简介：摘要目的探讨MRI在鉴别男性乳腺良恶性病变中的诊断价值。方法收集2011年1月至2019年3月因乳腺病变在复旦大学附属肿瘤医院接受乳腺MRI检查的34例男性患者的临床及影像学资料。由两名放射科医师分析乳腺病变的影像学特征，当两者评估不一致时，则由第3名放射医师对影像学特征进行评定。评估内容包括病灶位置，T1WI及T2WI信号，病灶类型，伴随征象。所有病灶经穿刺活检或手术获得病理结果，其中良性12例，恶性22例。采用单因素方法（连续性变量采用Mann-Whitney U检验，分类变量采用Fisher确切概率法）分析患者临床资料及乳腺MRI影像学表现。结果34例患者中，31例临床触及肿块，3例表现为单纯乳头溢血。在MRI征象中，乳腺癌均表现为肿块样强化（22/22），良性病变多表现为非肿块强化（7/12），差异具有统计学意义（P<0.05）；同侧腋下肿大淋巴结仅出现在乳腺癌中，与良性病变比较差异具有统计学意义（P<0.05）；良恶性病变患者在年龄、病灶位置、T1WI信号、T2WI信号、皮肤有无增厚及乳头有无内陷方面差异均无统计学意义（P>0.05）。在MRI表现为肿块的病变中，肿块大小、形状及边缘在良恶性病变中差异均无统计学意义（P>0.05）。结论乳腺MRI可用于男性乳腺良恶性病变的鉴别诊断，非肿块强化多为良性病变，肿大淋巴结有助于诊断乳腺癌，乳头内陷及皮肤增厚对乳腺癌诊断价值有限。

简介：摘要目的探讨乳腺X线摄影及MRI征象结合临床特征预测乳腺高危病变恶性升级的价值。方法回顾性分析复旦大学附属肿瘤医院2017年1月至2018年3月经病理证实为乳腺高危病变，且活检前行乳腺X线摄影和MRI检查的230例患者。分析乳腺病变X线摄影及MRI征象，并以病理结果为金标准，评估高危病变升级率与临床及影像特征的关系。采用独立样本t检验与χ2检验比较升级组与未升级组患者临床及影像特征的差异，采用受试者操作特征（ROC）曲线比较乳腺X线和MRI对乳腺高危病变升级率的诊断效能，采用Binary logistic回归分析比较高危病变升级率与临床、影像学征象之间的关系。结果230例患者病灶均为单发。47例在后续再手术中升级为恶性病变，升级率为20.4%（47/230）。未升级组与升级组乳腺高危病变患者的年龄、病灶最大径以及绝经状态差异有统计学意义（P<0.05）。未升级组和升级组患者间的乳腺X线摄影征象的差异无统计学意义（P>0.05），乳腺MRI征象和MRI背景实质强化的差异有统计学意义（P<0.05）。乳腺X线摄影和MRI评估高危病变升级为恶性病变的ROC曲线下面积分别为0.606、0.913，MRI诊断优于乳腺X线摄影（Z=6.919,P<0.01）。单因素分析结果显示，年龄、病灶最大径、中重度背景强化为预测高危病变升级的正相关因素，已绝经、MRI诊断阴性为预测高危病变升级的负相关因素（P<0.05）；多因素分析显示，年龄以及MRI背景实质强化是预测乳腺高危病变升级的独立因素（P<0.01）。结论MRI对高危病变升级的诊断效能优于乳腺X线，年龄越大，MRI背景实质强化中重度可提示高危病变的恶性升级。

简介：摘要目的探讨合成MRI定量参数直方图特征预测乳腺浸润性导管癌（IDC）患者人表皮生长因子受体2（HER2）表达状态的价值，并与ADC直方图特征的预测性能进行对比分析。方法前瞻性收集2020年1月至9月就诊于复旦大学附属肿瘤医院的195例乳腺病变患者，所有患者接受完整乳腺MR检查，包括合成MRI、DWI和动态对比增强MRI（DCE-MRI），所有手术标本经病理证实。采用PyRadiomics软件提取定量参数的直方图特征。采用独立样本t检验或Mann-Whitney U检验比较HER2阳性与HER2阴性乳腺IDC患者的合成MRI定量参数［T1、T2和质子密度（PD）］及ADC值的直方图特征差异。采用ROC的曲线下面积（AUC）评估变量预测HER2表达状态的预测性能。结果最终纳入122例乳腺IDC患者的122个病灶。其中31例为HER2阳性，91例为HER2阴性。HER2阳性与HER2阴性患者的临床、病理特征差异无统计学意义（P>0.05）。单因素分析结果显示HER2阳性与HER2阴性乳腺癌患者中PD中位数、PD平均值、PD峰度、T1 10th位数、T1平均值、ADC值直方图的峰度差异具有统计学意义［PD中位数分别为79.80（75.90，83.90）ms、76.56（72.59，79.09）ms，Z=-3.46，P<0.01；PD平均值分别为78.89（74.80，84.01）ms、75.99（71.70，78.63）ms，Z=-2.61，P=0.01；PD峰度分别为6.45（3.45，7.54）、5.04（3.55，5.58），Z=-2.21，P=0.03；T1 10th位数分别为731.52（668.50，975.39）ms、726.51（588.38，852.19）ms，Z=-2.54，P=0.01；T1平均值分别为1 161.97（1 063.56，1 253.78）ms、1 072.75（989.39，1 154.04）ms，Z=-2.21，P=0.03；ADC值直方图的峰度分别为4.75（2.72，5.91）、3.82（2.69，4.39），Z=-2.43，P=0.02］。多因素分析结果显示PD中位数（P=0.004）与T1平均值（P=0.004）是HER2表达状态的独立预测因素，两者构建的逻辑回归模型预测HER2表达状态的AUC为0.853（95%CI 0.779~0.926），灵敏度为71%，特异度为81%。ADC值直方图的峰度预测HER2表达状态的AUC为0.714（95%CI 0.611~0.817），灵敏度为45%，特异度为85%。DeLong检验提示二者的诊断效能差异具有统计学意义（Z=2.18，P=0.04）。结论合成MRI定量参数直方图特征在预测乳腺IDC的HER2表达状态方面具有较好的效能，可能辅助个体化的抗HER2靶向治疗计划的制定。

简介：摘要目的探讨基于对比增强能谱乳腺X线摄影（CESM）乳腺病变内部与周围区域的影像组学特征联合临床因素预测乳腺影像报告和数据系统（BI-RADS）4类乳腺病变性质的价值。方法回顾性分析2017年7月至2020年7月在青岛大学附属烟台毓璜顶医院（中心1）及2019年6月至2020年7月在复旦大学附属肿瘤医院（中心2）接受诊治的乳腺病变患者的临床及CESM图像资料。中心1纳入835例患者，均为女性，年龄17~80（49±12）岁，以Python软件中的“train_test_split”函数按8∶2的比例分为训练集（667例）和测试集（168例）；中心2纳入49例患者作为外部验证集，均为女性，年龄34~70（51±8）岁。分别从所有患者CESM图像的病变内部区域（ITR）、病变周围5 mm及10 mm区域（PTR 5 mm、PTR 10 mm）及病变内部联合周围5 mm及10 mm区域（IPTR 5 mm、IPTR 10 mm）提取影像组学特征，通过方差过滤、SelectKBest算法和最小绝对收缩和选择算子算法筛选后分别建立ITR标签、PTR 5 mm标签、PTR 10 mm标签、IPTR 5 mm标签、IPTR 10 mm标签。在训练集中采用单因素和多因素logistic回归筛选出对鉴别BI-RADS 4类乳腺病变良性与恶性有意义的影像组学标签及临床因素并构建列线图。采用受试者操作特征曲线及曲线下面积（AUC）评估列线图预测BI-RADS 4类乳腺病变良性与恶性的效能；采用决策曲线和校准曲线评估列线图的净获益及校准能力。结果基于ITR标签、PTR 5 mm标签、PTR 10 mm标签、IPTR 5 mm标签、年龄、BI-RADS 4类亚分类构建的列线图在训练集、测试集及外部验证集中鉴别BI-RADS 4类乳腺病变恶性与良性的AUC分别为0.94、0.92和0.95。校准曲线显示，列线图在训练集、测试集及外部验证集中预测BI-RADS 4类乳腺恶性病变的概率和实际结果一致性较好。决策曲线表明，列线图在训练集、测试集及外部验证集中净收益较好。结论基于CESM乳腺病变内部和周围区域的影像组学特征联合临床因素构建的列线图鉴别BI-RADS 4类乳腺病变的良性与恶性具有一定价值。

简介：摘要对比增强乳腺X线摄影（CEM）是乳腺影像检查的新技术之一，其在注射碘对比剂后可获得常规乳腺X线摄影图像和双能量减影图像，并同时反映乳腺病变的解剖学特点和血供情况。相较于乳腺MRI，CEM具有检查时间短、费用低、患者耐受度高、阅片相对简单等优势，但亦存在碘对比剂安全问题等固有技术局限。近年来，随着CEM研究数量增加，其在乳腺癌诊断、术前分期、疗效评估乃至筛查等多个方面的临床应用价值与潜力被逐步认可。本文拟对CEM技术在临床及科研工作中的应用与挑战进行总结，并展望其未来应用前景。

简介：摘要目的结合图像自动分割技术和机器学习方法对乳腺钼靶X线图像进行准确分类识别。方法以数字钼靶X线图像数据库（DDSM）中的BI-RADS4类的簇状分布多形性钙化钼靶图像为研究对象，自动切分图像的感兴趣区域（ROI）。对小波变换、Gabor滤波和灰度共生矩阵法所提取的特征参数进行融合，并基于灵敏度分析对融合后的特征参数进行筛选。使用基于集成学习的方法，对多项式核支持向量机（SVM）、随机森林和逻辑（logistic）回归分类器进行投票集成，构成用于乳腺钼靶X线图像自动分类的分类器。投票集成方法为软投票。结果提出的集成分类器可高效地识别与分类乳腺钼靶X线图像，其分类的灵敏度、特异度和准确率分别为99.1%、99.6%和99.3%。结论所提出的乳腺钼靶X线图像处理与分类识别方法能为医生的临床判断提供辅助检测的依据，并为细分BI-RADS4类图像提供技术基础。

简介：摘要2020年全球最新癌症统计数据显示乳腺癌是全球第一大癌。新辅助治疗（NAT）作为综合治疗手段之一，在临床诊疗中发挥着至关重要的作用。影像组学作为目前研究的前沿领域，可以评估乳腺肿瘤的异质性，具有极大的临床研究价值。本文基于多模态影像组学在乳腺癌新辅助治疗中的疗效评估及应用进展进行介绍。

简介：摘要人工智能技术在乳腺肿瘤影像中的应用是当前研究的热点。该文对目前常用的传统影像组学和深度学习两种方法进行介绍，评述了人工智能在乳腺肿瘤检测、分割和良性与恶性鉴别，乳腺癌分子亚型研究，乳腺癌淋巴结转移的临床评估，乳腺癌新辅助化疗疗效预测和预后评估四个方面的研究和应用现状，针对现有研究中存在的问题进行归纳和分析，并指出未来的研究方向。

简介：摘要目的探讨CT组学预测乳腺癌患者同时性肺结节在乳腺癌治疗后转归的可行性。方法回顾性收集2013年1月1日至2016年11月31日复旦大学附属肿瘤医院经病理证实为乳腺癌且胸部CT发现肺结节（>5 mm，数量≤5个）的女性患者。共入组80例患者，中位年龄52(45, 61）岁，肺结节中位大小6.0(5.5, 7.2) mm。根据CT随访结果将肺结节转归分成稳定组（随访时间超过2年）及变化组（进展组和改善组），其中稳定组54例，变化组26例（改善组13例，进展组13例）。采用Python软件基于CT图像提取105个组学特征，根据逐步回归方法进行特征降维，最后利用五折交叉验证及常用的分类器模型，预测肺结节在乳腺癌标准治疗后的转归，采用受试者操作特征曲线下面积（AUC）评估模型的诊断效能。结果区分稳定组及变化组肺结节时，组学特征筛选降维后择出3种组学特征，利用23种分类器建立模型，线性判别分析模型诊断效能最佳，此模型预测肺结节转归的特异度、灵敏度、准确率及AUC分别为0.980、0.460、0.813及0.770。在进一步区分进展组与改善组肺结节时，择取一种组学特征建立模型，其中粗高斯支持向量机模型诊断效能最佳，其预测变化组肺结节转归的特异度、灵敏度、准确率及AUC分别为0.540、0.920、0.713及0.880。结论CT组学在预测乳腺癌同时性肺结节的治疗转归中具有一定意义，可为临床制定个体化治疗和随诊方案提供影像学依据。

简介：摘要目的探讨不同机器学习的影像组学模型预测三阴性乳腺癌（TNBC）新辅助治疗远期复发转移风险的价值。方法回顾性分析2011年8月至2017年5月上海复旦大学附属肿瘤医院和上海交通大学医学院附属瑞金医院的150例接受新辅助化疗和手术切除后经病理组织学证实的TNBC患者临床及影像资料。将上海复旦大学附属肿瘤医院的109患者作为训练组，将上海交通大学医学院附属瑞金医院的41例患者作为验证组。基于治疗前动态对比增强MRI（DCE-MRI）提取的影像组学特征，并加入时间域特征，训练组使用最小绝对收缩和选择算子交叉验证法和递归特征消除法进行特征筛选。采用6种（逻辑回归、线性判别分析、K最近邻、朴素贝叶斯、决策树和支持向量机）具有监督学习的不同机器学习算法来预测远期复发转移的能力，使用ROC、准确率以及F1度量值评价6种算法的优劣，并通过验证组进行验证。结果支持向量机算法在基于15个影像组学特征的复发转移模型中预测效果最好，具有最高的曲线下面积（训练组为0.917，验证组为0.859）、准确率（训练组为87.5%，验证组为82.9%）以及F1度量值（训练组为0.800，验证组为0.741）。15个影像组学特征中，时间域特征为12个、空间域特征为3个。结论加入时间域特征的DCE-MRI机器学习影像组学模型有助于预测TNBC新辅助化疗的远期预后，为临床决策及随访管理提供支持。