论文部分内容阅读
近年来乳腺癌的发病率逐年增长,影响患者健康乃至危害患者生命。临床中经活检穿刺,用免疫组织化学法将乳腺癌鉴定为4种分子亚型,以指导个体化治疗及预后分析。在探索无创伤、高效率的新型鉴定方法过程中,有研究表明影像特征是潜存的分子亚型标记物。然而恶性肿瘤具有高度的异质性,异质性不仅仅体现于不同肿瘤之间,更多地隐含于同一肿瘤内部,并且随时间演化,它可能阻碍乳腺癌分子亚型的准确鉴定。为解析瘤内血流异质性与分子亚型的关联关系,本研究基于动力学房室模型对乳腺动态增强磁共振影像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)进行分解分析。动力学房室模型中有多种组织类型,各组织的血流活动混合构成DCE-MRI信号。由于组织异质性的影响和图像分辨率的限制,在DCE-MRI中呈现的血流活动区既包含各组织独立区域,也包含组织间共享区域,每一组织的独立区与共享区共同构成该组织血流活动完整区域。本研究将乳腺组织DCE-MRI混合信号分解为3个组织的血流活动子分量,各组织血流活动完整区域称之为子分量主区,独立区域称为子分量纯净区,共享区域称为子分量混叠区。与其它乳腺DCE-MRI聚类分区法对比,结果表明从子分量主区DCE-MRI序列中提取的影像特征与分子亚型关联性最强,以其为属性构建的随机森林预测模型效果最佳。本论文的具体研究内容包括:(1)乳腺癌患者临床信息与分子亚型的关联性分析统计患者的临床信息,包括患者年龄、癌症种类、肿瘤最大径及经期状态。根据分子亚型的不同将病例分成4组,利用χ2、Fisher、ANOVA等检验方法分析临床信息的组间差异。该分析并未发现与分子亚型显著相关的临床先验信息。(2)乳腺感兴趣区DCE-MRI凸分析方法分解及其它方法聚类分区根据DCE-MRI成像特点,结合乳房断层解剖结构,通过人-机结合的方式精细分割肿瘤及基质区域后,用两种方式对其进行分区:1)依据动力学房室模型用凸分析方法对感兴趣区域DCE-MRI进行分解,确定各组织DCE-MRI的子分量主区、纯净区及混叠区。2)依据时间-强度曲线(time-intensity curve,TIC)用其它方法对感兴趣区域DCE-MRI进行聚类分区,确定其子区域以供对比分析。(3)乳腺组织子分量区域影像特征与分子亚型的关联性分析提取肿瘤及基质子分量区域影像特征,包括DCE-MRI序列的统计特征及纹理特征。利用Logistic回归分析单个影像特征与分子亚型的关联性;根据子分量区域的高关联影像特征数,定量评价该区与分子亚型的关联度,并与其它聚类分区进行对比。该分析结果表明乳腺肿瘤子分量主区与分子亚型的关联性最强。(4)乳腺组织DCE-MRI子分量区域影像特征预测分子亚型基于随机森林算法以乳腺组织不同子分量区的影像特征为属性,构建多种分子亚型预测模型,对模型预测效果进行评价与对比。结果表明肿瘤子分量主区对分子亚型预测效果最好,显著高于未分解肿瘤整体区域及其它聚类分区法确定的子区域;肿瘤与基质子分量主区的预测模型相融合,对分子亚型的预测性能显著提高。通过对比实验证明,异质性乳腺组织DCE-MRI子分量主区影像特征与分子亚型的关联性最强,以其为属性构建的随机森林预测模型效果最佳。乳腺组织DCE-MRI分解分析方法能为临床中鉴定分子亚型提供更有效的影像信息,是潜在的分子亚型影像标记。