论文部分内容阅读
对于乳腺癌患者来说,腋窝淋巴结转移是乳腺癌转移的主要途径,术前乳腺癌患者腋窝淋巴结转移与否对于肿瘤的分期、治疗方案的制定以及预后评估有着极为重要的意义。在目前临床上,临床医生获取腋窝淋巴结转移状态的方式,无论是根据前哨淋巴结穿刺活检术还是术中腋窝淋巴结病理活检术,均存在相应的不足之处。对于大多数BIRADS 4级患者,没有准确的方法对其进行分类,而BIRADS 4a和BIRADS 4c所采用的治疗方式具有较大的差异,肿瘤良恶性同样存在比较大的差异。乳腺癌的雌激素受体可以用来将患者分为两类,一类为Luminal A型和Luminal B型,采用的治疗方式均为内分泌治疗法;一类为HER-2过表达型和Basal-like型,HER-2过表达型采用靶向药物疗法,Basal-like型采用放化疗法。乳腺癌患者正常组织中影响肿瘤良恶性的因素探索同样具有十分重要的临床意义。本论文的主要工作和创新点由以下几点组成:一、本文选取147个患者(训练集和测试集分别有110个和37个,腋窝淋巴结转移状态阳性和阴性分别有83个和64个)。基于肿瘤组织提取299个影像特征,包括一阶灰度直方图特征、纹理特征、形状特征、小波变换特征。通过LASSO特征选择得到10个特征建立特征标签,利用支持向量机对特征标签验证。训练集和测试集的AUC值分别为0.875(95%CI,0.689-0.891)和0.800(95%CI,0.664-0.832)。特征标签与年龄、T分期、肿瘤位置、超声诊断的腋窝淋巴结转移状态、雌激素受体状态、孕激素受体状态相结合,建立乳腺癌腋窝淋巴结转移状态预测模型。训练集和测试集的C-Index分别为0.779(95%CI,0.752-0.793)和0.809(95%CI,0.794-0.833)。二、本文选取244个BIRADS 4级患者(训练集和测试集分别有183个和61个,肿瘤良性和恶性分别有103个和141个)。基于肿瘤区域提取257个特征,包括一阶灰度直方图特征、纹理特征、小波变换特征。利用LASSO算法得到5个特征建立特征标签,训练集和测试集的特征标签在支持向量机模型中的AUC值分别为0.862(95%CI,0.825-0.928)和0.690(95%CI,0.586-0.712)。利用特征标签建立BIRADS4级肿瘤良恶性预测模型,训练集和测试集的C-Index分别为0.772(95%CI,0.701-0.836)和0.676(95%CI,0.576-0.721)。三、本文选取97个患者(训练集和测试集分别有72个和25个,雌激素受体阳性和阴性分别有48个和49个)。基于肿瘤区域提取了257个特征,包括一阶直方图特征、纹理特征、小波变换特征。通过LASSO算法得到6个特征建立特征标签,训练集和测试集的特征标签在支持向量机模型中的AUC值分别为0.857(95%CI,0.758-0.889)和0.676(95%CI,0.633-0.725)。利用特征标签建立雌激素受体状态预测模型,训练集和测试集的C-Index分别为0.819(95%CI,0.782-0.846)和0.680(95%CI,0.662-0.709)。四、本文选择792个患者(训练集和测试集分别有594个和198个,恶性肿瘤患者和正常人分别有396个和396个)。通过分割获得剔除肿瘤之外的组织,提取424个特征,包括纹理特征和小波变换特征。通过差异性分析选择了7个表明正常人组与患者组差异的特征,利用7个特征肿瘤良恶性预测模型,训练集和测试集的C-Index分别为0.935(95%CI,0.886-0.950)和0.917(95%CI,0.868-0.945)。综上所述,在术前利用影像组学方法准确评估乳腺癌患者的腋窝淋巴结转移状态、BIRADS 4级良恶性、雌激素受体状态以及正常组织中影响肿瘤良恶性的因素均表现出良好的性能。