较不同方法选出的最佳特征子集在各个模型中的诊断效能,评估最佳特征挑选方法和最佳分类模型。最后,采用交互验证的方法对最佳乳腺结节分类模型的泛化性能进行评估。结果表明,基于LASSO回归特征挑选方法得出的最佳特征子集在SVM分类模型中表现最好,其准确率,AUC,特异性和灵敏度分别为0.9055,0.9072,0.8687和0.9455,该模型具有良好的泛化性能。2、基于超声恶性结节图像的乳腺癌ki-67诊断。首先,纳入乳腺结节呈恶性的超声图片,对病灶区域进行精确划分,并提取影像组学特征。其次,采用不同的特征挑选方法对影像组学特征进行挑选,比较不同方法选出的最佳特征子集在各个模型中的诊断效能,评估最佳特征挑选方法和最佳分类模型。最后,采用交互验证的方法评估最佳模型的泛化性能。结果表明,基于LASSO回归特征挑选方法得出的最佳特征子集在SVM分类模型中表现最好,其准确率,AUC,特异性和灵敏度分别为0.8000,0.7893,0.8888和0.6896,该模型具有良好的泛化性能。3、基于超声恶性结节图像的乳腺癌腋窝淋巴结转移诊断。首先,纳入乳腺结节呈恶性的超声图片,对病灶区域进行精确划分,并提取影像组学特征。其次,采用不同特征挑选方法选出最佳特征子集,并基于不同的特征子集分别建立逻辑斯特回归模型,同时纳入ki-67指标,评估基于不同特征子集建立的逻辑斯特回归模型的诊断性能。最后,采用交互验证的方法评估最佳诊断模型的泛化性能。结果表明,基于影像组学特征和ki-67指标建立逻辑斯特回归模型诊断效能明显优于仅通过影像组学特征建立的模型,其准确率,AUC,特异性和灵敏度分别为0.8160,0.8826,0.7543和0.8676,该模型具有良好的泛化性能。本文的研究结果表明,基于超声图像的影像组学方法诊断乳腺癌腋窝淋巴结转移是可行的,而纳入ki-67指标能提高腋窝淋巴结转移诊断的准确率。与临床诊断方法相比,本文方法具有快速、无创、准确等优点。