基于数字化乳腺X线影像组学列线图预测浸润性乳腺癌组织学分级的多中心研究

【摘要】目的：探讨基于多中心数字化乳腺X线影像组学列线图预测浸润性乳腺癌组织学分级的价值。方法：以病理诊断为金标准,按照7:3的比例将皖南医学院第一附属医院弋矶山医院437例浸润性乳腺癌患者随机拆分为训练组305例（Ⅰ/Ⅱ级217例,Ⅲ级88例）和验证组132例（Ⅰ/Ⅱ级94例,Ⅲ级38例）,将阜阳市人民医院（n=129）和太和县人民医院（n=162）291例浸润性乳腺癌患者（Ⅰ/Ⅱ级203例,Ⅲ级88例）作为外部测试组。对比分析双乳内外斜位（MLO）和头尾位（CC）图像,选取病变面积较大的数字化乳腺X线图像使用深睿医疗多模态科研平台进行图像分割和影像组学特征提取,采用特征间线性相关性分析与最小绝对收缩和选择算法对组学特征进行降维并使用逻辑回归构建影像组学模型。临床指标经单因素及多因素二元Logistic回归分析并构建临床模型。影像组学评分联合临床指标构建列线图。采用受试者工作特征（ROC）曲线和决策曲线分析（DCA）评价模型性能,使用Delong检验比较模型间的预测效能。结果：最终筛选出3个与浸润性乳腺癌组织学分级最相关的影像组学特征。列线图对浸润性乳腺癌组织学分级的预测效能在训练组、验证组和外部测试组分别为0.811、0.825和0.803,诊断效能优于单一模型。DCA显示在概率值为20%～60%时,训练组、验证组及外部测试组列线图预测浸润性乳腺癌组织学分级的净收益高于影像组学模型及临床模型。结论：基于数字乳腺X线影像组学模型对浸润性乳腺癌组织学分级的预测具有较高的效能,对患者制定个性化治疗方案和预后评估有着重要的临床应用价值。     

影像组学在乳腺癌腋窝淋巴结转移评估中的研究进展

中国女性乳腺癌的发病人数和死亡人数均居世界首位,且呈逐年上升的趋势。腋窝淋巴结转移是影响乳腺癌患者无病生存期和总生存期最重要的独立预后因素,腋窝淋巴结清扫术虽是诊断淋巴结是否转移的金标准,但其术后并发症较多,严重影响患者的术后生活质量。因此,术前准确评估ALN是否转移对临床诊疗方案的制定至关重要。影像组学作为一种新兴技术,它通过提取肉眼无法观察的高通量特征来预测恶性肿瘤的生物学行为,已广泛应用于乳腺癌的诊断、鉴别诊断及预后评估等方面,其中在术前无创评估乳腺癌腋窝淋巴结转移方面表现出较大的潜能。本文就基于超声、数字乳腺X线摄影及MRI的影像组学在乳腺癌腋窝淋巴结转移评估中的研究进展予以综述。     

基于CT增强图像的影像组学模型评估乳腺癌腋窝淋巴结转移

目的:探讨基于CT增强图像的影像组学在评估乳腺癌腋窝淋巴结转移方面的临床应用价值.方法:回顾性分析402例乳腺癌患者(共825枚短径≥5 mm腋窝淋巴结)的CT增强图像.在每个淋巴结的最大层面勾画ROI,使用AK软件提取淋巴结的纹理特征.对两位医师分别提取的100个淋巴结的纹理特征进行一致性分析.分别采用单因素方差分析...     

乳腺癌腋窝淋巴结的乳腺X线摄影评价

目的探讨乳腺X线摄影对判断乳腺癌腋窝淋巴结有无转移的价值。资料与方法搜集39例乳腺癌患者根治术后422枚腋窝淋巴结,用数字乳腺X线机对每例患者根治术后的腋窝淋巴结按大小顺序编号后行乳腺X线摄影,然后逐一行组织病理学检查,分析淋巴结的影像学表现并与其病理结果对照。结果转移淋巴结114枚,非转移淋巴结308枚。淋巴结长径≥12 mm时,两者分别为60枚、92枚;淋巴结短径≥8 mm时,两者分别为73枚、103枚;长×短径值≥130 mm2时,两者分别为66枚、52枚。两者类圆形分别为10枚、41枚;类椭圆形分别为42枚、133枚;不规则形分别为62枚、134枚。淋巴结内有脂肪密度者24枚、202枚;淋巴结有融合者分别为41枚、10枚。结论两组淋巴结在长径、短径、长×短径值、密度及有无融合方面经χ2检验差异有统计学意义,形状方面差异无统计学意义。乳腺X线摄影对判断乳腺癌腋窝淋巴有无结转移有一定价值。但在实际工作中,对临床指导意义有限。     

乳腺癌腋窝淋巴结转移的影像及影像组学研究进展

腋窝淋巴结转移是乳腺癌预后的关键因素,术前准确评估淋巴结转移状态有助于制定合理的治疗方案。超声、多模态MRI是目前最常用、效能较高的影像检查方法,可判定部分具有典型影像学征象的转移淋巴结。对于不典型的转移性淋巴结,根据乳腺癌病灶征象可预测转移淋巴结,并且基于影像组学的预测模型对淋巴结转移的预测效能很高。本文就基于超声及磁共振影像及影像组学对乳腺癌腋窝淋巴结转移的研究进行综述。     

基于乳腺X线图像影像组学列线图对乳腺癌腋窝淋巴结转移的预测价值

目的:探讨基于乳腺X线图像影像组学列线图对乳腺癌腋窝淋巴结(ALN)转移的预测价值.方法:回顾性分析188例乳腺癌患者的乳腺X线图像和临床资料,按照7:3的比例将患者随机分割为训练组(n=130)和验证组(n=58).使用MaZda软件在乳腺X线图像内提取影像组学特征,应用方差选择法和最小绝对收缩与选择算子算法(LAS...     

基于T2WI-FS的影像组学特征在术前预测乳腺癌腋窝淋巴结转移中的价值

目的：探讨基于T2加权成像压脂序列（T2-weighted imaging fat suppression,T2WI-FS）图像的影像组学特征所构建机器学习模型在术前预测乳腺癌患者腋窝淋巴结（axillary lymph nodes,ALN）转移中的价值。方法：回顾并分析经病理学检查证实的乳腺癌患者68例,共171枚ALN（转移101枚,非转移70枚）。在T2WI-FS图像上勾画每个目标淋巴结的三维容积感兴趣区（volume of interest,VOI）,并提取一阶统计量特征、几何形状及纹理特征等影像组学特征。随机将两组ALN分为训练集和验证集（8∶2）,采用K最佳和最小绝对收缩和选择算子（the least absolute shrinkage and selection operator,LASSO）算法对训练集特征降维以筛选出关键特征,最后建立基于K近邻（K-nearest neighbor,KNN）、支持向量机（support vector machine,SVM）和逻辑回归（logistic regression,LR）3种分类器的机器学习模型。采用受试者工作特征（rec...     

乳腺癌X线特征与VEGF-C表达及肿瘤腋窝淋巴结转移的相关性研究

目的 研究乳腺癌X线征象与肿瘤组织血管内皮生长因子 C( VEGF C)表达及腋窝淋巴结转移的相关性. 资料与方法 分析105例乳腺癌及腋窝淋巴结的X线征象,利用免疫组织化学染色检测标本中VEGF C的表达水平,分析乳腺癌某些X线征象与VEGF C表达及腋窝淋巴结转移的关系. 结果 VEGF C的过表达与腋窝淋巴结转移密切相关(P＜0.05);乳腺癌X线征象中:肿瘤≥2 cm、边缘有"毛刺征"及血管影增多、增粗组中VEGF C阳性表达率及腋窝淋巴结转移率分别较＜2 cm、无"毛刺征"和血管影正常组高(P＜0.05);转移性腋窝淋巴结主要表现为"门"结构消失及实质厚度不均匀(P＜0.05)等. 结论 通过乳腺癌的X线征象可以评价其组织中VEGF C的表达水平及腋窝淋巴结的状态,乳腺癌腋窝淋巴结转移主要表现为淋巴结结构的改变,当腋窝淋巴结发生实变、实质厚度不均时,可疑为转移性淋巴结.X线对判断乳腺癌腋窝淋巴结转移有明显优势.     

乳腺X线影像组学标签在预测乳腺癌HER2表达中的价值

目的:探讨乳腺X线摄影影像组学标签在预测乳腺癌HER2表达中的价值.方法:回顾性分析2018年1月-2020年10月在苏州大学附属第一医院及苏州市立医院经病理证实为乳腺癌患者的临床及X线资料.共入组222例女性患者,平均年龄(53.70±14.46)岁,其中HER2阳性患者59例,阴性患者163例,苏州大学附属第一医院...     

基于X线摄影影像组学特征鉴别乳腺良恶性肿块的价值

目的探讨X线摄影影像组学对乳腺肿块良、恶性鉴别诊断的价值。方法选取乳腺肿块136例患者的相关X线摄影及病理资料,采用人工智能Mask R-CNN算法对乳腺肿块的精确分割,应用回归算法建立模型并验证,利用ROC曲线及决策曲线评价模型,并使用Delong检验比较不同模型的效能,同时将Shap方法应用于模型的解释。结果筛选后最终纳入乳腺侧斜位(MLO)视角21个特征,头尾位(CC)视角20个特征,两个融合视角38个特征进行建模。三个模型在测试集中对乳腺肿块良恶性判别的AUC值分别为0.842、0.843、0.955。且MLO视角的组学特征建模模型和CC视角的组学特征建模模型效能差异无统计学意义(P=0.9454),两个单视角模型与融合视角模型ROC曲线下面积差异有统计学意义(P=0.0012和P=0.0059)。结论基于乳腺X线摄影多视角融合模型对良、恶性肿块的鉴别具有较大的应用价值。     

基于CT影像组学模型术前预测喉癌淋巴结转移

【摘要】目的：研究CT影像组学在术前预测喉癌患者淋巴结转移中的价值。方法：搜集本院304例经手术病理证实为喉癌患者的影像学资料,随机选择243例及61例分别作为训练集和验证集。从术前静脉期CT图像中手工勾画肿瘤体积并提取影像组学特征。在训练集中,采用LASSO回归进行特征筛选,使用Logistic回归分别构建影像组学模型、形态学模型及二者联合模型。利用受试者工作特征（ROC）曲线评价各个模型的预测效能,并对模型的ROC曲线行Delong检验。在验证集中评估各种模型的诊断效能。结果：最后获得5个影像组学特征。在训练集中,影像组学模型ROC曲线下面积（AUC）为0.85（95%CI：0.77~0.93）,形态学模型AUC为0.66（95%CI：0.59~0.72）,联合模型AUC为0.82（95%CI：0.74~0.91）;在验证集中,影像组学模型AUC为0.83（95%CI：0.69~0.97）,形态学模型AUC为0.59（95%CI：0.40~0.77）,联合模型AUC为0.73（95%CI：0.56~0.91）。Delong检验显示影像组学模型与形态学模型差异、联合模型与形态学模型差异均有统计学意义（P＜0.05）,而联合模型与影像组模型差异无统计学意义（P＞0.05）。结论：基于病灶为兴趣区的CT影像组学模型可以术前较好地预测喉癌淋巴结转移,其诊断效能高于形态学模型。     

基于乳腺癌动态增强MRI图像的影像组学特征预测腋窝淋巴结转移的可行性研究

目的探讨基于乳腺癌动态增强MRI图像的影像组学特征预测腋窝淋巴结转移的可行性。方法回顾性分析2013年1至12月北京大学第一医院经粗针穿刺活体组织检查确诊为乳腺癌的163例患者(163个病灶)。所有患者腋窝淋巴结状态均经病理学确诊, 且术前有完整乳腺MRI图像。163例患者中, 有腋窝淋巴结转移者94例, 无腋窝淋巴结转移者69例, 并按照7∶3比例随机进入训练集(115例)与测试集(48例)。对训练集进行影像组学分析, 包括图像预处理及标记、影像组学特征提取、影像组学模型建立及模型预测效能分析。测试集用于模型效能测试。采用受试者操作特征曲线及曲线下面积(AUC)分析模型的预测效能。结果训练集提取的1 075个特征中, 采用随机森林分类器最终选取主成分分析(PCA)融合特征8、41、67建模, 3个PCA融合特征建立的模型鉴别诊断乳腺癌有、无腋窝淋巴结转移的AUC为0.956(95%CI 0.907～0.988), 诊断灵敏度为91.2%, 特异度为100%, 准确度为94.8%;测试集中3个PCA融合特征建立的模型鉴别诊断乳腺癌有、无腋窝淋巴结转移的AUC为0.767(95%CI 0...     

动态增强MRI影像组学模型术前预测乳腺癌前哨淋巴结转移

目的 构建并验证动态增强MRI（DCE-MRI）影像组学模型能否于术前无创性预测乳腺癌前哨淋巴结（SLN）转移。 方法 回顾性分析术前接受DCE-MRI检查且经病理证实的128例女性乳腺癌病人的临床、病理及MRI资料,病人平均年龄（45.94±10.08）岁;其中,前哨淋巴结（SLN）阳性者61例,阴性者67例;将病人按照7∶3的比例随机分为训练集（89例）和验证集（39例）。提取DCE-MRI第2期相的影像组学特征,应用最大最小值归一化算法将所有原始特征向量进行归一化,采用最优特征筛选器及最小绝对值收敛和选择算子（LASSO）-Logistis回归（LR）算法依次对影像组学特征进行降维筛选,选择出7个对术前预测SLN转移有价值的最优特征,包括1个一阶统计特征、3个形状特征和3个纹理特征。应用支持向量机（SVM）、LR及决策树3种机器学习算法构建预测模型。采用独立样本t检验、卡方检验及Fisher确切概率检验比较SLN阳性组和阴性组、训练集和验证集间的临床病理特征。采用受试者操作特征（ROC）曲线评估3种模型的诊断效能,计算相应的曲线下面积（AUC）,并通过验证集进行验证。结果 SLN阳性组和阴性组、训练集和验证集组间病人的临床病理特征差异均无统计学意义（均P>0.05）。3种机器学习模型中,决策树模型在训练集与验证集中的AUC均最高（分别为1.00和0.90）,其次为LR模型和SVM模型;决策树模型在训练集与验证集中也均呈现最高的敏感度,分别为100.00%和89.50%;决策树模型在训练集中的准确度最高（100.00%）,其次为LR模型和SVM模型。验证集中3种模型的准确度相等（89.74%）。 结论 基于DCE-MRI的影像组学模型对SLN转移有一定的预测价值,可为乳腺癌病人术前预测SLN转移提供一种无创而简便的方法,有助于临床个体化精准医疗。     

腋窝淋巴结分析在乳腺疾病诊断中的价值

目的 探讨乳腺X线摄影中腋窝淋巴结特点对于乳腺疾病诊断的价值.方法 对乳腺疾病患者行乳腺X线摄影检查,筛选出腋窝淋巴结显影者46例,其中乳腺癌20例,良性病变26例,比较显影淋巴结的位置、数目、大小、密度、形态.结果 26例乳腺良性疾病的腋窝淋巴结有16例单侧显影,10例双侧显影,数目2枚以上多发者15例,直径≥1 cm者13例,高密度6例,中等密度20例,所有淋巴结边缘均未见分叶改变;20例乳腺癌的腋窝淋巴结有12例为双侧显影,8例单侧显影,15例多发,直径≥1 cm者13例,高密度16例,边缘分叶状改变4例,实心圆12例.2组间的淋巴结在密度上有显著统计学差异,在位置、数目、大小上无统计学意义.同时在形态上乳腺癌的腋窝淋巴结以分叶和实变占明显优势.结论 腋窝淋巴结的密度和形态与乳腺疾病的良恶性有一定的相关性,可以作为2类疾病鉴别诊断的辅助指标.     

乳腺癌MRI影像特征预测腋窝淋巴结转移的价值研究

目的 基于乳腺癌MRI特征建立可以无创性预测腋窝淋巴结转移(ALNM)的诺模图。方法 选取2013年8月～2020年8月于青岛大学附属医院放射科病理证实的乳腺癌患者394例,均行MRI检查并在1个月内获得淋巴结病理结果。根据乳腺影像报告和数据系统(BI-RADS)标准描述病变的MRI表现,分析乳腺癌原发肿瘤的MRI特征与腋窝淋巴结转移的关系并建立诺模图。结果 乳腺癌原发肿瘤的最大径及ADC值与腋窝淋巴结转移之间存在相关性,其次,与腋窝淋巴结转移相关的特征还有肿瘤位置、肿瘤边缘及肿瘤形状(P <0.05),多因素二元logistic回归后纳入肿瘤最大径、ADC值、肿瘤形状及腋窝有无可疑淋巴结建立对淋巴结预测的诺模图AUC值为0.890。结论 基于乳腺癌MRI特征的诺模图可以预测ALNM。这种非侵入性的方法在临床应用上很有前景。     

基于DCE-MRI瘤内及瘤周影像组学特征的机器学习模型预测乳腺癌腋窝淋巴结转移的价值

目的：探讨基于动态增强磁共振成像（DCE-MRI）瘤内及瘤周影像组学特征的机器学习模型预测乳腺癌腋窝淋巴结转移的价值。方法：回顾性收集2018年6月—2022年8月经病理证实为乳腺癌且有相应腋窝淋巴结状态的患者病例资料215例,其中腋窝淋巴结转移阳性的患者117例,阴性98例。以7:3的比例将所有患者随机分为训练集与验证集。在训练集中使用皮尔森相关系数（PCC）,最大相关最小冗余（mRMR）、最小绝对收缩和选择算子（LASSO）对影像组学数据进行降维,采用逻辑回归（LR）、随机森林（RF）、支持向量机（SVM）、K近邻（KNN）、决策树（DT）、线性判别（LDA）6种方法建立影像组学预测模型。通过受试者工作特征曲线下面积（AUC）评价模型的效能。结果：基于瘤内联合瘤周影像组学构建的预测模型,在训练集及验证集中使用LR、RF、SVM、KNN、DT、LDA作为分类器时的AUC分别为（训练集0.811、0.882、0.816、0.773、0.870、0.829,验证集0.787、0.824、0.815、0.711、0.727、0.799）,RF模型的预测效能最佳,且高于RF构建的单独瘤内模型...     

乳腺癌腋窝淋巴结影像诊断研究进展

乳腺癌目前是全球女性发病率最高的恶性肿瘤,严重威胁着患者的健康。腋窝淋巴结情况对乳腺癌早期诊断,手术和预后评价等临床决策至关重要。影像学诊断技术飞速发展,在临床上的应用越来越广泛。本文就乳腺癌腋窝淋巴结影像诊断研究进展予以综述。     

基于乳腺X线影像组学对类圆形肿块良恶性的预测价值

目的 探讨基于乳腺X线成像的影像组学特征在预测不伴有明显恶性或良性钙化特征的类圆形肿块良恶性中的应用价值.方法 回顾性分析2017年1月至2020年12月复旦大学附属闵行医院经手术病理证实的类圆形肿块129例患者资料.在良性组、恶性组中分别按照7∶3的比例随机选取训练集与验证集.应用ITK-SNAP软件手动勾画乳腺X线...