综述：乳腺癌诊断与手术规划中的计算方法

《ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING》：Computational Methods in Breast Cancer Diagnostics and Surgery Planning: A Review

本综述系统探讨了计算医学在乳腺癌诊疗领域的创新应用，重点分析了有限元分析（FEA）、机器学习（ML）和计算机辅助设计（CAD）等技术如何整合多模态影像数据（如MMG、USG、MRI），以提升肿瘤定位精度、预测术后形变并优化保乳手术（BCS）规划，为推进精准医疗提供重要技术支撑。

　　

引言

乳腺癌是女性最常见的恶性肿瘤之一，全球年新增病例超过210万。尽管发病率逐年上升，但通过早期筛查和先进治疗手段，死亡率正呈现下降趋势。风险因素包括性别、年龄、遗传突变、乳腺组织构成等。保乳手术（BCS）的成功高度依赖术前对肿瘤位置和边界的精准定位，但由于影像学检查（如俯卧位MRI）与手术体位（仰卧位）差异导致的组织形变，以及重力、组织异质性等因素，至今尚未建立金标准。

研究范围与方法

本文综述聚焦于乳腺癌检测、识别和影像处理的计算方法，旨在解决四大问题：常用影像模态的选择依据、数值技术增强癌症检测的路径、计算辅助手术规划的具体方式。文献筛选采用多级流程，最终纳入164篇文献，其中22篇发表于1999年前，142篇为2000年后研究，重点关注机器学习（2009年后）和概念性研究（1999年后）。

乳腺密度与风险评估

乳腺密度是乳腺癌独立风险因子，反映纤维腺体与脂肪组织的比例。年轻女性腺体密集，随年龄增长逐渐脂肪化。测量方法包括面积法（如Wolfe分型、BI-RADS四分类）和体积法（三维定量）。BI-RADS将密度分为四类：几乎全部脂肪、散在纤维腺体、不均匀致密和极度致密。计算辅助密度测量通过阈值分割乳腺区域与致密区域，计算百分比值，提升客观性。

肿瘤分类与影像评估

乳腺癌具有高度异质性，组织学上分为原位癌和浸润癌（导管型占75%，小叶型15%）。WHO分类系统涵盖前驱病变、低度恶性潜能肿瘤、良性上皮增生等。BI-RADS lexicon标准化MRI报告，使用7类评估系统：0类（不完整）至6类（活检确诊）。形态学特征如肿块形状（圆形、卵圆形、分叶状、不规则）、边缘（光滑、不规则、毛刺状）是鉴别良恶性的关键。MRI灵敏度最高，但假阳性率较高，需结合多模态影像综合判断。

保乳手术与 oncoplastic 技术

Oncoplastic breast surgery（OBS）融合肿瘤切除与整形技术，旨在最大化保留乳房外形。Bostwick III分类将其分为三类：乳房切除后重建（PMBR）、保守术后重建（CSR）、胸壁缺损修复。传统钢丝定位（WL）存在阳性切缘率高（30-50%）、需重复手术等问题。新技术如放射性种子定位（RSL）、术中超声引导钢丝定位（IUWLS）、放射性 occult 病灶定位（ROLL）提高了精度和患者舒适度。研究表明，仅2/3患者对术后美学效果满意，凸显了对预后预测工具的迫切需求。

计算医学在影像模态中的应用

乳腺X线摄影（MMG）

作为主要筛查工具，MMG擅长检测微钙化灶，但二维投影存在组织重叠局限。数字乳腺断层合成（DBT）通过多角度切片重建三维影像，显著提升致密乳腺的检测灵敏度。计算机辅助诊断（CAD）系统集成预处理、分割、特征提取和分类模块，深度学习模型进一步优化了微病变识别能力。

75

75%）">

超声成像（USG）

USG无辐射、实时成像，是MMG的重要补充。高频线性换能器（≥10 MHz）提供高分辨率图像，空间复合技术通过多角度平均减少噪声。CAD系统已整合于超声病灶表征，径向梯度指数分析和图像偏度分析等技术提升了对恶性区域的识别精度。

磁共振成像（MRI）

MRI凭借多参数、多方向成像能力成为高危人群筛查和术前分期核心工具。对比增强T₁加权成像评估血管渗透性，T₂加权、弥散成像辅助良恶性鉴别。尽管灵敏度高，但其特异性不足、成本高昂且解读耗时。CAD系统通过自动动力学分析（着色编码持续型、平台型、流出型增强）简化诊断流程。

1，B脂肪抑制T₁，C脂肪抑制T₂，D脂肪抑制自旋密度加权">

新兴与辅助技术

• •
  CT与核医学：专用乳腺CT采用平板探测器，无压迫成像但辐射剂量较高。SPECT和PET通过追踪代谢活性评估转移灶。
• •
  热成像技术：动态红外热成像（DIT）监测温度时空变化，机器学习分类器区分异常热模式，成本低且无辐射。
• •
  病理影像分析：全幻灯片成像（WSI）数字化H&E染色样本，卷积神经网络（CNN）实现细胞核形态、排列的自动分类，准确率超92%。
• •
  三维扫描与DIC：3D扫描精准测量乳房体积，辅助重建手术规划。数字图像相关（DIC）通过斑点追踪量化组织力学响应，识别异常刚度区域。

有限元分析与生物力学建模

FEA通过模拟重力作用下乳腺变形（站立/仰卧位），整合患者特异性MRI数据与材料参数（皮肤、脂肪、腺体、库珀韧带）。研究表明，包含腺体-脂肪双组分的非线性模型最接近真实变形行为。高级模型如Vavourakis提出的多尺度耦合算法，同时计算组织再生（Sherratt-Murray模型）与力学变形，预测术后愈合与外形变化，但尚未纳入放化疗副作用的影响。

讨论与未来方向

多模态影像与计算方法的融合是突破现有诊疗瓶颈的关键。FEA提升了对体位性形变的预测能力，CAD减少诊断主观性，但临床转化仍需解决三大挑战：标准化验证、模型优化（纳入激素周期、病理愈合等动态因素）、跨学科协作。未来需通过大样本临床试验验证计算工具的有效性，并开发用户友好的集成平台，最终实现个性化手术规划与美学预后预测的精准统一。