基于纵向时间动态增强影像深度分析的乳腺癌新辅助化疗疗效预测研究.pdfVIP

摘要

乳腺癌对女性健康具有严重危害。新辅助化疗作为治疗乳腺癌的重要方式被广泛应用。

临床上接受化疗并取得较好预后反应的病例，其病理完全缓解率和后期的生存率得到有效提

升。新辅助化疗通常持续6至8个治疗周期，由于病例间个体差异，部分病人在化疗后可能

无效，甚至产生副作用。通过引入化疗早期（前两个疗程）乳腺影像，根据肿瘤及微环境纵

向时间变化对化疗后最终疗效进行早期预测将具有重要意义，有助于准确把握治疗时机并及

时调整诊疗方案。动态对比增强磁共振影像（Dynamiccontrast-enhancedmagneticresonance

imaging，DCE-MRI）在乳腺癌诊断中被广泛应用。但是由于肿瘤及微环境的高度异质性及影

像的部分容积效应影响，使得传统基于原始影像特征对疗效预测的精度难以进一步提高。本

研究以肿瘤不同阶段的影像为基础（化疗前和化疗早期），引入影像的深度矩阵分解方法，

基于纵向时间影像组学特征和动态模式变化构建疗效的预测模型并进行综合分析。具体研究

内容包含以下几个方面：

（1）基于纵向时间多区域影像特征的疗效预测分析：以化疗前和化疗早期影像纵向时间

特征为基础，建立单特征预测模型，分析不同特征与疗效之间的关联性。结果表明在多区域

影像的显著性特征中，形态特征具有较好的预测性能（AUC=0.723）。建立多特征模型并通过

特征层和决策层的模型融合进行预测分析，结果显示多区域影像下纵向时间特征与疗效存在

紧密关联，同时利用多区域影像间的互补信息进一步提升了模型预测性能（AUC0.788）。

（2）基于深度矩阵分解影像的疗效预测研究：引入深度矩阵分解模型用于影像分解，获

取潜在的动态增强模式。分解后得到统一信号模式矩阵和模式概率矩阵，并根据模式概率恢

复出的不同子信号模式影像特征进行分析。在化疗前和化疗早期影像特征的预测任务中，化

疗早期影像表现出更好的预测性能（AUC0.834）。在影像纵向时间特征和模型融合的任务

中，相比分解前，分解后影像的纵向时间特征和融合模型都表现出更优的预测结果

（AUC0.888）。进而证明了影像深度分解在疗效预测方面的应用价值，结合多模式影像和

纵向时间特征所反映的异质性信息进一步提升了基于特征水平的疗效预测能力。

（3）基于深度模式变化特征的疗效预测研究：利用分解后不同动态模式的变化信息，在

不同疗效组别中对化疗前和化疗早期模式概率分布进行统计学分析，表明肿瘤影像在化疗有

效组中分布更具显著差异（P0.01）。对编码后模式变化特征与疗效的关联性分析中，发现化

疗前至化疗早期的模式变化特征与疗效存在显著性差异（P0.05）。为验证模式变化相关特

征的疗效预测价值，分别使用模式概率特征和模式变化特征进行预测分析，结果表明深度分

解后的模式概率矩阵可作为疗效预测的潜在标志物，通过多区域影像的联合，进一步提升了

疗效预测能力（AUC0.892）。

本研究通过深度分解方式，对肿瘤及腺体区域潜在的动态模式进行识别。基于分解后不

同子信号模式影像组学特征和深度模式变化特性，建立疗效预测模型并进行评估分析。结果

表明，相比于传统基于单一时间维度下原始影像特征的疗效预测方法，纵向时间下的深度分

解影像特征表现出更优的预测能力。在深度模式变化的分析中，不同疗效组别动态模式变化

表现出显著的差异，表明这种深度分解模式与疗效存在潜在的关联性，有望作为疗效预测的

潜在标志物，为临床乳腺癌治疗提供有价值的参考。

关键词：乳腺癌，新辅助化疗，异质性，DCE-MRI分解，动态模式

ABSTRACT

Breastcancerisaserioushazardtowomenshealth.Neoadjuvantchemotherapyiswidelyused

asanimportantwaytotreatbreastcancer.Clinically,thepathologicalcompleteremissionrateand

latesurvivalrateofpatientswhoreceivedchemotherapyandachievedagoodprognosis