【摘要】：對于乳腺癌患者來說,腋窩淋巴結(jié)轉(zhuǎn)移是乳腺癌轉(zhuǎn)移的主要途徑,術(shù)前乳腺癌患者腋窩淋巴結(jié)轉(zhuǎn)移與否對于腫瘤的分期、治療方案的制定以及預(yù)后評估有著極為重要的意義。在目前臨床上,臨床醫(yī)生獲取腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)的方式,無論是根據(jù)前哨淋巴結(jié)穿刺活檢術(shù)還是術(shù)中腋窩淋巴結(jié)病理活檢術(shù),均存在相應(yīng)的不足之處。對于大多數(shù)BIRADS 4級患者,沒有準(zhǔn)確的方法對其進(jìn)行分類,而BIRADS 4a和BIRADS 4c所采用的治療方式具有較大的差異,腫瘤良惡性同樣存在比較大的差異。乳腺癌的雌激素受體可以用來將患者分為兩類,一類為Luminal A型和Luminal B型,采用的治療方式均為內(nèi)分泌治療法;一類為HER-2過表達(dá)型和Basal-like型,HER-2過表達(dá)型采用靶向藥物療法,Basal-like型采用放化療法。乳腺癌患者正常組織中影響腫瘤良惡性的因素探索同樣具有十分重要的臨床意義。本論文的主要工作和創(chuàng)新點(diǎn)由以下幾點(diǎn)組成:一、本文選取147個患者(訓(xùn)練集和測試集分別有110個和37個,腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)陽性和陰性分別有83個和64個)。基于腫瘤組織提取299個影像特征,包括一階灰度直方圖特征、紋理特征、形狀特征、小波變換特征。通過LASSO特征選擇得到10個特征建立特征標(biāo)簽,利用支持向量機(jī)對特征標(biāo)簽驗(yàn)證。訓(xùn)練集和測試集的AUC值分別為0.875(95%CI,0.689-0.891)和0.800(95%CI,0.664-0.832)。特征標(biāo)簽與年齡、T分期、腫瘤位置、超聲診斷的腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)、雌激素受體狀態(tài)、孕激素受體狀態(tài)相結(jié)合,建立乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)預(yù)測模型。訓(xùn)練集和測試集的C-Index分別為0.779(95%CI,0.752-0.793)和0.809(95%CI,0.794-0.833)。二、本文選取244個BIRADS 4級患者(訓(xùn)練集和測試集分別有183個和61個,腫瘤良性和惡性分別有103個和141個)。基于腫瘤區(qū)域提取257個特征,包括一階灰度直方圖特征、紋理特征、小波變換特征。利用LASSO算法得到5個特征建立特征標(biāo)簽,訓(xùn)練集和測試集的特征標(biāo)簽在支持向量機(jī)模型中的AUC值分別為0.862(95%CI,0.825-0.928)和0.690(95%CI,0.586-0.712)。利用特征標(biāo)簽建立BIRADS4級腫瘤良惡性預(yù)測模型,訓(xùn)練集和測試集的C-Index分別為0.772(95%CI,0.701-0.836)和0.676(95%CI,0.576-0.721)。三、本文選取97個患者(訓(xùn)練集和測試集分別有72個和25個,雌激素受體陽性和陰性分別有48個和49個)。基于腫瘤區(qū)域提取了257個特征,包括一階直方圖特征、紋理特征、小波變換特征。通過LASSO算法得到6個特征建立特征標(biāo)簽,訓(xùn)練集和測試集的特征標(biāo)簽在支持向量機(jī)模型中的AUC值分別為0.857(95%CI,0.758-0.889)和0.676(95%CI,0.633-0.725)。利用特征標(biāo)簽建立雌激素受體狀態(tài)預(yù)測模型,訓(xùn)練集和測試集的C-Index分別為0.819(95%CI,0.782-0.846)和0.680(95%CI,0.662-0.709)。四、本文選擇792個患者(訓(xùn)練集和測試集分別有594個和198個,惡性腫瘤患者和正常人分別有396個和396個)。通過分割獲得剔除腫瘤之外的組織,提取424個特征,包括紋理特征和小波變換特征。通過差異性分析選擇了7個表明正常人組與患者組差異的特征,利用7個特征腫瘤良惡性預(yù)測模型,訓(xùn)練集和測試集的C-Index分別為0.935(95%CI,0.886-0.950)和0.917(95%CI,0.868-0.945)。綜上所述,在術(shù)前利用影像組學(xué)方法準(zhǔn)確評估乳腺癌患者的腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)、BIRADS 4級良惡性、雌激素受體狀態(tài)以及正常組織中影響腫瘤良惡性的因素均表現(xiàn)出良好的性能。
【圖文】：

圖 2. 1 影像組學(xué)方法主要流程圖。圖中第一個步驟為影像分割，將腫瘤區(qū)域作為感興趣區(qū)域進(jìn)行分割；第二個為特征提取，提取多種影像學(xué)特征；第三個為特征選擇，利用特征選擇方法篩選相關(guān)性較高的特征；第四個為影像組學(xué)分析，利用分類器建立模型并分析；第五個為臨床應(yīng)用，進(jìn)行校正曲線分析、臨床決策分析等。

圖 2. 1 影像組學(xué)方法主要流程圖。圖中第一個步驟為影像分割，，將腫瘤區(qū)域作為感興趣區(qū)域進(jìn)行分割；第二個為特征提取，提取多種影像學(xué)特征；第三個為特征選擇，利用特征選擇方法篩選相關(guān)性較高的特征；第四個為影像組學(xué)分析，利用分類器建立模型并分析；第五個為臨床應(yīng)用，進(jìn)行校正曲線分析、臨床決策分析等。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R737.9;R730.44

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王愛麗;許幼峰;;高頻B超在乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移中的診斷價值[J];浙江創(chuàng)傷外科;2019年06期

2 張娟;;對乳腺癌患者進(jìn)行手術(shù)前用兩種檢查方式診斷其乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移的效果對比[J];當(dāng)代醫(yī)藥論叢;2019年22期

3 關(guān)寧;韓露;于韜;;乳腺癌動態(tài)增強(qiáng)MRI表現(xiàn)與腋窩淋巴結(jié)轉(zhuǎn)移的關(guān)系[J];中國醫(yī)學(xué)影像技術(shù);2019年04期

4 羅靈均;楊R

本文編號：2665425