乳腺癌是一种高发性的恶性肿瘤，美国癌症协会(ACS)数据显示，乳腺癌新增患者数量总体呈上升趋势，且一直高居女性恶性肿瘤发病率首位。通过对基因表达谱的研究发现，乳腺癌具有不同的分子亚型，不同分子亚型的患者在预后反应和生存结果上均有显著差异。乳腺癌除了个体之间的差异外，其肿瘤内部也是高度异质的。目前医院主要通过活检穿刺获取患者的病理信息，由于对肿瘤不同区域进行取样的结果可能不尽相同，给疾病诊断和治疗带来误判的隐患，并且活检穿刺对人体具有侵入式伤害，无法通过多次活检对肿瘤内部的异质性进行描述。动态增强磁共振成像(Dynamic Contrast-Enhanced Magnetic Resonance Imaging, DCE-MRI)技术因其软组织高分辨率和动力学信息被广泛应用。本论文利用 DCE-MRI的动力学信息，对乳腺肿瘤异质性区域分割方法进行研究，对肿瘤内部的异质性进行描述。Ki-67是乳腺癌诊断治疗和预后评价的重要指标之一，所以本文通过乳腺肿瘤的异质性研究对 Ki-67表达进行预测。　　目前，乳腺DCE-MRI影像特征与Ki-67表达的关联研究主要都针对整个肿瘤进行分析，异质性区域特征与基因表达的关联研究甚少。本论文通过乳腺DCE-MRI动力学参数的不同，对肿瘤进行异质性区域分割和异质性描述，同时对异质性区域与整体肿瘤区域进行对比分析，探讨定量的异质性区域研究是否能够实现对 ER阳性患者 Ki-67表达更加准确的预测，具体研究内容如下：　　(1)数据筛选：结合本论文的研究目的对数据进行筛选，统计实验样本的基本信息，包括年龄、绝经情况、病灶大小等，通过卡方检验和方差分析研究患者基本信息对 Ki-67表达的影响。　　(2)影像处理与特征提取：利用计算机半自动方法对DCE-MRI提取病灶区域，通过DCE-MRI的动力学信息对肿瘤进行异质性区域分割，分割依据有：1）达到峰值时间(Time to Peak, TTP)；2)峰值增强率(Peak Enhancement Rate, PER)；3）动力学模式聚类(Kinetic Pattern Clustering, KPC)。对分割后的异质性区域和整体肿瘤分别提取纹理特征、形态特征、统计特征和增强特征。其中对纹理特征进行提取时，分别提取二维纹理特征和三维纹理特征进行对比分析。　　(3)基于异质性区域特征的Ki-67预测表达研究：从单变量和多变量两个角度设计逻辑回归分类模型，绘制受试者工作特征曲线(Receiver Operating Characteristic Curve, ROC曲线)并计算对应曲线下的面积(Area Under ROC Curve, AUC)。考虑到异质性区域之间的相互联系，对异质性区域构建的分类器进行模型融合。最后利用Bootstrap计算显著性P值，分析融合后模型是否显著优于整体病灶所构建的模型，并计算精确率(Precision)、召回率(Recall)、F1-Measure和正确率(Accuracy)等指标对模型进行综合评估。　　本文基于DCE-MRI对乳腺肿瘤异质性分割方法进行研究，对异质性区域特征与Ki-67表达的预测模型进行了构建。实验表明，异质性区域的纹理特征显著优于整体病灶。通过分类器融合后，异质性区域的分类模型在各个指标上均优于整体肿瘤所对应的模型。其中，利用TTP分割后的异质性区域模型，通过融合后AUC为0.922±0.030，远大于整体肿瘤的预测性能(AUC=0.802±0.053)，利用Bootstrap进行显著性检验，结果显示 P-value=0.04，所以实验证明：乳腺肿瘤异质性的定量分析能够显著提高 Ki-67表达预测的准确率，可能是一个有价值的临床标志。