文献类型：期刊文章

作　　者：赵文芮[1] 许茂盛[2] 王世威[2] 范明[1] 厉力华[1]

Zhao Wenrui;Xu Maosheng;Wang Shiwei;Fan Ming;Li Lihua(College of Life Information Science and Instrument Engineering,Hangzhou Dianzi University,Hangzhou 310018,China;Department of Radiology,Zhejiang Hospital of Traditional Chinese Medicine,Hangzhou 310006,China)

机构地区：[1]杭州电子科技大学生命信息与仪器工程学院,杭州310018 [2]浙江省中医院放射科,杭州310006

出　　处：《中国生物医学工程学报》

基　　金：国家自然科学基金(61871428;61731008);浙江省自然科学基金(LJ19H180001)

年　　份：2019

卷　　号：0

期　　号：2

起止页码：176-183

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EMBASE、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：联合动态增强磁共振成像(DCE-MRI)以及弥散加权成像(DWI)的影像特征,通过建立模型,分别对乳腺癌的组织学分级以及Ki-67的表达进行预测。对144例未经过任何手术或化疗的乳腺浸润性导管癌患者的数据进行回顾性分析,这些患者均采用3T扫描仪进行术前乳腺MRI检查,从中获取DCE-MRI以及DWI影像,并从DWI中计算得到表观扩散系数(ADC)。对不同参数磁共振影像进行肿瘤分割,并分别从整个肿瘤区域中提取纹理特征、统计特征、形态特征等。采用无监督判别特征选择方法(UDFS)和Fisher Score算法进行特征选择,将分类模型分别应用于DCE-MRI及DWI图像数据,将得到的不同分类器进行多分类器模型融合,最终得到多参数图像的联合预测结果。为了评估所建立模型的分类性能,通过留一法交叉验证(LOOCV)的方法计算ROC曲线下的面积(AUC)。对于分级任务,DCE-MRI的第二增强序列达到0.780的最优AUC,(特异度为0.647,灵敏度为0.934);对于Ki-67预测任务,DWI序列达到0.756的最优AUC(特异度为0.806,灵敏度为0.695)。经过融合,分级的预测结果提高到AUC为0.808(特异度为0.706,灵敏度为0.895),Ki-67的预测结果提高到AUC为0.783(特异度为0.778,灵敏度为0.722)。结果表明,相比采用单一参数的磁共振图像数据,DCE-MRI和DWI的影像特征联合可以提高分类器的性能。

关 键 词：乳腺癌 DCE-MRI DWI 组织学分级 KI-67

分 类 号：R737.9] R445.2[临床医学类]