论文部分内容阅读
目的:1.研究基于扩散加权成像(DWI)和动态增强(DCE)MRI的影像组学特征在鉴别乳腺良恶性肿瘤方面的价值。2.探讨基于DWI和DCEMRI的影像组学特征与乳腺癌分子分型的关系。资料与方法:回顾性分析我院2015年6月-2016年6月符合纳入标准的153例单发肿块型乳腺肿瘤患者,包括71例乳腺纤维腺瘤(良性)和82例乳腺癌(恶性)。采用Philps 1.5 T MRI扫描仪进行检查,获取DWI和DCE MRI图像,并后处理获得ADC图。由两名放射科医师分别测量病灶的ADC值和IER值,手动分割ADC图和DCE图上的病灶并提取影像组学特征,降维后各选出5个影像组学标签。将患者随机分配到训练集和验证集,比例为60%:40%,对各参数采用单因素分析后进行logistic回归分析,在训练集中建立乳腺良恶性肿瘤的鉴别诊断模型,并在验证集中进行验证。再根据病理结果,将乳腺癌患者分为Luminal A型、Luminal B型、HER2过表达型和三阴性(TN)型等4型。对各参数进行单因素和多因素logistic回归分析,建立乳腺癌分子分型的鉴别诊断模型。对各模型均绘制ROC并计算ROC下面积(AUC),比较各模型的诊断效能。采用Hosmer-Lemeshow检验对模型的拟合优度进行检验。结果:1.单因素分析显示,除R_variance外,各参数在乳腺良恶性肿瘤中均存在显著差异,乳腺良性肿瘤的 ADC、D_entropy、L_min、L_mean和R_sum variance值均显著高于恶性者,余参数相反。在训练组和验证组中,ADC值和IER值单独进行乳腺良恶性肿瘤鉴别的AUC值分别为0.96和0.94、0.79和0.71;基于ADC图和DCE图的影像组学模型的AUC值则分别为0.98和0.97、0.95和0.91。Delong检验结果显示,无论在训练组还是验证组中,IER值模型的AUC值明显低于其他三个模型(P<0.05),其他三个模型之间AUC值的差异无统计学意义(P>0.05)。2.单因素分析显示,ADC值、IER值、L_min、R_IMC1、L_mean和L_homogeneityl在4个乳腺癌分子分型组间的总体分布无差异(P>0.05),其余6个影像组学标签则有差异(P<0.05)。单因素logistic回归分析显示,ADC、IER值在鉴别各分子分型时,AUC值均<0.70;而影像组学特征在鉴别各分子分型时,至少有1个影像特征AUC>0.70,其中L_autocorrelation鉴别TN的AUC最高(0.941)。多因素logistic回归显示,鉴别Luminal A和非Luminal A型、Luminal B和非Luminal B型、TN和非TN的最佳模型的AUC分别为0.786、0.733和0.941。结论:1.乳腺MRI传统参数中,ADC值在鉴别乳腺良恶性肿瘤方面具有很高价值,IER价值有限,而基于DWI和DCE MRI的影像组学特征可以作为乳腺MRI传统定量参数(尤其是IER值)鉴别乳腺良恶性肿瘤的有效补充。2.乳腺MRI传统参数(ADC值和IER值)在鉴别乳腺癌的分子分型方面价值不大,而基于DWI和DCE MRI的影像组学特征在鉴别乳腺癌的分子亚型方面具有较大价值,可能是潜在的生物学标志。