Количественная оценка визуализации спектра диффузии при раке молочной железы

Этот проект предполагает перспективный сбор пациентов с подозрением на злокачественные опухоли молочной железы с помощью УЗИ или маммографии. После рутинного МРТ-сканирования всем пациентам проводилось последовательное сканирование диффузионно-спектральной томографии (DSI). Критерии включения были следующими: (1) рак молочной железы был подтвержден хирургическим вмешательством или биопсией. (2) патологическая диагностика статуса рецептора эстрогена (ER), рецептора прогестерона (PR), человеческого эпидермального фактора роста 2 (HER-2), Ki-67 и инвазии лимфатических сосудов (LVI) при раке молочной железы. (3) обычные МРТ и DSI были выполнены в течение одной недели до патологического исследования. Критерии исключения были следующими: (1) пациенты, получавшие лечение до сканирования DSI; (2) пациенты, перенесшие биопсию опухоли молочной железы в течение двух недель до получения изображения DSI; (3) результаты патологии молочных желез были другими заболеваниями, кроме рака молочной железы. (4) постобработка данных DSI не может быть выполнена из-за плохого качества изображения, такого как артефакты движения.

Данные МРТ груди были собраны на 3T MR сканере (Magnetom skyra, Siemens Healthcare, Эрланген, Германия). Все участники использовали стандартные схемы МРТ-сканирования молочной железы, включая взвешенную Т2-визуализацию (Т2ВИ), Т1-взвешенную визуализацию (Т1ВИ), диффузионно-взвешенную визуализацию (ДВИ), ДСИ и контрастно-динамическое усиление (ДКЭ). В общей сложности 22 количественных параметра GSI были получены с помощью программного обеспечения NeudiLab, основанного на платформе с открытым исходным кодом DIPY (диффузионная визуализация в Python, http://nipy.org/dipy). Корреляцию между количественными параметрами DSI и патологическими индексами (т.е. ER, PR, HER-2, Ki-67 и LVI) оценивали с помощью корреляционного анализа Спирмена. С помощью логистического регрессионного анализа были определены независимые предикторы количественных параметров GSI для дискриминации различных патологических характеристик при раке молочной железы. Прогностическая эффективность количественных параметров DSI для различных патологических классификаций оценивалась по кривым рабочих характеристик приемника (ROC) и их соответствующей площади под кривыми (AUC).