Page 82 - 南京医科大学学报自然科学版

第44卷第2期
·220 · 南 京 医 科 大 学 学 报 2024年2月

HER⁃2 detection by using HIC 体扫描参数见表1。ADC值图像均由b值=800 s/mm 2
的DWI图像生成。动态增强扫描检查时，均在注射
对比剂（Gd⁃DTPA）前先扫描蒙片，然后经手背静脉
使用高压注射器团注对比剂，剂量 0.1 mmol/kg，注
IHC 1+/0 IHC 2+ IHC 3+
射流率3.0 mL/s，注射对比剂后快速推注20 mL生理
Adding FISH test
盐水；随后连续不间断扫描5期。
1.2.3 影像组学分析

FISH- FISH+ 1.2.3.1 图像处理与分割
将入组乳腺癌患者的TIRM、DCE⁃MRI序列的第
2 期（DCE2）和第 4 期（DCE4）、DWI（b 值=800 mm/s）
2
及软件自动生成的 ADC 图从医学影像存储和传输系
HER⁃2 negative HER⁃2 positive
统（picture archiving and communication systems，
图1 HER⁃2表达状态判读流程图
Figure 1 The flow chart of assessing HER ⁃ 2 expression PACS）中以DICOM格式导入ITK⁃SNAP软件（Version
status 3.8.0，http：//www.itk⁃snap.org），由一名放射科医生
表1 MRI检查仪器及其详细扫描参数
Table 1 MRI equipmentand detailed scanning parameters

TE Slice thickness Matrix Fov b value Acquisition
Scanner Sequence TR（ms）
（ms） （mm） （mm） （mm） （s/mm） time（s）
2
3.0T TRA TIRM 5 000.00 61.00 4.0 320×320 340×340 - 383
TRA DWI 5 200.00 65.00 5.0 110×220 323×384 0 and 800
TRA DCE⁃MRI 4.23 01.57 0.9 448×448 340×404 -
1.5T TRA TIRM 5 320.00 57.00 4.0 320×320 340×340 50 and 800 443
TRA DWI 7 600.00 66.00 5.0 128×128 350×350 -
TRA DCE⁃MRI 3.90 01.66 0.9 448×448 320×320 -

（具有 2 年乳腺 MRI 诊断经验）在肿瘤最大层面手 矩阵（gldm）。在基于小波滤波和本地二进制模型变
动勾画感兴趣区域（region of interest，ROI），以动态 换之后的图像中分别提取18个一阶特征和75 个纹
增强 MRI 肿块强化最明显的一期减影图像上强化 理特征。每个序列ROI各提取1 130个特征，一共提
病灶范围为基础，确定病灶边缘，如遇ROI难以确定 取出5 650个特征。
边缘的病灶，则与另一名高年资医师（具有 15 年乳 特征筛选：在进行特征筛选之前，用 Z⁃score 标
腺 MRI 诊断经验）讨论决定。勾画时避开囊性区 准化法对数据进行标准化处理。对前后两次分割
域，不避开实性肿瘤内的坏死区域，尽量避免超出 图像所提取的特征进行组间和组内一致性评估，
病灶边缘（图2、3）。多中心及多灶性病例选择最大 ICC>0.75 为一致性较好，并保留这些一致性较好的
病灶层面进行勾画。间隔 3 个月后随机抽取 40 例 特征，进行后续分析；然后使用皮尔逊相关性系数
患者再次进行 ROI 的勾画，使用组内相关性系数 （Pearson correlation coefficient，PCC）计算特征之间
（intraclass correlation coefficient，ICC）来评估观察者 的相关性，如果两个特征之间的相关系数>0.9，则两
之间和观察者之内对ROI选取的一致性。 者随机保留其一；最后利用最小绝对收缩和选择算
1.2.3.2 影像组学特征提取与筛选 子（least absolute shrinkage and selection operator，
特征提取：将勾画好的 ROI 导入人工智能软件 LASSO）对训练集进行 10 折交叉验证，筛选出最佳
（artificial intelligent kit，A.K.）进行影像组学特征的 影像组学特征。
提取。从原始图像中提取 3 种原始特征：①18 个一 1.2.3.3 影像组学模型的建立

阶特征（first⁃order）；② 14 个形状特征（shape）；③ 利用从 TIRM、DCE2、DCE4、DWI、ADC 图中筛
75个纹理特征，包括24个灰度共生矩阵（glcm）、16个 选出来的影像组学特征，使用逻辑回归算法（logis⁃
灰度区域大小矩阵（glszm）、16 个灰度游程矩阵 tic regression，LR）分别构建单参数模型（TIRM模型、
（glrlm）、5 个邻域灰度差分矩阵（ngtdm）、灰度相关 DCE2 模型、DCE4 模型、DWI 模型和 ADC 模型）、组