乳腺叶状肿瘤的超声诊断与临床病理分析

目的探讨不同病理类型乳腺叶状肿瘤的超声声像图特征。方法收集2010年1月至2016年12月在内蒙古自治区人民医院肿瘤中心行乳腺肿物切除术后病理诊断为乳腺叶状肿瘤的患者28例,均为女性,年龄12~69岁,平均年龄39.07岁。术前均行乳腺超声检查,对其临床数据、病理特征及超声表现进行归纳分析。结果 28例乳腺叶状肿瘤患者,21例为良性叶状肿瘤,其中11例合并纤维腺瘤;5例为交界性叶状肿瘤,2例为恶性叶状肿瘤。良性组肿瘤瘤体内部回声呈漩涡样或小囊样改变。恶性/交界性组肿瘤大部分瘤体内部回声明显不均匀,漩涡样结构及小囊样结构杂乱、无规则,部分有较大的液化坏死区。良性组血流信号主要为Ⅰ、Ⅱ级;恶性/交界性组血流信号主要为Ⅱ、Ⅲ级。结论不同病理类型的乳腺叶状肿瘤超声声像图具有不同特点,通过分析超声图像对临床诊疗具有一定帮助。     

基于边界特征的乳腺肿瘤超声图像识别

通过对乳腺肿瘤边界特征的分析，得到边界的特征量似圆度，面积比率，长宽比组成的特征矢量，最后用反向传播人工神经网络（BP）的算法对经病理证实的119幅乳腺良、恶性肿块超声图像进行分类识别。BP神经网络对良、恶性肿瘤正确识别率分别为89．7％、73．5N。量化后的乳腺超声图像肿瘤轮廓特征结合BP神经网络可以比较有效的用于肿瘤的良、恶性识别。     

200例乳腺占位性病变的情况分析

目的 为了提高乳腺占位的定位以及定性诊断,在做乳腺超声检查后与病理结果对照、分析.方法 200例乳腺占位女性,年龄在14～65岁,平均年龄34岁,做乳腺B超的同时做病理检查.结果 200例乳腺肿瘤B超诊断与最后病理结果相对照,符合率达93%.结论 全面分析乳腺肿瘤的声像图特征,配合病理、临床表现,结合病史与体检一起评价,提高B超诊断的准确率.     

基于定量影像组学的乳腺肿瘤良恶性诊断

乳腺癌是女性致死率最高的恶性肿瘤之一。为提高诊断效率,提供给医生更加客观和准确的诊断结果。借助影像组学的方法,利用公开数据集BreaKHis中82例患者的乳腺肿瘤病理图像,提取乳腺肿瘤病理图像的灰度特征、Haralick纹理特征、局部二值模式(LBP)特征和Gabor特征共139维影像组学特征,并用主成分分析(PCA)对影像组学特征进行降维,然后利用随机森林(RF)、极限学习机(ELM)、支持向量机(SVM)、k最近邻(kNN)等4种不同的分类器构建乳腺肿瘤良恶性的诊断模型,并对上述不同的特征集进行评估。结果表明,基于支持向量机的影像组学特征的分类效果最好,准确率能达到88.2%,灵敏性达到86.62%,特异性达到89.82%。影像组学方法可为乳腺肿瘤良恶性预测提供一种新型的检测手段,使乳腺肿瘤良恶性临床诊断的准确率得到很大提升。     

结合卷积神经网络与图卷积网络的乳腺癌病理图像分类研究

目的乳腺癌的精确诊断对于后续治疗具有重要临床意义,组织病理学分析是肿瘤诊断的金标准。卷积神经网络(convolution neural network,CNN)具有良好的局部特征提取能力,但无法有效捕捉细胞组织间的空间关系。为了有效利用这种空间关系,本文提出一种新的结合CNN与图卷积网络(graph convolution network,GCN)的病理图像分类框架,应用于乳腺癌病理图像的辅助诊断。方法首先对病理图像进行卷积及下采样得到一组特征图,然后将特征图上每个像素位置的特征向量表示为1个节点,构建具有空间结构的图,并通过GCN学习图中蕴含的空间结构特征。最后,将基于GCN的空间结构特征与基于CNN的全局特征融合,并同时对整个网络进行优化,实现基于融合特征的病理图像分类。结果本研究在提出框架下进行了3种GCN的比较,其中CNN-sGCN-fusion算法在2015生物成像挑战赛乳腺组织学数据集上获得93.53%±1.80%的准确率,在Databiox乳腺数据集上获得78.47%±5.33%的准确率。结论与传统基于CNN的病理图像分类算法相比,本文提出的结合CNN与GCN的算法有效融合了病理图像的全局特征与空间结构特征,从而提升了分类性能,具有潜在的应用可行性。     

一种乳腺钼靶X线图像的软拷贝显示优化方法

数字乳腺钼靶X线图像比胶片乳腺X线图像能更有效地表现和检测乳腺病变,本研究提出了针对DICOM 格式乳腺钼靶X线图像的高效软拷贝显示方法.通过提取图像中的乳腺区域获得对初始窗口参数的准确估计,使乳腺组织在图像初始显示时就有比较好的对比度.利用乳腺区域分割结果,交互调窗操作时只更新乳腺区域内部像素的显示灰度,背景区域像素灰度保持不变;用整数运算和移位运算实现了多项式插值函数,优化了频繁调用的图像缩放操作.算法能显著提高乳腺钼靶X线图像软拷贝显示效率.     

基于改进型组织特异纹理滤波器的乳腺肿瘤超声图像处理

基于乳腺超声图像的多参数纹理分类实验,改进了Gjenna Stippel等的自适应纹理滤波器,通过引入模糊函数、增加重叠区域和迭代次数的措施,在减少图像噪声的同时,增强肿瘤与周围正常组织的视觉差别.量化比较乳腺超声图像经该滤波算法和几种常用滤波算法处理前后的的统计特征参量和肿瘤边缘检测的精确率,验证了该算法的有效性和优越性.     

乳腺肿瘤超声图像特征参数量化研究进展

乳腺肿瘤超声图像的特征量化分析对判别肿瘤的良、恶性具有重要价值。本文总结了良性和恶性乳腺肿瘤在超声图像上的特点，将乳腺良性肿瘤和恶性肿瘤鉴别特征在形状、边缘、边界、朝向、回声特点几个方面的量化方法和量化参数进行了较为全面的梳理，并对量化特征与肿瘤良、恶性之间的关系进行了分析。     

乳腺肿块的超声影像学表现与病理学对照分析

目的：探讨超声影像学诊断与鉴别乳腺肿块良恶性的价值。方法对262例乳腺肿块患者进行彩色多普勒超声检查,观察肿块的形态、边缘、包膜、内部回声、微钙化、纵横比、腋窝淋巴结及乳腺肿块的彩色多普勒血流信号,与术后病理结果进行对比观察。结果所有病例共检出314个肿块,超声影像学诊断乳腺良性肿块与病理诊断的符合率为97．3%,误诊率为2．7%;超声影像学诊断乳腺恶性肿块与病理诊断的符合率为92．9%,误诊率为7．1%。超声检查结果显示,良恶性肿块在肿块形态、边缘、回声、微钙化、纵横比、腋窝淋巴结等影像学特征比较,差异均有统计学意义( P<0．01)。结论超声影像学可较为准确地诊断并鉴别乳腺肿块的良恶性。     

用于乳腺肿瘤分级诊断超声图像增强的算法

为提高乳腺肿瘤分级诊断的能力,提出一种基于超声信号用于乳腺肿瘤分级诊断的图像增强算法。通过分析良性和不同恶性程度肿瘤的超声图像的特征差异,提出了一种将灰度的动态变换方法和利用局部标准差及熵特征相结合的办法,对图像对比度进行增强处理,增强了乳腺超声图像的细节,提高了图像质量。该算法可对良性、恶性肿瘤等不同超声图像进行增强处理,使得图像之间差异更加明显,为临床医生分级诊断提供更加清晰的图像,具有一定的实际应用价值。     

机器视觉技术在康复领域的应用

机器视觉技术通过视觉采集和分析系统对外界环境进行实时图像采集和处理,得到目标的特征信息,最终实现外部设备的控制.机器视觉技术具有精度高、实时性强、自动化与智能化程度高的优点,已广泛应用于机器人控制、工业生产、辅助医疗诊断等领域.随着医疗技术的发展,机器视觉作为人工智能的重要分支,在康复领域也得到越来越多的应用.本文综述了机器视觉的基本结构和工作原理,并对其在辅助辅具、肢体康复、心理康复等5种康复领域的常见应用进展状况进行简要归纳与介绍,最后总结了机器视觉应用于康复领域的主要问题和发展趋势.     

Dextroscope系统对乳腺浸润性导管癌的三维重建及术前应用

目的:研究Dextroscope系统对乳腺浸润性导管癌的三维重建方法,探讨其临床应用价值.方法:对浸润性导管癌10例患者采用Dextroscope系统软件生成虚拟图像,从任意角度观察肿瘤与乳腺的解剖关系,确定保乳手术方案并进行模拟操作.10例均行乳腺癌保乳手术.结果:Dextroscope系统对乳腺浸润性导管癌的三维重建图像清晰,可以精确定位肿瘤.10例患者病理切缘均为阴性.术后病理大体标本与术前模拟图像测量数值,差异无统计学意义(P＞0.05).结论:通过Dextroscope系统,术者提前预演手术,为精确手术创造了条件,对乳腺癌保乳手术的实施有指导意义.     

基于影像组学预测乳腺癌雌激素受体表达情况的可行性分析

本文利用影像组学的方法预测乳腺肿瘤分子标记物雌激素受体(ER)。首先采用基于相位信息的动态轮廓模型(PBAC)对乳腺图像进行分割,其次对乳腺超声图像中肿瘤的形态、纹理、小波三个方面的404个高通量特征进行提取并予以量化,然后利用R语言以及结合最大相关最小冗余(m RMR)准则的遗传算法进行特征筛选,最后利用支持向量机(SVM)和AdaBoost进行分类判别,实现根据乳腺超声图像预测分子病理指标ER的目的。对104例临床乳腺肿瘤超声图像数据进行实验,在使用AdaBoost作为分类器的情况下得到了最优指标,即分子标记物ER的预测准确率最高可以达到75.96%,受试者操作特性曲线下的面积(AUC)最高达到79.39%。实验结果证明了利用影像组学方法预测乳腺癌ER表达情况的可行性。     

乳腺隆突性皮肤纤维肉瘤2例并文献复习

目的探讨乳腺隆突性皮肤纤维肉瘤(dermato fibrosarcoma protuberans, DFSP)的临床病理特征。方法收集昆明医科大学第一附属医院病理科诊治的2例乳腺DFSP,分析其临床病理特征,并复习相关文献。结果 2例患者均为37岁女性,有乳腺肿块切除史。镜下见梭形肿瘤细胞呈编织、席纹状密集排列,深部呈蜂窝状浸润脂肪组织。免疫组化标记CD34均弥漫阳性,广谱CK、FⅧ-RAg、desmin、S-100均阴性。例1行荧光原位杂交示COL1A1-PDGFB基因融合。术后分别随访12、90个月,患者均无复发转移。结论 DFSP是一种比较少见的软组织肿瘤,发生于乳腺的DFSP更为罕见。粗针穿刺活检标本诊断,需与乳腺原发的梭形细胞肿瘤鉴别,结合肿瘤具体部位、影像学检查及免疫组化综合诊断,必要时辅以分子病理学检测。     

乳腺癌的相衬成像

目的:应用相衬成像技术观察和分析良、恶性乳腺肿瘤的区别。方法:使用上海光源同步辐射装置对人体乳腺肿瘤离体标本行相衬CT检查。共选取3例人体早期乳腺癌标本(早期浸润型导管癌)和3例乳腺腺瘤样本,对两组图像进行三维重建和比较,并采用灰度共生矩阵提取两组CT图像的纹理特征。结果:良、恶性肿瘤的CT图像有明显差别。三维重建结果清晰地显示肿瘤周围的脂肪组织和肿瘤内部散在的脂肪组织,可用于早期良、恶性肿瘤的鉴别诊断。图像纹理参数也显示两组图像间存在显著统计学差异(P0.001)。结论:相衬成像能充分显示乳腺正常组织和病变组织的细节。     

乳腺肿瘤组织中GATA3的表达及临床意义

目的：探讨乳腺肿瘤组织中转录因子GATA3的表达及其与临床病理特征的相关性。方法应用免疫组化EnVision两步法检测132例乳腺恶性肿瘤组织、29例乳腺良性肿瘤组织及35例乳腺癌旁组织中GATA3蛋白的表达,并将GATA3的表达与临床病理特征进行对比分析。结果(1)GATA3在正常人乳腺腺腔细胞中表达,乳腺癌组织中GATA3的阳性率为77%;(2)乳腺弥漫性大B细胞淋巴瘤和梭形细胞恶性肿瘤中GATA3不表达;(3) GATA3在三阴型乳腺癌中的阳性率低于其他分子类型乳腺癌(χ2=29．354,P<0．001)。结论 GATA3表达与乳腺肿瘤的病理类型和病理分级相关,可作为乳腺癌鉴别诊断和预后的标志物。     

卵巢纤维瘤和纤维卵泡膜细胞瘤的CT扫描分析

目的：探讨CT扫描技术在卵巢纤维瘤和纤维卵泡膜细胞瘤临床诊断中的应用价值。方法观察卵巢纤维瘤和纤维卵泡膜细胞瘤患者的CT平扫影像学特征,并与CT扫描强化征象特征进行对比分析,通过分析卵巢纤维瘤和纤维卵泡膜细胞瘤患者的CT影像学特点,探讨CT扫描技术在上述两种肿瘤临床诊疗中的价值。结果我院收治的27例患者中卵巢纤维瘤21例,纤维卵泡膜细胞瘤6例,18例患者病灶位于左侧,9例患者病灶位于右侧;卵巢纤维瘤CT影像学图像显示为实性,浅分《可见于瘤体较大者,而纤维卵泡膜细胞瘤CT影像学图像表现为囊实性,实性与囊性之间分界明显,囊壁延续于实性区,肿瘤整体上边缘清晰;CT平扫影像图显示肿瘤密度无变化,相比正常子宫肌未见明显降低,27例患者增强后23例影像学图像无强化,仅4例轻度强化,低于正常子宫肌密度。结论卵巢纤维瘤和纤维卵泡膜细胞瘤的CT影像图具有一定特征性,尤其是强化征象显示肿瘤密度低于正常子宫肌,对提高诊断准确率有一定临床价值。     

彩超与数字化乳腺摄影对乳腺癌诊断的价值

影像学检查方法是早期发现和早期诊断乳腺癌的主要手段,由于乳腺癌的影像特征不论哪种检查都可能存在部分良恶性图像重叠现象,有时鉴别诊断十分困难.本组资料以手术及病理结果为金标准,对比彩超及全数字化乳腺摄影(FFDM)对乳腺癌诊断的价值和差异,并加以讨论.     

基于超声图像的乳腺钙化点自动检测技术

当前乳腺钙化点检测方法多基于X光片,难以应用于超声图像,本研究提出基于超声图像的乳腺钙化点自动检测技术,首先将乳腺超声图像中的肿瘤区域通过勾画模板提取出来,基于简单线性迭代聚类算法进行超像素分割;然后提取表征各超像素的特征量来计算显著性图,基于钙化区域显著性进行粗钙化点分割;最终对分割后的粗钙化点进行形态学检测,达到对超声图像中的细钙化点自动检测。该方法取得了较好的分割效果,具有较强的鲁棒性,为形成具有普适性的肿瘤自动诊断方案奠定了研究基础。     

应用MPEG-7建立乳腺X线影像数据库

乳腺肿瘤是妇女的多发疾病。建立有效的数字化乳腺X线影像存储与检索技术，可以充分利用医疗资源，并且帮助用户进行个人健康管理。MPEG-7技术可以实现对多媒体内容低级特征和高级语义信息的注释。将MPEG-7技术引入数字化乳腺X线影像存储，详细分析对医学影像MPEG-7注释以及将MPEG-7文件与医学图像一起存储到数据库的技术实现，在Linux系统下构建包含MPEG-7信息的数字化乳腺X线影像MySQL数据库和基于网络的查询系统。结果说明使用MPEG-7对医学图像低级特征和高级语义注释是可行的，数据库中存储的注释文件有利于医学图像高级语义信息的检索。