Skip to main content
Journal of Central South University Medical Sciences logoLink to Journal of Central South University Medical Sciences
. 2023 Jan 28;48(1):68–75. [Article in Chinese] doi: 10.11817/j.issn.1672-7347.2023.220096

HER-2阳性乳腺癌中不同激素受体表达状态的磁共振鉴别

Magnetic resonance differential analysis for different hormone receptor expression status in HER-2-positive breast cancer

ZOU Ziqin 1,2, HUANG Yanfang 2, ZHOU Zhihui 2, YANG Yu 2,
Editor: 傅 希文
PMCID: PMC10930563  PMID: 36935179

Abstract

目的

目前临床上术前早期对人表皮生长因子受体-2(human epidermal growth factor receptor 2,HER-2)阳性乳腺恶性肿瘤中激素受体(hormone receptor,HR)表达状态的评估存在困难,无创而有效的预测难以达成。本研究旨在探讨磁共振成像(magnetic resonance imaging,MRI)对HER-2阳性乳腺癌中不同HR表达状态(HR+/HR-)的鉴别价值。

方法

选取2015年1月7日至2021年11月26日于湖南中医药大学第一附属医院接受治疗的30例HR+ HER-2阳性乳腺癌(HR+组)及23例HR- HER-2阳性乳腺癌(HR-组)患者为受试对象,所有患者均经过MRI检查,且均经过手术或病理活检证实。以免疫组织化学染色检查结果作为金标准,分析两组的基本临床情况、病灶周围情况及MRI征象特点。

结果

HR+组与HR-组的肿块边缘、病灶内部强化特征、表观扩散系数(apparent diffusion coefficient,ADC)值差异均有显著的统计学意义(均P<0.05)。Logistic多因素回归分析显示:当病灶在MRI上表现为肿块型乳腺癌时,病灶内部强化特征是区分两组乳腺癌的独立预测因素[比值比(odds ratio,OR)=5.95,95% CI:1.223~28.951,P<0.05],而肿块边缘(OR=0.386,95% CI:0.137~1.082,P>0.05)与ADC值(OR=0.234,95% CI:0.001~105.293,P>0.05)不属于区分两者的独立预测因素。

结论

多参数MRI对HER-2阳性乳腺癌中HR不同的表达状态具有良好的诊断价值。联合logistic回归分析构建预测模型可对其鉴别诊断提供一定的帮助。

Keywords: 人表皮生长因子受体-2, 磁共振成像, 激素受体, 乳腺癌


乳腺癌是女性最常见的恶性肿瘤,其死亡人数占女性恶性肿瘤首位[1]。因其在分子水平上具有高度的异质性,即使在相同病理类型的患者中,仍存在不同的表型及生物学行为差异,以至于患者间临床表现、治疗效果和预后也可能存在显著差异[2]。人表皮生长因子受体-2(human epidermal growth factor receptor 2,HER-2)阳性乳腺癌是指在基因检测中HER-2基因表达为阳性的乳腺癌,占乳腺癌的20%~30%,肿瘤恶性程度较高,患者常表现为较低的生存期和较差的预后[3]。更糟糕的是,根据激素受体(hormone receptor,HR)表达状态的不同,HER-2阳性乳腺癌可分为HR+及HR-乳腺癌,这两者在无创的检查方法中难以鉴别,又在临床干预、治疗上存在一定的差异,这给临床前期治疗、用药带来了困扰。本研究旨在通过利用多参数磁共振成像(magnetic resonance imaging,MRI)技术,研究HER-2阳性乳腺癌中HR+患者及HR-患者的MRI特征差异,为临床早期诊断、治疗提供帮助。

1. 资料与方法

1.1. 临床资料

回顾性分析2015年1月7日至2021年11月26日期间在湖南中医药大学第一附属医院(以下简称本院)内行乳腺 MRI检查后病理证实为乳腺癌的所有患者,收集其中表现为HER-2阳性乳腺癌且经手术及病理检查证实者78例。本研究已通过本院伦理委员会批准(审批号:HN-LL-LW-2022-042)。入选标准:1)符合手术适应征者;2)病灶最大径≥1 cm;3)行MRI检查前,未接受穿刺、手术、放射治疗和化学治疗者。排除标准:1)患者图像伪影较多而影响诊断分析者;2)临床资料有误或不全者。

病灶选取标准:1)双侧乳腺病灶应分开测量:2)同侧存在多个病灶时,若形态相同则选取测量范围最大的病灶,若形态不同,则应分开测量。最终入选53例女患者,共54个病灶,1例为单乳双灶;病理类型以导管原位癌及浸润性导管癌为主,肿瘤组织学分级为II~III级,仅有1例为I级。将患者分为HR+组和HR-组,HR+组及HR-组各有1例病灶存在两种可能的时间信号强度曲线(time-signal intensity curve,TIC)类型,两种曲线均纳入。HR+组患者年龄为31.00~81.00(50.27±9.52)岁,HR-组患者年龄为28.00~65.00(47.08±9.87)岁,两组年龄比较差异无统计学意义(P>0.05,表1)。

表1.

HR+ 组和HR -MRI特征比较

Table 1 Comparison of MRI features between the HR+ group and the HR - group

组别 病灶数 年龄/岁 病灶分布 肿块最长径/cm
单灶 多灶 多中心 >2 ≤2
HR+ 30 50.27±9.52 24 5 1 14 7
HR- 24 47.08±9.87 16 1 7 9 3
χ 2/t 567.500 1.535 136.500
P 0.336 0.514 0.699
组别 肿块形态 肿块边缘 T2WI信号
类圆形 分叶 不规则 光滑 欠清 毛刺 等/低 稍高
HR+ 9 11 1 5 4 12 7 20 3
HR- 3 7 2 5 4 3 4 11 9
χ 2/t 1.928 7.562 457.500
P 0.384 0.019 0.056
组别 病灶形态 内部强化特征 TIC曲线类型 ADC值/(×10-3 s·mm2)
非肿块 肿块 均匀 不均匀 环形 I型 II型 III型
HR+ 9 21 0 18 12 2 5 24 0.877±0.149
HR- 12 12 0 5 19 3 4 18 0.968±0.173
χ 2/t 2.244 9.002 0.654 0.964
P 0.134 0.003 0.899 0.047

T2WI:T2加权成像;TIC:时间信号强度曲线,ADC:表观扩散系数。

1.2. 检查方法

采用GE 3.0T Signa HDxt超导MR扫描仪(8通道乳腺专用相控阵线圈)进行扫描成像。检查时患者取俯卧位,头先进,双侧乳腺自然下垂,放置于乳腺线圈内,扫描范围从双侧腋窝上缘至双侧乳房下缘。扫描序列及参数如下:1)横断面扩散加权成像(diffusion-weighted imaging,DWI),层间距为1 mm,层厚为4 mm,回波时间(echo time,TE)为62.5 ms,重复时间(repetition time,TR)为6 000 ms,视野(field of view,FOV)为32 cm×32 cm,矩阵为128×128,采集2次,扩散敏感系数b值分别取0及1 000 mm2/s;2)横断面T2非对称回波的最小二程估算法迭代水脂分离(iterative decomposition of water and fat with echo asymmetric and least-squares estimation,IDEAI)序列,层间距为1 mm,层厚为4 mm,TE为35 ms,TR为8 200 ms,FOV为32 cm×32 cm,矩阵为320×192,采集2次;3)横断面T1快速自旋回波(fast spin echo,FSE)序列,层厚为4 mm,层间距为1 mm,TE为7.8 ms,TR为400 ms,FOV为32 cm×32 cm,矩阵为320×192,采集2次;4)乳腺评估容积成像梯度回波(volume imaging for breast assessment,Vibrant)序列,层间距为0.7 mm,层厚为1.4 mm,TE为2.1 ms,TR为4 ms,反转角12°,FOV为37 cm×37 cm,矩阵为352×320。所有患者均行双侧乳腺MRI检查,注射对比剂前先行横断面预扫,后经肘静脉注射对比剂钆双胺注射液(对比剂用量15 mL,流率为2 mL/s),计时30 s后开始扫描,连续无间隔采集6个时相图像,每一时相扫描时问均为60 s,同时还进行三维动态增强减影扫描。

1.3. 图像后处理

所有患者的扫描资料均传送至GE ADW4.6后处理工作站,采用Functool软件进行后处理操作[表观扩散系数(apparent diffusion coefficient,ADC)值测量、TIC曲线的生成],在病灶范围最大的层面、实质强化最高的区域进行感兴趣区(region of interest,ROI)的选取,应连取3次进行测量,取平均值作为最后结果,途中需注意避开正常组织、坏死、液化及囊变区域。

1.4. 免疫组织化学评分标准

收集所有患者的手术病理组织学标本,在甲醛溶液中固定,后进行脱水、石蜡包埋、切片,采用常规免疫组织化学中的链霉菌抗生物素蛋白-过氧化物酶连接法进行相关激素受体表达情况的检测。根据2017年St.Gallen乳腺癌国际专家组共识[4],HER-2表达阳性标准为如下:1)HER-2(+++):2)HER-2检测结果为(++)时,进一步进行荧光原位杂交技术(fluorescence in situ hybridization,FISH)检验,FISH检验结果(+)时,HER-2表达阳性,反之,则为阴性。雌激素受体(estrogen receptor,ER)阳性标准:相应细胞核染色阳性细胞数占比≥1%;孕激素受体(progestrogen receptor,PR)阳性标准:相应细胞核染色阳性细胞数占比≥1%;HR+HER-2阳性标准:ER和/或PR阳性,HER-2表达阳性;HR-HER-2阳性标准:ER与PR均阴性,HER-2表达阳性。

1.5. 观察指标

由至少两位专业影像科医师对患者所得图像进行分析,对HR+/HR-HER-2阳性乳腺癌MRI表现进行比较,包括病灶情况(形态、边缘、分布、大小)、MRI征象(T2信号情况、强化方式、内部强化特征、TIC曲线类型、ADC值)。

1.6. 统计学处理

采用SPSS 22.0统计学软件进行数据分析,计量资料采用均数±标准差( x¯ ±s)描述,计数资料及等级资料采用频数(%)表示。HR+组与HR-组中计量资料根据正态性及方差齐性的检测结果,可采用独立样本t检验、独立样本近似t检验或Wilcoxon符号秩和检验;对于计数资料,根据最小期望计数T及总例数的大小,可采用Pearson检验、Yates 矫正χ2检验或Fisher确切概率法检验。等级资料的统计学分析,根据各组样本量的大小,可采用Ridit分析或Mann-Whitney U检验。最后通过二分类 logistic 回归分析探讨各因素对HR+ HER-2阳性乳腺癌和及HR- HER-2阳性乳腺癌的鉴别价值,以P<0.05为差异有统计学意义。

2. 结 果

2.1. HR+HER-2阳性乳腺癌和及HR - HER-2阳性

乳腺癌MRI表现对比分析

两组MRI信息见表1,HR+组病灶分布以单个为主(占80%),多表现为肿块型强化(占70.0%),肿块型强化病灶的肿块最长径多>2 cm(占66.7%),肿块边缘57.1%表现为毛刺,肿块形态以分叶为主(52.4%);T2信号66.7%表现为稍高信号,内部强化60.0%为不均匀,TIC曲线以III型为主(占77.4%)(图1)。

图1.

图1

47HR+HER-2阳性乳腺癌女性患者MRI图像

Figure 1 MRI images of a 47-year-old female patient with HR+ HER-2 positive breast cancer

A and B: MRI plain T1WI (A) and T2WI (B) images. The mass-like enhancing lesion is low signal in T1WI and high signal in T2WI. C: Dynamic enhancement scan image. The left breast is round-like with well-defined edges and internally heterogeneous enhancing mass-like lesion. D: DWI image. DWI (TICmax) is contoured (Type III). E: TIC curve. TIC curve is outflow type (Type III). T1WI: T1 weighted imaging; T2WI: T2 weighted imaging; TIC: Time-signal intensity curve.

HR-组病灶分布以单个为主(占66.7%),肿块型强化及非肿块型强化数量一致(各占50.0%),肿块型强化病灶的肿块最长径多>2 cm(占75.0%),肿块边缘表现为光滑者居多(占41.7%),肿块形态以分叶为主(占58.3%);T2信号以稍高信号和高信号为主(分别占45.8%及37.5%),内部强化79.2%为环形强化,TIC曲线的类型以III型为主(占72.0%)(图2)。

图2.

图2

52HR - HER-2乳腺癌女性患者MRI图像

Figure 2 MRI images of a 52-year-old female patient with HR - HER-2 positive breast cancer

A and B: MRI plain T1WI (A) as well as T2WI (B) images. There are non-mass-like enhancing lesion with low signal in T1WI and high signal in T2WI. C: Dynamic enhancement scan image. There is non-mass-like enhancing lesion in the predominantly upper left breast quadrant (approximately 4-9 o’clock direction), showing multiple regional, lobular segmental distribution with internal clustered ring-like enhancement. D: DWI image with heterogeneous high signal. E: TIC curve. TIC curve is outflow type (Type III). T1WI: T1 weighted imaging; T2WI: T2 weighted imaging; TIC: Time-signal intensity curve.

两组在病灶分布、强化类型、肿块形态、肿块最长径、T2信号及TIC曲线的类型上比较差异均无统计学意义(均P>0.05)。两组的肿块边缘(P<0.05)、病灶内部强化特征(P<0.01)、ADC值(P<0.05)差异均有显著的统计学意义。

2.2. 二分类logistic回归分析

因非肿块型强化病灶无需测量肿块边缘,因此将所有纳入病灶分为肿块型及非肿块型,分别进行logistic回归分析。通过将肿块边缘、病灶内部强化特征、ADC值情况纳入多因素logistic回归模型进行分析,结果显示:在HER-2阳性乳腺癌中,当病灶为肿块型病变,病灶内部强化特征(1=不均匀,2=环形)是区分HR+及HR-组乳腺癌的独立影响因素[比值比(odds OR)为5.95,95%置信区间(confidence interval,CI)为1.223~28.951,P<0.05];而其余因素均不是区分两种乳腺癌的独立影响因素(表2)。

表2.

各因素对HR+/HR - HER-2阳性乳腺癌预测价值的logistic回归分析

Table 2 Logistic regression analysis of the predictive value of various factors for HR+/HR - HER-2 positive breast cancer

影响因素 OR B SE Wald χ2 95% CI P
HR+ HER-2阳性乳腺癌
ADC值 0.234 -1.451 3.116 0.217 0.001~105.293 0.641
内部强化特征 8.988 2.196 0.955 5.286 1.383~58.429 0.022
肿块边缘 0.386 -0.953 0.526 3.276 0.137~1.082 0.070
HR- HER-2阳性乳腺癌
ADC值 76.981 4.344 3.477 1.561 0.085~70 085.806 0.212
内部强化特征 990 517 524.3 20.714 40 193.049 0.000 0.000 1

ADC值:表观扩散系数。

3. 讨 论

HER-2阳性乳腺癌患者的肿瘤恶性程度较高,分化程度较差,复发及转移较早,预后一般不佳[5]。但当HER-2阳性乳腺癌患者存在ER/PR阳性(HR+)表达时,肿瘤对雌激素依赖度高,采取内分泌治疗效果良好;反之,则内分泌治疗效果不佳,肿瘤恶性程度更高,预后较差。因此及时有效地区分两者,从而对其进行精细个体化医疗尤为关键。MRI具有优秀的软组织分辨率,不仅可以从多参数、多方位进行肿瘤形态学观察,亦可从血流动力学、肿瘤代谢学等功能角度阐释肿瘤内部异质性信息,在乳腺癌的诊断、鉴别、预后评价等方面都具有较高的应用价值。

在本研究中,HR-组与HR+组相比,拥有更高的ADC值,这与既往研究[6-8]一致。这可能与ER能够通过抑制血管内皮生长因子而抑制新生血管的生成相关,肿瘤新生血管生成减少,血流灌注较低,从而表现出较低的ADC值[9]。然而ADC值的影响因素不仅包括血流灌注情况,也与分子的微观运动相关。Choi等[10]的研究表明ER+组往往拥有更高的细胞密度,这也可能是导致HR+组ADC值显著低于HR-组的原因之一。

王洁等[11]研究发现:乳腺癌中HR+组肿块直径更小,两者呈显著的负相关,这一结论也与既往多数研究[12-13]类似。这可能与HR-组肿瘤拥有更为丰富的血供相关[9]。Folkman等[14]提出:当乳腺癌病灶体积大小≥2 mm3时,肿瘤的进一步生长、转移就需要新生毛细血管的供应。生长在肿瘤内部的毛细血管越丰富,肿瘤的体积就越大。但假如将乳腺癌病例类型范围缩小到只有HER-2阳性乳腺癌之后,在段立娜[8]的研究中HR+HER-2阳性组与HR-HER-2阳性组两者病灶最大径并无明显差异。在本研究中,HR-组肿块最长径多>2 cm(占75%),虽多于HR+组(占66.7%),但两者之间并没有显著的统计学差异。究其原因,可能与纳入研究的患者个体间差异和纳入研究的样本量不足等因素相关。目前,HR-/HR+HER-2阳性乳腺癌之间MRI特征差异相关研究较少,更为准确的结论仍需通过多中心、大样本的进一步研究来确定。

关于癌灶内部的强化特征,本研究发现HR-组相比于HR+组,更容易出现内部的环形强化。并且logistic多因素回归分析发现:当HER-2阳性乳腺癌的强化类型为肿块型强化时,内部强化特征是鉴别HR-/HR+组的独立预测因子。推测其原因可能是ER-肿瘤周围癌细胞增速度较快,有更多的微血管积聚,而中间部分血供较少,易出现坏死或纤维化的形成,从而在MRI增强图像上表现为环形强化。但这一结论与之前类似研究结果不符,国内外有学者[6, 8]研究发现:在HER-2阳性乳腺癌中,HR+组和HR-组内部强化特征差异无统计学意义。造成这一差异的原因可能与纳入研究的患者个体间差异和纳入研究的样本量不足等因素相关。其中具体的内部联系仍需进一步研究。

Song等[6]研究发现:在HER-2阳性乳腺癌中,HR+组对比于HR-组更可能出现毛刺状或不规则的边缘。HR+HER-2阳性出现毛刺征的可能性高于HR- HER-2阳性。毛刺的形成机制可能与癌周乳腺导管及其周围纤维结缔组织反应性增生相关,其中也可能掺杂着癌细胞的浸润。另外,毛刺的具体表现也取决于纤维结缔组织及其远端导管增生的情况。有关于毛刺征是否能预测肿块的恶性程度,国内外学者仍未得出一致的结论,如Guo等[15]及Sezer等[16]研究指出:乳腺癌患者出现毛刺状边缘者发生淋巴结腋窝转移的概率较大,这可能预示着其具有更强的浸润能力,恶性程度更高。Pais等[17]报道:毛刺状边缘是恶性肿瘤的典型特征,但其与癌症恶性程度的相关性仍存争议。但国内有学者[13]研究发现:ER阳性者更容易出现毛刺状边缘,且内分泌治疗效果较好,提示肿瘤具有更低的侵袭性。部分国内学者[18-19]也认为乳腺癌毛刺征亦可能只是单纯的间质组织及导管增生,毛刺征的肿瘤可能有更好的预后。在本研究中,HR+组对比于HR-组更易出现毛刺状边缘。而HR-组有更丰富的血流灌注,肿瘤生长、转移的速度更快,相比于HR+组,HR-组恶性程度更高。这提示了在HER-2阳性乳腺癌中,毛刺征更倾向于出现于恶性程度较低的癌灶中,对于HR-及HR+组有一定的鉴别价值。

Song等[6]指出:HR-组比HR+组更易出现非肿块型强化。这可能是由于ER-肿瘤由于常伴随淋巴间质、高级别粉刺型坏死、中央坏死/纤维化,在MRI上更可能表现为非肿块型增强[20]。Van den Bosch等[21]把HR-肿瘤更易出现非肿块型强化解释为HR-组肿瘤血管生成增加或细胞分化程度更高。在本组实验中,HR-组病灶非肿块型强化占50%,比HR+组(30%)的比例较高,但两者并没有显著的统计学差异。为得到更有说服力的结论,仍需进一步扩大样本量进行更大规模的实验。另外,两组在病灶分布、肿块形态、肿块最长径、T2信号及TIC曲线类型上比较差异无统计学意义,与既往研究[6, 8]类似。

本研究仍存在一定的局限性。首先,本研究是一个单一机构的回顾性研究,样本规模受限,以至于患者总数较少、纳入时间跨度较大,结果难免会受到随机误差的干扰。其次,在本研究中乳腺癌的病理类型种数较多,尽管这并不包含在本研究的范畴之内,但这一因素的出现可能会加大患者间的个体间差异,对研究结果造成不利影响。因此,仍需进一步联合多机构进行多中心、大规模的试验、标准化的入组要求以及实验步骤,以求获得更可靠的研究结果与证据。

综上所述,本研究表明HR-HER-2阳性乳腺癌与HR+HER-2阳性乳腺癌在ADC值、肿块边缘、内部强化上存在明显差异,根据MRI图像表现可初步鉴别分子分型,能够为指导临床早期治疗方案提供一定的参考。而后续仍需在更大规模的研究中进一步验证这一结论,以便对临床有效鉴别两者提供更多的帮助与证据。

基金资助

湖南省自然科学基金(2022JJ70114);湖南省卫生健康委员会科研计划项目(202109010059);湖南中医药大学重点学科建设项目(4901-020000200806)。

This work was supported by the Natural Science Foundation of Hunan Province (2022JJ70114), the Scientific Research Plan Project of Health Commission of Hunan Province (202109010059), and the Key Discipline Construction Project of Hunan University of Traditional Chinese Medicine (4901-020000200806), China.

利益冲突声明

作者声称无任何利益冲突。

作者贡献

邹紫勤 数据分析,论文设计、撰写与修改;黄艳芳 数据采集;周智慧 论文指导;杨宇 论文设计、指导及修改。所有作者阅读并同意最终的文本。

原文网址

http://xbyxb.csu.edu.cn/xbwk/fileup/PDF/20230168.pdf

参考文献

  • 1. Cao W, Chen HD, Yu YW, et al. Changing profiles of cancer burden worldwide and in china: a secondary analysis of the global cancer statistics 2020[J]. Chin Med J (Engl), 2021, 134(7): 783-791. https:// 10.1097/CM9.0000000000001474. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 2. 蒋梦怡, 陆言巧, 王红霞. 乳腺癌异质性的研究进展及临床意义[J]. 中国癌症杂志, 2020, 30(5): 394-400. https:// 10.19401/j.cnki.1007-3639.2020.05.012. [DOI] [Google Scholar]; JIANG Mengyi, LU Yanqiao, WANG Hongxia. Research progress and clinical significance of breast cancer heterogeneity[J]. China Oncology, 2020, 30(5): 394-400. https:// 10.19401/j.cnki.1007-3639.2020.05.012. [DOI] [Google Scholar]
  • 3. 牛微, 罗娅红, 于韬, 等, 乳腺癌复发时间的临床病理因素及DCE-MRI预测价值研究 [J]. 现代肿瘤医学, 2019, 27(5): 774-779. 10.3969/j.issn.1672-4992.2019.05.015. [DOI] [Google Scholar]; NIU Wei, LUO Yahong, YU Tao, et al. Predictive value of clinical and pathological features and DCE-MRI in breast cancer recurrence time[J]. Journal of Modern Oncology, 2019, 27(5): 774-779. 10.3969/j.issn.1672-4992.2019.05.015. [DOI] [Google Scholar]
  • 4. Curigliano G, Burstein HJP, Winer E, et al. Deescalating and escalating treatments for early-stage breast cancer: the St. Gallen international expert consensus conference on the primary therapy of early breast cancer 2017[J]. Ann Oncol, 2017, 289(8): 1700-1712. 10.1093/annonc/mdx308. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 5. 宋园园, 韩晓凤, 白娜娜. 乳腺癌磁共振动态增强扫描影像组学特征与生物学预后因子的关系[J]. 癌症进展, 2021, 19(15): 1568-1572. 10.11877/j.issn.1672-1535.2021.19.15.15. [DOI] [Google Scholar]; SONG Yuanyuan, HAN Xiaofeng, BAI Nana. Correlation between DCE-MRI imaging features and biological prognostic factors in breast cancer with dynamic contrast-enhanced MRI[J]. Oncology Progress, 2021, 19(15): 1568-1572. 10.11877/j.issn.1672-1535.2021.19.15.15. [DOI] [Google Scholar]
  • 6. Song SE, Bae MS, Chang JM, et al. MR and mammographic imaging features of HER-2-positive breast cancers according to Hormone receptor status: a retrospective comparative study[J], Acta Radiol, 2017, 58(7): 792-799. https:// 10.1177/0284185116673119. [DOI] [PubMed] [Google Scholar]
  • 7. 薛晓丽. 多参数磁共振成像在HER-2阳性与HER-2阴性乳腺癌鉴别诊断中的应用价值[D]. 济宁: 济宁医学院, 2021. https:// 10.27856/d.cnki.gjnyx.2021.000073. [DOI] [Google Scholar]; XUE Xiaoli. Application value of multi-parametric magnetic resonance imaging in the differential diagnosis of HER-2 positive and negative breast cancer[D]. Jining: Jining Medical University, 2021. https:// 10.27856/d.cnki.gjnyx.2021.000073. [DOI] [Google Scholar]
  • 8. 段立娜. MR多模态成像对乳腺癌分子分型的预测价值[D]. 银川: 宁夏医科大学, 2020. https:// 10.27258/d.cnki.gnxyc.2020.000238. [DOI] [Google Scholar]; DUAN Lina. Predictive value of MR multimodal imaging for molecular subtypes of breast cancers[D]. Yinchuan: Ningxia Medical University, 2020. https:// 10.27258/d.cnki.gnxyc.2020.000238. [DOI] [Google Scholar]
  • 9. 王雪岩. 乳腺癌多模态影像诊断与分子分型相关性研究[D]. 乌鲁木齐: 新疆医科大学, 2021. https:// 10.27433/d.cnki.gxyku.2021.000406. [DOI] [Google Scholar]; WANG Xueyan. Study on the correlation between multimodal imaging diagnosis and molecular subtypes of breast cancer[D]. Urumqi: Xinjiang Medical University, 2021. https:// 10.27433/d.cnki.gxyku.2021.000406. [DOI] [Google Scholar]
  • 10. Choi SY, Chang YW, Park HJ, et al. Correlation of the apparent diffusion coefficiency values on diffusion-weighted imaging with prognostic factors for breast cancer[J]. Br J Radiol, 2012, 85, 1016: e474-479 [2022-02-21]. https:// 10.1259/bjr/79381464. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 11. 王洁, 唐文伟, 田忠甫, 等. 乳腺癌DCE-MRI参数及ADC与病理分子预后标记物的相关性分析[J]. 磁共振成像, 2021, 12(3): 76-79. 10.12015/issn.1674-8034.2021.03.017. [DOI] [Google Scholar]; WANG Jie, TANG Wenwei, TIAN Zhongfu, et al. Correlation between DCE-MRI parameters/ADC and pathological molecular prognostic markers of breast cancer[J]. Chinese Journal of Magnetic Resonance Imaging, 2021, 12(3): 76-79. 10.12015/issn.1674-8034.2021.03.017. [DOI] [Google Scholar]
  • 12. Chen JH, Nalcioglu O, Su MY. MR imaging features of invasive breast cancer correlated witH Hormonal receptors: does progesterone receptor matter?[J]. Ann Oncol, 2008, 19(5): 1024-1026. https:// 10.1093/annonc/mdn120. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 13. 杨成. 乳腺癌DWI、DCE-MRI成像特征与分子亚型、预后因子相关性分析[D]. 南宁: 广西医科大学, 2018. [Google Scholar]; YANG Cheng. Correlation analysis of DWI and DCE-MRI imaging features with molecular subtypes and prognostic factors in breast cancer[D]. Nanning: Guangxi Medical University, 2018. [Google Scholar]
  • 14. Folkman J. Tumor angiogenesis: Therapeutic implications[J]. N Engl J Med, 1971, 285(21): 1182-1186. https:// 10.1056/NEJM197111182852108. [DOI] [PubMed] [Google Scholar]
  • 15. Guo J, Liang L, Zhou N, et al. Quantitative analysis of ultrasound tissue diffusion elastography in the diagnosis of benign and malignant prostate lesions[J]. Urol J, 2019, 16(4): 347-351. https:// 10.22037/uj.v0i0.4224. [DOI] [PubMed] [Google Scholar]
  • 16. Sezer İ, Toslak İE, Yağci B. The role of real-time tissue elastography and gray-scale ultrasound histogram analysis in the diagnosis of patients with Sjögren’s syndrome[J]. Arch Rheumatol, 2019, 34(4): 371-379. https:// 10.5606/ArchRheumatol.2019.7120. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 17. Pais A, Gunanathan C, Margalit R. In vivo magnetic resonance imaging of the estrogen receptor in an orthotopic model of Human breast cancer[J]. Cancer Res, 2011, 71(24): 7387-7397. https:// 10.1158/0008-5472.CAN-11-1226. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 18. 李美莺, 吴阳, 夏寅娟, 等. 乳腺癌超声数据分级系统与雌激素受体、孕激素受体、原癌基因的相关性[J]. 实用临床医药杂志, 2017, 21(1): 103-105. 10.7619/jcmp.201701031. [DOI] [Google Scholar]; LI Meiying, WU Yang, XIA Yinjuan. Correlation between breast ultrasound data classification system and estrogen receptor, progesterone receptor,proto-oncogene[J]. Journal of Clinical Medicine in Practice, 2017, 21(1): 103-105. 10.7619/jcmp.201701031. [DOI] [Google Scholar]
  • 19. 石峰, 高阳, 牛广明. 乳腺癌磁共振动态增强扫描恶性征象分析[J]. 医学影像学杂志, 2017, 27(2): 262-265. 1006-9011(2017)02-0262-04. [Google Scholar]; SHI Feng, GAO Yang, NIU Guangming. To analyze malignant signs of the breast cancer with dynamic contrast enhancement MRI[J]. Journal of Medical Imaging, 2017, 27(2): 262-265. 1006-9011(2017)02-0262-04. [Google Scholar]
  • 20. Putti TC, El-Rehim DM, Rakha EA, et al. Estrogen receptor-negative breast carcinomas: A review of morphology and immunophe-notypical analysis[J]. Mod Pathol 2005, 18(1): 26-35. https:// 10.1038/modpathol.3800255. [DOI] [PubMed] [Google Scholar]
  • 21. Van den Bosch MA, Mariano MN. Magnetic resonance imaging characteristics of fibrocystic change of the breast[J]. Invest Radiol, 2005, 40(7): 436-441. https:// 10.1097/01.rli.0000167123.26334.c8. [DOI] [PubMed] [Google Scholar]

Articles from Journal of Central South University Medical Sciences are provided here courtesy of Central South University

RESOURCES