来源：期刊VIP网 时间：
作者：程卫群;戚轩;杨宏楷;段绍峰;何永胜;佟金颖;潘书雅;刘光竹;
单位：安徽医科大学马鞍山市人民医院影像科;马鞍山市人民医院影像科;医学影像建模与智能分析马鞍山市重点实验室;
摘要：目的 探讨基于多参数MR生境成像分析诊断Luminal型和非Luminal型乳腺癌（breast cancer, BC）的价值。材料与方法回顾性分析2019年12月至2024年5月在马鞍山市人民医院就诊的216例乳腺癌患者资料，经穿刺活检或手术病理证实，其中Luminal型BC 147例、非Luminal型BC 69例，年龄26～85(54.8±10.9)岁。将216例患者按7∶3的比例随机分为训练集和验证集，所有患者均行多参数磁共振成像（multi-parameter magnetic resonance imaging, mpMRI）扫描，对mpMRI中的T2WI、小视野扩散加权成像（ZOOMit-DWI）以及基于动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI）序列分析所得到的PEI、TTP、WASHIN、WASHOUT序列进行图像预处理，提取各个功能参数图影像组学特征，通过高斯混合模型（gaussian mixture model, GMM）进行聚类分析、Silhouette系数评估聚类结果最终分别生成6组生境图像，每组包含3种生境亚区。图像预处理后，从原始及生境亚区图像分别提取1197、3591个组学特征，通过稳键归一化、Z值标准化、最大最小值标准化、F检验、选择算子（least absolute shrinkage and selection operator, LASSO）算法和10倍交叉验证去除冗余特征。临床部分筛选出4个特征，建立临床模型；影像组学部分筛选出4、5、10、6、11、9个特征，建立6组影像组学模型，用逻辑回归对影像组学模型与临床特征进行筛选，建立联合模型；生境影像组学部分筛选出14、13、19、4、14、13个特征，建立6组生境影像组学模型，用逻辑回归对生境影像组学模型、异质性分数（ITH-score）与临床特征进行筛选，建立联合模型。分别计算临床模型、影像组学模型、生境影像组学模型和各自联合模型的阈值、敏感度、特异度、准确度、阴性预测值和阳性预测值，绘制受试者工作特征（receiver operating characteristic, ROC）曲线并计算曲线下面积（area under the curve, AUC），分析各个模型的诊断效能。采用DeLong检验比较各组间的差异，进一步使用决策曲线分析（decision curve analysis, DCA）评估模型的净获益。结果 在训练集及验证集中，ER、PR、Ki-67及WHO分级在Luminal型和非Luminal型BC中的差异有统计学意义（P<0.05）；影像组学和生境影像组学模型中均以联合模型预测效果最佳，影像组学联合模型在训练集、验证集的AUC值分别为0.967、0.798，最优模型为其中的MLP模型，生境影像组学联合模型在训练集、验证集的AUC值分别为0.969、0.910，最优模型为其中的linear＿SVM模型。相比而言，linear＿SVM模型效能明显优于MLP模型。结论 基于多参数MR生境成像分析能较准确地诊断Luminal型和非Luminal型BC，有助于BC的临床诊疗管理。
关键词：乳腺癌;;磁共振成像;;生境成像;;影像组学;;聚类分析
基金资助：马鞍山市卫科技计划项目（编号：YL-2024-07）;; 安徽省高等学校科学研究项目（编号：2024AH051915）~~
