CK5/6、EGFR和E-cadhenrin在三阴性乳腺癌中的表达及意义

目的探讨CK5/6、E-cadhenrin及EGFR在三阴性乳腺癌中的表达与主要临床病理参数及预后的关系。方法收集浸润性乳腺癌278例,其中三阴性乳腺癌62例(22.30%),非三阴性乳腺癌216例(77.70%)。通过免疫组织化学方法检测CK5/6、E-cadhenrin及EGFR在乳腺癌中的表达,并分析三阴性乳腺癌中CK5/6、E-cad及EGFR与患者临床病理学参数和预后的关系。结果 CK5/6和EGFR在三阴性乳腺癌中的阳性表达率明显高于非三阴性乳腺癌(P0.05),而E-cadhenrin在三阴性乳腺癌的阳性表达率明显低于非三阴性乳腺癌(P0.05)。CK5/6与EGFR的表达呈明显的正相关(r=0.417,P0.05),二者与E-cadhenrin均呈明显的负相关(r=7.59,P0.05;r=0.333,P0.05)。三阴性乳腺癌中CK5/6和EGFR的表达与淋巴结转移、临床分期及组织学分级密切相关(P0.05),E-cad-herin的表达与患者淋巴结转移和临床分期密切相关(P0.05),与其他临床参数无关(P0.05)。Kaplan-Meier生存分析显示三阴性乳腺癌中CK5/6的阳性表达及E-cadherin的阴性表达的患者生存时间明显短于CK5/6阴性及E-cadherin阳性的患者(P0.05)。结论 CK5/6和EGFR在三阴性乳腺癌中高表达,E-cadhenrin在三阴性乳腺癌中低表达,CK5/6的阳性表达及E-cadherin的阴性表达与三阴性乳腺癌患者不良预后密切相关。     

基底细胞样型乳腺癌的临床病理观察

目的 观察基底细胞样型乳腺癌(BLBC)的临床病理特征.方法 采用ER、PR、HER2、Ki-67、CK5/6、CK14和表皮生长因子受体(EGFR)进行免疫组织化学EnVision法检测458例女性浸润性乳腺癌以筛选BLBC,比较BLBC与其他免疫表型乳腺癌的临床病理特征.对其中228例浸润性乳腺癌患者进行了随访.结果 458例浸润性乳腺癌中发现BLBC 46例(10.0%).癌灶直径平均3.3 cm.58.7%(27/46)出现推挤性生长方式,52.2%(24/46)出现地图状坏死,30.4%(14/46)癌灶中心出现无细胞纤维化区域以及63.0%(29/46)癌灶周边和间质内有不同程度淋巴细胞浸润.癌细胞异型性明显,核分裂象多见,主要排列成不规则、紧密实性结构.Ki-67高表达(>25%)在BLBC中占43.5%(20/46).CK5/6、CK14和EGFR阳性分别见于58.7%(27/46)、43.5%(20/46)和65.2%(30/46)的BLBC病例.BLBC的3年累积生存率为66.9%,低于管腔A型乳腺癌,与HER2高表达型乳腺癌差异无统计学意义.结论 BLBC在女性浸润性乳腺癌中所占比例为10%,其组织结构和细胞形态具有一定特征性,但诊断BLBC仍必需结合其免疫表型.BLBC是预后比较差的乳腺癌亚型之一.     

21基因检测对ER阳性、淋巴结阴性乳腺癌患者术后复发转移的指导价值

目的探讨21基因检测在ER阳性、淋巴结阴性乳腺癌患者术后复发转移中的指导价值。方法选取2014年2月至2018年2月扬州友好医院及江南大学附属医院的ER阳性、淋巴结阴性乳腺癌患者172例,根据患者术后是否发生复发转移分为复发转移组(n=43)和未复发转移组(n=129)。所有患者均行手术治疗,根据AJCC第7版标准诊断患者的组织学分级,免疫组化法检测患者的癌转移抑制基因(PR)、细胞增殖核抗原Ki67(Ki67)、P53基因(P53)、基底细胞角蛋白CK5/6(CK5/6)、拓扑异构酶Ⅱα(TOPⅡα)以及表皮生长因子受体(EGFR)等指标。采用实时荧光聚合酶链反应(PCR)检测21基因(包括16个乳腺癌相关基因及5个参考基因)表达,计算21基因复发风险评分;对于复发转移患者查阅病历资料,记录并统计患者年龄、肿瘤直径、组织分型、Ki67、P53、TOPIIα、EGFR及CK5/6表达水平,分析不同病理组织下21基因复发风险评分,并进行单因素及多因素Logistic回归分析。结果所有ER阳性、淋巴结阴性乳腺癌患者均经病理结果最终确诊,确诊率为100. 0%,病理结果中43例发生复发转移。2组患者均顺利完成21基因检测,复发转移组21基因检测评分为(37. 93±6. 83)分,高于未复发转移组(21. 48±3. 25)分,差异有统计学意义(t=12. 193,P 0. 05);单因素及多因素结果表明,乳腺癌不同病理组织下21基因检测评分与年龄、病理类型、组织分级、P53、TOPIIα、EGFR、CK5/6、手术方式差异无统计学意义(P 0. 05);乳腺癌不同病理组织下21基因检测评分与肿瘤直径、Ki67、PR具有统计学意义(P 0. 05)。结论将21基因检测用于ER阳性、淋巴结阴性乳腺癌患者术后复发转移中效果理想,有助于评估患者预后,为临床诊疗提供依据和参考。     

AR在ER阳性和阴性乳腺癌中的表达及临床意义

目的 探讨雄激素受体(androgen receptor, AR)在ER阳性和阴性乳腺癌中的表达及其与临床病理特征、预后的关系。方法 收集270例浸润性乳腺癌患者的临床病理资料，将ER分成阳性组与阴性组。分析两组AR表达与乳腺癌临床病理特征及多种蛋白标志物的关系，并复习相关文献。使用Kaplan-Meier Plotter数据库对AR在乳腺癌患者的预后价值进行分析。结果 270例浸润性乳腺癌患者AR阳性率为78.5%。AR与ER、PR、HER-2、CK5/6、组织学分级、Ki-67增殖指数、神经侵犯及脉管侵犯有关(P<0.05)。ER阳性组中AR阳性率(88.1%)高于ER阴性组(60.2%)。进一步分析发现ER阳性组中AR与组织学分级及CK5/6阳性有关(P<0.05);ER阴性组中AR与HER-2、CK5/6、组织学分级、神经侵犯、脉管侵犯、淋巴结转移及pTNM分期有关(P<0.05)。Kaplan-Meier Plotter预后分析发现，ER阳性组中AR高表达者总生存期显著高于低表达者，而ER阴性组中AR高表达者总生存期低于低表达者(P<0.05)。结论 ...     

外周血趋化因子CXCL5及Th1/Th2在乳腺肿瘤中的差异分析

检测乳腺癌与乳腺纤维腺瘤外周血中CXCL5、Th1、Th2的表达,比较乳腺癌与乳腺纤维腺瘤以及乳腺癌各临床病理类型间CXCL5、Th1、Th2的表达差异,分析乳腺癌中CXCL5表达是否与Th1/Th2失衡有关。乳腺癌组51例为初次诊断为原发性乳腺癌患者,腺瘤组为20例乳腺纤维腺瘤患者。健康体检者20例为对照组。ELISA法测定血清CXCL5水平以及流式细胞仪测定Th1、Th2细胞百分比,并计算Th1/Th2比值。比较乳腺癌与乳腺纤维腺瘤以及乳腺癌各临床病理类型间CXCL5、Th1、Th2、Th1/Th2的表达差异。乳腺浸润性导管癌组、乳腺小叶癌组和乳腺髓样癌组血清中CXCL5含量明显高于乳腺纤维腺瘤组;临床病理分期III期和IV期乳腺癌的血清CXCL5含量明显高于I、II期乳腺癌。乳腺浸润性导管癌组、乳腺小叶癌组和乳腺髓样癌组Th1、Th2、Th1/Th2明显高于乳腺纤维腺瘤组(P0.05);临床病理分期III期和IV期乳腺癌Th1、Th2、Th1/Th2明显高于I期乳腺癌组(P0.05)。通过相关分析发现,CXCL5与Th1/Th2成正相关(r=0.944)。乳腺癌恶性生物学行为进展、组织浸润可使CXCL5表达明显增加,并导致Th1、Th2出现明显失衡。     

细胞角蛋白20的表达与乳腺癌进展、转移及预后的相关性

目的: 探讨细胞角蛋白20(CK20)在乳腺癌组织中的表达及其与乳腺癌进展、转移和预后的相关性.方法: 选取乳腺癌患者86例,以20例乳腺良性肿瘤组织作为对照,应用免疫组织化学染色方法检测CK20的表达,并分析其与乳腺癌临床病理特征及预后的关系.结果: CK20在乳腺癌组织中的阳性表达率为80.23%(69/86),明显高于在乳腺良性肿瘤中的表达[20.00%(4/20),P<0.01].CK20的表达与乳腺癌组织学分级(P<0.05) 和病理类型(P<0.01) 有关,与TNM 分期(r=0.86,P<0.05)、淋巴结转移(r=0.73,P<0.05) 和HER-2 (r=0.69,P<0.05) 呈正相关,与ER (r=-0.58,P<0.05) 呈负相关.CK20阳性表达组和CK20阴性表达组的5年生存率分别为38.46%(25/65)和66.67%(10/15),差异有统计学意义(P<0.01).结论: CK20与乳腺癌的进展、转移有关,作为新的乳腺癌标记物,有一定的临床实际应用价值.     

PAI-1基因启动子区4G/5G单核苷酸多态性与乳腺癌的相关性研究

目的研究纤溶酶原激活剂抑制物-1(plasminogen activator inhibitor-1,PAI-1)基因启动子区单核苷酸插入/缺失(4G/5G)多态性在温州地区的分布特点及其与乳腺癌之间的关系.方法病例组:53例乳腺癌患者.对照组:在温州汉族人群中随机选取146例女性为对照.应用聚合酶链式反应(PCR)、聚丙烯酰胺凝胶电泳及银染显带技术对上述人群进行PAI-1基因启动子区4G/5G多态性分析.结果 (1)正常女性与正常男性比较4G/4G、4G/5G、5G/5G基因型中,女性5G/5G基因型高于男性(χ2=6.626 P=0.01).(2)疾病和对照组的基因型和基因频率均无显著性差异(P>0.05).结论 (1)PAI-1基因启动子区4G/5G单核苷酸多态性随种族和地区的不同而存在差异.(2)PAI-1基因启动子区单核苷酸插入/缺失(4G/5G)遗传多态性与乳腺癌的发生发展可能没有直接相关性.     

乳腺癌中CD44~+/CD24~-表型及乳腺癌分子亚型的分布及意义

目的探讨CD44+/CD24-表型在乳腺癌中的临床病理意义和乳腺癌分子亚型在中国人群中的分布。方法回顾分析217例乳腺癌患者,根据ER、PR、Her-2及CK5/6的水平划分为5个分子亚型。应用双重免疫组织化学检测其CD44/CD24双染的情况,分析CD44+/CD24-表型在乳腺癌中表达情况及其与临床病理的相关性;分析乳腺癌分子亚型在中国人群中的分布情况。结果 217例乳腺癌病例中,luminal A型130例,luminal B型15例,Her-2过表达型21例,basal-like型29例,Normalbreast-like型22例。CD44+/CD24-表型在所有乳腺癌阳性表达率为38%。CD44+/CD24-表型与患者年龄、肿瘤大小、组织分级、淋巴结转移等无关(P0.05)。结论乳腺癌干细胞表型(CD44+/CD24-)在乳腺癌中只占一小部分,在人类乳腺癌中CD44+/CD24-表型无临床病理意义;5种分子亚型中luminal A型所占比例最高,其他亚型所占比例较低。     

乳腺癌及乳腺良性病变中BCL-6 mRNA和蛋白表达及生物学意义

目的研究BCL-6在人乳腺癌及乳腺良性病变组织中的表达情况,探讨BCL-6的表达与乳腺癌患者临床病理特征的关系及其在乳腺癌中的生物学意义。方法采用免疫组化MaxVision两步法检测127例乳腺癌中BCL-6蛋白的表达,另随机选取其中74例采用原位分子杂交(in situ hybridizationI,SH)法检测BCL-6 mRNA的表达。同时分别检测50例乳腺良性病变组织中BCL-6 mRNA和蛋白的表达。结果 BCL-6 mRNA和蛋白在乳腺癌组织中的阳性率分别为54.1%(40/74)和32.3%(41/127),两者呈正相关;50例乳腺良性病变组织中分别有3例和5例的少数腺上皮细胞(<10%)呈BCL-6蛋白和BCL-6mRNA弱阳性。BCL-6蛋白的表达与乳腺癌组织学分级、肿瘤大小及TNM分期均相关(P<0.01),但与患者年龄和腋窝淋巴结转移无关。结论 BCL-6蛋白可能成为乳腺癌中一个新的有价值的分子标记物。     

乳腺癌分子分型用荧光分子影像探针

目前,乳腺癌的临床诊断就是结合病理类型和分子分型 (免疫组化)。该方法是有创的,而且不能原位、实时地展现关键生物分子与临床关键信息之间的关系。本文介绍了利用分子影像技术对乳腺癌进行分子分型检测的最新研究进展。荧光成像灵敏度高,且不过分依赖图像分析,只需相应的荧光分子探针,即可实时、定量或半定量、多通道地得到肿瘤组织分子分型信息。因此,研制安全高效、组织穿透力强的近红外荧光分子探针是未来荧光成像技术和乳腺癌分子分型研究的重点。     

基于多参数磁共振影像组学的乳腺癌病理信息预测模型研究

联合动态增强磁共振成像(DCE-MRI)、T2加权成像(T2WI)以及弥散加权成像(DWI)的影像特征,建立基于多参数影像组学的预测模型,分别对乳腺癌分子分型、组织学分级和Ki-67表达进行预测。采集150例术前、化疗前的浸润性导管癌患者乳腺MRI数据,获取DCE-MRI、T2WI和DWI影像。分割各参数影像的病灶区域,并提取多参数影像特征。在训练集采用支持向量机递归特征消除(SVM-RFE)算法,获得影像组学最优特征子集并构建基于SVM的预测模型,在测试集中测试模型性能。采用概率平均法、概率投票法和概率模型优化法,分别将基于不同参数影像构建的预测模型进行融合,得到多参数影像联合预测结果,并计算ROC曲线下的面积(AUC)评估模型的分类性能。单参数影像模型预测LuminalA、LuminalB、HER2和Basal-like等4种分子分型的最佳AUC分别为0.6721、0.6940、0.6777和0.7086,多参数影像模型的预测结果提高到AUC分别为0.7995、0.7279、0.7375和0.7925。单参数影像模型预测分级的最佳AUC为0.7533,多参数影像模型的预测结果提高到0.8017。单参数影像模型预测Ki-67表达的最佳AUC为0.6647,多参数影像模型预测结果提高到0.7718。相比于单参数影像模型的预测结果,多参数影像模型的预测结果有所提升,且差异具有显著性(P<0.05)。实验结果表明,采用多参数磁共振影像(DCE-MRI、T2WI以及DWI)组学的联合,可以显著提高单一参数影像模型预测乳腺癌病理信息的性能,对乳腺癌的诊断和个性化治疗方案的选择具有重要意义。     

DCE-MRI及DWI影像特征对乳腺癌病理组织学分级及Ki-67表达的预测研究

联合动态增强磁共振成像(DCE-MRI)以及弥散加权成像(DWI)的影像特征,通过建立模型,分别对乳腺癌的组织学分级以及Ki-67的表达进行预测。对144例未经过任何手术或化疗的乳腺浸润性导管癌患者的数据进行回顾性分析,这些患者均采用3T 扫描仪进行术前乳腺 MRI 检查,从中获取DCE-MRI以及DWI影像,并从 DWI 中计算得到表观扩散系数 (ADC)。对不同参数磁共振影像进行肿瘤分割,并分别从整个肿瘤区域中提取纹理特征、统计特征、形态特征等。采用无监督判别特征选择方法(UDFS)和Fisher Score算法进行特征选择,将分类模型分别应用于DCE-MRI及DWI图像数据,将得到的不同分类器进行多分类器模型融合,最终得到多参数图像的联合预测结果。为了评估所建立模型的分类性能, 通过留一法交叉验证 (LOOCV) 的方法计算ROC曲线下的面积(AUC)。对于分级任务,DCE-MRI的第二增强序列达到0.780的最优AUC,(特异度为0.647,灵敏度为0.934);对于Ki-67预测任务,DWI序列达到0.756的最优AUC(特异度为0.806,灵敏度为0.695)。经过融合,分级的预测结果提高到AUC为0.808(特异度为0.706,灵敏度为0.895),Ki-67的预测结果提高到AUC为0.783(特异度为0.778,灵敏度为0.722)。结果表明,相比采用单一参数的磁共振图像数据,DCE-MRI和DWI的影像特征联合可以提高分类器的性能。     

基于CT的影像组学特征同临床物理剂量特征预测肺癌放疗放射性肺炎研究

目的:探讨基于CT的影像组学特征同临床物理剂量特征预测肺癌放疗放射性肺炎研究。方法:回顾性收集2013年1月至2017年1月进行放射治疗的83例肺癌患者的临床物理剂量参数和CT影像以及随访数据。从病例的CT图像中提取107个影像组学特征,结合对应的45个临床物理剂量特征,每例病例共收集152个特征。基于22种特征提取算法和8种分类器构建的176个鉴别模型分析152个特征预测放射性肺炎的准确性以及筛选优势特征的能力。结果:临床物理剂量特征和影像组学特征预测放射性肺炎的鉴别模型中AUC值最高为0.90。前5位的优势特征是:shape_Maximum2DDiameterColumn、shape_Maximum3DDiameter、V20、glcm_Imc1、V45。结论:临床物理剂量特征和影像组学特征通过不同分类器和特征选择算法组合的鉴别模型,可以筛选出理想的鉴别模型以及优势预测特征。     

基于纵向时间深度网络融合的乳腺癌新辅助化疗疗效预测

新辅助化疗提高了乳腺癌的治愈率,但并不是对所有患者都有效,准确预测化疗疗效可以为患者治疗方案的制定提供参考价值。本研究使用深度学习的方法,融合纵向时间的动态增强磁共振成像(DCE-MRI)的影像特征对新辅助化疗疗效进行预测。分析164例进行了乳腺癌新辅助化疗患者的DCE-MRI影像,从每例患者影像数据集中挑选肿瘤最大径及上下2张切片以扩充数据量至442例,并随机划分为训练集312例,测试集130例。DCE-MRI影像共6个序列,分割每个序列的乳房区域,去除皮肤和胸腔,使用深度学习模型分别根据化疗前影像、2个疗程化疗后影像、化疗前和2个疗程化疗后影像相融合对新辅助化疗疗效进行预测,并绘制预测结果的ROC曲线,计算对应曲线下面积(AUC)评估模型的分类性能。深度学习模型对化疗前影像、2个疗程化疗后影像的疗效预测的最佳AUC分别为0.775和0.808,融合化疗前和2个疗程化疗后影像对疗效进行预测的最佳AUC为0.863,预测效果优于仅使用化疗前的影像。实验结果表明,相较于单独使用化疗前影像,融合使用纵向时间的影像可以提高对新辅助化疗疗效的预测性能。     

基于超声影像组学的原发性肝细胞癌分级预测

目的:针对原发性肝细胞癌（HCC）肿瘤分级预测难题，提出一种基于灰阶超声成像的影像组学预测模型。方法:首先，由超声医生对肿瘤区域进行手动分割，其次，采用影像组学方法对肿瘤区域提取形状、一阶统计、纹理特征，计算特征间Pearson相关系数剔除冗余特征，最后通过单变量分析筛选得到特征子集，采用LASSO构建HCC分级预测模型；利用留一法计算模型的受试者操作特性曲线下的面积（AUC）评估模型对HCC分级的预测能力。结果:利用43例经手术病理证实的HCC患者的灰阶超声图像构建HCC分级预测模型，所建模型由6个与分级高度相关的影像特征组成，模型具有较强的预测能力（AUC=0.76）。结论:基于灰阶超声成像的影像特征与HCC分级高度相关，所建影像组学模型能够较好地预测HCC分级。     

Diffusion‐weighted imaging features of breast tumours and the surrounding stroma reflect intrinsic heterogeneous characteristics of molecular subtypes in breast cancer

Breast cancer heterogeneity is the main obstacle preventing the identification of patients with breast cancer with poor prognoses and treatment responses; however, such heterogeneity has not been well characterized. The purpose of this retrospective study was to reveal heterogeneous patterns in the apparent diffusion coefficient (ADC) signals in tumours and the surrounding stroma to predict molecular subtypes of breast cancer. A dataset of 126 patients with breast cancer, who underwent preoperative diffusion‐weighted imaging (DWI) on a 3.0‐T image system, was collected. Breast images were segmented into regions comprising the tumour and surrounding stromal shells in which features that reflect heterogeneous ADC signal distribution were extracted. For each region, imaging features were computed, including the mean, minimum, variance, interquartile range (IQR), range, skewness, kurtosis and entropy of ADC values. Univariate and stepwise multivariate logistic regression modelling was performed to identify the magnetic resonance imaging features that optimally discriminate luminal A, luminal B, human epidermal growth factor 2 (HER2)‐enriched and basal‐like molecular subtypes. The performance of the predictive models was evaluated using the area under the receiver operating characteristic curve (AUC). Univariate logistic regression analysis showed that the skewness in the tumour boundary achieved an AUC of 0.718 for discrimination between luminal A and non‐luminal A tumours, whereas the IQR of the ADC value in the tumour boundary had an AUC of 0.703 for classification of the HER2‐enriched subtype. Imaging features in the tumour boundary and the proximal peritumoral stroma corresponded to a higher overall prediction performance than those in other regions. A multivariate logistic regression model combining features in all the regions achieved an overall AUC of 0.800 for the classification of the four tumour subtypes. These findings suggest that features in the tumour boundary and stroma around the tumour may be further assessed as potential predictors of molecular subtypes of breast cancer.     

基于18F-FDG PET/CT影像组学的非小细胞肺癌病理亚型分类

目的：旨在建立一种基于¹⁸F-FDG PET/CT的临床—影像组学相结合的综合模型用于区分非小细胞肺癌中的腺癌和鳞癌。方法：回顾性收集上海交通大学附属胸科医院120例经病理学验证为腺癌(65例)和鳞癌(55例)的患者,从预处理的CT图像和PET图像中分别提取1218、108个影像组学特征,并纳入10个临床特征因素;卡方检验和Wilcoxon检验用于对临床特征进行筛选,并使用Relief算法和最小绝对收缩和选择算子(LASSO)对影像组学特征进行筛选;通过6种机器学习分类器分别建立临床、影像组学、综合模型。通过受试者工作特征(ROC)曲线及曲线下面积(AUC)来评价模型的分类能力。结果：综合模型在训练集和测试集中均表现出最高的AUC值和准确率,其中随机森林(RF)和Bagging分类器表现出的分类效果最佳。经五折交叉验证后,训练集中RF和Bagging的AUC值和准确率分别为0.92±0.03、0.86±0.06和0.92±0.02、0.83±0.02;测试集中RF和Bagging的AUC值和准确率分别为0.92、0.81和0.91、0.86。结论：结合^1...     

A Comprehensive Methodology for Determining the Most Informative Mammographic Features

This study aims to determine the most informative mammographic features for breast cancer diagnosis using mutual information (MI) analysis. Our Health Insurance Portability and Accountability Act-approved database consists of 44,397 consecutive structured mammography reports for 20,375 patients collected from 2005 to 2008. The reports include demographic risk factors (age, family and personal history of breast cancer, and use of hormone therapy) and mammographic features from the Breast Imaging Reporting and Data System lexicon. We calculated MI using Shannon’s entropy measure for each feature with respect to the outcome (benign/malignant using a cancer registry match as reference standard). In order to evaluate the validity of the MI rankings of features, we trained and tested naïve Bayes classifiers on the feature with tenfold cross-validation, and measured the predictive ability using area under the ROC curve (AUC). We used a bootstrapping approach to assess the distributional properties of our estimates, and the DeLong method to compare AUC. Based on MI, we found that mass margins and mass shape were the most informative features for breast cancer diagnosis. Calcification morphology, mass density, and calcification distribution provided predictive information for distinguishing benign and malignant breast findings. Breast composition, associated findings, and special cases provided little information in this task. We also found that the rankings of mammographic features with MI and AUC were generally consistent. MI analysis provides a framework to determine the value of different mammographic features in the pursuit of optimal (i.e., accurate and efficient) breast cancer diagnosis.     

基于增强CT影像组学及形态学征象对非小细胞肺癌脏层胸膜侵犯的预测价值研究

目的:探讨基于增强CT影像组学方法及形态学征象在术前预测非小细胞肺癌患者脏层胸膜侵犯（VPI）的效能。方法:回顾性研究。纳入2019年1月—2021年1月蚌埠医学院第一附属医院收治的肺癌患者220例,其中男145例、女75例,年龄43~89（62.6±10.0）岁,均行根治性手术治疗。按照术后病理检查确诊有VPI 90...     

基于多模态磁共振放射组学与临床指标的前列腺癌智能检测及风险预测模型建立

目的：利用多模态磁共振放射组学开发前列腺癌自动检测模型,并使用列线图构建多因素回归模型,将前列腺MRI放射组学特征与临床多个检测指标进行整合,从而对患前列腺癌风险性进行预测。方法：回顾性研究于2019年2月～2021年10月病理证实为前列腺癌和其他前列腺良性肿瘤的患者133例。所有病例均行前列腺直肠指检(DRE)、前列腺特异性抗原(PSA)、游离前列腺特异性抗原(F-PSA)、FPSA/PSA检测。治疗前多模态前列腺MRI图像(DWI+DCE+T₂WI)用于提取放射特征,最大相关最小冗余(m RMR)算法用于消除混杂变量,使用最小绝对收缩和选择算子(LASSO)逻辑回归进行放射特征选择。通过曲线下面积(AUC)、准确性、特异性、敏感性评估放射特征的诊断性能;通过多元logistic回归选择临床指标和放射组学特征模型来制定放射组学列线图,并使用校准曲线和Hosmer-lemeshow试验验证其可靠性。结果：两名观察者测量的所有数据ICC均在0.80以上。所有前列腺MRI图像随机分为训练组和验证组(7:3)。在训练组中,DWI、DCE和T₂WI的...