DW-MRI纹理分析预测乳腺癌非哨位淋巴结转移风险的研究

发布时间：2020-06-16 02:15

【摘要】：目的本研究旨在对磁共振弥散加权成像(diffusion-weighted magnetic resonance imaging,DW-MRI)的表观弥散系数(apparent diffusion coefficients,ADC)图像进行纹理分析,提取可以用来预测乳腺癌非哨位淋巴结(non-sentinel lymph node,NSLN)转移风险的纹理参数。方法本研究回顾性入组2014年6月至2016年6月于乳腺外科治疗的60名I-III期(AJCC分期第七版)乳腺癌患者,所有患者均进行术前MRI检查、乳腺肿瘤切除术和腋窝淋巴结清扫术。从术后大病理结果评价哨位淋巴结(sentinel lymph node,SLN)和非哨位淋巴结(non-sentinel lymph node,NSLN)转移情况,并筛选出SLN转移阳性患者。ADC图像是通过工作站上的两组b值(0,600s/mm~2)图像融合得到。两名放射医师在肿瘤最大径层面ADC图像上勾画肿瘤,得到感兴趣区域(region of interest,ROI),用MATLAB软件从ROI区域提取纹理参数。通过单因素与多因素分析,筛选出有统计学意义的纹理特征,并进行内部交叉验证。结果60名哨位淋巴结阳性乳腺癌患者中41名发生NSLN转移,19名未发生NSLN转移。关于乳腺癌病理分型,58例为浸润性导管癌,2例为小叶癌;51例患者ER阳性,9例患者ER阴性;46例患者PR阳性,14例患者PR阴性;13例患者HER-2阳性,47例患者HER-2阴性。T1分期患者23例,T2分期患者32例,T3分期患者5例。21例患者绝经,39例患者未绝经。所有患者均接受腋窝淋巴结清扫术,并且哨位淋巴结转移阳性。通过独立样本T检验和二元logistic回归分析,发现纹理参数Sdga43具有统计学意义(P值0.05),可以预测非哨位淋巴结转移风险。接受者工作曲线(recevier operating characteristic,ROC)下面积为0.739,内部交叉验证显示此纹理参数具有稳定预测效能。结论基于DW-MRI提取的纹理参数Sdga43可以用来预测乳腺癌非哨位淋巴结转移风险,对于转移风险高的患者,则考虑行腋窝淋巴结清扫术以及术后辅助放化疗的必要性。
【学位授予单位】：济南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R737.9;R445.2
【图文】：

-MRI 纹理分析预测乳腺癌非哨位淋巴结转移风险的研究表 4. 纹理参数 sdga43 二元 logistic 回归分析结果 SE Wald df P value Hazard ratio95%Lower 1 0.337 6.528 1 0.011 2.364 1.222 NSLN 转移的能力3 的数据进行 ROC 曲线分析。发现 ROC 曲线下积为 Sdga43 可以预测术前 NSLN 转移的风险（P <0.05，

【相似文献】

相关期刊论文 前10条

1 陈艳;张景发;姜文亮;李强;;基于HJ-1C卫星数据的活动断层提取研究[J];地壳构造与地壳应力文集;2016年02期

2 李德仁;张继贤;;影象纹理分析的现状和方法(一)[J];武测科技;1993年03期

3 宋子安;唐勤生;;车床加工纹理分析——车床走刀均匀性的研究[J];装备机械;1988年01期

4 吴健康,张伟明;应用纹理分析的DCT图象编码[J];通信学报;1989年01期

5 余军,吴国威,吴中权;三维物体表面的纹理综合[J];电子学报;1989年02期

6 陈贺新,戴逸松;图象纹理分析的约束最小二乘滤波器[J];电子学报;1989年06期

7 舒宁;卫星遥感影像纹理分析与分形分维方法[J];武汉测绘科技大学学报;1998年04期

8 黄胜华,刘海鹰,彭思龙,洪继光;基于非乘积型小波的纹理分析[J];中国图象图形学报;1998年09期

9 张鹏志;李兰斌;;地震纹理分析在油气勘探中应用进展[J];物探与化探;2013年03期

10 姚炜,赵玉华;计算机纹理分析在超声诊断中的应用[J];中华超声影像学杂志;1999年02期

相关会议论文 前10条

1 卢海燕;陈明;孙梅;宋树良;马艳;郑传立;;肝纤维化超声图像纹理分析与组织学检查对照研究[A];第二届长三角超声医学论坛暨2009年浙江省超声医学学术年会论文汇编[C];2009年

2 杨关;冯国灿;邹小林;刘志勇;;彩色纹理分析中的高斯图模型[A];第十五届全国图象图形学学术会议论文集[C];2010年

3 蹇兆成;龙金凤;刘玉江;胡向东;钱林学;;超声弹性成像联合纹理分析判定肝纤维化分期的价值研究[A];中国中西医结合学会医学影像专业委员会第十五次全国学术大会暨上海市中西医结合学会医学影像专业委员会2017年学术年会暨《医学影像新技术的临床应用》国家级继续教育学习班资料汇编[C];2017年

4 熊欣;何中市;;纹理分析在超声图像中的应用[A];2008年计算机应用技术交流会论文集[C];2008年

5 许静;陈兴伟;;基于分类的遥感影像河道水体识别方法[A];河流开发、保护与水资源可持续利用——第六届中国水论坛论文集[C];2008年

6 郑杰;韩梅;;基于微位移的超分辨率重建技术[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

7 舒宁;;多光谱和高光谱影像纹理分析的几种方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

8 马海清;黄剑华;刘家锋;;基于边缘检测和纹理分析的图像文本定位方法[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年

9 马德新;杨帆;侯景忠;高金乔;;基于灰度共生矩阵的掌纹识别技术研究[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

10 张文君;谢明星;王新房;张军;董昌元;易建华;许先成;林意;;超声心动图计算机纹理分析法评价犬急性心肌梗死的实验研究[A];2003年全国医学影像技术学术会议论文汇编[C];2003年

相关博士学位论文 前10条

1 谢彩琴;Gd-EOB-DTPA MRI纹理分析在预测肝癌TACE术后早期疗效的初步研究[D];南方医科大学;2018年

2 刘建立;基于小波纹理分析和鲁棒贝叶斯神经网络的非织造材料外观质量识别[D];苏州大学;2010年

3 孙慧贤;基于纹理分析的视觉检测方法与应用研究[D];国防科学技术大学;2010年

4 杨蕾;基于小波域马尔可夫激光散斑表面粗糙度测量方法研究[D];合肥工业大学;2015年

5 张国鹏;三维纹理分析在虚拟结肠镜计算机辅助检测/诊断中的应用研究[D];第四军医大学;2013年

6 金舟;图像着色关键技术分析及其应用[D];天津大学;2011年

7 Hassana Grema Kaganami（哈桑）;基于颜色和纹理特征的图像增强和分析算法[D];中南大学;2010年

8 王冬;纳米级微泡增强乳腺肿瘤显像效果及高强度聚焦超声消融效果的实验研究[D];重庆医科大学;2012年

9 王庆香;基于小波的纹理分析及其在FPC金面缺陷检测中的应用[D];华南理工大学;2011年

10 侯晓丹;网络环境下图像隐写分析中的失配问题研究[D];解放军信息工程大学;2017年

相关硕士学位论文 前10条

1 周晚君;水泥路面纹理构造恢复方法及评价研究[D];长安大学;2018年

2 裴子璐;基于CT图像的3D纹理分析鉴别肾细胞癌的初步价值[D];安徽医科大学;2018年

3 Nafir Abdul Jaleel;磁共振图像纹理分析在晚期鼻咽癌分期中的应用及对鼻咽癌治疗反应的预测价值[D];大连医科大学;2018年

4 Padikkalakandy Cheriyath Shesnia Salim;定量ADC图的纹理分析对高级别胶质瘤与脑转移瘤的鉴别诊断[D];大连医科大学;2018年

5 张仕慧;Bp-MRI 3D纹理分析对高级别前列腺癌诊断及评估的初探[D];遵义医学院;2018年

6 王俊;纹理分析对胰腺导管腺癌、神经内分泌肿瘤及实性假乳头状肿瘤鉴别诊断的价值[D];中国医科大学;2018年

7 孟祥玉;基于增强MRI图像的纹理分析对肝脏局灶病变的鉴别诊断价值[D];中国医科大学;2018年

8 张娜;CT纹理分析技术鉴别孤立性肺结节良恶性的可行性研究[D];山西医科大学;2018年

9 张涵笑;基于纹理分析的儿童常见后颅窝肿瘤的鉴别[D];郑州大学;2018年

10 王作民;DW-MRI纹理分析预测乳腺癌非哨位淋巴结转移风险的研究[D];济南大学;2018年

本文编号：2715371