解 卓XIE Zhuo

王紅玉2WANG Hongyu

張 貝1ZHANG Bei

聶 品1NIE Pin

馮 筠2FENG Yun

陳寶瑩1CHEN Baoying

擴(kuò)散加權(quán)成像與傳統(tǒng)磁共振成像聯(lián)合診斷乳腺疾病

解 卓1XIE Zhuo

王紅玉2WANG Hongyu

張 貝1ZHANG Bei

聶 品1NIE Pin

馮 筠2FENG Yun

陳寶瑩1CHEN Baoying

作者單位

1.解放軍第四軍醫(yī)大學(xué)唐都醫(yī)院放射科陜西西安 710038

2.西北大學(xué)信息科學(xué)與技術(shù)學(xué)院 陜西西安710038

Department of Radiology，Tangdu Hospital Affiliated to the Fourth Military Medical University，Xi'an 710038，China

Address Correspondence to： CHEN Baoying

E-mail： chenby128@163.com

2016-02-20

中國醫(yī)學(xué)影像學(xué)雜志

2016年 第24卷 第4期：270-276

Chinese Journal of Medical Imaging

2016 Volume 24 （4）： 270-276

目的 探討擴(kuò)散加權(quán)成像（DWI）與常規(guī)MRI征象聯(lián)合診斷乳腺疾病的模式及診斷效能。資料與方法 采用前瞻性研究，99例乳腺疾病患者共109個(gè)病變術(shù)前行3.0T乳腺M(fèi)RI及DWI檢查，經(jīng)術(shù)后病理或長期隨訪確診。乳腺良惡性病變的表觀擴(kuò)散系數(shù)（ADC）值進(jìn)行同一觀察者、不同觀察者共3次測量，采用受試者操作特征曲線、串聯(lián)并聯(lián)診斷試驗(yàn)、機(jī)器學(xué)習(xí)探討多參數(shù)聯(lián)合對乳腺良惡性疾病的診斷效能。結(jié)果 ADC值的觀察者內(nèi)組內(nèi)相關(guān)系數(shù)為0.950（95% CI 0.928～0.965）；觀察者間組內(nèi)相關(guān)系數(shù)為0.937（95% CI 0.909～0.956）；良性病變與惡性病變的ADC值分別為（1.447±0.377）×10-3mm2/s、（1.054±0.255）×10-3mm2/s，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。以ADC值1.125×10-3mm2/s為閾值鑒別良惡性病變的敏感度和特異度分別為82.4%、74.1%，聯(lián)合其他傳統(tǒng)MRI征象可使敏感度、特異度高于單一ADC值診斷。結(jié)論 ADC值具有良好的可重復(fù)性和穩(wěn)定性，ADC值與傳統(tǒng)MRI征象聯(lián)合應(yīng)用可以更好地鑒別乳腺病灶的良惡性。

乳腺腫瘤；磁共振成像；擴(kuò)散加權(quán)成像；表觀擴(kuò)散系數(shù)；病理學(xué)，外科；診斷，鑒別

【Abstract】Purpose To evaluate utilization of diffusion weighted imaging （DWI）combined with traditional magnetic resonance imaging （MRI） in differentiating the malignant from the benign breast lesions.Materials and Methods A cohort of 99 patients with 109 breast lesions were recruited in the study. All the subjects underwent breast MRI and DWI before therapy. The lesions were finally confirmed by histopathology or long-term follow-up. Apparent diffusion coefficient （ADC） of the lesions was measured three times by two radiologists，one of the observers made the measurement twice. Receiver operating characteristic curve （ROC），serial test，parallel test and machine learning were used to differentiate the malignant from the benign lesions.Results The intra group correlation coefficient of ADC value was 0.950 （95% CI 0.928-0.965） and the inter group correlation coefficient was 0.937 （95% CI 0.909-0.956）. The mean ADC of the malignant tumors and the benign lesions was （1.054±0.255）×10-3mm2/s and （1.447±0.377）×10-3mm2/s，respectively；which showed statistical difference （P＜0.05）. Using ADC value of 1.125×10-3mm2/s as threshold to differentiate the malignant from the benign breast lesions，the sensitivity and specificity were 82.4% and 74.1%，respectively. Higher sensitivity and specificity were obtained when diagnosis was made combined with other MRI features compared with ADC value only.Conclusion ADC value demonstrates a good repeatability and stability. Utilization of ADC value combined with conventional MRI features may have a higher diagnostic efficacy in differentiating benign from malignant breast lesions.

【Key words】Breast neoplasms； Magnetic resonance imaging； Diffusion weighted imaging； Apparent diffusion coefficient； Pathology，surgical； Diagnosis，differential

近年來，乳腺癌已成為北美地區(qū)女性罹患比率最高的惡性腫瘤［1］，我國乳腺癌發(fā)病率以每年2%～7%的速度遞增，成為威脅婦女健康的主要疾病之一［2］。乳腺疾病的診斷一直是臨床影像診斷工作的重點(diǎn)。乳腺M(fèi)R平掃及動(dòng)態(tài)增強(qiáng)檢查具有較高的敏感度和軟組織分辨力，已成為高危乳腺患者篩查、保乳術(shù)前評估、乳腺新輔助治療、乳腺多發(fā)病變評估的首選檢查方法；然而其特異度較低，浮動(dòng)范圍大［3］，因而導(dǎo)致過度診療。擴(kuò)散加權(quán)成像（DWI）是一種功能MRI，因其無需引入外源對比劑，在體反映組織水分子擴(kuò)散情況，廣泛用于診斷缺血性疾病和腫瘤性疾病。本研究擬評估乳腺DWI的量化參數(shù)表觀擴(kuò)散系數(shù)（ADC）的可重復(fù)性和診斷效能，并重點(diǎn)探討ADC值與傳統(tǒng)MRI征象的聯(lián)合診斷模式和效能，為臨床更好地區(qū)別乳腺良惡性疾病提供工具。

表1 109個(gè)乳腺良惡性病灶的病理類型

1 資料與方法

1.1 研究對象 采用前瞻性研究，連續(xù)收集2014年5月—2015年5月行乳腺M(fèi)R掃描的160例女性患者，其中16例為術(shù)后MRI復(fù)查患者，主病變已缺如；1例行MRI檢查前進(jìn)行過內(nèi)分泌、激素類藥物治療；23例因病變長徑＜3 mm，難以在DWI上清楚顯示；3例因?qū)Ρ葎┻^敏或幽閉恐懼癥中途終止MRI掃描；9例因DWI嚴(yán)重的磁敏感偽影和運(yùn)動(dòng)偽影無法觀察相應(yīng)的圖像；2例為手術(shù)治療或放化療后重復(fù)掃描；3例乳腺M(fèi)R檢查陰性（BI-RADS 1類）；4例未進(jìn)行動(dòng)態(tài)增強(qiáng)掃描，無法客觀評估病變形態(tài)、邊緣、大小。排除上述不符合入組的患者后，納入99例患者共109個(gè)病變，其中4例單側(cè)雙發(fā)病變，4例雙側(cè)單發(fā)病變，1例雙側(cè)共計(jì)三發(fā)病變，其余為單發(fā)病變。19例患者因臨床觸及包塊需進(jìn)一步行乳腺M(fèi)RI檢查，4例因乳頭溢液行乳腺M(fèi)RI檢查，72例因X線篩查和超聲檢查發(fā)現(xiàn)病變需進(jìn)一步行乳腺M(fèi)RI檢查，4例主動(dòng)要求行乳腺M(fèi)RI檢查。54例惡性患者中，TisN0M0期5例，T1N0M0期16例，T1N1M0期3例，T2N0M0期15例，T2N1M0期6例，T2N2M0期1例，T2N1M1期1例，T3N1M0期1例，T3N1M1期 1例，T3N2M0期 2例，T3N3M0期 1例，T4N1M0期2例。良性組與惡性組患者年齡、病變大?。ㄒ詣?dòng)態(tài)增強(qiáng)掃描序列為準(zhǔn)，分別測量病變的長徑、短徑）、經(jīng)期情況、確診方式、手術(shù)方式、MRI檢查至手術(shù)確診間隔、疾病譜等見表1、2。本研究經(jīng)唐都醫(yī)院倫理委員會批準(zhǔn)，所有納入患者均簽署知情同意書。

1.2 儀器與方法 乳腺M(fèi)RI掃描時(shí)間選擇在月經(jīng)周期的第7～14天進(jìn)行。采用GE Discovery MR750 3.0T MR儀?；颊呷「┡P位，雙乳自然下垂，采用乳腺專用線圈（HD 8CH Vibrant Breast Array，GE Healthcare Coils，USA），掃描范圍包括雙側(cè)乳腺及腋窩區(qū)。增強(qiáng)掃描對比劑采用釓雙胺，劑量0.2 mmol/kg，采用高壓注射器經(jīng)手背靜脈注入，流速2.0 ml/s，然后以相同流速注入15 ml生理鹽水沖管。成像序列采用GE乳腺動(dòng)態(tài)增強(qiáng)掃描專用序列VIBRANT（volume image breast assessment）、ASSET（array spatial sensitivity encoding technique）并行采集技術(shù)，TR 3.9 ms，TE最小值，視野36 cm×36 cm，重建矩陣320×320，層厚1.4 mm，層間距0。連續(xù)掃描5次，然后間隔60 s，繼續(xù)掃描2次，完成軸位掃描后再進(jìn)行一次矢狀位VIBRANT掃描。

傳統(tǒng)DWI采用軸位自旋平面回波序列，對比劑注射前進(jìn)行掃描，b=0、1000 s/mm2，TR 3600 ms，TE最小值，視野32 cm×32 cm，重建矩陣128×128，層厚4 mm，層間距1 mm，b=0時(shí)，激勵(lì)次數(shù)2；b=1000 s/mm2時(shí)，激勵(lì)次數(shù)6。

1.3 圖像后處理 病理學(xué)分析由乳腺病理學(xué)醫(yī)師采用盲法依據(jù)最新的指南進(jìn)行確診。DWI后處理得到的ADC值經(jīng)1名放射科醫(yī)師測量并錄入，3個(gè)月后進(jìn)行重復(fù)測量以觀察同一觀察者的復(fù)測信度，同時(shí)另1名放射科醫(yī)師重復(fù)測量ADC值以評估觀察者間的復(fù)測信度，放射科醫(yī)師進(jìn)行圖像后處理及參數(shù)測量時(shí)均采用盲法。

感興趣區(qū)（ROI）的選擇參照病變動(dòng)態(tài)增強(qiáng)圖像，在對應(yīng)層面的DWI b=1000 s/mm2相上，選取病變的最大徑層面，避開囊變、壞死區(qū)域，人工勾畫病變的邊緣。另外，為了使ROI盡量減少呼吸運(yùn)動(dòng)和心臟搏動(dòng)的影響，選取同側(cè)乳腺乳頭層面的正常腺體畫取ROI進(jìn)行對照，并且對照的ROI應(yīng)距離病變至少2 cm，如果同側(cè)無法按照上述標(biāo)準(zhǔn)選取對照，則選取對側(cè)乳頭層面正常腺體進(jìn)行對照。典型的ROI選取如圖2A。良性組與惡性組病變的ROI面積、相應(yīng)體素、對照類型見表2。

ADC值的計(jì)算采用單指數(shù)模型，根據(jù)公式（1）［4］計(jì)算。ADC值由Functool工作站（GE Advantage Windows 4.6 workstation，F(xiàn)unctool 9.4.05 package，ADC、MADC App）測量。

表2 乳腺良惡性病灶患者的臨床流行病學(xué)及影像學(xué)征象比較

其中，e為自然常數(shù)，b為擴(kuò)散敏感因子，本試驗(yàn)中為1000 s/mm2，S（b）和S（0）分別為施加擴(kuò)散敏感因子為1000 s/mm2和0 s/mm2后同一ROI組織信號的強(qiáng)度，ADC值即為所需求得的參數(shù)值。

1.4 聯(lián)合診斷及機(jī)器學(xué)習(xí)分析 聯(lián)合指標(biāo)診斷，分別采用串聯(lián)診斷實(shí)驗(yàn)、并聯(lián)診斷實(shí)驗(yàn)、機(jī)器學(xué)習(xí)進(jìn)行分析。串聯(lián)方法A與B敏感度=實(shí)驗(yàn)敏感度A×實(shí)驗(yàn)敏感度B；串聯(lián)方法A與B特異度=實(shí)驗(yàn)A特異度+（1－實(shí)驗(yàn)A特異度）×實(shí)驗(yàn)B特異度；并聯(lián)方法A與B敏感度=實(shí)驗(yàn)A敏感度+（1－實(shí)驗(yàn)A敏感度）×實(shí)驗(yàn)B敏感度；并聯(lián)方法A與B特異度=實(shí)驗(yàn)A特異度×實(shí)驗(yàn)B特異度。機(jī)器學(xué)習(xí)分別采用K最近鄰（k-nearest neighbor，KNN）分類算法、支持向量模型（support vector machine，SVM）對入組的病變進(jìn)行分類。使用Matlab 2012b軟件分析。

1.5 統(tǒng)計(jì)學(xué)方法 采用SPSS 19.0軟件，方差齊性、正態(tài)分布分析分別采用單因素方差分析、Kolmogorov-Smirnov檢驗(yàn)，采用組內(nèi)相關(guān)系數(shù)（intra-class correlation coefficient，ICC）評估觀察者內(nèi)和觀察者間的測量偏倚。病變組與對照組參數(shù)比較采用配對t檢驗(yàn)，符合正態(tài)分布的良性組和惡性組參數(shù)比較采用成組t檢驗(yàn)。如果數(shù)據(jù)不滿足正態(tài)分布，則組間均數(shù)比較采用Mann-Whitney U檢驗(yàn)。采用受試者操作特征（ROC）曲線評估參數(shù)區(qū)別良惡性病變的診斷效能。最佳診斷閾值采用最大Youden指數(shù)所對應(yīng)的參數(shù)值；計(jì)量資料比較采用χ2檢驗(yàn)，相對危險(xiǎn)度經(jīng)χ2檢驗(yàn)或者二元Logistic回歸得出，P＜0.05表示差異有統(tǒng)計(jì)學(xué)意義。

表3 109個(gè)乳腺良惡性病灶的ADC值比較（×10-3mm2/s）

2 結(jié)果

2.1 良惡性病灶影像學(xué)征象及臨床流行病學(xué)資料比較良性組與惡性組患者的年齡、發(fā)病部位、病變形態(tài)、大小、邊緣、動(dòng)態(tài)增強(qiáng)曲線（dynamic contrast enhancementtime intensity curve，DCE-TIC）類型比較，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05），見表2。根據(jù)不同暴露因素的相對危險(xiǎn)度，不規(guī)則形態(tài)、邊緣模糊、較大的長徑（長徑≥1.5 cm）、DCE-TIC呈Kuhl Type II型（平臺型）及III型（廓清型）更可能被診斷為惡性病變。

2.2 觀察者內(nèi)及觀察者間測量偏倚 ADC值的測量在同一觀察者內(nèi)的ICC為0.950（95% CI 0.928～0.965），不同觀察者間的ICC為0.937（95% CI 0.909～0.956），觀察者內(nèi)和觀察者間ICC均＞0.85，表明ADC值測量可重復(fù)性較高。

2.3 良惡性病灶A(yù)DC值比較及ADC值區(qū)別良惡性病灶的診斷效能 同一觀察者間隔3個(gè)月2次測量和不同觀察者分別測量的良惡性病變ADC值見表3。3次ADC值測量中，良性病變與對照腺體、惡性病變與對照腺體、良性病變與惡性病變間ADC值差異均有統(tǒng)計(jì)學(xué)意義（P＜0.05）。惡性病變的ADC值小于良性病變，良、惡性病變的ADC值均小于正常對照腺體。典型的良、惡性病變圖像、DCE-TIC曲線、ADC值參數(shù)見圖1、2。3次測量ADC值的診斷最佳敏感度、特異度、ROC曲線下面積及診斷閾值見表3。3次測量的ROC曲線見圖3。

2.4 聯(lián)合多參數(shù)診斷效能 每個(gè)MR特征的診斷效能及串聯(lián)實(shí)驗(yàn)、并聯(lián)實(shí)驗(yàn)聯(lián)合診斷效能、機(jī)器學(xué)習(xí)（機(jī)器學(xué)習(xí)聯(lián)合了病變形態(tài)、邊緣、DCE-TIC類型、長徑、ADC值5項(xiàng)指標(biāo)）各模型得到的區(qū)別乳腺良、惡性疾病的敏感度及特異度見表4、5。并聯(lián)實(shí)驗(yàn)ADC值分別與傳統(tǒng)MR特征（形態(tài)、邊界、大小、曲線類型）聯(lián)合的敏感度較高，但特異度均低于50%，串聯(lián)實(shí)驗(yàn)ADC值與形態(tài)、邊界的敏感度略低于單一使用ADC值（72.2%比77.6%，73.6%比77.6%），但特異度明顯高于單一使用ADC值（81.5%比68.6%，86.5%比68.6%）。機(jī)器學(xué)習(xí)聯(lián)合了形態(tài)、邊緣、DCE-TIC類型、長徑、ADC值5個(gè)特征，KNN模型，最近鄰個(gè)數(shù)K=15時(shí)，所得敏感度、特異度最高，分別為87.9%、86.3%，平均敏感度、特異度分別為82.5%、84.3%；SVM模型中，隨機(jī)選取80%的樣本組成訓(xùn)練集，作為SVM模型的訓(xùn)練樣本，共進(jìn)行了500次實(shí)驗(yàn)，得到最佳敏感度與特異度為89.6%、92.1%，平均敏感度、特異度分別為87.8%、86.3%；機(jī)器學(xué)習(xí)分析結(jié)果顯示，聯(lián)合使用5項(xiàng)指標(biāo)鑒別乳腺良惡性疾病的效能明顯高于單一ADC值。

圖1 女，42歲，乳腺纖維腺瘤（箭頭）。MRI示左乳內(nèi)上類圓形異常強(qiáng)化影，邊界清楚，長徑約2.7 cm，短徑約2.4 cm（A）；DCE-TIC呈Kuhl Type I型（流入型）（箭，B）；DWI b=1000 s/mm2時(shí)見類圓形擴(kuò)散高信號影（箭頭，C）；ADC偽彩色圖上計(jì)算得ADC值約為1.48×10-3mm2/s（箭頭，D）

圖2 女，35歲，浸潤性導(dǎo)管癌（箭頭）。MRI示左乳外側(cè)不規(guī)則形異常強(qiáng)化影，邊界模糊，其內(nèi)見欠強(qiáng)化囊變壞死區(qū)，病變長徑約2.1 cm，短徑約1.3 cm（A）；DCE-TIC呈Kuhl Type III型（廓清型）（箭，B）；DWI b=1000 s/mm2時(shí)見不規(guī)則形擴(kuò)散高信號影（箭頭，C）；ADC偽彩色圖上計(jì)算得ADC值約為1.17×10-3mm2/s（箭頭，D）

3 討論

本研究對乳腺病變傳統(tǒng)MRI特征參數(shù)進(jìn)行分析，發(fā)現(xiàn)病變形態(tài)、邊界、大小及增強(qiáng)曲線類型均具有較高的敏感度，其中形態(tài)和邊界的敏感度達(dá)90%以上，與Kuhl［4］的研究結(jié)果一致，其原因與良惡性病變的生物學(xué)行為不同有關(guān)，惡性腫瘤細(xì)胞多呈浸潤性生長，邊界較模糊。惡性腫瘤細(xì)胞可分泌多種血管生成因子或血管生成擬態(tài)，而且其新生血管的成熟度差，血管通透性高，因此惡性病變較良性病變具有更豐富的血供，造影劑會較快流出［5］。然而，上述傳統(tǒng)MRI單一指標(biāo)的特異度均不理想，因此，需進(jìn)一步尋找新的MRI特征參數(shù)，并探索多參數(shù)聯(lián)合診斷的模式，以更大程度地發(fā)揮MRI影像學(xué)特征的優(yōu)勢，提高診斷效能。

圖3 同一名觀察者間隔3個(gè)月2次測量ADC值及另1名觀察者測量ADC值的ROC曲線。曲線下面積分別為0.823、0.823、0.828，表明ADC值作為診斷參考值能夠較好地區(qū)別乳腺良惡性病變

本研究中，惡性病變的ADC值低于良性病變，與既往研究［6-8］結(jié)果一致，這可能是因?yàn)槿橄倭紣盒阅[瘤的增殖活性不同，其腫瘤微環(huán)境亦有所不同。惡性腫瘤的細(xì)胞增殖活躍，排列緊密，細(xì)胞外間質(zhì)減少，細(xì)胞膜通透性減低，導(dǎo)致惡性腫瘤內(nèi)的水分子擴(kuò)散運(yùn)動(dòng)受限。本研究中，良惡性病變的ADC值分布、診斷閾值均低于其他研究［7，9］，可能與3.0T的成像設(shè)備以及DWI中選擇相對高b值1000 s/mm2有關(guān)。但參數(shù)值在病變與正常對照腺體的分布趨勢一致，即惡性病變、良性病變、正常對照腺體ADC值依次減小。ADC值的測量在同一觀察者和不同觀察者間一致性較好（ICC＞0.85），表明ADC值具有較高的可重復(fù)性和可靠性，與既往研究［10-11］報(bào)道一致，提示ADC值具有在臨床應(yīng)用的可能。3次測量ADC值的最大敏感度、特異度分別為82.4%、74.1%，80.4%、79.3%，80.4%、81.0%，表明ADC值具有一定的臨床價(jià)值。本研究中ADC值的敏感度、特異度略低于張東坡等［9］和Cakir等［10］的研究結(jié)果，可能是因?yàn)楸狙芯咳虢M的疾病譜較廣，導(dǎo)致良惡性病變的ADC值分布重疊較多，且本實(shí)驗(yàn)中15%的病變呈現(xiàn)非腫塊樣強(qiáng)化，在功能MRI測量中更容易受到部分容積效應(yīng)、運(yùn)動(dòng)偽影及磁敏感效應(yīng)的影響，這些因素可能是影響ADC值診斷效能的原因之一，提示對于非腫塊樣強(qiáng)化病變尚需要單獨(dú)進(jìn)一步深入研究。

表4 各影像特征診斷效能及聯(lián)合診斷效能比較

表5 機(jī)器學(xué)習(xí)模型及診斷效能

MRI檢查提供了更為豐富的多參數(shù)信息，如何充分利用這些信息，以更有效地指導(dǎo)臨床一直是研究熱點(diǎn)。然而探討聯(lián)合診斷的報(bào)道相對較少，Liu等［11］研究了聯(lián)合多b值DWI參數(shù)的串聯(lián)診斷實(shí)驗(yàn)，得出聯(lián)合使用灌注分?jǐn)?shù)和真擴(kuò)散系數(shù)可以使區(qū)別乳腺良惡性疾病的敏感度達(dá)到98.75%，然而該研究并未明確指出串聯(lián)診斷實(shí)驗(yàn)的特異度。本研究首先采用串、并聯(lián)實(shí)驗(yàn)，將ADC值分別與傳統(tǒng)MRI的參數(shù)兩兩聯(lián)合，發(fā)現(xiàn)串聯(lián)使用ADC值和形態(tài)或邊界進(jìn)行聯(lián)合診斷可以得到較高的特異度，可以為臨床確診乳腺病變提供支持，但是其敏感度較低。并聯(lián)實(shí)驗(yàn)所得敏感度均高于90%，但特異度均低于50%，提示這種高敏感度的診斷方式有望應(yīng)用于疾病篩查，以降低漏診率，但在病變進(jìn)一步定性診斷中并無意義。以上串、并聯(lián)實(shí)驗(yàn)僅僅是兩兩簡單聯(lián)合，為了將更多的參數(shù)進(jìn)行有機(jī)聯(lián)合，本研究運(yùn)用機(jī)器學(xué)習(xí)的方法，聯(lián)合了形態(tài)、邊緣、DCE-TIC類型、長徑、ADC值共5個(gè)參數(shù)，采用兩種計(jì)算模型進(jìn)行運(yùn)算，發(fā)現(xiàn)兩個(gè)模型的平均敏感度、特異度均在80%以上，這可能是因?yàn)闄C(jī)器學(xué)習(xí)有機(jī)融合了更多特征，在計(jì)算中考慮了各個(gè)特征的相互關(guān)系，可以更全面高效地運(yùn)用疾病的特征信息，因而獲得了更高的診斷效能。Fehr等［12］通過機(jī)器學(xué)習(xí)的方法聯(lián)合多個(gè)MRI參數(shù)評估前列腺癌的分期，并取得了良好的效果。運(yùn)用機(jī)器學(xué)習(xí)的方法進(jìn)行多參數(shù)聯(lián)合分析疾病可能發(fā)揮越來越重要的作用。本研究的結(jié)果是基于本次試驗(yàn)的樣本所建立的模型，尚需多中心大樣本研究進(jìn)行論證。

目前，針對乳腺疾病的診斷已經(jīng)可以獲得大量的影像學(xué)參數(shù)，如何更有效地利用和處理信息，避免人為分析的偏倚是亟待解決的問題，既往研究將DWI聯(lián)合動(dòng)態(tài)增強(qiáng)［13-14］、擴(kuò)散張量成像［10］用于診斷乳腺疾病，發(fā)現(xiàn)多參數(shù)聯(lián)合可以提高診斷效率。然而具體如何聯(lián)合、利用何種方法或模型聯(lián)合仍需要進(jìn)一步探索，本研究是在聯(lián)合診斷模式方面做的初步嘗試，以期為最佳聯(lián)合診斷模型的構(gòu)建提供線索。

［1］Desantis CE，Lin CC，Mariotto AB，et al. Cancer treatment and survivorship statistics，2014. CA Cancer J Clin，2014，64（4）：252-271.

［2］汪登斌. 乳腺M(fèi)RI應(yīng)用現(xiàn)狀和我國乳腺M(fèi)RI應(yīng)用中存在的問題. 中華放射學(xué)雜志，2014，48（3）： 177-179.

［3］Peters NH，Borel Rinkes IH，Zuithoff NP，et al. Meta-analysis of MR imaging in the diagnosis of breast lesions. Radiology，2008，246（1）： 116-124.

［4］Kuhl C. The current status of breast MR imaging. Part I. Choice of technique，image interpretation，diagnostic accuracy，and transfer to clinical practice. Radiology，2007，244（2）： 356-378.

［5］趙桂嬌，付曠，郭麗麗，等. 3.0T磁共振動(dòng)態(tài)增強(qiáng)曲線與早期強(qiáng)化率對乳腺病變良惡性的鑒別診斷價(jià)值. 中國實(shí)驗(yàn)診斷學(xué)，2013，17（1）： 72-75.

［6］陳敏，梁建超，朱紅春，等. 磁共振擴(kuò)散加權(quán)成像在乳腺良性與惡性病變中表觀擴(kuò)散系數(shù)值分布的特征比較研究. 實(shí)用醫(yī)學(xué)影像雜志，2014，15（1）： 4-6.

［7］Min QH，Shao KW，Zhai LL，et al. Differential diagnosis of benign and malignant breast masses using diffusion-weighted magnetic resonance imaging. World J Surg Oncol，2015，13（1）： 32.

［8］何杰，張焱，程敬亮，等. 單、雙指數(shù)模型擴(kuò)散加權(quán)成像鑒別診斷乳腺良惡性病變的對比研究. 中國醫(yī)學(xué)影像學(xué)雜志，2014，22（1）： 30-33，35.

［9］張東坡，李優(yōu)偉，毛磊，等. 磁共振擴(kuò)散加權(quán)成像在乳腺良惡性病變中的診斷價(jià)值. 中國CT和MRI雜志，2015，13（5）： 66-70.

［10］Cakir O，Arslan A，Inan N，et al. Comparison of the diagnostic performances of diffusion parameters in diffusion weighted imaging and diffusion tensor imaging of breast lesions. Eur J Radiol，2013，82（12）： e801-e806.

［11］Liu CL，Liang CH，Liu ZY，et al. Intravoxel incoherent motion （IVIM） in evaluation of breast lesions： comparison with conventional DWI. Eur J Radiol，2013，82（12）： E782-E789.

［12］Fehr D，Veeraraghavan H，Wibmer A，et al. Automatic classification of prostate cancer Gleason scores from multiparametric magnetic resonance images. Proc Natl Acad Sci U S A，2015，112（46）： E6265-E6273.

［13］劉玉鳳，許茂盛，劉學(xué)競，等. 磁共振擴(kuò)散加權(quán)成像聯(lián)合動(dòng)態(tài)增強(qiáng)評估乳腺導(dǎo)管內(nèi)癌與乳腺浸潤癌的比較研究. 醫(yī)學(xué)影像學(xué)雜志，2014，24（6）： 954-958.

［14］程流泉，李席如，劉梅，等. 多參數(shù)MRI的BI-RADS分類對乳腺病變的診斷效能. 中國醫(yī)學(xué)影像學(xué)雜志，2015，23（3）：176-182.

（本文編輯 張春輝）

Diffusion Weighted Imaging Combined with Traditional MR Imaging in Diagnosis of Breast Lesions

陳寶瑩

2016-01-11

10.3969/j.issn.1005-5185.2016.04.009

陜西省科技攻關(guān)項(xiàng)目（2015SF119）；第四軍醫(yī)大學(xué)青年英才支持計(jì)劃（第一層次）；第四軍醫(yī)大學(xué)唐都醫(yī)院科技創(chuàng)新發(fā)展基金自主創(chuàng)新探索項(xiàng)目（2013CXTS005）；第四軍醫(yī)大學(xué)唐都醫(yī)院科技創(chuàng)新發(fā)展基金臨床研究重大項(xiàng)目（2015LCYJ001）。

R737.9；R730.42