论文部分内容阅读
目的探讨常规超声(conventional ultrasound,US)、超声造影(contrast-enhanced ultrasound,CEUS)以及二者联合影像组学在乳腺肿瘤良恶性鉴别诊断中的应用价值。材料和方法选择2019年3月到2020年1月于中国医学科学院肿瘤医院就诊,并且具有完整手术病理结果的166位患者,共170个乳腺病灶,包括49个良性病灶以及121个恶性病灶。手术前对患者进行US及CEUS检查,由两名超声医生对所获得的影像手动勾画感兴趣区(region of interest,ROI),然后对其进行特征提取和分析。通过最大相关最小冗余算法(maximum relevance minimum redundancy,mRMR)分别对US、CEUS以及综合全部影像特征进行筛选,分别构建US、CEUS以及US联合CEUS影像组学多因素logistic回归模型来诊断乳腺肿瘤的良恶性。最后,通过五折交叉验证的方法检验诊断模型性能。结果基于互信息的方法对提取的乳腺肿瘤US及CEUS影像特征进行分析,显示经滤波变换后图像的纹理特征在良恶性鉴别中的相关性最强。通过mRMR算法进行特征筛选之后构建的US、CEUS以及US联合CEUS影像组学多因素logistic回归模型在乳腺肿瘤良恶性鉴别诊断中均具有较好的诊断性能,且均优于单个影像组学特征。其中US模型优于CEUS模型,而US联合CEUS模型诊断性能最优,其训练集曲线下面积(Area Under Curve,AUC)平均为0.953。在验证集中,准确率为0.852,敏感性为0.869,特异度为0.808,阳性预测值为0.918,阴性预测值为0.715。结论1.US及CEUS影像组学在乳腺肿瘤良恶性鉴别诊断中具有一定的诊断价值,有助于超声医生发现图像隐藏的纹理特征,进而辅助诊断;2.US联合CEUS影像组学模型可以进一步提高US影像组学模型在乳腺肿瘤良恶性中的诊断准确率,体现了 CEUS影像组学有效的辅助诊断作用,具有一定的临床应用价值。目的探讨常规超声、超声造影以及二者联合影像组学在乳腺癌分子分型中的预测价值。材料和方法选择2019年3月到2020年1月于中国医学科学院肿瘤医院行手术治疗并且具有完整免疫组化结果的119位患者,共120个癌灶,根据免疫组化结果将其分为luminal A和非luminal A组、luminal B和非luminal B组、人类表皮生长因子受体2(human epidermal growth factor receptor-2,her-2)过表达和非 her-2 过表达组、三阴性乳腺癌(triple negative breast cancer,TNBC)和非 TNBC 组、激素受体(hormone receptor,HR)阳性和阴性组、her-2阳性和阴性组。术前对患者进行US及CEUS检查,由两名超声医生对所获得的影像手动勾画ROI,然后对其进行特征提取和分析。通过mRMR算法分别对US、CEUS以及综合全部影像特征进行特征筛选,分别构建US、CEUS以及二者联合影像组学多因素logistic回归模型对以上6组乳腺癌进行预测。最后,通过五折交叉验证的方法检验预测模型性能。结果1.在 单 特 征 分 析 中,CEUS 影 像 组 学 特 征 中log1.5_glrlm_RunLengthNonUniformity 特征值在 luminal A 组与非 luminal A 组间具有显著差异(p<0.05);US 影像组学特征中 glszm_HighGrayLevelZoneEmphasis 特征值在TNBC 与非TNBC 组间具有显著差异(p<0.05),而log2.0_glrlm_RunLengthNonUniformity特征值在HR阳性和阴性组间具有显著差异(p<0.05)。2.US联合CEUS影像组学多因素logistic回归模型在预测乳腺癌分子分型中准确率均在0.7以上。其中,CEUS模型在预测luminal A型、luminal B型、HR阳性以及her-2阳性乳腺癌中均提高了 US模型的准确率。但是,CEUS模型在预测her-2过表达型乳腺癌以及TNBC中的准确率与单独US模型相近。除此之外,US模型在预测her-2过表达型乳腺癌以及TNBC中具有较高的准确率(0.841、0.867),均在0.8以上。结论1.基于US及CEUS图像的影像组学纹理特征具有成为独立预测乳腺癌分子分型的影像生物学标志物的潜力。2.US影像组学多因素logistic回归模型在预测her-2过表达型乳腺癌以及TNBC中具有较好的单独预测能力。3.US联合CEUS影像组学多因素logistic回归模型在预测luminal A型、luminal B型、HR阳性以及her-2阳性乳腺癌中均具有最好的预测性能,表明CEUS影像组学对US影像组学具有一定的辅助预测能力,为临床术前无创评估乳腺癌分子分型提供了新思路。