基于匹配追踪时频分解算法的弥散加权成像和动态增强MRI在乳腺癌及转移淋巴结临床诊断的应用研究

乳腺癌目前的治疗模式为"人性化"及"个体化"治疗，TNM分级是指导乳腺癌治疗的金标准，手术TNM分级方式给乳腺癌患者带来身心的巨大创伤，并且，目前对腋窝淋巴结清扫具有指导意义的SLN切除方式仍有10%左右的假阴性率，为其在临床的推广应用带来困难。影像技术尤其是MRI技术的迅速发展为实现无创肿瘤TNM分级提供可能，申请者在前期研究工作中发现ADC值的改变有可能成为预测乳腺良恶性肿瘤及检测化疗反应的敏感指标之一，并根据已有的数据初步建立了数学预测模型。在本项目中，申请者将DCE-MRI和DWI-MRI动态增强扫描结合，在MRI引导下行活检穿刺，实现影像-病理对照研究，基于匹配追踪时频分解算法建立数学模型，研发能进行复杂操作的数据分析软件，帮助进行乳腺癌和转移淋巴结的临床预测及诊断，实现乳腺癌影像学TNM分级，为今后进一步进行乳腺癌的无创及微创治疗、治疗效果评价、肿瘤复发转移监测等提供研究基础。

乳腺癌是女性最常见恶性肿瘤,乳腺癌目前尚无有效的一级预防措施，早期发现、早期诊断、早期治疗是降低乳腺癌病死率的关键。准确的分期是乳腺癌所有的诊断及治疗的基础，探索无创影像TNM分期方法是目前研究热点。.　　　核磁共振成像（Magnetic Resonance Imaging， MRI）包括传统磁共振成像即磁共振平扫和功能磁共振成像两方面，它的迅速发展及在临床的广泛应用，为实现无创乳腺癌TNM分级分期带来了可能。.　　　 本研究分析乳腺肿瘤MRI的形态学特点和功能学特点，与金标准病理检查结果一一对比，建立腋窝淋巴结MRI新评分系统，探讨MRI诊断乳腺肿瘤及转移淋巴结的准确性，认为通过乳腺MRI 评价可获得T及N的准确分期，可用于指导治疗方案的选择和化疗效果的评价。.　　　本研究将各个MRI影像诊断指标量化并寻找其诊断阈值，为下一步建立数学模型，建立乳腺MRI生物全息图像积累临床研究基础。.　　　本研究还通过对图像信号在时频域中的研究，提出了一种基于匹配追踪(Matching pursuits)时频分解算法的图像降噪方法，基于该方法，处理并重建二维乳腺MRI图像。在此基础上，根据不同信号值重建三维分层图像，并与全乳大切片病理结果融合，直观显现不同MRI信号特点对应的病理结果。.　　　最后，多层面的三维MRI图像将用于建立生物全息图像，360°全面了解乳腺及腋窝组织的外表及内部结构，根据临床筛选的阈值，将图像筛选出来，可智能化显示病灶及周围的重要组织结构。为后期建立计算机辅助诊断系统，提高影像诊断准确率做前期研究工作。. 迄今为止，本项目在国内外发表论文5篇，SCI收录6篇，EI收录3篇，核心2篇，获得3项目专利，在国内学术会议专题讲座或报告3人次。培养博士3名，硕士1名。后续数据正在修稿中。