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。