初步探索超声造影及吲哚菁绿荧光在乳腺癌前哨淋巴结活检中的应用价值

这是一篇关于乳腺癌,前哨淋巴结活检,吲哚箐绿,超声造影,纳米碳的论文, 主要内容为目的:探索超声造影(六氟化硫微泡/声诺维,Sono Vue)以及荧光可视导航(吲哚箐绿indocyanine green,ICG)这两种乳腺癌前哨淋巴结新型示踪剂量在乳腺癌前哨淋巴结活检(Sentinel lymph node biopsy,SLNB)中的应用价值方法:选择2016年3月1日-2017年1月31日期间于四川省医学科学院·四川省人民医院诊断的71例乳腺癌患者。71例术前行超声造影及荧光显影后有66例符合要求行SLNB,术前签署根治术知情同意书并同意取前哨淋巴结活检后,51例患者以经皮下注射超声造影剂(Sono Vue)联合纳米碳染色法行SLNB(造影组),15例患者以经皮注射(吲哚箐绿ICG)荧光可视导航联合纳米碳染色法行SLNB(荧光组),两组病人均为同一手术组实施,手术团队前哨淋巴结活检技术经验丰富。应用新的示踪方法找到的SLNs送快速冰冻病理或石蜡病理,无论SLN是否有转移,均行腋窝淋巴结清扫(ALND)。根据术前淋巴管和前哨淋巴结的显影情况、术中前哨淋巴结的病理活检结果以及术后腋窝淋巴结的病理状态进行数据分析。结果:造影组累计行56例淋巴结超声造影,51例患者淋巴管显影,淋巴管显影率为91.0%。51例淋巴管显影的患者中,47例患者淋巴结显影,成功率为83.9%。最终51例行SLNB及ALND的患者中,假阴性病人1例,敏感性(sensitivity)为93.75%、特异度(specificity)为100%,准确性(accuracy)为98.0%、假阴性率(false negative rate)为6.25%;15例行荧光法的患者中,淋巴管均显影,荧光组淋巴管显影率为100%,14例患者检出荧光增强的SLN,成功率为93.3%,假阴性病例出现1例,假阴性率(false negative rate)为14.29%,假阳性率(false positive rate)为27.3%。结论:1、超声造影联合纳米碳可以作为寻找SLN示踪方法。2、ICG作为新型的淋巴结示踪剂用于SLNB,从已有的数据看还有更进一步的应用前景,但实验的病例数过少,需要扩大样本病例数。

基于TCGA数据库构建乳腺癌DNA损伤修复基因预后风险模型

这是一篇关于乳腺癌,TCGA,DNA损伤修复,COX分析,预后模型的论文, 主要内容为研究背景及目的:乳腺癌目前已经被认为是全球女性癌症患者中最常见的恶性肿瘤,它通常也是发达国家和发展中国家妇女癌症相关死亡的主要病因。世界卫生组织(世卫组织)针对癌症每年的评估报告表明,2012年,估计全球有170万例乳腺癌患者,占所有癌症病例的25%,其中521,900例乳腺癌相关死亡病例,占所有癌症死亡的15%。在南美、非洲和亚洲的许多国家乳腺癌年均发病率在不断增加,且逐渐发展趋向年轻化[1]。根据中国的研究数据分析表明,在妇女中,乳腺癌是30至59岁最常见的癌症,是45岁以下女性癌症死亡的主要原因[2]。随着每年新增病例人数的进一步增加,乳腺癌逐渐发展成为我国,甚至全世界最重要的医疗保健问题和经济负担(Montero等人,2012年;Tao等人,2015年)。因此,鉴于癌症预防和控制依赖于基于人群的发病率和死亡率数据,我们应采取行动和评估当前干预措施,制定更加有效的乳腺癌诊断与治疗策略。乳腺癌是一种高度特异性的肿瘤,其治疗和预后与许多因素有关。目前为止,已知的对于乳腺癌早期治疗、临床手术与预后的影响因素主要包括患者的年龄、肿瘤大小、淋巴结转移情况以及组织学分级等特征。而在一定细胞分子结构层面上的雌激素受体(ER)、孕激素受体(PR)、人表皮生长因子受体-2(HER-2)、Ki-67蛋白的表达水平在乳腺癌预后方面也起着不可替代的作用。且随着先进的精准医学、高通量测序集成技术与基因组检测芯片技术的高速发展,越来越多的学者将注意力转移到了乳腺癌分子治疗领域。因此,研究乳腺癌早期发生和其进展的分子生物学基础,发现相应的诊断和治疗分子标记物,鉴定新型的乳腺癌预后生物标志物将有助于预测其生物学行为,构建对于指导临床诊治至关重要的预测乳腺癌患者的预后工具,且有助于改善设计个体化治疗方案并开发出新的治疗靶点。DNA损伤与损伤修复基因的表达与各种肿瘤的发生及生物学行为相关,提示其作为预后标志物和治疗靶标的潜力。关于DNA损伤修复基因表达在乳腺癌中的预后价值既往有不同报道。在本研究中,我们利用与整合TCGA数据库(癌症基因组图谱数据库(The Cancer Genome Atlas,TCGA))中有关乳腺癌的转录组信息和临床数据,分析乳腺癌样本和正常样本中差异表达的基因,构建与乳腺癌DNA损伤修复基因密切相关的临床预后风险模型,探讨DNA损伤修复基因在乳腺癌中的表达及临床治疗价值,并在总体乳腺癌患者中验证该模型的预测价值,从而为寻找新的乳腺癌靶向治疗方式提供一定的参考价值。方法:通过癌症基因组图谱计划(The Cancer Genome Atlas,TCGA)网站下载TCGA-BRCA转录组的Manifest和Metadata数据,然后借助GDC-client下载工具,在cmd环境下下载原始HTSeq-Counts数据,利用Perl语言脚本提取原始数据的表达矩阵,通过Ensembl 网站下载 Homosapiens.GRCh38.95.chr.gtf.gz 文件,比对后得到基于 gene symbol的基因表达谱矩阵;利用R语言的“limma”包对乳腺癌与正常乳腺mRNA表达数据进行差异表达基因(Differentially expressed genes,DEGs)筛选,设置筛选条件为(|logFC |>1.0 和 the adjusted pvalue,FDR<0.05);然后,一方面利用 David网 站(https://david.ncifcrf.gov/tools.jsp)、KOBAS 网 站(http://kobas.cbi.pku.edu.cn)分别将得到的差异基因进行G0功能富集分析,获取差异的乳腺癌DNA损伤修复基因,利用Cytoscape和R语言将结果可视化。将David网站与KOBAS网站两种方法获得的DNA损伤修复基因集合并。另一方面,通过Amigo2数据库(http://amigo.geneontology.org/amigo/landing)下载编号为G0.0006281 的DNA损伤修复基因集,利用R语言“colorfulVennPlot”包处理下载的基因集与差异基因获得具有差异的乳腺癌DNA损伤修复基因。最终整合两方面获得的DNA损伤修复基因并进一步进行KEGG通路富集分析。从TCGA数据库下载TCGA-BRCA的临床生存数据,利用R语言脚本合并生存数据与具有差异的DNA损伤修复相关基因表达数据后,进行单因素COX比例风险回归模型分析,然后根据单因素P值选择与生存预后相关的DNA损伤修复基因进行后续多因素COX回归分析。基于多因素COX回归分析后所选择的DNA损伤修复基因的表达谱和回归系数构建生存相关的线性风险评估模型,计算出每个样本的风险值(risk score),取risk score的中位数为截断值,将样本分为高、低风险组;采用时间依赖的ROC曲线评估预后模型在5年生存期的预测能力,并进一步利用Kaplan-Meier方法绘制高、低风险组的生存曲线。利用R语言随机语句把总体样本分为“test组”和“train组”两部分,test组和train组样本互相独立,重复以上统计学方法计算出两组样本中每个样本的风险值(risk score),根据risk score的中位值将各亚组分为高、低风险组;利用生存分析和ROC曲线对各亚组进行分析,进一步验证预后风险模型的可靠性。结果利用R软件可视化。结果:从TCGA数据库共获得1222个样本的转录组counts数据,其中正常样本113个,肿瘤样本1109个,整合后得到56753个基因表达谱矩阵。同时将下载的临床数据处理后得到1085例女性乳腺癌患者的临床数据。通过差异基因筛选后,共获得差异表达基因4177个,其中上调2247个,下调1930个。将通过David、KOBAS及Amigo2网站分析后获得的112个差异的乳腺癌DNA损伤基因进行单因素COX回归分析,取P值小于0.05后共筛选出18个与预后相关的差异基因,包括RAD54B、RAD21、PARPBP、BRCA1、TIMELESS、CLSPN、CHEK1、CHAF1B、FANCD2、BRCA2、RAD51、MCM4、EME2、HIST3H2A、GINS4、MCM6、CDCA5、PYCARD。其中 15 个差异基因(RAD54B、RAD21、PARPBP、BRCA1、TIMELESS、CLSPN、CHEK1、CHAF1B、FANCD2、BRCA2、RAD51、MCM4、GINS4、MCM6、CDCA5)的回归系数大于零,HR(Hazard ratio)=exp(coef)>1,与患者生存时间呈负相关,3个基因(HIST3H2A、PYCARD、EME2)的回归系数小于零,HR=exp(coef)<1,与患者生存时间呈正相关。重新构建18个预后相关的差异基因的表达量及临床数据矩阵进行多因素COX回归分析,筛选出4个与预后显著相关的基因,分别为:GINS4、RAD54B、BRCA1、EME2。进一步提取4个差异基因的多因素COX分析的回归系数,并计算出每一个样本的风险值,构建由这4个基因组成的预后风险评分模型。预后评分(PI)公式为:PI=-0.14502×GINS4 的表达量+0.43840×RAD54B 的表达量+0.16469×BRCA1的表达量-0.24295×EME2的表达量。计算1078例患者预后评分后,中位值为0.978。1078例患者中共有539例患者纳入高风险组,539例患者纳入低风险组。利用R语言绘制高低风险热图、ROC曲线及K-M生存曲线,时间依赖的ROC曲线说明该风险评估模型对预测乳腺癌患者5年生存预后具有一定的意义(5年生存率的ROC曲线下面积AUC为0.657)。高、低风险组样本的K-M生存曲线表明高风险组患者的总体生存率较低,且两组间差异有统计学意义(P=0.00077)。test组和train组K-M生存曲线同样表明高风险组患者的总体生存率较低,且两组间差异有统计学意义(分别为P=0.04525,P=0.00416),两亚组的ROC曲线5年生存率的AUC分别为0.654和0.605,说明该模型具有一定的稳定性与有效性。结论:基于乳腺癌DNA损伤修复基因构建的风险预后模型能够预测乳腺癌患者的生存预后,对乳腺癌患者预后的评估具有一定的参考价值。结合乳腺癌分子水平的预后因素,可筛选高风险群体,指导制定个体化治疗方案。

基于特征融合的乳腺癌辅助诊疗系统的设计与实现

这是一篇关于深度学习,特征融合,乳腺癌,计算机辅助诊疗的论文, 主要内容为乳腺癌是女性常见的恶性肿瘤,2020年全球乳腺癌新增病例在所有新发癌症病例中占11.7%,达226万例。在国内,乳腺癌在女性恶性肿瘤发病率中居于首位,同时也是女性中死亡率第五的癌症。中国乳腺癌每年发病人数高达30.4万人,严重威胁妇女的身心健康。所幸,通过定期乳腺癌筛查,有较大几率发现有进一步恶化可能的癌前病变患者以及早期浸润性癌患者,实现早发现、早诊断及早治疗,提升乳腺癌患者的存活率。在各种筛查措施中,影像学检查是最为常见的有效手段。其中,超声能清晰地展现乳腺结节的形态、内部结构及相邻组织的病变情况,适用于处于不同年龄与阶段的女性乳腺检查,进而被广泛应用。一方面,国内医疗资源不足且分配不均等问题导致了边远山区高风险人群的大规模定期筛查难以实现。并且,医生水平与经验的差异会导致诊断结果存在一定的不确定性,使得患者面临误诊的风险。另一方面,随着人工智能信息技术的快速发展,深度学习模型逐渐应用在医疗图像领域,辅助医生进行诊断。本研究针对西南地区人群,研究实现了基于深度学习的乳腺超声多源特征学习模型(MSFLM),并在该模型的基础上构建乳腺癌超声多源特征辅助诊疗系统,从而达到提升医生诊断准确率的目标。本研究首先是使用深度学习算法建立乳腺癌诊断模型,对乳腺癌患者的病灶进行分析。在比较了多种常用分类网络作为骨干网络及不同特征融合策略的表现后,本文选择以Res Net-50为骨干网络构建出能同时利用乳腺病灶形态特征与血流信号特征的多源特征学习模型。用于模型训练的数据来自西南某医院就诊的341名患者中收集的386个活检确认病灶,在共计772张多模态乳腺超声图像上进行训练和验证,并在包含51个病灶,共计102张图像的额外测试集上进行回顾性测试。测试集上的结果表明,模型对恶性病灶的诊出率达88.9%,而ROC曲线的面积也达到了0.838(95%置信区间下:0.703-0.923)。在训练好的融合模型基础上,设计实现了基于Think PHP框架/Lay UI的乳腺癌超声多源特征辅助诊疗系统。该系统主要功能包括用户管理、数据管理、系统管理和辅助诊疗。在系统进行功能性测试和非功能性测试后,本研究邀请到西南某医院的四位医生对系统进行了评估,并记录了医生在有无系统辅助的情况下进行的两次阅片。结果表明,模型对乳腺超声图像的诊断同经验丰富的放射科医生一样准确。此外,在系统辅助下,四名医生诊断的敏感性、特异性和准确率均有不同程度的提高,其中敏感性最高提升了38.9%,特异性最高提升了6.1%,而准确率最高提升了17.7%。

乳腺癌氟维司群耐药细胞株建立及耐药机制初步研究

这是一篇关于乳腺癌,雌激素受体,耐药,氟维司群,LSD1的论文, 主要内容为研究背景:乳腺癌是中国女性最常见的恶性肿瘤之一。内分泌治疗是目前雌激素受体(estrogen receptor,ER)阳性乳腺癌最有的效治疗手段之一,它主要包括选择性雌激素受体调节剂(selective estrogen receptor modulators,SERMs)、芳香化酶抑制剂(aromatase inhibitors,AIs)、选择性雌激素受体下调剂(selective estrogen receptor down-regulators,SERDs)。虽然内分泌治疗增加了患者的生存率,但耐药的产生极大地影响了乳腺癌患者的预后。目的:建立氟维司群ER+乳腺癌耐药细胞株。初步探究ER+乳腺癌对氟维司群耐药后所表现的对氟维司群敏感性和表型改变,并探讨表观调控蛋白赖氨酸特异性去甲基化酶(Lysine-specific demethylase 1,LSD1)在氟维司群ER+乳腺癌耐药细胞株中的变化。明确LSD1抑制剂逆转氟维司群ER+乳腺癌对氟维司群耐药的可能性,从而为临床针对ER+乳腺癌氟维司群耐药提供新的治疗思路和方法。方法:(1)长期添加氟维司群100 n M和1μM药物浓度处理三种ERα阳性乳腺癌MCF7、T47D、SSM2细胞,建立氟维司群耐药细胞株。(2)荧光显微镜观察亲本细胞系和耐药细胞株细胞形态。(3)结晶紫染色法观察亲本细胞和耐药细胞株增殖和单克隆形成情况。(4)流式细胞仪检测亲本细胞和耐药细胞株细胞周期变化。(5)免疫印迹实验(Western blotting)检测亲本细胞和耐药细胞株ERα、LSD1蛋白及相关周期蛋白表达,检测耐药细胞株撤出氟维司群后ERα蛋白表达,检测加入CHX、MG132、Baf A1后细胞株LSD1蛋白表达。(6)细胞毒性实验检测耐药细胞株的耐药指数,检测撤出氟维司群药物后,耐药细胞株是否会对氟维司群重新敏感,并评判LSD1特异性抑制剂是否逆转氟维司群耐药细胞株耐药。(7)RT-q PCR探讨耐药细胞株中LSD1 m RNA水平变化。结果:(1)成功建立6种ER+乳腺癌氟维司群耐药细胞株(Ful RL-MCF7、Ful RH-MCF7、Ful RL-T47D、Ful RH-T47D、Ful RL-SSM2、Ful RL-SSM2)。(2)耐药细胞株以非雌激素依赖性增殖,同时对他莫昔芬药物产生不同程度交叉耐药。(3)亲本细胞使用氟维司群后阻滞在G1期,耐药株在细胞周期通路调控方面的变化基本趋于一致,同时不同耐药株周期蛋白变化具有异质性。(4)撤掉氟维司群药物后不同耐药细胞株的ERα蛋白恢复不一致,Ful R-SSM2细胞株对氟维司群敏感性未见明显增加。(5)耐药细胞株通过溶酶体途径使LSD1水平下降,并非通过m RNA途径下调,靶向抑制LSD1可能逆转氟维司群耐药细胞耐药。结论:不同来源的氟维司群耐药乳腺癌细胞株具有异质性表现。氟维司群耐药细胞株通过溶酶体途径使LSD1下降,靶向LSD1可能逆转氟维司群耐药细胞株耐药,本研究为治疗氟维司群耐药乳腺癌提供了新的思路。

深度学习算法在乳腺病理图像细胞分割及褪色图像修复中的应用研究

这是一篇关于乳腺癌,病理,深度学习,细胞分割,颜色迁移的论文, 主要内容为目的:基于深度学习的计算机辅助诊断系统是人工智能领域的研究热点及难点之一,目前深度学习算法已在医学图像的分析工作中取得较大的进步,但高效准确的乳腺癌病理智能诊断系统尚不完备,有必要进行更深层次的研究。本研究通过应用U-Net++神经网络算法实现乳腺病理图像细胞分割,探讨深度学习算法在乳腺癌病理诊断中的应用价值,并且研究一种基于数字病理图像的颜色迁移算法,以实现褪色乳腺癌苏木素-伊红(Hematoxylin-Eosin,HE)染色切片的保护性颜色修复。方法:(1)筛选2019-2021年青岛市中心医院病理科乳腺浸润癌患者60例,腺病患者60例。获取其术后HE染色病理切片,利用数字扫描仪以400×进行切片扫描,建立数字化病理图像数据集。筛选图像中感兴趣区域,标注图像中的恶性及良性乳腺细胞,获取恶性标注细胞28884个,良性标注细胞11814个,建立标注图像数据集。训练神经网络框架,应用U-Net++算法实现良恶性细胞分割。应用准确率、敏感度、特异度、阳性预测值、阴性预测值、DICE系数(Dice coefficient)、AUC(Area Under Curve)评价算法能力。(2)筛选2014-2016年青岛市中心医院病理科褪色乳腺癌HE染色切片20张作为形状图像,选用2022年乳腺癌HE染色切片5张作为颜色图像。数字化扫描后,应用颜色迁移算法修复褪色图像的颜色。应用SPSS26.0软件进行统计学分析。依据HE制片质量基本标准对恢复后图像进行颜色评价,应用图像质量评估指标自然图像质量评价器(Natural Image Quality Evaluator,NIQE)、信息熵(Entropy)、平均梯度(Average Gradient,AG)对恢复后图像进行质量评价。结果:(1)应用U-Net++算法实现乳腺病理图像良恶性细胞分割,其中恶性细胞集训练结果:准确率、敏感度、特异度、阳性预测值、阴性预测值、DICE、AUC分别为0.92、0.73、0.95、0.76、0.95、0.75、0.95。良性细胞集训练结果:准确率、敏感度、特异度、阳性预测值、阴性预测值、DICE、AUC分别为:0.96、0.73、0.98、0.80、0.97、0.77、0.98。(2)应用分区域颜色迁移算法对褪色乳腺癌HE染色切片进行颜色修复,修复后图像符合HE制片质量基本标准,低倍镜下肿瘤区域与间质区域组织结构对比突出,高倍镜下细胞及细胞核结构清晰,评分较修复前升高(P<0.01),差异有统计学意义;修复后图像的NIQE值下降(P<0.01)、Entropy值上升(P<0.01)、AG值上升(P<0.01),差异有统计学意义。结论:本研究通过建立乳腺数字化病理切片数据集及乳腺良恶性细胞标注数据集,训练U-Net++神经网络模型,实现乳腺良恶性细胞分割,有助于减少病理医生的读片工作,辅助病理医生得出客观准确的结论,从而实现乳腺癌的高效、精确诊断。通过应用分区域颜色迁移算法对褪色乳腺癌HE染色切片进行颜色修复,明显恢复了细胞核与细胞质染色对比,有效保留了细胞核等重要结构的颜色,提高图像的质量,恢复其诊断及教学价值。

基于不同分子分型的乳腺癌超声造影研究

这是一篇关于乳腺癌,超声造影,分子分型,淋巴结的论文, 主要内容为第一部分不同分子分型乳腺癌超声造影灌注特点的研究目的:探讨超声造影定性灌注特点在不同分子分型乳腺癌间的差异。方法:回顾性分析189例经病理证实为乳腺癌患者的临床特点及超声造影动态图像。观察灌注早期的血管形态,灌注顺序;灌注峰值时肿瘤的边界,造影剂分布,无灌注区形状、部位及面积,周围灌注情况以及灌注晚期的消退模式等特点。参照2011年St.Gallen乳腺癌专家共识的分子分型,比较超声造影灌注特点不同分子分型乳腺癌间的差异。机器采用Esaote Mylab90彩色超声诊断仪,造影剂使用声诺维(SonoVue),所有病人均无超声造影禁忌症,造影前签署知情同意书。结果:189例乳腺癌患者中Luminal A型,Luminal B型,HER2+型,三阴性分别为46,75,37和31例。不同分子分型的乳腺癌在肿瘤大小之间存在差异性(P=0.012),HER2+型乳腺癌的平均大小是Luminal型的1.32倍(P=0.001)。在肿瘤分级上,84.35%的HER2+型及89.66%的三阴性浸润性乳腺癌为III级,而91.42%的Luminal A型为I/II级,有显著的统计学差异(P=0.000);Luminal A型,Luminal B型,HER2+型,三阴性型乳腺癌的腋窝淋巴结转移率分别为26.08%,40%,56.76%,38.71%(P=0.006),HER2+型与Luminal型有显著的差异(P=0.011)。超声造影增强特点在不同分子分型间并无显著的差异(P>0.05)。结论:不同分子分型的乳腺癌在超声造影灌注特点上无显著的统计学差异。第二部分不同分子分型乳腺癌超声造影定量参数的研究目的:探讨超声造影定量分析参数在不同分子分型乳腺癌间的差异。方法:回顾性分析189例经病理证实为乳腺癌患者的超声造影动态图像。采用QontraXt超声造影定量分析软件进行图像分析,分别沿肿瘤边缘和周围组织描绘感兴趣区轮廓,生成时间-强度曲线(Time intensity curve,TIC),获得灌注参数:峰值(peak)、达峰时间(timetopeak,tp)[ms]、上升斜率sharpness[l/s]、曲线下面积(areaunderthecurve,auc)[l/s],将乳腺肿块与周围组织所得参数作差值,得到参数Δpeak,Δtp,Δsharpness和Δauc。机器采用esaotemylab90彩色超声诊断仪,造影剂使用声诺维(sonovue),所有病人均无超声造影禁忌症,造影前签署知情同意书。结果:Δpeak和Δauc两个参数在不同分子分型的乳腺癌间有显著的差异(p=0.011,p=0.001),her2+型乳腺癌Δpeak和Δauc值远远高于其他亚型。其中her2+型Δauc平均值是luminal型的13.33倍(p=0.000),是三阴性型的的6.72倍(p=0.030),差异均有统计学意义;her2+型乳腺癌Δpeak平均值比luminal型高9.24(p=0.000),比三阴性型高8.87(p=0.029)。当Δpeak的临界值为2.3500时,对推测her2+型乳腺癌的敏感度为62.2%,特异度为66.4%,曲线下面积为0.675。当Δauc临界值取0.1500时,其推测her2+乳腺癌的敏感性达到89.2%,特异性为46.1%,曲线下面积为0.748。结论:超声造影定量参数Δpeak和Δauc在不同分子分型乳腺癌间存在差异,对于her2+型乳腺癌可能有一定的预测价值。第三部分超声造影定量参数对乳腺癌腋窝淋巴结转移的预测价值研究目的:探讨超声造影定量参数对乳腺癌患者腋窝淋巴结转移的预测价值。方法:回顾性分析189例经病理证实为乳腺癌患者的超声造影动态图像。采用qontraxt超声造影定量分析软件进行图像分析,分别沿肿瘤边缘和周围组织描绘感兴趣区轮廓,生成时间-强度曲线(timeintensitycurves,tic),获得灌注参数:峰值(peak)、达峰时间(timetopeak,tp)[ms]、上升斜率sharpness[l/s]、曲线下面积(areaunderthecurves,auc)[l/s],将乳腺肿块与周围组织所得参数作差值得到参数Δpeak,Δtp,Δsharpness和Δauc。机器采用esaotemylab90彩色超声诊断仪,造影剂使用声诺维(sonovue),所有病人造影前签署知情同意书。结果:单因素分析结果表明乳腺癌肿块大小(p=0.000),her2(p=0.017),ki67的表达(p=0.034)以及超声造影定量参数Δpeak(p=0.018)和Δtp(p=0.040)在腋窝淋巴结阳性组和阴性组间存在显著差异。多因素分析结果表明肿块大小(oddsratio:2.700,P=0.002)和ΔPeak值(Odds ratio:1.959,P=0.038)是腋窝淋巴结转移与否的独立预测因素。进一步亚组分析发现,肿块大小和ΔPeak值是Luminal型乳腺癌淋巴结转移与否独立的预测因素(Odds ratio:4.875,P=0.001;Odds ratio:2.417,P=0.043)。结论:超声造影定量参数ΔPeak和肿块大小是乳腺癌腋窝淋巴结转移与否的独立预测因素,并且可能对Luminal型乳腺癌预测价值更大。

乳腺癌不保留乳头乳晕皮下乳腺切除加即刻乳房重建临床应用

这是一篇关于乳腺癌,不保留乳头乳晕皮下乳腺切除,即刻乳房重建的论文, 主要内容为目的:探讨乳腺癌不保留乳头乳晕皮下乳腺切除加即刻乳房重建手术(skin sparing mastectomy plus immediate breast recons-truction, SSMplus IBR)对乳腺癌肿瘤治疗的安全性及美容效果。 方法:对重庆医科大学附属第一医院内分泌乳腺外科2008年12月至2012年5月25例接受SSM plus IBR的女性乳腺癌患者临床资料进行回顾性分析。利用电话及门诊的方式随访，并评估重建患者总生存率及无病生存率，术后初次化疗时间，术后并发症发生率及术后的美容效果。 结果：25例重建病例重建肌皮瓣全部存活，随访3～37个月，中位随访16个月，局部复发1例，无远处转移病例，住院日平均12.4天，术后首次开始化疗平均时间为第7.7天。背阔肌重建患者中背部供区血清肿1例(1/17，5.9％)，腹直肌重建患者中腹壁切口脂肪液化1例(1/4，25.0％)。患者对重建乳房满意率为84%(21/25)。 结论：合理的选择乳腺癌患者行SSM plus IBR，是安全的手术方式，而且能满足术后美容效果，值得进一步推广。