目的探讨乳腺癌易感基因1(breast cancer susceptibility gene 1,BRCA1)在散发性乳腺癌干细胞和分化细胞中的表达及意义。方法选取散发性乳腺浸润性导管癌新鲜标本30例,采用机械分离法将乳腺癌组织块制备成单细胞悬液,通过免疫磁珠两步...目的探讨乳腺癌易感基因1(breast cancer susceptibility gene 1,BRCA1)在散发性乳腺癌干细胞和分化细胞中的表达及意义。方法选取散发性乳腺浸润性导管癌新鲜标本30例,采用机械分离法将乳腺癌组织块制备成单细胞悬液,通过免疫磁珠两步法从中分离出乳腺癌干细胞(CD44+/CD24-细胞)和分化细胞(CD24+、CD44-、CD24-细胞),应用免疫细胞化学PV6000两步法分别检测两组细胞BRCA1的表达情况。结果乳腺癌干细胞所占比例平均为2.96%,乳腺癌干细胞BRCA1阴性组与阳性组相比,乳腺癌干细胞在乳腺癌中的比例明显升高,其差异有统计学意义(P<0.01);BRCA1在乳腺癌干细胞和分化细胞的阳性率分别为53.3%(16/30)8、3.3%(25/30),差异有显著性(P<0.05)。结论 BRCA1能够抑制乳腺癌干细胞的增殖,某些乳腺癌的癌干细胞在增殖分化过程中出现BRCA1的表达。展开更多
目的研究纹理分析联合时间-信号强度曲线(time-intensity curve,TIC)对乳腺浸润性导管癌与纤维腺瘤鉴别诊断价值。材料与方法回顾性分析我院经病理学证实的75例女性患者(乳腺浸润性导管癌48例,乳腺纤维腺瘤27例)的MRI图像,分别绘制TIC...目的研究纹理分析联合时间-信号强度曲线(time-intensity curve,TIC)对乳腺浸润性导管癌与纤维腺瘤鉴别诊断价值。材料与方法回顾性分析我院经病理学证实的75例女性患者(乳腺浸润性导管癌48例,乳腺纤维腺瘤27例)的MRI图像,分别绘制TIC及使用纹理分析软件中的直方图、绝对梯度、游程矩阵、共生矩阵和自回归模型共5种分析方法,对增强图像上的乳腺病灶进行纹理特征提取,共获得306个纹理特征参数;采用Fisher相关系数(Fisher coefficient,Fisher)、最小分类误判率+平均相关系数(classification error probability and average correlation coefficients,POE+ACC)及互信系数(mutual information coefficient,MI)三种统计学方法,分别筛选出区别乳腺浸润性导管癌与纤维腺瘤的10个最佳纹理特征参数。使用B11程序中的主成分分析法(principal component analysis,PCA)、线性鉴别分析法(linear discriminant analysis,LDA)和非线性鉴别分析法(nonlinear discriminant analysis,NDA)对这10个最佳纹理参数进行降维和分类,计算最佳纹理特征参数下病灶的最小误判率。统计TIC方法、纹理分析方法及两种方法联合下鉴别诊断的敏感度、特异度、准确度。结果纹理分析方法以Fisher+NDA或POE+ACC+NDA组合的最小误判率最低(4%),其筛选出用于建模的10个最佳纹理参数分别为:Fisher+NDA为GeoW1、熵S(5,-5)、相关性S(5,5)、熵S(4,-4)、熵S(5,0)、熵S(5,5)、Teta2、熵S(4,0)、Teta3、熵S(3,-3)。POE+ACC+NDA为GeoYo、Vertl_Fraction、GeoW5b、GeoW4、相关性S(5,5)、Teta1、Vertl_ShrtREmp、GeoNx、GeoAox、GeoX。TIC方法、纹理分析方法及两种方法联合下鉴别诊断的敏感度为87.5%、93.8%、97.9%;特异度为29.6%、11.1%、14.8%;准确度为66.7%、64.0%、68.0%。结论常规MRI平扫与增强的基础上,采用TIC与MRI纹理参数分析可以提高乳腺浸润性导管癌和乳腺纤维腺瘤的敏感度和准确度,其对乳腺纤维腺瘤与浸润性导管�展开更多
文摘目的研究纹理分析联合时间-信号强度曲线(time-intensity curve,TIC)对乳腺浸润性导管癌与纤维腺瘤鉴别诊断价值。材料与方法回顾性分析我院经病理学证实的75例女性患者(乳腺浸润性导管癌48例,乳腺纤维腺瘤27例)的MRI图像,分别绘制TIC及使用纹理分析软件中的直方图、绝对梯度、游程矩阵、共生矩阵和自回归模型共5种分析方法,对增强图像上的乳腺病灶进行纹理特征提取,共获得306个纹理特征参数;采用Fisher相关系数(Fisher coefficient,Fisher)、最小分类误判率+平均相关系数(classification error probability and average correlation coefficients,POE+ACC)及互信系数(mutual information coefficient,MI)三种统计学方法,分别筛选出区别乳腺浸润性导管癌与纤维腺瘤的10个最佳纹理特征参数。使用B11程序中的主成分分析法(principal component analysis,PCA)、线性鉴别分析法(linear discriminant analysis,LDA)和非线性鉴别分析法(nonlinear discriminant analysis,NDA)对这10个最佳纹理参数进行降维和分类,计算最佳纹理特征参数下病灶的最小误判率。统计TIC方法、纹理分析方法及两种方法联合下鉴别诊断的敏感度、特异度、准确度。结果纹理分析方法以Fisher+NDA或POE+ACC+NDA组合的最小误判率最低(4%),其筛选出用于建模的10个最佳纹理参数分别为:Fisher+NDA为GeoW1、熵S(5,-5)、相关性S(5,5)、熵S(4,-4)、熵S(5,0)、熵S(5,5)、Teta2、熵S(4,0)、Teta3、熵S(3,-3)。POE+ACC+NDA为GeoYo、Vertl_Fraction、GeoW5b、GeoW4、相关性S(5,5)、Teta1、Vertl_ShrtREmp、GeoNx、GeoAox、GeoX。TIC方法、纹理分析方法及两种方法联合下鉴别诊断的敏感度为87.5%、93.8%、97.9%;特异度为29.6%、11.1%、14.8%;准确度为66.7%、64.0%、68.0%。结论常规MRI平扫与增强的基础上,采用TIC与MRI纹理参数分析可以提高乳腺浸润性导管癌和乳腺纤维腺瘤的敏感度和准确度,其对乳腺纤维腺瘤与浸润性导管�
