乳腺癌是恶性肿瘤中影响女性健康的头号杀手。它在基因水平上被分为Luminal A型、Luminal B型、HER-2型和Basal like型四种分子分型,不同分子分型的乳腺癌患者在疾病表达,对治疗反应及生存结果上存在明显的差异。若能在未进行病理检查的前提下,完成分子分型的判定,将十分有利于后期治疗方案的制定,并且避免了患者受到侵入式伤害。影像基因组学的提出与发展为这个问题提出了解决思路。不同分子分型的乳腺癌在影像学检查中有不同的表现,因此猜测影像特征与分子分型存在某种关联,甚至说影像学检查能够发展成为一种甄别分子分型的方式。与此同时,动态磁共振成像术(Dynamic Contrast-Enhanced Magnetic Resonance Imaging,DCE-MRI)凭其高组织分辨率与动力学特性近年来已在各类乳腺影像检查中脱颖而出而被广泛采用。乳腺DCE-MRI影像特征与分子分型的关联性研究,目前在国内研究较少而在国外是一个热点与趋势。这些已见报道的研究,发现了许多与分子分型显著相关的影像特征。本论文相比前人,提取了更多的影像特征去研究两者之间的关联性,并利用这些特征构造多类分类器,完成对分子分型的分类预测。本论文的研究主要围绕在DCE-MRI中寻找与分子分型显著相关的影像特征与特征对于分子分型的分类预测能力两个问题来展开,具体内容包括:(1)分子分型判定:回顾性分析了60例术前、化疗前行免疫组化病理检查及DCE-MRI检查的乳腺癌恶性患者。根据免疫组化ER、PR、HER2、Ki-67的表达结果将患者分为四种分子分型。研究四种分子分型的分布情况并进行统计学分析,对年龄、绝经情况,乳腺癌肿瘤类型等信息进行方差分析与卡方检验,研究他们对分子分型分布的影响。(2)影像特征提取:利用计算机半自动方法对DCE-MRI进行乳房分割与病灶分割,获得病灶区域、乳房正常侧背景区域、乳房异常侧背景区域三个待研究区域。并在相应区域中提取包括统计特征、形态特征、纹理特征、动态增强特征在内的65维影像特征。尤其在动态增强特征中,还提取了区域之间的关联特征,如病灶区域与异常侧背景区域动态增强率的比值以及正常侧背景区域与异常侧背景区域动态增强率的差值。(3)影像特征与分子分型的关联性分析:探讨了DCE-MRI影像特征与乳腺癌分子分型之间的关联性。利用基于似然比检验的单变量逻辑回归和多变量逻辑回归中的显著性P值去评估影像特征和每类分子分型之间的关联性,发现了偏度、紧致度等与分子分型显著相关的影像特征。对于单一分子分型,进一步建立多元逻辑回归分类预测模型,利用受试者工作特征曲线下面积(area under roc curve,AUC)以及交叉验证准确率等指标进行模型评价。最后研究显著影像特征的分布情况,并联系生物学理论进行解释。(4)影像特征预测分子分型研究:设计逻辑回归,支持向量机,决策树三种多类分类器,利用DCE-MRI影像特征去预测乳腺癌分子分型。对于三类分类器的五种情况进行了分类效果的评估与对比分析。发现总体分类性能上,支持向量机>决策树>逻辑回归,而在利用二类分类器构造多类分类器中,one-versus-one模式要优于one-versus-rest模式。本文对乳腺癌DCE-MRI影像特征与分子分型之间的关联性以及对分子分型的分类预测能力进行了客观定量的研究。结果表明影像特征与分子分型之间具有一定的相关性并且影像特征对分子分型有较高的分类预测能力。这将进一步提高影像学诊断在乳腺癌临床治疗中的应用价值。