目的:根據(jù)新輔助化療后超聲腫物大小的變化,探討運用分類模型預測病理完全緩解（p CR）的可行性及準確性,并對p CR的影響因素進行分析。方法:收集2011年1月至2016年9月吉林大學第一醫(yī)院乳腺外科乳腺癌新輔助化療患者的臨床病理資料,納入研究351例患者。患者均在1周期化療結束后,下次化療之前行乳腺彩超檢查,并記錄每次化療后腫物大小;計算腫塊面積（徑線×徑線）,以腫塊面積（多發(fā)病灶為面積之和）為特征,p CR為類標進行分類;運用機器學習中常用的6種分類算法（SVM,KNN,NBayes,DTree,RF,XGBoost）進行建模預測p CR,6種分類器均采用默認參數(shù)。針對入組的所有分子分型,將其6次化療后腫物的真實面積作為上述6種分類器的特征輸入,p CR作為類標進行訓練;采取5 fold Cross Validation方法進行交叉驗證,并引入混淆矩陣,運用4個指標（Sn,Sp,Acc,Avc）進行評價模型狀況;通過窮舉方法找出基于每一分子分型的每種分類器而言最好的特征組合并進行排序,從而知道對特定的分子分型最好的分類準確率和特征組合。再以化療前3次真實腫塊面積為特征,p CR為類... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
abstract
第1章 緒論
第2章 文獻綜述
    2.1 NAC的臨床意義
    2.2 NAC化療方案的選擇
    2.3 pCR的相關研究
        2.3.1 pCR的定義
        2.3.2 pCR與分子分型的關系
        2.3.3 pCR與預后的關系
    2.4 NAC療效評估
        2.4.1 臨床療效評價
        2.4.2 病理學評估
    2.5 NAC預后的影響因素
    2.6 NAC存在的問題及展望
第3章 材料與方法
    3.1 研究對象
        3.1.1 一般資料
        3.1.2 入組標準
        3.1.3 排除標準
    3.2 實驗原理及方法
    3.3 免疫組化分析及分子分型
    3.4 NAC病理評估及pCR的定義
    3.5 治療方案
    3.6 統(tǒng)計學方法
第4章 結果
    4.1 pCR的影響因素分析結果
    4.2 LuminalB(Her-2陽性)型實驗建模結果
    4.3 LuminalB(Her-2陰性)型實驗建模結果
    4.4 Her-2過表達型實驗建模結果
    4.5 三陰型實驗建模結果
第5章 討論
    5.1 pCR影響因素的分析
    5.2 pCR臨床預測方法及準確性分析
第6章 結論
參考文獻
作者簡介及在學期間所取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]乳腺癌分子分型與新輔助化療效果的關系[J]. 朱坤兵,徐燦,李曉霞,劉啟龍,張仁亞,馬姝,石朋.  中華乳腺病雜志(電子版). 2016(03)
[2]乳腺癌新輔助化療研究進展[J]. 劉晶晶,張瑾.  中華乳腺病雜志(電子版). 2012(01)
[3]查體、超聲及鉬靶檢查對乳腺癌新輔助化療后病理緩解程度預測價值的比較[J]. 韓冰,付彤,吳迪,張海鵬,宋東,畢麗榮,鄭超,范志民.  吉林大學學報(醫(yī)學版). 2011(05)



本文編號：3550848