目的:通过分析乳腺癌肿块的超声自动乳腺全容积成像（automated breast volume scanner, ABVS）的声图像特征探讨腋窝淋巴结转移的危险因素。方法:回顾性分析2016年1月至2018年12月浙江大学医学院附属杭州市第一人民医院手术证实为单侧单发的212例乳腺癌肿块的ABVS声像图特征，根据病理结果有无腋窝淋巴结转移分为转移组83例和无转移组129例，比较两组患者肿块的ABVS声像图特征，采用logistic回归分析同侧腋窝淋巴结转移的危险因素，应用ROC曲线计算肿块最大径预测乳腺癌腋窝淋巴结转移的截断值，并分析各危险因素诊断乳腺癌腋窝淋巴结转移的灵敏度、特异度、阳性预测值和阴性预测值。结果:转移组伴汇聚征或微钙化的腋窝淋巴结转移率（60.2% vs 65.1%）高于无转移组（43.4% vs 37.2%）（ P=0.017 vs P<0.001），转移组肿块最大径大于无转移组（ Z=2.18， P=0.029）。Logistic回归分析表明，微钙化是乳腺癌腋窝淋巴结转移的独立危险因素（ OR=2.522， P=0.003）。以肿块最大径预测乳腺癌患者发生腋窝淋巴结转移的AUC为0.589，最佳截断值为2.85 cm，灵敏度为34.9%，特异度为82.9%，阳性预测值为56.9%和阴性预测值66.5%。以微钙化和汇聚征预测乳腺癌患者发生腋窝淋巴结转移的灵敏度为65.1%和60.2%，特异度为62.8%和56.6%，阳性预测值52.9%和47.2%，阴性预测值73.6%和68.9%。 结论:乳腺癌肿块最大径、微钙化及冠状面汇聚征是发生腋窝淋巴结转移的主要危险因素。

目的:探究多模态超声特征联合血清基质金属蛋白酶9（matrix metalloproteinase-9，MMP-9）检测对乳腺癌保乳术后肿瘤复发的预测价值。方法:选取2017年1月至2018年5月济宁医学院附属医院收治的194例行保乳手术治疗的乳腺癌患者，于术前行常规超声、自动乳腺全容积成像及超声造影检查，术后随访5年，根据肿瘤复发情况分为复发组和未复发组。应用Logistic回归方程分析影响乳腺癌保乳术后肿瘤局部复发的危险因素，绘制ROC曲线分析多模态超声特征联合血清MMP-9对乳腺癌保乳术后肿瘤局部复发的预测价值。结果:术后随访5年，194例行保乳手术治疗的乳腺癌患者中有29例出现肿瘤局部复发、转移。两组肿瘤直径、毛刺征、汇聚征、Alder血流分级、增强顺序、模式及增强强度等比较，差异无统计学意义（ t=1.48， P=1.451； χ2=0.55， P=0.460； χ2=0.50， P=0.478； χ2=0.60， P=0.439； χ2=0.50， P=0.780； χ2=0.04， P=0.981； χ2=0.13， P=0.716）。Logistic回归分析结果显示，肿块形态不规则、出现微小钙化、周围放射状增强、存在灌注缺损、血清MMP-9异常升高是导致乳腺癌保乳术后肿瘤局部复发的独立危险因素（ P=0.034，95% CI=1.177~62.266； P=0.048，95% CI=1.022~58.397； P=0.045，95% CI=1.100~56.756； P=0.043，95% CI=1.079~ 60.937； P=0.044，95% CI=1.000~1.026）。ROC曲线显示，多模态超声特征联合血清MMP-9预测乳腺癌保乳术后肿瘤局部复发的AUC为0.970，敏感度及特异度分别为98.63%和91.67%。 结论:多模态超声特征联合血清MMP-9检测在乳腺癌保乳术后肿瘤局部复发评估中具有较高的应用价值，为乳腺癌的临床诊治提供新思路。

目的:探讨基于自动乳腺全容积成像(ABVS)影像组学的机器学习模型鉴别乳腺影像报告和数据系统(BI-RADS) 4类病灶良恶性的临床价值。方法:前瞻性收集2020年5－12月于西南医科大学附属医院(中心1)和广东省中医院(中心2)接受ABVS检查和组织活检的BI-RADS 4类病灶患者，分为训练集(中心1)和外部验证集(中心2)。将病灶的最大切面图像(ABVS横切面、矢状面和冠状面各一张)导入影像组学分析软件(MaZda)，并提取影像组学特征。在训练集，七种特征选择方法和十三种机器学习算法进行两两结合，构建不同的机器学习模型，将诊断性能最优的六种模型在外部验证集进行验证并确定最终的机器学习模型。最后，评估有或无模型辅助下不同经验超声医师(R1、R2和R3，分别有3、6和10年经验)诊断效能和诊断信心的变化。结果:①研究纳入251个BI-RADS 4类病灶，其中训练集178个(良性91个，恶性87个)，外部验证集73个(良性44个，恶性29个)；②训练集中，诊断性能最优的六种机器学习模型分别是基于递归特征消除(RFE)的深度神经网络(DNN)模型，自适应提升(AdaBoost)模型，逻辑回归(LR)模型，线性判别分析(LDA)模型，集成算法(Bagging)模型和支持向量机(SVM)模型，ROC曲线下面积(AUC)依次为0.972、0.969、0.968、0.968、0.967和0.962；③外部验证集中，DNN-RFE模型仍具有最优的诊断性能，其AUC、准确性、敏感性、特异性、阳性预测值(PPV)和阴性预测值(NPV)分别为0.886、0.836、0.934、0.776、86.8%和82.5%；④模型辅助前，R1的诊断性能最差，其准确性、敏感性、特异性、PPV和NPV分别为0.680、0.750、0.640、57%和81%；模型辅助后，R1的上述指标分别提升至0.730、0.810、0.930、68%和94%，差异有统计学意义( P＝0.039)，而R2和R3与辅助前比较，差异无统计学意义( P＝0.811，0.752)；三名医师的总体诊断信心从2.8增加至3.3( P<0.001)。 结论:基于ABVS影像组学的机器学习模型能较好地区分良恶性BI-RADS 4类病灶，提升经验较少医师的诊断性能及其诊断信心。

目的:探讨乳腺癌新辅助化疗（neoadjuvant chemotherapy，NAC）患者多模态超声特征与术后病理缓解程度及B淋巴细胞瘤-2（B-cell lymphoma-2，BCL-2）表达的相关性，为治疗方案的选择提供参考思路。方法:选择2018年1月至2020年12月于陕西省中医医院采取NAC并进行保乳或全乳切除手术治疗的女性乳腺癌患者作为研究对象。于化疗后手术前进行常规超声、自动乳腺全容积成像和超声造影检查，参照Miller and Payne改良病理反应分级标准进行术后病理缓解程度评价，采用免疫组织化学法检测乳腺癌组织中的BCL-2表达水平。对MHR和NMHR组、BCL-2不同表达状态组间的多模态超声特征进行单因素分析，应用二元Logistic回归对单因素分析中有意义的变量进行多因素分析。结果:在186例患者中，NAC患者术后MHR组84例（45.2%），NMHR组102例（54.8%），NMRH组的肿块最大径>4 cm、肿块形态不规则、出现微小钙化、CEUS出现高增强、灌注缺损的比例（分别为62.7%、62.7%、70.6%、62.7%、66.7%）显著高于MRH组（分别为38.1%、40.5%、39.3%、41.7%、31.0%）（ P均<0.05）；BCL-2低水平表达者出现肿块形态不规则、微小钙化、Alder血流分级2~3级、高增强和周围放射性增强的比例（分别为65.1%、69.8%、65.1%、71.7%、72.6%）显著高于BCL-2高表达者（分别为36.2%、38.7%、27.5%、28.7%、38.8%）（ P均<0.05）。多因素Logistic分析结果表明，肿块形态不规则和出现微小钙化是术后NMHR的独立危险因素（ P均<0.05）；肿块形态不规则、伴微小钙化、CEUS表现为周围放射状增强是BCL-2低表达的独立危险因素（ P均<0.05）。 结论:多模态超声特征可用于预测乳腺癌NAC患者术后病理缓解程度及BCL-2的表达状态，有助于选择治疗方案和预测患者预后。

目的:探讨常规超声联合自动乳腺全容积成像(ABVS)预测乳腺浸润性导管癌患者发生腋窝淋巴结转移(ALNM)的临床价值。方法:回顾性分析2014年1月至2020年12月东部战区总医院乳腺外科收治的96例女性乳腺癌患者(96个肿块)，所有患者治疗前均行常规超声和ABVS检查，依据术后病理结果将乳腺癌患者分为有腋窝淋巴结转移(ALNM)组(53例)和无腋窝淋巴结转移(N-ALNM)组(43例)，比较两组间各项超声参数的差异，并行二元Logistic回归分析，确定乳腺癌ALNM的独立预测因素。绘制ROC曲线以评估其诊断效能。结果:相较于N-ALNM组，ALNM组具有肿瘤最长径更长、边界不清楚、内部回声分布不均匀、血流分级Ⅱ~Ⅲ级、有汇聚征的特点，差异有统计学意义(均 P<0.05)。行二元Logistic回归分析显示，肿瘤最长径、内部回声不均匀、有汇聚征是乳腺癌ALNM的独立预测因素( OR＝1.051、4.055、3.493，均 P<0.05)；3个参数串联联合预测乳腺癌ALNM的ROC曲线下面积为0.752(0.653~0.834)，敏感性为54.7%，特异性为83.7%。 结论:超声测得的肿瘤最长径、内部回声不均匀、有汇聚征是乳腺癌患者ALNM的独立预测因素，三者联合可为乳腺癌患者ALNM的评估和临床治疗方案的制定提供影像学依据。

目的:探讨基于多参数MRI的影像组学融合模型术前预测直肠癌脉管侵袭（LVI）的应用价值。方法:回顾性队列研究。纳入2016年1月—2019年12月在山西省肿瘤医院行直肠癌根治性切除术的224例直肠癌患者的临床病理资料和多参数MRI数据，其中男129例、女95例，年龄28~83（61.3±9.7）岁。按7∶3的比例随机分为训练集157例和验证集67例。使用ITK-SNAP图像分割软件，在高分辨率T 2加权像（T 2WI）、弥散加权成像（DWI）及增强T 1加权像（cT 1WI）上，逐层手动勾画肿瘤感兴趣区得到全容积感兴趣区（VOI），将DWI的勾画信息复制到表观弥散系数（ADC）图像（由2个不同b值的DWI图像自动计算生成）。采用最小冗余最大相关（mRMR）、最小绝对收缩与选择算子（LASSO）算法及多因素logistic回归的三步降维法，筛选影像组学特征并构建影像组学标签。通过多因素logistic回归分析筛选出临床病理特征和MRI表现特征中的独立预测因子。分别构建基于T 2WI、ADC、cT 1WI单一序列和联合序列的影像组学模型及纳入临床病理特征后的融合模型并制作列线图。采用受试者操作特征曲线下面积（AUC）、校准曲线、决策曲线（DCA）评估模型的效能及临床效益。 结果:224例直肠癌患者经术后病理证实LVI阳性70例、阴性154例。训练集和验证集的临床病理特征及MRI表现特征比较，差异均无统计学意义（ P值均>0.05）。三步降维法筛选后得到6个与直肠癌LVI相关的关键特征（ P值均<0.05）。血清癌胚抗原（CEA）是直肠癌LVI的独立预测因子［比值比（95%可信区间）2.071（1.038~4.131）， P=0.039］。基于T 2WI、ADC、cT 1WI单一序列及联合序列的影像组学模型在训练集中的AUC分别为0.765、0.772、0.776、0.878，在验证集中的AUC分别为0.741、0.739、0.764、0.846；纳入CEA构建的融合模型训练集和验证集的AUC分别为0.899、0.876，预测效能最佳。校准曲线显示融合模型有良好的校正性能。验证集的DCA曲线显示，阈值概率范围在0.10~0.20和0.35~0.90时融合模型的净收益最大。 结论:基于多参数MRI的影像组学特征和CEA构建的融合模型在直肠癌LVI的术前预测中有较高的诊断效能，其可视化列线图可以作为术前预测LVI的有效工具。

目的:系统评价自动乳腺全容积成像系统（ABVS）与手持超声（HHUS）对乳腺良、恶性病灶的诊断价值。方法:检索Cochrane图书馆、PubMed、Embase、Ovid、中国知网（CNKI）、维普网（VIP）、万方医学网、中国生物医学文献数据库（CBM）等，检索时间从建库至2022年1月。筛选并纳入相关文献，提取文献特征。应用Meta-disc 1.4软件分析ABVS、HHUS诊断乳腺肿瘤的合并诊断比值比（DOR）、合并特异度、合并灵敏度及95% CI、集成受试者工作特征（SROC）曲线及曲线下面积（AUC）等，评价研究间的异质性及发表偏倚情况。 结果:共纳入26篇文献。异质性检验结果提示无阈值效应，采用随机效应模型合并灵敏度、特异度、DOR等效应量。ABVS和HHUS的合并灵敏度分别为0.86（95% CI 0.84~0.87）、0.80（95% CI 0.78~0.82）， I2分别为89.7%和82.3%；合并特异度分别为0.91（95% CI 0.90~0.92）、0.84（95% CI 0.83~0.86）， I2分别为89.7%和92.2%。ABVS、HHUS、二者联合诊断的AUC分别为0.954、0.883、0.958。漏斗图分析显示不存在发表偏倚。 结论:在乳腺病灶良、恶性的鉴别诊断方面，ABVS较HHUS具有更高的临床价值。

目的:探索轻度认知障碍（MCI）患者脑白质病变与空间导航能力之间的关系。方法:选取2015年1月至2018年2月在南京大学医学院附属鼓楼医院就诊的32例MCI患者[年龄（66±11）岁，男16例，女16例]以及年龄、性别、受教育程度匹配的28位健康对照组（NC）[年龄（70±11）岁，男19名，女9名]进行空间导航能力测试和神经行为心理学量表评价；采用横断面研究，所有被试同时均进行3.0T磁共振三维液体反转恢复序列及高分辨T 1加权成像扫描，采用白质高信号分割工具包（W2MHS）自动标记并提取白质高信号的体积。 结果:MCI患者自我参照导航（ P=0.002）、环境参照导航（ P=0.039）的平均误差距离均大于对照组，混合（环境参照和自我参照）导航的平均误差距离与正常对照组无差异（ P=0.070），而全脑白质高信号体积、侧脑室旁白质高信号体积、深部白质高信号体积组间差异无统计学意义（均 P>0.05）。偏相关分析显示控制年龄、性别、教育程度及全脑容积后，MCI患者混合（环境参照和自我参照）导航的平均误差距离与全脑白质高信号体积、深部白质高信号体积及侧脑室旁白质高信号体积呈正相关（ r=0.469、0.434、0.512，均 P<0.05），环境参照导航的平均误差距离与侧脑室旁白质高信号体积（ r=0.403， P=0.033）正相关，自我参照导航平均误差距离与脑白质高信号体积无关联性。 结论:MCI患者空间导航能力与脑白质病变有关，对进一步研究影响人类空间导航能力的潜在生物学机制具有重要意义。

目的:探讨基于自动乳腺全容积成像(automatic breast volume scanner,ABVS)影像组学构建的列线图模型术前预测T1期乳腺癌腋窝淋巴结(axillary lymph node,ALN)转移的价值.方法:收集华东师范大学附属芜湖医院158例T1期乳腺癌患者的临床病理及影像资料,按7比3将患者随机分为训练组(n=110)及验证组(n=48).利用MaZda纹理分析软件基于ABVS最大冠状面图像提取影像组学特征,并采用最小绝对收缩和选择算子算法(least absolute shrinkage and selection operator,LASSO)回归降维筛选最优特征,并构建影像组学标签评分(radiomics score,radscore).通过单因素与多因素Logistic回归分析筛选预测T1期乳腺癌ALN转移的独立危险因子,构建联合预测模型,并绘制列线图.用受试者工作特征(receiver operating characteristic,ROC)曲线及曲线下面积(area under curve,AUC)进行模型性能评价,Hosmer-Leme-show检验进行拟合优度评价.校准曲线评价模型的校准度,Delong检验比较模型的诊断效能,决策曲线分析(decision curve analysis,DC A)评估模型的临床实用性.结果:单因素与多因素Logistic回归发现象限、冠状面汇聚征、超声淋巴结阳性为独立危险因素.联合模型训练组、验证组AUC分别为0.944、0.862,Delong检验联合模型诊断效能最高,Hosmer-Lemeshow检验模型均拟合较好(训练组x2=6.877,P=0.550;验证组x2=13.904,P=0.084),校准曲线及DCA表明列线图具有较高的校准度及较好的临床适用性.结论:基于ABVS影像组学列线图术前能有效的预测T1期乳腺癌ALN转移风险,构建的列线图能够可视化预测结果,为精准诊疗提供无创手段.

目的:探讨PDCA（Plan计划，Do执行，Check检查，Action行动）循环法在自动乳腺全容积成像（ABVS）诊断乳腺疾病中的应用。方法:收集中南大学湘雅三医院2018年1月至2019年12月期间行ABVS检查并经病理确诊或临床明确诊断的乳腺疾病患者2070例，根据PDCA循环法应用时间分为2组，PDCA循环法应用前（2018年1月至2018年12月）患者840例，PDCA循环法应用后（2019年1月至2019年12月）患者1230例。使用χ2检验分析比较PDCA循环法应用前后的诊断符合率、漏诊率、误诊率以及患者满意度的差异。结果:与PDCA循环法应用前比较，PDCA实施后ABVS诊断符合率提高（87.89% vs 82.74%），误诊率下降（11.47% vs 15.63%），漏诊率下降（14.39% vs 23.20%），患者满意度提升（92.59% vs 87.12%），差异均具有统计学意义（χ2=10.856、4.507、3.936、3.922，P=0.010、0.034、0.047、0.048）。结论:PDCA循环法能提升ABVS诊断乳腺疾病过程中的医疗质量。