Subregional tumörsegmentering baserad på CEUS-perfusionsegenskaper: Förbättra brösttumördiagnos

Bröstcancer är en av de vanligaste cancerformerna bland kvinnor globalt, och dess ökande förekomst utgör ett betydande hot mot kvinnors hälsa. Trots anmärkningsvärda framsteg inom tidig diagnos och behandling på grund av de kontinuerliga framstegen inom medicinsk teknologi, resulterar den höga heterogeniteten inom bröstcancer fortfarande i betydande variation i kliniska manifestationer, behandlingssvar och sjukdomsprogression. Denna mångfald innebär nya utmaningar för att uppnå exakt behandling. Därför är en djupgående utforskning och studie av heterogeniteten hos bröstcancer avgörande för att utveckla mer effektiva diagnostiska modeller, föra fram behandlingsstrategier och förbättra botningsfrekvensen.

I nuvarande klinisk praxis, även om biopsi används i stor utsträckning för att diagnostisera godartade eller maligna brösttumörer, är dess noggrannhet och omfattning något begränsad på grund av den komplexa interna heterogeniteten hos bröstcancer och den invasiva karaktären hos proceduren. På senare år har preoperativ kvalitativ diagnos av bröstcancer med hjälp av medicinsk bildteknik blivit ett hett ämne inom forskningen. Jämfört med andra vanliga avbildningstekniker som CT och MRI, används ultraljudsundersökning flitigt på grund av dess säkerhet, bekvämlighet och lägre kostnad. Speciellt kan Contrast-Enhanced Ultrasound (CEUS)-teknologi, med sin överlägsna temporala upplösning, levande illustrera detaljerna i tumörperfusionshemodynamiken, och effektivt avslöja nyckelfunktioner som förbättringsmönster, blodtillförsel och vaskulär invasion av tumören.

Denna studie är tillägnad att använda dynamiska CEUS-videor för att klustera perfusionsegenskaper på pixelnivå i tumören och dela upp tumören i olika underregioner baserat på klustringsresultaten. Vi kommer att utforska sambandet mellan dessa perfusionssubregioner och diagnosen av godartade eller maligna brösttumörer, och baserat på detta utveckla relaterade diagnostiska modeller. Detta icke-invasiva diagnostiska tillvägagångssätt syftar till att maximalt bryta och utnyttja bilddata, på ett omfattande sätt fånga tumörens perfusionsegenskaper på pixelnivå och minska subjektiva bedömningar i den diagnostiska processen. Tillämpningen av denna metod förväntas inte bara förbättra noggrannheten i bröstcancerdiagnostik utan också ge mer informationsstöd för personlig behandling av patienter, och därigenom främja framsteg inom området för bröstcancerbehandling.