简介：摘要乳腺癌是女性发病率及死亡率最高的恶性肿瘤，随着早期诊断及治疗水平的提高，患者生存期延长，化学治疗、人表皮生长因子受体2分子靶向治疗及放射治疗相关心肌损伤越来越受到重视。心脏磁共振成像（CMR）是评估心脏结构及功能的金标准，能够在体识别心肌组织学改变，为抗肿瘤治疗相关心肌损伤监测及诊断提供准确信息。该文就CMR评价乳腺癌治疗相关心肌损伤的研究进展做一综述。

简介：摘要目的探讨集成磁共振成像(syMRI)定量参数对乳腺良恶性病变的鉴别诊断价值。方法2018年9月至2019年3月因乳腺肿物在中国医学科学院肿瘤医院就诊并经手术病理诊断的患者43例，除常规T2加权成像、扩散加权成像和增强扫描外，增强前后均行syMRI序列扫描。使用GE AW4.7工作站生成syMRI T1图、T2图和质子密度(PD)图，使用ITK-SNAP软件进行感兴趣区勾画，得出增强前后T1、T2和PD值，并计算各参数增强前后的变化值ΔT1、ΔT2和ΔPD，同时得到病变的表观弥散系数(ADC)和时间信号强度曲线(TIC)。比较良恶性病变间各参数值的差异，并采用受试者工作特征(ROC)曲线评估参数的诊断效能。结果43例患者中，良性组13例，恶性组30例。syMRI参数中，良性组的增强前参数T1pre(中位数为1 663.07 ms)、T2pre(中位数为103.33 ms)、增强后参数ΔT1(中位数为1 022.68 ms)、ΔT2(中位数为27.67 ms)均高于恶性组(中位数为分别为1 141.74、92.53、664.95和16.19 ms)，差异均有统计学意义(均P<0.05)；良性组ADC值(中位数为1.66×10-3mm2/s)高于恶性组(中位数为1.00×10-3mm2/s，P<0.05)；良性组TIC曲线类型Ⅰ型6例、Ⅱ型5例、Ⅲ型2例，恶性组TIC曲线类型Ⅰ型2例、Ⅱ型17例、Ⅲ型11例，两组差异有统计学意义(P<0.05)。增强前T1pre的ROC曲线下面积(AUC)为0.869，高于ADC(AUC＝0.806)和TIC曲线类型(AUC＝0.697)，诊断效能最高。当T1pre取最佳界值为1 282.94 ms时，诊断的灵敏度为76.9%，特异度为93.3%，将T1pre和T2pre联合能够进一步提高诊断效能(AUC＝0.908)。结论syMRI定量参数中T1pre、T2pre、ΔT1和ΔT2对乳腺良恶性病变的鉴别诊断具有一定价值，其中T1pre诊断效能最佳，将T1pre和T2pre联合能进一步提高诊断效能。

简介：摘要目的探讨集成磁共振成像(syMRI)定量参数对乳腺良恶性病变的鉴别诊断价值。方法2018年9月至2019年3月因乳腺肿物在中国医学科学院肿瘤医院就诊并经手术病理诊断的患者43例，除常规T2加权成像、扩散加权成像和增强扫描外，增强前后均行syMRI序列扫描。使用GE AW4.7工作站生成syMRI T1图、T2图和质子密度(PD)图，使用ITK-SNAP软件进行感兴趣区勾画，得出增强前后T1、T2和PD值，并计算各参数增强前后的变化值ΔT1、ΔT2和ΔPD，同时得到病变的表观弥散系数(ADC)和时间信号强度曲线(TIC)。比较良恶性病变间各参数值的差异，并采用受试者工作特征(ROC)曲线评估参数的诊断效能。结果43例患者中，良性组13例，恶性组30例。syMRI参数中，良性组的增强前参数T1pre(中位数为1 663.07 ms)、T2pre(中位数为103.33 ms)、增强后参数ΔT1(中位数为1 022.68 ms)、ΔT2(中位数为27.67 ms)均高于恶性组(中位数为分别为1 141.74、92.53、664.95和16.19 ms)，差异均有统计学意义(均P<0.05)；良性组ADC值(中位数为1.66×10-3mm2/s)高于恶性组(中位数为1.00×10-3mm2/s，P<0.05)；良性组TIC曲线类型Ⅰ型6例、Ⅱ型5例、Ⅲ型2例，恶性组TIC曲线类型Ⅰ型2例、Ⅱ型17例、Ⅲ型11例，两组差异有统计学意义(P<0.05)。增强前T1pre的ROC曲线下面积(AUC)为0.869，高于ADC(AUC＝0.806)和TIC曲线类型(AUC＝0.697)，诊断效能最高。当T1pre取最佳界值为1 282.94 ms时，诊断的灵敏度为76.9%，特异度为93.3%，将T1pre和T2pre联合能够进一步提高诊断效能(AUC＝0.908)。结论syMRI定量参数中T1pre、T2pre、ΔT1和ΔT2对乳腺良恶性病变的鉴别诊断具有一定价值，其中T1pre诊断效能最佳，将T1pre和T2pre联合能进一步提高诊断效能。

简介：摘要目的探讨基于MRI多期增强影像组学联合临床影像特征的预测模型术前预测乳腺癌Ki-67表达状态的价值。方法本研究为回顾性研究。收集2016年6月至2017年5月就诊于中国医学科学院北京协和医学院肿瘤医院并接受手术治疗的乳腺癌患者213例，均为女性，年龄24~78（51±10）岁。所有患者均在术前2周内接受常规乳腺MR检查。根据术后病理Ki-67表达不同分为高表达组（Ki-67≥20%，153例）和低表达组（Ki-67<20%，60例）。从动态增强扫描第2期（CE-2）和第7期（CE-7）图像提取乳腺癌病变的影像组学特征，将所有病例根据MR检查时间先后顺序以7∶3分为训练集和测试集。首先采用方差分析和Wilcoxon符号秩检验选出具有显著分类性能的特征值，随后采用最小绝对收缩和选择算子法回归模型的方法，筛选出最佳特征值。同时对临床信息及常规影像学特征［包括腺体分型、背景实质强化程度、是否多灶/多中心、病灶位置、病灶形态、病灶长径、病灶短径、T2WI信号特征、扩散加权成像（DWI）信号特征、表观扩散系数（ADC）值、时间-信号强度曲线（TIC）类型、腋窝是否伴有短径>1.0 cm淋巴结］采用同样的方法进行参数筛选。随后采用支持向量机（SVM）构建Ki-67高低表达状态的预测模型。模型的预测效能采用受试者操作特性（ROC）曲线和曲线下面积进行评价。结果由CE-2和CE-7图像分别提取1 029个影像组学特征，经过筛选分别得到9个及7个最佳特征值，并将两组特征值组合共16个特征值构成CE-2+CE-7图像影像组学最佳特征值。临床影像特征筛选得到5个有价值的参数分别为病变位置、病变短径、DWI信号特征、ADC值、是否腋窝淋巴结短径>1.0 cm。由CE-2和CE-7图像影像组学特征所得SVM模型在训练集及测试集中预测Ki-67表达状态的ROC曲线下面积均较高（>0.70）。将CE-2、CE-7、CE-2+CE-7图像影像组学特征分别联合临床影像特征构建模型预测Ki-67表达状态的效能较单独使用CE-2、CE-7、CE-2+CE-7图像影像组学特征所得模型有不同程度提高。其中CE-2+CE-7+临床影像特征模型预测效能最佳，其在训练集中预测Ki-67表达状态的AUC、准确度、灵敏度、特异度分别为0.895、84.6%、87.9%、76.2%；在测试集中分别为0.822、70.3%、76.1%、55.6%。结论基于MRI多期增强影像组学特征的SVM模型能有效预测Ki-67表达状态，将影像组学特征与临床影像特征联合，能够进一步提高模型预测效能。