乳腺肿瘤基质磁共振动态增强模式分析及在分子分型中的应用
发布时间:2020-09-07 13:30
乳腺癌是危害女性健康最常见的疾病,因其高发病率而引起广泛关注。早期诊断和早期治疗是降低乳腺癌死亡率的重要途径,而大多数患者在确诊为乳腺癌时已发展到中晚期,延误了治疗的最佳时期。在乳腺癌的各种影像诊断技术中,动态增强磁共振成像(Dynamic Contrast-enhanced magnetic resonance imaging,DCE-MRI)技术能够获得对比剂在毛细血管网和组织间隙内分布状况的动态信息,并且凭借其较高的软组织分辨率在乳腺癌早期诊断中脱颖而出。乳腺癌从基因水平上分为四种不同的分子分型,不同分子分型的患者在预后和化疗疗效上具有显著差异,其中增殖标志物Ki-67指数反映了肿瘤增值活性,是乳腺癌诊疗中重要的指标之一。在以往的研究中,大多数研究者只关注乳腺癌病灶区域,而对肿瘤基质区域研究相对较少。肿瘤基质区域作为肿瘤生长的微环境,为肿瘤的发展提供营养及代谢需求,从磁共振影像以及临床中发现,基质区域富含更多的诊断信息。因此本文对乳腺肿瘤及肿瘤基质区域的3D体积DCE-MRI特征在乳腺癌早期诊断中的应用价值进行研究和探索,具有创新性。本文的研究工作主要围绕乳腺肿瘤基质区域的信号动态增强模式以及肿瘤基质区域影像特征对乳腺癌分子分型中Ki-67的高低表达状态进行分类预测两方面来展开。具体内容包括:(1)感兴趣区域的获取与特征提取:在医生的标注下,利用计算机半自动方法对DCE-MRI图像进行病灶区域的分割,并在得到的病灶区域内按照动态增强率的不同和像素值达到峰值时刻的不同两种划分规则,将病灶分割成不同的子区域,并在子区域内提取动态增强特征、纹理特征和统计特征。对乳房腺体区域进行三维基质区域的分割,共得到八个基质子区域,在基质子区域内分别提取相同的动态增强特征。(2)肿瘤基质区域的信号动态增强模式分析:本文利用PE均值来表征基质子区域的动态增强信号,从距离肿瘤边界径向距离的不同和同一基质子区域的不同方向两方面来研究基质区域的信号动态增强模式。研究结果表明:随着径向距离的增大,动态增强逐渐衰减;同一层面上,动态增强信号无方向性差异。(3)基于肿瘤基质区域影像特征的Ki-67分类预测表达研究:为研究肿瘤基质区域的影像特征对Ki-67高低表达状态的分类预测效果,本文从三个方面设计逻辑回归分类模型:(1)在八个基质子区域中分别构建逻辑回归分类器,寻找具有最好分类效果的基质子区域;(2)将基质子区域特征融合,构建基质整体区域的逻辑回归分类器,并与病灶区域影像特征构建的分类器进行对比;(3)将病灶与基质区域的特征进行融合,构建两个区域的逻辑回归分类器。最后绘制ROC(Receiver Operating Characteristic Curve)曲线,并利用AUC(Area Under the roc Curve)值和其他指标对模型进行评估。结果表明:在八个基质子区域中肿瘤边界SB区域,分类效果最好。基质整体区域与病灶区域同样具有良好的分类效果。最后将病灶区域与基质区域特征融合后,分类效果显著提升,AUC值提高到0.920。本文对乳腺肿瘤基质区域的影像特征在乳腺癌早期诊断中的应用价值进行了研究,结果表明肿瘤基质区域的影像特征在对乳腺癌分子分型方面具有较高的分类效果,充分肯定了基质区域的价值,可以通过融合病灶区域与基质区域进行研究,在乳腺癌早期诊断中提供了一种新的研究方向。
【学位单位】:杭州电子科技大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:R737.9;R445.2
【部分图文】:
图 1.1 正常组织与肿瘤组织的生长环境乳腺癌分子分型概述近年来,乳腺癌的诊疗模式从经验医学到循证医学,再到今天的精准医学[12],取得:Fibroblast:成纤维细胞 ECM:细胞外基质 Myeloidcell:骨髓细胞MSC:间充质干细胞 Epithelial cell:上皮细胞 Pericyte:周细胞CAF:癌症相关成纤维细胞 T cell:T 细胞 Tumour cell:肿瘤细胞
MRI 对于乳腺癌的诊断具有较高的敏感性和特异性。分期以及术前手术方案和术后化疗方案的选择等方界的广泛认可和重视[30]。I 影像数据据皆为浙江省肿瘤医院放射科采集到的乳腺 DCE-M:用 SIEMENS Magnetom Verio A Tim System 3.0T 高括定位像、横断位 T1WI、横断位 T2WI+脂肪抑制,态增强扫描流程如下:如图 2.1 所示,所有的操作都双手向前平放,双侧乳房自然地垂入乳房相控阵线序列扫描 6 次,分别为一次平扫和五次动态增强扫描钆对比剂(速率 3.0ml/s),进行动态增强扫描。FLASH.6ms,回波时间 TE=4.5ms,翻转角 FA=12°,FOV=,层数=72。每次扫描时间是 30 秒,共 180 秒(中间
杭州电子科技大学硕士学位论文在患者进行一次完整的动态增强磁共振扫描后,会形成完整的 6 个序列影像,本文实验选取了其中的三个序列作为研究对象。第一个序列为动态增强的蒙片平扫序列,记为 S0 序列;第二个序列为动态增强扫描的中间时刻(取 1 分 20 秒)序列,记为 S1 序列;第三个序列为动态增强扫描的最后时刻(取 2 分 40 秒)序列,记为 S2 序列。S0、S1 和 S2 序列都采用相同的扫描参数,每一次的扫描中都在等间距的 72 个轴位上采集 72 张断层截面图,因此每个序列的影像集都是相同的。进行完 6 次的动态增强扫描后,磁共振扫描仪会重新设置扫描参数:重复时间 TR=8ms,回波时间 TE=4ms,重构层厚降低为 0.8mm,对乳腺进行高空间分辨率序列(记为 HO 序列)的扫描。高分辨率序列能够获得病变组织更加精细的图像[31]。医生在读取影像时选择的是包含信息更多的高分辨率序列,可以更好地分析病灶的形态学信息,方便诊断。图 2.2 为三个增强序列和一个高分辨率序列的采集时间轴和序列示意图。
本文编号:2813402
【学位单位】:杭州电子科技大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:R737.9;R445.2
【部分图文】:
图 1.1 正常组织与肿瘤组织的生长环境乳腺癌分子分型概述近年来,乳腺癌的诊疗模式从经验医学到循证医学,再到今天的精准医学[12],取得:Fibroblast:成纤维细胞 ECM:细胞外基质 Myeloidcell:骨髓细胞MSC:间充质干细胞 Epithelial cell:上皮细胞 Pericyte:周细胞CAF:癌症相关成纤维细胞 T cell:T 细胞 Tumour cell:肿瘤细胞
MRI 对于乳腺癌的诊断具有较高的敏感性和特异性。分期以及术前手术方案和术后化疗方案的选择等方界的广泛认可和重视[30]。I 影像数据据皆为浙江省肿瘤医院放射科采集到的乳腺 DCE-M:用 SIEMENS Magnetom Verio A Tim System 3.0T 高括定位像、横断位 T1WI、横断位 T2WI+脂肪抑制,态增强扫描流程如下:如图 2.1 所示,所有的操作都双手向前平放,双侧乳房自然地垂入乳房相控阵线序列扫描 6 次,分别为一次平扫和五次动态增强扫描钆对比剂(速率 3.0ml/s),进行动态增强扫描。FLASH.6ms,回波时间 TE=4.5ms,翻转角 FA=12°,FOV=,层数=72。每次扫描时间是 30 秒,共 180 秒(中间
杭州电子科技大学硕士学位论文在患者进行一次完整的动态增强磁共振扫描后,会形成完整的 6 个序列影像,本文实验选取了其中的三个序列作为研究对象。第一个序列为动态增强的蒙片平扫序列,记为 S0 序列;第二个序列为动态增强扫描的中间时刻(取 1 分 20 秒)序列,记为 S1 序列;第三个序列为动态增强扫描的最后时刻(取 2 分 40 秒)序列,记为 S2 序列。S0、S1 和 S2 序列都采用相同的扫描参数,每一次的扫描中都在等间距的 72 个轴位上采集 72 张断层截面图,因此每个序列的影像集都是相同的。进行完 6 次的动态增强扫描后,磁共振扫描仪会重新设置扫描参数:重复时间 TR=8ms,回波时间 TE=4ms,重构层厚降低为 0.8mm,对乳腺进行高空间分辨率序列(记为 HO 序列)的扫描。高分辨率序列能够获得病变组织更加精细的图像[31]。医生在读取影像时选择的是包含信息更多的高分辨率序列,可以更好地分析病灶的形态学信息,方便诊断。图 2.2 为三个增强序列和一个高分辨率序列的采集时间轴和序列示意图。
【参考文献】
相关期刊论文 前3条
1 张钰梓;陈小松;沈坤炜;;乳腺癌的治疗困境:肿瘤异质性与个体化治疗[J];上海医学;2012年11期
2 成广存;孙雪青;周晓明;王建华;;肿瘤微环境在乳腺癌发展和治疗方面的作用[J];外科理论与实践;2011年01期
3 高程程;惠晓威;;基于灰度共生矩阵的纹理特征提取[J];计算机系统应用;2010年06期
相关硕士学位论文 前9条
1 乐明昊;面向软件度量的复合式属性选择算法研究[D];武汉理工大学;2015年
2 任静;织物表面纹理与主观颜色的关系[D];浙江理工大学;2015年
3 张承杰;MRI乳腺病灶分割研究[D];杭州电子科技大学;2014年
4 沈春裕;自适应阈值的运动目标检测技术研究[D];浙江工业大学;2012年
5 朱晓恩;基于群体智能的医学图像特征优化算法研究[D];浙江大学;2012年
6 贾明;细胞增殖标记物Ki-67在乳腺癌组织中的表达与预后分析[D];河北医科大学;2011年
7 姜百宁;机器学习中的特征选择算法研究[D];中国海洋大学;2009年
8 郭晨明;乳腺癌分子亚型的预后关系及意义[D];新疆医科大学;2009年
9 张雪;肝脏超声图像的纹理分析[D];长春理工大学;2004年
本文编号:2813402
本文链接:https://www.wllwen.com/linchuangyixuelunwen/2813402.html
最近更新
教材专著