乳腺癌早期筛查、精准诊断、有效治疗是提高患者生存率的重要因素，而影像学是筛查、诊断、治疗评估的主要手段。基于现有的影像技术，乳腺临床诊治流程虽然已逐步规范化，但在高效灵敏筛查、无创精准诊断以及治疗监测评估等方面仍存在核心局限。例如，传统的医学影像技术存在诊断特异性低、成像速度慢、使用电离辐射或注射造影剂等局限，仍存在重大临床诉求。光声成像作为一项新兴的医学影像技术，可以与传统技术形成优势互补，提供快速（如10~15 s完成全乳腺扫描）、高分辨率、信息丰富的医学影像。其光学对比度和声学分辨率使之具备揭示肿瘤微环境结构、功能、分子细节特征的能力。本文简述了光声成像的技术原理和主要设计形态，概述并评价了乳腺肿瘤筛查、诊断和治疗评估领域的代表性光声成像研究。最后讨论了光声成像在乳腺临床上的应用前景，其有望成为继钼靶、超声、核磁共振之后的“第四大”乳腺成像技术。

近红外光谱断层成像是一种可以获得乳腺组织内部光学特性，弥补传统乳腺影像学检查方法的不足，具有无创无辐射、高特异性等特性，在乳腺成像中有重要应用价值的光学成像技术。近红外光谱断层成像系统对该技术在乳腺疾病临床诊断中的应用起着重要的作用。然而，近红外光谱断层成像系统的空间分辨率低，限制了其在乳腺成像中的应用。将连续波模式与频域或时域测量模式相结合，并融合临床用的数字乳腺断层摄影、超声或核磁共振成像等技术有助于解决上述问题。先对近红外光谱断层成像系统的测量模式、多模态系统和多模态融合技术进行梳理、对比，然后介绍了该技术在乳腺成像中的最新应用，进一步讨论了乳腺近红外光谱断层成像系统未来的发展方向。

Microwave-induced thermoacoustic imaging (MTI) has the advantages of high resolution, high contrast, non-ionization, and non-invasive. Recently, MTI was used in the field of breast cancer screening. In this paper, based on the finite element method (FEM) and COMSOL Multiphysics software, a three-dimensional breast cancer model suitable for exploring the MTI process is proposed to investigate the influence of Young’s modulus (YM) of breast cancer tissue on MTI. It is found that the process of electromagnetic heating and initial pressure generation of the entire breast tissue is earlier in time than the thermal expansion process. Besides, compared with normal breast tissue, tumor tissue has a greater temperature rise, displacement, and pressure rise. In particular, YM of the tumor is related to the speed of thermal expansion. In particular, the larger the YM of the tumor is, the higher the heating and contraction frequency is, and the greater the maximum pressure is. Different Young’s moduli correspond to different thermoacoustic signal spectra. In MTI, this study can be used to judge different degrees of breast cancer based on elastic imaging. In addition, this study is helpful in exploring the possibility of microwave-induced thermoacoustic elastic imaging (MTAE).

提出一种基于盲源分离（BSS）从多角度投影提取出任意深度聚焦层的数字乳腺层析合成摄影（DBT）重建算法。首先，通过DBT成像设备采集乳腺的多角度投影，并对投影进行校正、对数变换等预处理工作；然后以中心投影为基准，根据成像几何将多角度投影通过位移聚焦到所选的重建深度z处；最后，将位移后的多角度投影视为由一个聚焦层内信息和若干层外信息构成的线性组合，进而通过BSS将聚焦层信息分离出来，由此快速重建出乳腺厚度范围内任意深度z处的层面。以中心投影为参考，将位移叠加（SAA）法、滤波反投影（FBP）法、最大似然期望最大化（MLEM）3种当前DBT重建的主要算法与所提重建算法进行比较，4种算法对原投影的噪声污染的改善程度分别为13.4%、18.8%、88.5%、73.6%，图像对比度分别下降83.7%、81.4%、74.6%、10.7%，与中心投影的特征相似性分别为0.841、0.866、0.861、0.886，结构相似性分别为0.596、0.594、0.628、0.787，伪影扩散平均值分别为0.571、0.254、0.189、0.146。此外所提算法的重建速度小于SAA、FBP，但比采用2次迭代的MLEM高56.0%，因此所提算法在降低噪声、保持细节、抑制伪影、重建速度方面的综合性能优秀，且随着BSS技术和计算机硬件水平的快速发展而不断提高其分离重建性能，因此所提算法是一种实用性强、极具发展潜力的DBT重建算法。

目前，病理专家通过肉眼识别显微镜视场下乳腺癌病理切片图像中的乳腺癌细胞具有很强的主观性。因此，设计了一款基于显微图像的乳腺癌细胞识别系统，该系统包括显微图像采集模块和乳腺癌细胞识别算法实现模块。通过USAF 1951分辨率测试板验证设计的乳腺癌细胞识别系统显微图像采集模块，最终的成像分辨率可以达到2.19 μm。通过多组乳腺癌病理图像验证所提乳腺癌细胞识别算法，结果表明设计的乳腺癌细胞识别系统识别乳腺癌细胞的平均准确率达到93.4%。

Photodynamic therapy (PDT) has limited effects in treating metastatic breast cancer. Immune checkpoints can deplete the function of immune cells; however, the expression of immune checkpoints after PDT is unclear. This study investigates whether the limited efficacy of PDT is due to upregulated immune checkpoints and tries to combine the PDT and immune checkpoint inhibitor to observe the efficacy. A metastatic breast cancer model was treated by PDT mediated by hematoporphyrin derivatives (HpD-PDT). The anti-tumor effect of HpD-PDT was observed, as well as CD4+T, CD8+T and calreticulin (CRT) by immunohistochemistry and immunofluorescence. Immune checkpoints on T cells were analyzed by flow cytometry after HpD-PDT. When combining PDT with immune checkpoint inhibitors, the antitumor effect and immune effect were assessed. For HpD-PDT at 100mW/cm² and 40, 60 and 80J/cm², primary tumors were suppressed and CD4+T, CD8+T and CRT were elevated; however, distant tumors couldn’t be inhibited and survival could not be prolonged. Immune checkpoints on T cells, especially PD1 and LAG-3 after HpD-PDT, were upregulated, which may explain the reason for the limited HpD-PDT effect. After PDT combined with anti-PD1 antibody, but not with anti-LAG-3 antibody, both the primary and distant tumors were significantly inhibited and the survival time was prolonged, additionally, CD4+T, CD8+T, IFN-γ+CD4+T and TNF-α+CD4+T cells were significantly increased compared with HpD-PDT. HpD-PDT could not combat metastatic breast cancer. PD1 and LAG-3 were upregulated after HpD-PDT. Anti-PD1 antibody, but not anti-LAG-3 antibody, could augment the antitumor effect of HpD-PDT for treating metastatic breast cancer.

人类表皮生长因子受体-2（HER2）的异常扩增会导致癌细胞的过度增殖和肿瘤恶化。在采用常规光学显微成像技术检测扩增水平较高的乳腺癌细胞HER2基因时，荧光原位杂交探针的荧光信号斑点呈簇状分布，难以精确计数。应用结构光照明超分辨成像技术对HER2基因荧光原位杂交的病理切片进行成像，从而分辨距离较近的荧光探针。通过大视场扫描成像和图像拼接，对数百个细胞进行成像和统计分析，提高了高扩增水平病理切片上HER2探针计数的准确性。

乳腺癌是全球女性发病率位居首位的恶性肿瘤，研究基于神经网络模型的乳腺癌诊断预测方法的目的是将临床与机器学习相结合，有助于医疗工作者更加快速准确地判断出患病与否，同时解决现有模型中存在的过拟合以及漏诊率和误诊率过高的问题，并提高预测模型的准确率。本文采用加州大学欧文分校(UCI)数据集，共 669个样本，其中包含 357个良性样本和 212个恶性肿瘤样本，共计 10个特征训练预测模型。将 10个神经网络模型采用 Adaboost方法相结合，即通过 Adaboost算法组合多个弱分类器从而形成一个强分类器，最终输出一个具有更高准确率、有较强的自学习能力、自适应能力且泛化性能优良的集成预测模型。结论表明，该模型的预测准确率达到 98.5507%，同时准确率(AUC)为 0.9966，说明所建模型区分度较好，可以反映模型的诊断价值，且非常稳定，具有非常好的验证效果，为临床应用提供进一步的技术支持和保障。

针对医学超声图像的分辨率低而导致视觉效果差的问题，使用基于神经网络的图像超分辨率(SR)重建方法提升医学超声图像的分辨率。采用针对自然图像超分辨率重建的生成对抗网络(SRGAN)作为基本方法，通过减少 2个输入通道和删除 1个残差块对该网络的结构进行更改，并且改进网络损失函数，新增模糊处理数据集，使该网络适应医学超声图像所具备的灰度图像、散斑纹理单一等特点，从而重建出放大 4倍的边缘清晰没有伪影的医学超声图像。将改进 SRGAN与原始 SRGAN的结果相比，峰值信噪比(PSNR)和结构相似性(SSIM)分别有 1.792 dB和 3.907%的提升; 与传统双立方插值的结果相比，PSNR和 SSIM分别有 2.172 dB和 8.732%的提升。

乳腺癌是世界上对于女性非常危险的疾病, 其患病率逐年增长, 是世界妇女死亡的主要原因。 在大样本情况下, 乳腺癌临床诊断受优质医疗资源相对短缺的限制, 诊断周期长、 检测费用高。 因此, 高效、 准确、 性价比高的乳腺癌诊断方法具有广阔的应用前景, 为临床诊断迫切需求。 荧光光谱检测是一种可以表征细胞中物理和化学综合变化的方法, 可用于表征正常和癌变细胞的特征。 机器学习擅长从大量数据中挖掘有用信息, 是进行分类和预测的有效手段。 以往机器学习多使用包含部分生化信息的数据库训练模型, 易导致信息缺失。 荧光光谱是细胞多种物质的叠加光谱, 使用荧光光谱特征峰诊断乳腺癌存在量化不确定性问题。 因此, 提出了机器学习结合乳腺癌样本荧光光谱的诊断方法。 使用405 nm波长的激光, 采集了正常和癌变乳腺组织(已做出病理诊断)的荧光光谱数据, 以此作为数据集, 比较了K-近邻(KNN)、 支持向量机(SVM)、 随机森林(RF)三种算法对正常和癌变乳腺组织荧光光谱的分类能力。 判别结果显示: 与SVM算法相比, KNN和RF算法的准确率更高、 平衡召回率和精度的能力更强, 对乳腺癌荧光光谱的分类能力更好, 其准确性、 召回率、 精度以及F1-score函数结果均在95%之上, 更利于乳腺癌的诊断。 进而探讨了权重KNN(WKNN)算法对正常和癌变乳腺组织荧光光谱的分类能力。 WKNN较KNN算法的分类评估结果有小幅度提升, 且具有更好的抗噪和适应能力, 算法简单。 综上所述, 本文提出的机器学习结合荧光光谱的乳腺癌诊断方法, 精度高、 速度快、 性价比高, 是未来乳腺癌诊断方法的发展方向, 具有重要的临床应用价值。