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。     

基于数字化乳腺X线影像组学预测浸润性乳腺癌腋窝淋巴结转移的多中心研究

目的:探讨基于多中心数字化乳腺X线影像组学预测浸润性乳腺癌腋窝淋巴结转移的临床应用价值。方法:回顾性搜集728例经病理证实的浸润性乳腺癌患者,按照7:3的比例将皖南医学院第一附属医院弋矶山医院413例浸润性乳腺癌患者随机拆分为训练组289例(淋巴结转移阴性197例,淋巴结转移阳性92例)和验证组124例(淋巴结转移阴性85例,淋巴结转移阳性39例),将阜阳市人民医院和太和县人民医院浸润性乳腺癌患者共计315例(淋巴结转移阴性221例,淋巴结转移阳性94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及影像组学特征提取,采用特征间线性相关性分析与最小绝对收缩和选择算法(LASSO)对组学特征进行降维并使用支持向量机(SVM)分类器构建影像组学预测模型。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。结果:最终筛选出8个影像组学特征构建预测模型用于预测浸润性乳腺癌腋窝淋巴结转移,该模型的预测效能在训练组、验证组和外部测试组分别为0.807、0.790和0.753,敏感度、...     

影像组学在乳腺癌的应用研究进展

影像组学可无创地定量描述肿瘤的异质性,能够为乳腺癌的早期诊断、疗效预测及预后评估等提供丰富信息。近年影像组学与基因等数据的结合运用进一步促进了乳腺癌精准医疗的发展。就影像组学在乳腺癌诊断、分子分型预测、疗效评估、预后预测及复发风险等方面的研究进展予以综述。     

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...     

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...     

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。     

影像组学在原发性肝癌中的研究进展

影像组学是从医学影像中高通量提取形态、纹理等能反映细胞生物学行为特征的一种数字图像处理技术。因为其能够反映肉眼无法识别的组织微观改变,所以在原发性肝癌的诊断、鉴别诊断、分级、分期、生物学行为及生存预后分析等方面表现出独特的优势。就影像组学在原发性肝癌中的应用进展、存在的问题以及对未来研究的初步展望予以综述。     

基于磁共振成像的影像组学在乳腺癌诊疗中的应用

乳腺癌发病率高,死亡率高,而且乳腺癌的发病率一直缓慢上升,发病年龄在我国比西方国家年轻。而影像组学作为一项新兴技术,有望以无创的方式指导乳腺癌的临床诊疗,已成为广大学者研究的热点。本文通过复习近年来的相关文献,就基于MRI的影像组学在乳腺癌诊疗中的应用进行综述。     

影像组学在预测乳腺癌分子分型中的研究进展

【摘要】乳腺癌的分子分型对患者治疗方案的选择以及预后评估有着重要作用。目前临床主要依靠有创手段取得病理组织并进行免疫组化来确定乳腺癌的分子分型,但其取样和分析存在一定的局限性。影像组学能从影像图像中高通量地提取并分析大量高级且定量的影像学特征,并将其与肿瘤基因表达、细胞分子信息等相关联,以辅助临床进行诊断和治疗。本文对影像组学辅助诊断乳腺癌分子分型的研究进展进行综述。     

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...     

影像组学在胰腺炎中的应用研究进展

【摘要】影像组学领域在过去几年中发展迅速，影像组学代表了以高通量方式提取定量特征的过程，该过程是将影像图像转换为高维数据并对数据进行分析以用于决策支持。影像组学能够以一种非侵入性的方式深入捕捉肉眼无法观察到的大量关于病变异质性的信息，有望弥补传统影像学局限于形态学和解剖学评估的不足。本文基于CT和MRI的影像组学在胰腺炎诊治中的应用进展进行综述。     

基于影像特征建立乳腺癌腋窝淋巴结转移机器学习预测模型

目的 探索乳腺癌原发灶的X线及超声征象术前无创预测腋窝淋巴结（ALN）转移的价值。方法回顾性收集320例经病理证实为浸润性乳腺癌女性病人的临床及影像资料。根据ALN病理结果是否有转移灶,将病人分为ALN阳性组（154例）和阴性组（166例）。数据集以8∶2的比例随机分为训练集（256例）和测试集（64例）。提取乳腺癌原发灶的全视野数字化乳腺X线摄影（FFDM）和超声（US）影像征象,选择最优算法分别构建基于FFDM、US征象以及两者联合的ALN转移预测模型,根据受试者操作特征（ROC）曲线下面积（AUC）评估模型效能并选取最优模型。采用SHAP可解释技术可视化最优模型决策过程,解析乳腺癌ALN转移的影像预测因子。2组病人FFDM和超声影像征象比较采用Mann-Whitney U检验、卡方检验或Fisher确切概率检验。采用Delong检验比较各模型的AUC。结果 基于FFDM、US以及联合特征构建的3种模型,其AUC值有递增趋势,但AUC差异均无统计学意义（均P>0.05）。SHAP可解释技术显示,乳腺癌ALN转移的前5个重要影像预测因子包括2个US征象（肿块最大径、强回声光点）...     

基于DBT的影像组学在预测乳腺癌分子分型中的价值

目的 探讨基于数字乳腺断层摄影(DBT)的影像组学方法在预测浸润性乳腺癌分子分型中的价值。方法 选取浸润性乳腺癌患者217例的标准DBT影像及临床病理资料,其中luminal型167例,非luminal型50例,按7∶3的比例将患者随机分为训练集和验证集。手动勾画感兴趣区域(ROI),提取和筛选头尾位(CC位)及内外侧斜位(MLO位)影像组学特征,采用逻辑回归(LR)算法建立CC位、MLO位、CC+MLO位模型。分析临床病理特征,得到独立预测因子后建立联合临床模型,并绘制诺模图。使用受试者工作特征曲线(ROC)评估模型的诊断效能。结果 CC位、MLO位图像各筛选出7个关键组学特征,将Ki-67状态和乳腺影像报告数据系统(BI-RADS)分型作为临床独立预测因子。CC位、MLO位、CC+MLO位及联合临床模型在训练集和验证集中的AUC值分别为0.800、0.789、0.853、0.873和0.753、0.715、0.846、0.865。结论 基于DBT的影像组学可在术前较精确地预测乳腺癌分子分型,建立的诺模图具有良好的诊断效能,可为临床提供治疗方案及评估预后等额外价值。     

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...     

影像组学在帕金森病中的研究进展

帕金森病(PD)是一种年龄相关的进行性神经退行性疾病。相较于仅依靠视觉分析及低维度信息的传统影像诊断模式,影像组学可以通过高通量计算快速挖掘医学图像中更深层次的信息,已成为PD研究中的新兴手段,在PD的诊断、分型、进展评估及结局预测等方面得到广泛应用。就影像组学的概况及在PD中的研究进展进行综述。     

MRI评价乳腺癌腋窝淋巴结转移的价值

目的：探讨 MRI评估乳腺癌腋窝淋巴结转移的应用价值。方法对60例乳腺癌患者进行术前 MRI检查,评价乳腺内肿瘤最大径、瘤体最大信号增强率(SERmax )及同侧腋窝淋巴结的大小、形态、边缘、信号强度和强化方式,并与术后同侧腋窝淋巴结状态进行对照分析。结果60例乳腺癌患者 MRI显示28例同侧腋窝淋巴结有转移,病理证实22例腋窝淋巴结有转移。MRI 检出腋窝淋巴结转移的灵敏度、特异度、准确率为90.91%、78.95%、83.33%。57例同时行超声检查,超声检查诊断淋巴结转移的灵敏度、特异度、准确率分别为59.09%、94.29%、80.70%。腋窝淋巴结转移组淋巴结大小(1.20±0.59)cm,无转移组淋巴结大小(0.85±0.24)cm,2组间腋窝淋巴结大小差异有统计学意义(t=3.258,P=0.001<0.05)。腋窝淋巴结无转移与有转移组间乳腺内肿瘤 SERmax值差异有统计学意义(t=4.167,P=0.000<0.05),转移组 SERmax值大于无转移组。转移性淋巴结多表现为形态不规则,边缘不规整,信号强度及强化不均匀。结论乳腺 MRI能在检出乳腺癌的同时全面评价腋窝淋巴结,是术前评估腋窝淋巴结状态的有效检查方法。     

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MRI影像组学模型对食管癌淋巴结转移的预测价值

目的 探讨基于T₂WI及增强T₁WI序列MRI影像组学特征构建模型预测食管癌淋巴结转移的价值。 方法 回顾性收集经病理证实并行多模态MRI检查的食管癌病人120例,男89例,女31例,平均年龄（63.4±8.2）岁。将病人按7:3比例随机分为训练集84例和验证集36例。以手术病理为金标准将病人分为淋巴结转移阴性组（56例）和阳性组（64例）。采用A.K.软件基于T₂WI和增强T₁WI获取肿瘤兴趣区体积（VOI）,提取影像组学特征并进行降维筛选,并采用Logistic回归分析法构建基于T₂WI、增强T₁WI、联合T₂WI+增强T₁WI序列的影像组学模型。2组间一般临床资料比较采用独立样本t检验和χ²检验。采用组内相关系数（ICC）分析2名医师获取VOI的一致性。采用受试者操作特征（ROC）曲线评估预测模型的诊断效能,计算其曲线下面积（AUC）,并采用DeLong法比较不同模型的AUC值。 结果 淋巴结转移阴性和阳性组间病人的性别、年龄,肿瘤位置、病理类型及肿瘤长度的差异均无统计学意义（均P>0.05）。2名医师在T₂WI和增强T₁WI影像上获取VOI的一致性均较好（均P>0.8）。经筛选后,基于T₂WI、增强T₁WI、T₂WI+增强T₁WI联合序列获得的影像组学特征分别有5、6、9个。在训练集及验证集中联合模型的AUC高于增强T₁WI和T₂WI模型,且增强T₁WI模型的AUC高于T₂WI模型（均P<0.05）。 结论 基于MRI影像组学特征构建的模型对食管癌病人术前淋巴结转移具有良好的预测效能,且T₂WI+增强T₁WI联合模型较单序列模型的预测价值更高。