基于组织分割的乳腺癌风险量化方法研究

Breast cancer is a leading cause of death in women. Early detection and diagnosis of breast cancer can efficiently improve the survival rate. It has been suggested that high breast density is a predominant risk factor for breast cancer, which can be evaluated according to the relative amount of fibroglandular tissue in breast on the medical images. The current criteria for breast density classification are not precise. Radiologists can only subjectively assess the breast density based on their clinical experience. This may cause significant inter- and intra-observer variability. Hence, automated method for objectively quantitative analysis of breast density is required for breast cancer risk assessment. This project plans to apply medical image processing and analysis onto the three-dimensional breast magnatic resonance images to solve the challenging problems in tissue segmentation. The effective features for breast cancer risk assessment will be selected based on the segmented tissues and the clinical data. This project will substantially improve the accuracy and efficiency of breast caner risk assessment, and offer a new way for early detection and diagnosis of breast cancer.

乳腺癌是女性最常见的恶性肿瘤，早期检测和诊断可以有效地提高乳腺癌的治愈率。研究表明乳腺高密度是乳腺癌的风险因素之一，通过对医学影像中的乳腺密度进行评估，可以预测受检者未来发生乳腺癌的风险。目前对乳腺密度的分类标准都比较粗略，需要放射科医生依据临床经验进行主观评估，这会引起很大的观察者间和观察者自身的差异，导致对乳腺密度评估的不准确和不可靠，无法客观地预测乳腺癌风险。本课题拟运用计算机图像处理与分析技术对复杂的三维乳腺磁共振图像中乳房组织、腺体纤维组织及其它组织进行准确的全自动分割，进而实现基于已分割组织的乳腺密度相关图像学量化特征与实际临床数据的有效结合，该结果更具客观性，可以有效地提高乳腺癌风险预测的准确性，为乳腺癌早期检测与诊断提供新的途径。

乳腺癌是女性最常见的恶性肿瘤，早期检测和诊断可以有效地提高乳腺癌的治愈率。研究表明乳腺高密度是乳腺癌的风险因素之一，通过对医学影像中的乳腺密度进行评估，可以预测受检者未来发生乳腺癌的风险。目前对乳腺密度的分类标准都比较粗略，需要放射科医生依据临床经验进行主观评估，这会引起很大的观察者间和观察者自身的差异，导致对乳腺密度评估的不准确和不可靠，无法客观地预测乳腺癌风险。. 本课题以三维乳腺压脂动态增强磁共振图像为研究对象，运用计算机图像处理与分析技术在图像中对组织进行准确和有效的全自动分割，并基于已分割组织的乳腺密度相关图像学量化特征与实际临床数据的有效结合，实现乳腺癌发病风险的客观量化预测。. 经过三年的研究，本课题已完成包括感兴趣区域、胸壁线、皮肤线、乳房组织、腺体纤维组织和增强的腺体纤维组织的全自动提取和分割算法，并已集成一个全自动乳腺癌风险量化分析原型系统，该系统目前已在复旦大学附属肿瘤医院进行临床验证和临床实验。本课题采用20个临床数据对胸壁线提取、皮肤线提取和乳房组织分割的结果进行量化评估，结果显示全自动提取和手动圈画的胸壁线和皮肤线之间的距离分别为0.41 ± 0.14 mm和0.91 ± 0.21 mm，全自动分割和手动圈画的乳房组织之间的重叠值和体积差值分别为95.1 ± 1.3%和9.8 ± 2.5%。同时，本课题合作的两位有经验的放射科医师分别对在不同磁共振机器上采用不同成像参数获取的100个临床数据的分割结果进行主观评估，结果为所有分割结果不需要任何手动修改直接可以进行临床应用。另外，基于303个临床数据的临床实验结果显示，基于已分割组织的乳腺癌风险相关的背景增强量和背景增强率可以有效地区分正常和异常病例。以上结果均已被国际同行接受。. 已有的实验室测试和临床验证结果显示本课题提出的乳腺癌风险量化方法更具客观性，可以有效地提高乳腺癌风险预测的准确性，推动乳腺癌风险预测在临床中的实际应用，为乳腺癌的早期检测与诊断提供新的途径。