论文部分内容阅读
在全世界范围内,乳腺癌已经是妇女身心健康的头号威胁,当务之急是学习如何利用个体及其肿瘤的分子特征、病理信息来改进检测和治疗,及早实现乳腺癌的精准诊疗。乳腺肿瘤的分子分型和组织学分级是重要的临床治疗方案选择与预后评估依据。动态增强磁共振成像(Dynamic Contrast-Enhanced Magnetic Resonance Imaging,DCE-MRI)和扩散加权成像(Diffusion-Weighted Imaging,DWI)作为无创、信息丰富的两种不同成像参数MRI影像在乳腺癌诊疗过程中被广泛使用。目前,乳腺癌生物学指标和组织学分级与影像之间的关联性研究主要基于DCE-MRI上的整体肿瘤进行。本文对DCE-MRI和DWI中的肿瘤和腺体对乳腺肿瘤分子分型和组织学分级的预测性能进行了探索。具体研究内容如下:(1)获取感兴趣区域与特征提取:利用计算机半自动方法分割得到DCE-MRI上的整个肿瘤区域、肿瘤边界、近端腺体区域、中间和远端腺体区域,并依照互信息最大准则对DWI上与DCE-MRI上对应的以上五个感兴趣区域(RegionofInterest,ROI)进行提取。基于感兴趣区域提取纹理特征、统计特征、动态增强特征。(2)基于感兴趣区域的单特征与多特征对分子分型、组织学分级的预测性能分析:首先,对来自DCE-MRI和DWI下不同区域的单个影像特征,构建单变量逻辑回归模型并在留一法交叉验证(Leave-One-Out Cross Validation,LOOCV)下进行模型训练和测试,利用受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC)及其下面积(Area Under ROC Curve,AUC)对模型进行评估分析。接下来,基于不同成像参数影像下不同区域的特征集构建多变量逻辑回归模型,分析与比较了同种影像下不同子区域以及DCE-MRI和DWI中相同子区域特征融合前后模型的预测性能高低。实验结果表明:DCE-MRI和DWI下肿瘤区域具有良好分类效果,对Luminal A,AUC值分别达到了 0.814,0.801。两种影像的特征进行融合后模型分类效果得到了显著提升,对Luminal A,融合后的肿瘤区域的AUC提高到了 0.929,表明DCE-MRI和DWI两种不同成像参数影像之间具有信息互补性。同时融合后的腺体子区域对多个标签具有与整个肿瘤区域持平甚至更好的分类效果,充分肯定了腺体在乳腺癌影像组学研究中的价值。综上,本文基于DCE-MRI和DWI对肿瘤和瘤周乳腺纤维腺体组织进行研究,为乳腺肿瘤生物标记物预测提供了新的研究思路。