论文部分内容阅读
第一部分 单纯微钙化型乳腺隐匿性病灶的磁共振弥散加权成像的纹理特征研究目的:使用磁共振弥散加权成像的纹理特征鉴别诊断经乳腺X线摄影检查诊断为BI-RADS 3～5级单纯微钙化型乳腺隐匿性病灶的良恶性。方法:本研究为经浙江省肿瘤医院伦理委员会批准的回顾性研究。共纳入2012年10月至2015年12月浙江省肿瘤医院经乳腺X线诊断为BI-RADS 3～5级的单纯微钙化型乳腺隐匿性病灶患者61例(经乳腺X线三维金属丝定位术后病理证实,其中38例为恶性,23例为良性),对其DWI影像进行分析。两名在乳腺疾病诊断方面拥有20年以上经验的放射科医生在不知病理结果的情况下,选取在MRI横断位增强序列病灶强化的最大层面,在DWI上对病灶进行对齐、识别,使用ITK-SNAP软件(http:/www.itksnap.org/pmwiki/pmwiki.php)勾画确定感兴趣区。我们对每个感兴趣区提取了 6个直方图特征和16个灰度共生矩阵纹理特征。以术后病理报告的良恶性为分类精标准训练分类器,首先,通过随机森林递归特征消除法对特征进行降维,获得分类性能最佳的特征组合,再利用随机森林算法构建分类器,并使用留一法(leave-one-out-cross-validation,LOOCV)进行交叉验证。以 AUC 评价分类器的性能。结果:DWI上分类性能最佳的纹理特征组合共包含6个特征,分别为直方图中的均值、方差、偏度、熵,以及灰度共生矩阵的0°方向对比度、45°方向相关性。分类器鉴别诊断单纯微钙化型乳腺隐匿性病灶良恶性的AUC值达到0.76,正确率、敏感性、特异性分别为77.05%、84.21%和65.21%。均值、方差、偏度和熵在良性和恶性组间的差异有统计学意义(P均<0.05)。结论:DWI的纹理特征分析能一定程度上提高良恶性单纯微钙化型乳腺隐匿性病灶的诊断正确率。方差、偏度和熵是新发现的极具潜力的影像学标志物。第二部分 单纯微钙化型乳腺隐匿性病灶的多模态影像组学研究目的:联合数字乳腺X线摄影与磁共振动态增强MRI的影像,使用多模态影像组学鉴别经乳腺X线摄影检查诊断为BI-RADS 3～5级单纯微钙化型乳腺隐匿性病灶的良恶性。方法:本研究为经浙江省肿瘤医院伦理委员会批准的回顾性研究。共纳入2012年10月至2016年11月浙江省肿瘤医院经乳腺X线诊断为BI-RADS 3～5级的单纯微钙化型乳腺隐匿性病灶患者81例(经乳腺X线三维金属丝定位术后病理证实,其中40例为恶性,41例为良性)。两名在乳腺疾病诊断方面拥有20年以上经验的放射科医生在不知病理结果的情况下,分别对乳腺X线摄影中的可疑恶性钙化灶和在DCE-MRI横断位增强图像的最大强化层面中的强化病灶使用ITK-SNAP软件(http:/www.itksnap.org/pmwiki/pmwiki.php)勾画确定感兴趣区。对每一个感兴趣区域,我们分别在两种模态上提取了形态学特征、直方图特征和纹理特征三种共同的特征。此外,我们在每种模态上额外提取了具有自身特异性诊断价值的特征,分别是在乳腺X线摄影上提取的钙化簇中钙化灶的分布特征,和在DCE-MRI上提取的时间信号强化曲线的动力学特征和双乳不对称性特征。获得上述特征后,以术后病理报告的良恶性为分类精标准训练分类器。首先,我们通过随机森林递归特征消除法在各单一模态上对特征进行降维,获得分类性能最佳的特征组合,再进行两模态特征联合,利用随机森林算法训练多模态分类器,并使用留一法(leave-one-out-cross-validation,LOOCV)进行交叉验证。运用受试者工作特征曲线下的面积(Area Under Curve,AUC)对分类器的诊断效能进行评估。结果:我们从两个模态图像中共提取了 106个候选影像学特征,最终选择了 14个具有诊断潜力的多模态特征组合。多模态分类器的鉴别诊断单纯微钙化型乳腺隐匿性病灶的良恶性的AUC值为0.903,敏感性为82.5%,特异性为80.48%,优于任何单一模态。结论:多模态影像组学预测乳腺X线摄影检查发现的BI-RADS 3～5级单纯微钙化型乳腺隐匿性病灶的良恶性的能力优于任何单一模态。这项研究结果将为在有创的临床操作决策前提供更准确而客观的无创评估提供一种新的方法。