第一部分 應(yīng)用線性參考區(qū)域模型的DCE-MRI定量參數(shù)與浸潤性乳腺癌預(yù)后因素的相關(guān)性研究目的:動態(tài)增強MRI（DCE-MRI）在乳腺癌的臨床MRI檢查中已成為常規(guī)�；谒幋鷦恿W模型的DCE-MRI定量分析,能夠得到準確的反映病變血流信息的數(shù)據(jù)。然而,既往關(guān)于乳腺癌的MR定量分析研究多基于雙室模型來評價組織中血漿及間質(zhì)濃度不同引起的對比劑濃度的改變,對時間分辨率要求較高,犧牲了空間分辨率及圖像信噪比。本研究以不犧牲空間分辨率為前提,選擇適合低時間分辨率的線性參考區(qū)域模型方法計算乳腺癌腫瘤整體的血流灌注值,旨在探討線性參考區(qū)域模型在乳腺癌DCE-MRI定量分析中的可行性,分析DCE-MRI定量參數(shù)與浸潤性乳腺癌預(yù)后因素間的關(guān)系。研究方法:1、臨床資料 回顧性收集經(jīng)手術(shù)病理證實為浸潤性乳腺癌并在術(shù)前10天內(nèi)進行過乳腺MRI檢查的患者,入組共84例87個病灶。2、MR成像 采用Siemens3.0 T超導磁共振設(shè)備,掃描橫軸位T1WI、橫軸位T2WI、矢狀位雙側(cè)乳腺T2WI、橫軸位彌散加權(quán)序列（DWI）及動態(tài)增強（DCE）T1WI。動態(tài)增強掃描連續(xù)重復(fù)掃描8期。3、圖像分析及后處理 DCE-M...

【文章頁數(shù)】：101 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
英文縮略語
第一部分 應(yīng)用線性參考區(qū)域模型的DCE-MRI定量參數(shù)與浸潤性乳腺癌預(yù)后因素的相關(guān)性研究
    1 前言
    2 材料和方法
        2.1 臨床資料
        2.2 MR成像
        2.3 圖像分析及后處理
            2.3.1 線性參考區(qū)域(linear referrence region,LRR)模型原理
            2.3.2 DCE-MRI定量分析方法
        2.4 浸潤性乳腺癌臨床預(yù)后因素評價
            2.4.1 腫瘤大小
            2.4.2 腋窩淋巴結(jié)轉(zhuǎn)移
            2.4.3 遠處轉(zhuǎn)移
            2.4.4 組織學分級
            2.4.5 分子分型
        2.5 統(tǒng)計分析
    3 結(jié)果
        3.1 臨床病理特征
        3.2 腫瘤兩次三維定量分析的一致性評價
        3.3 DCE-MRI定量參數(shù)在浸潤性乳腺癌各預(yù)后因素間的分布
        3.4 DCE-MRI定量參數(shù)與浸潤性乳腺癌各預(yù)后因素的相關(guān)性分析
        3.5 DCE-MRI定量參數(shù)對各預(yù)后因素的診斷效能
    4 討論
        4.1 應(yīng)用DCE-MRI定量分析計算血流灌注值的基礎(chǔ)
        4.2 利用線性參考區(qū)域模型三維定量分析的優(yōu)勢和可重復(fù)性
        4.3 DCE-MRI定量參數(shù)與浸潤性乳腺癌預(yù)后因素間的關(guān)系
            4.3.1 定量參數(shù)與腫瘤最大徑的關(guān)系
            4.3.2 定量分析參數(shù)與腋窩淋巴結(jié)轉(zhuǎn)移與遠處轉(zhuǎn)移的關(guān)系
            4.3.3 定量分析參數(shù)與腫瘤組織學分級的關(guān)系
            4.3.4 定量分析參數(shù)與免疫組化因子及分子分型的關(guān)系
        4.4 局限性
    5 結(jié)論
    本研究創(chuàng)新性的自我評價
    參考文獻
第二部分 影像組學在浸潤性乳腺癌生物學特征評價中的應(yīng)用研究
    1 前言
    2 材料和方法
        2.1 臨床資料
        2.2 MR成像
        2.3 影像特征提取
            2.3.1 序列選擇
            2.3.2 圖像分析方法
        2.4 特征參數(shù)降維
        2.5 訓練組及測試組分組
        2.6 支持向量機(Support vector machine,SVM)分類器判別類別
        2.7 ROC分析
    3 結(jié)果
        3.1 臨床及病理特征分布
        3.2 主成分分析降維
        3.3 SVM分類器模型的判別能力
        3.4 各序列SVM分類器模型的診斷效能比較
    4 討論
    5 結(jié)論
    本研究創(chuàng)新性的自我評價
    參考文獻
附錄
綜述
    參考文獻
攻讀學位期間取得的研究成果
致謝
個人簡歷



本文編號：4006098