合成MRI对乳腺良恶性病变鉴别诊断的价值

目的:探讨合成MRI技术在乳腺良恶性病变鉴别诊断中的价值。方法:回顾性分析2019年5月至2020年4月在西安交通大学第二附属医院就诊并经病理证实的93例乳腺病变患者的临床及影像资料。所有患者均接受合成MRI技术检查,并测量其定量参数值T 1、T 2、质子密度(PD)值。采用独立样本t检验和Wilcoxon秩和检验比较乳腺良恶性病变患者临床及影像特征的差异,采用ROC曲线比较定量参数值对乳腺良恶性病变鉴别诊断的效能。结果:93例乳腺病变患者中恶性62例、良性31例。良恶性病变的T 2值[分别为103(93,126)ms、83(77,90)ms]和PD值[分别为87.7(72.7,96.7)pu(pu为单位体素内氢质子密度)、73.5(63.3,79.4)pu]差异具有统计学意义(P<0.05)。以T 2值=90.5 ms、PD值=84.8 pu为界值,鉴别乳腺良恶性病变的ROC曲线下面积分别为0.87、0.75,准确度分别为80.6%、78.5%,特异度分别为87.1%、54.8%,灵敏度分别为77.4%、90.3%。结论:合成MRI技术能够应用于乳腺病变的检查,且有望成为鉴别乳腺良恶性病变的有效辅助诊断方法。

基于DCE-MRI影像组学鉴别乳腺良恶性肿块的可行性研究

目的探讨基于动态增强磁共振成像(DCE-MRI)的影像组学特征在鉴别乳腺良恶性肿块方面的价值。方法回顾性分析经穿刺活检或手术病理证实的110例乳腺肿块患者,包括良性40例,恶性70例,随机分配到训练集与验证集,其中训练集89例,验证集21例。基于基线磁共振动态增强图像,逐层选取包括乳腺肿块最大区域的感兴趣区。提取病灶上的影像组学特征,比较各参数在乳腺良恶性肿块组间的差异,筛选出较优影像组学特征集,应用随机森林分类方法建立影像组学数学鉴别模型,分析各模型在乳腺良恶性肿块鉴别中的价值。结果基于DCE-MRI的影像组学模型鉴别乳腺良恶性肿块的受试者工作曲线曲线下面积(AUC)值、准确性、敏感性、特异性、阳性预测值及阴性预测值训练集分别为0.98、0.93、0.93、0.96、0.98和0.81;验证集分别为0.93、0.91、0.90、0.91、0.97和0.76;其中较优影像组学特征集为Gabor、灰度共生矩阵变异数和方差。结论基于DCE-MRI的影像组学特征在鉴别乳腺良恶性肿块方面具有一定的价值。

乳腺癌影像基因组学研究现状与进展

乳腺癌是女性发病率最高的肿瘤。我国新诊断乳腺癌病例及死亡病例分别占全球新增与死亡病例的12．2％和9．6％，乳腺癌是目前中国女性癌症相关死亡的第六大主要原因。乳腺癌是一种具有多种亚型的肿瘤，不同亚型患者的临床表现、进展速度、治疗响应以及预后不同。