石瑞　王藝婷　王陽　張立超　張進(jìn)

[摘要] 目的 采用Meta分析方法綜合評(píng)價(jià)磁共振動(dòng)態(tài)增強(qiáng)掃描（dynamic contrast enhanced magnetic，DCE-MRI）聯(lián)合擴(kuò)散加權(quán)成像（diffusion-weighted imaging，DWI）對(duì)乳腺良、惡性病變的鑒別診斷價(jià)值。 方法 計(jì)算機(jī)檢索中國(guó)學(xué)術(shù)期刊（網(wǎng)絡(luò)版）、萬方醫(yī)學(xué)數(shù)據(jù)服務(wù)平臺(tái)、中國(guó)生物醫(yī)學(xué)數(shù)據(jù)庫(kù)、PubMeb Central-NLM期刊全文庫(kù)、Cochrane圖書館、Ovid循證醫(yī)學(xué)數(shù)據(jù)庫(kù)、Science Direct外文數(shù)據(jù)庫(kù)等數(shù)據(jù)庫(kù)中2007年1月～2016年10月公開發(fā)表的相關(guān)文獻(xiàn)，按照指定納入標(biāo)準(zhǔn)篩選文獻(xiàn)、提取數(shù)據(jù)信息，采用Meta分析對(duì)提取的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析。 結(jié)果 共納入文獻(xiàn)15篇，納入病灶910個(gè)，文獻(xiàn)具有同質(zhì)性，采用固定效應(yīng)模型計(jì)算出匯總敏感度、特異度分別為92%、88%，匯總ROC曲線下面積為0.96，95%CI（0.94，0.97）。 結(jié)論 DCE-MRI聯(lián)合擴(kuò)散加權(quán)成像對(duì)乳腺良惡性病變的診斷具有較高的診斷價(jià)值，是一種可廣泛用于乳腺影像學(xué)檢查的精確的、非創(chuàng)傷性的檢查方法。

[關(guān)鍵詞] 乳腺病變；磁共振動(dòng)態(tài)增強(qiáng)掃描；擴(kuò)散加權(quán)成像；Meta分析

[中圖分類號(hào)] R455.2 [文獻(xiàn)標(biāo)識(shí)碼] B [文章編號(hào)] 1673-9701（2017）04-0110-06

Meta analysis of differential diagnosis value of benign and malignant breast lesions by dynamic contrast enhanced magnetic combined with diffusion weighted imaging

SHI Rui1 WANG Yiting1 WANG Yang1 ZHANG Lichao1 ZHANG Jin2

1.Department of Medical Imaging， Shanxi Medical University， Taiyuan 030001， China； 2.Shanxi Medical University Second Hospital， Taiyuan 030001， China

[Abstract] Objective To comprehensively evaluate the differential diagnostic value of dynamic contrast enhanced magnetic（DCE-MRI） combined with diffusion-weighted imaging（DWI） in benign and malignant breast lesions by Meta analysis. Methods Relevant literature publically released from January 2007 to October 2016 in Chinese Academic Journals（online version）， Wanfang Medical Data Service Platform， Chinese Biomedical Database， PubMeb Central-NLM Journal， Cochrane Library， Ovid Evidence-based Medicine Database， Science Direct Foreign Language Database and other databases were searched by computer. The literature was screened according to the specified inclusion criteria， and the data information was extracted. Meta-analysis was used to statistically analyze the extracted data. Results A total of 15 articles were included， and 910 lesions were included. The literature was homogeneous， and the fixed effect model was used to calculate the overall sensitivity， specificity was 92% and 88% respectively. The area under the ROC curve was 0.96， 95%CI（0.94， 0.97）. Conclusion DCE-MRI combined with diffusion weighted imaging has a high diagnostic value in the diagnosis of benign and malignant breast lesions. It is an accurate and noninvasive method widely used in breast imaging.

[Key words] Breast lesions； Dynamic contrast enhanced magnetic（DCE-MRI）； Diffusion-weighted imaging （DWI）； Meta analysis

乳腺癌是女性最常見的惡性腫瘤和死亡原因，據(jù)統(tǒng)計(jì)，2012年全球約有170萬例患者及521 900例死亡患者，占女性癌癥患者的25%，占死亡病例的15%[1]。早期定性診斷乳腺病變對(duì)治療方案的制定、預(yù)后估計(jì)、遠(yuǎn)期生存率估算有至關(guān)重要的作用。近年來，磁共振掃描被廣泛應(yīng)用于乳腺病變的診斷，諸多文獻(xiàn)針對(duì)DWI聯(lián)合DCE-MRI對(duì)乳腺良惡性病變的診斷價(jià)值進(jìn)行了研究，但研究結(jié)論不盡相同[2-5]，甚至相反[6]。本研究應(yīng)用循證醫(yī)學(xué)統(tǒng)計(jì)學(xué)方法，匯總分析國(guó)內(nèi)外關(guān)于DCE-MRI聯(lián)合DWI診斷乳腺病變的大量文獻(xiàn)，以綜合定量評(píng)價(jià)DCE-MRI聯(lián)合擴(kuò)散加權(quán)成像鑒別乳腺病變的診斷價(jià)值。

1 資料與方法

1.1一般資料

計(jì)算機(jī)檢索中國(guó)學(xué)術(shù)期刊（網(wǎng)絡(luò)版）、萬方醫(yī)學(xué)數(shù)據(jù)服務(wù)平臺(tái)、中國(guó)生物醫(yī)學(xué)數(shù)據(jù)庫(kù)、PubMeb Central-NLM期刊全文庫(kù)、Science Direct外文數(shù)據(jù)庫(kù)等數(shù)據(jù)庫(kù)中2007年1月～2016年10月以來公開發(fā)表的文獻(xiàn)。中文檢索詞“乳腺”、“動(dòng)態(tài)增強(qiáng)掃描”、“擴(kuò)散加權(quán)成像”、“彌散加權(quán)成像”，英文檢索詞“diffusion weighted imaging”、“dynamic contrast enhanced magnetic”、“DCE-MRI”、“DWI”“diffusion magnetic resonance imaging”、“breast”“mammary”。限制研究對(duì)象為“人類”，對(duì)檢索結(jié)果進(jìn)行2次篩查，除外有關(guān)綜述、專家述評(píng)信件、病例報(bào)道、社論等文獻(xiàn)類型。

1.2 納入標(biāo)準(zhǔn)

根據(jù)Cochrane協(xié)作網(wǎng)篩選與診斷試驗(yàn)方法組中關(guān)于診斷試驗(yàn)性研究的納入標(biāo)準(zhǔn)進(jìn)行[7]，具體納入標(biāo)準(zhǔn)制定如下：（1）研究對(duì)象為人類；（2）中、英文文獻(xiàn)；（3）研究病灶數(shù)≥30；（4）運(yùn)用DCE-MRI聯(lián)合擴(kuò)散加權(quán)成像研究乳腺良、惡性病變的前瞻性、回顧性文獻(xiàn)；全部病灶均有術(shù)后或穿刺活檢病理結(jié)果；（5）研究報(bào)道提供了良、惡性病灶的數(shù)目、ADC平均值及標(biāo)準(zhǔn)差、能夠直接或間接得到該研究的真陽性值（true positive values，TPV）、假陽性值（false positive values，F(xiàn)PV）、真陰性值（true negative values，TNV）、假陰性值（false negative values，F(xiàn)NV）、敏感度（sensitivity，Se）、特異度（specificity，Sp）、診斷準(zhǔn)確度（accuracy rate，AC）、陽性預(yù)測(cè)值（positive predictive value，PPV）、陰性預(yù)測(cè)值（negative predictive value，NPV）、陽性似然比（positive likelihood ratio，PLR）、陰性似然比（negative likelihood ratio，NLR）；（6）包括期刊全文和學(xué)位論文。

1.3文獻(xiàn)內(nèi)容提取

由2名研究者獨(dú)立進(jìn)行文獻(xiàn)質(zhì)量評(píng)價(jià)并提取數(shù)據(jù)資料，如遇分歧兩者協(xié)商解決。提取內(nèi)容包括：第一作者、發(fā)表時(shí)間、患者數(shù)、病灶總數(shù)、良、惡性病灶數(shù)目、患者年齡范圍、平均或中位年齡、研究類型；TPV、FPV、TNV、FNV、Se、Sp、AC、PPV、NPV、PLR、NLR等表格信息。

1.4 統(tǒng)計(jì)學(xué)分析

采用Stata 12.0軟件對(duì)所采集的數(shù)據(jù)進(jìn)行匯總分析。

1.4.1 異質(zhì)性檢驗(yàn) 采用Q檢驗(yàn)，Q服從自由度為k-1的分布，Q值越大，其對(duì)應(yīng)P值越小。假設(shè)H0∶n個(gè)研究結(jié)果來自同一整體，若P>0.05，則不拒絕H0，說明各研究之間無異質(zhì)性，合并效應(yīng)量時(shí)應(yīng)采用固定效應(yīng)模型；若P≤0.05，則拒絕H0，說明各研究之間存在異質(zhì)性，合并效應(yīng)量時(shí)采用隨機(jī)效應(yīng)模型。

1.4.2 Meta分析 按照異質(zhì)性檢驗(yàn)所得效應(yīng)模型，采用Logit變換對(duì)各個(gè)研究的敏感度和特異度進(jìn)行變換，再依權(quán)重大小進(jìn)行匯總，最后進(jìn)行反Logit變換得出加權(quán)匯總敏感度和特異度及相應(yīng)的95%可信區(qū)間，并繪制森林圖。

1.4.3 建立匯總受試者工作特征曲線（summary receiver operating characteristic curve，SROC曲線） 繪制SROC曲線，并由軟件自動(dòng)計(jì)算出曲線下面積（area under curve，AUC），曲線越接近坐標(biāo)軸左上角，AUC則越接近1，表明該檢查的診斷價(jià)值越高。

1.4.4 發(fā)表偏倚 對(duì)合并效應(yīng)量采用Deeks線性回歸分析法進(jìn)行發(fā)表偏倚識(shí)別，若P>0.5，則提示不存在發(fā)表偏倚。

2 結(jié)果

2.1 文獻(xiàn)檢索結(jié)果

初步納入文獻(xiàn)172篇，排除不符合納入標(biāo)準(zhǔn)、不能獲得全文、無法獲得統(tǒng)計(jì)數(shù)據(jù)的文獻(xiàn)，共157篇，最終納入文獻(xiàn)15篇。

2.2 數(shù)據(jù)提取

研究病灶共計(jì)910個(gè)，經(jīng)病理確診惡性病灶468個(gè)，良性病灶442個(gè)，DCE-MRI聯(lián)合DWI診斷乳腺病變良惡性的敏感性范圍80%～100%[8，9]，特異性范圍 66.7%～94.7%[10，11]。納入文獻(xiàn)的信息提取見表1、2。

2.3數(shù)據(jù)分析

2.3.1 異質(zhì)性檢驗(yàn) Q=15.72，自由度為14，P>0.05，接受同質(zhì)性假設(shè)，故采用固定效應(yīng)模型進(jìn)行加權(quán)定量合并，森林圖見圖1。

2.3.2 Meta分析 匯總加權(quán)敏感度、特異度、陽性似然比、陰性似然比、診斷比值比及95%CI分別為0.92（0.89，0.95）、0.88（0.82，0.92）、7.76（5.45，11.06）、0.09（0.06，0.13）、88.89（50.20，157.95），見表3。Fagans 圖示（圖2）DCE-MRI聯(lián)合DWI判斷陽性時(shí)，惡性概率增加至77%；DCE-MRI聯(lián)合DWI判斷陰性時(shí)，惡性概率降低至4%。

2.3.3 建立SROC曲線匯總 ROC曲線下面積0.96，95%CI（0.94，0.97）（圖3）。

2.3.4 發(fā)表偏倚 對(duì)合并效應(yīng)量采用Deeks線性回歸分析法（P>0.5）進(jìn)行發(fā)表偏倚識(shí)別，未顯示發(fā)表偏倚。

3 討論

近年來，Meta分析被越來越廣泛的應(yīng)用于醫(yī)學(xué)領(lǐng)域，是許多系統(tǒng)評(píng)價(jià)方法的核心[23]。Meta分析可將數(shù)個(gè)獨(dú)立的、同類型的研究結(jié)果進(jìn)行匯總分析，充分?jǐn)U大了樣本量，并得到定量合并結(jié)果，提高了初步試驗(yàn)結(jié)論的強(qiáng)度和可信度，降低了大規(guī)模臨床試驗(yàn)的成本，對(duì)于疾病的診斷、治療、危險(xiǎn)度評(píng)價(jià)、干預(yù)設(shè)施、預(yù)防決策以及衛(wèi)生決策等方面起著重要作用[24]。

磁共振檢查是乳腺影像學(xué)檢查的重要方法，乳腺M(fèi)RI檢查應(yīng)有以下十項(xiàng)適用證：治療前、高危婦女篩查、新輔助化療療效評(píng)價(jià)、乳頭溢液、乳腺增生或接受過乳腺植入物的患者、原位癌、乳腺癌復(fù)發(fā)、炎性乳腺癌、傳統(tǒng)X線或超聲檢查認(rèn)為有可疑病灶的患者、男性乳腺[25，26]。DCE-MRI是不同乳腺M(fèi)RI檢查的基礎(chǔ)，可同時(shí)提供形態(tài)學(xué)和功能學(xué)方面的雙重信息，其診斷乳腺癌具有較高的敏感性[8，10]，但由于乳腺良、惡性組織及正常組織的相互重疊，其診斷特異性較低[27]，為了克服特異性較低的限制，很多研究人員將其他功能MR成像技術(shù)聯(lián)合應(yīng)用于乳腺M(fèi)RI檢查，例如擴(kuò)散加權(quán)成像。

本文采用Meta分析方法對(duì)DCE-MRI聯(lián)合DWI診斷乳腺良惡性病變的敏感度、特異度進(jìn)行系統(tǒng)評(píng)價(jià)，得到匯總敏感度、特異度及95%CI分別為0.92（0.89，0.95）、0.88（0.82，0.92），SROC-AUC為 0.96，與Li Zhang等[28]學(xué)者的研究結(jié)果（AUC-SROC為0.94）相近，說明DCE-MRI聯(lián)合DWI對(duì)乳腺良、惡性病變具有較高的診斷價(jià)值，是一種可廣泛用于乳腺影像學(xué)檢查的精確的、非創(chuàng)傷性的檢查方法。

DWI的成像原理是利用細(xì)胞外液中水分子的擴(kuò)散運(yùn)動(dòng)獲取圖像，可敏感的反映病理及生理狀態(tài)下組織和細(xì)胞微環(huán)境中水分子的變化[29]。由DWI圖像得出的ADC圖及表觀彌散系數(shù)ADC值可定量反映局部組織變化及腫瘤進(jìn)展情況，ADC值與腫瘤細(xì)胞之間存在直接關(guān)系[30]。據(jù)報(bào)道，DWI具有較高的敏感度和特異度，Cennet Sahin等[31]將1.03×103 mm2/s作為乳腺良惡性病灶的ADC閾值，特異度及陰性預(yù)測(cè)值較高均為100%，敏感性為88.5%；陳欣等將[32]1.2×103 mm2/s作為ADC閾值，經(jīng)Meta分析得出DWI診斷乳腺良惡性病變的匯總敏感度和特異度分別為86%和80%；另一匯總964乳腺病灶的Meta分析也得出了相似的結(jié)論，匯總敏感度和特異度分別為84%、79%[33]；ADC值可提高乳腺各種類型和大小可疑病灶的陽性預(yù)測(cè)值[34]，DWI診斷乳腺病變較DCE-MRI有較低的陰性預(yù)測(cè)值，因此不可取代DCE-MRI，但DCE-MRI聯(lián)合DWI可顯著提高診斷BI-RADS 3級(jí)和4級(jí)病灶的特異性[35]?；谌橄倭肌盒圆∽冎gADC值和血流動(dòng)力學(xué)均存在明顯差異[19]，及DCE-MRI可提供正常與異常組織間微循環(huán)的差異，將DCE-MRI和DWI聯(lián)合應(yīng)用。優(yōu)勢(shì)互補(bǔ)，以提高乳腺良、惡性病變的診斷能力，本研究分析結(jié)果也表明，DCE-MRI聯(lián)合DWI匯總ROC曲線下面積為0.96，匯總診斷比值比為88.89（大于1），匯總陽性似然比為7.76，說明DCE-MRI聯(lián)合DWI正確診斷乳腺病灶為惡性的可能性是錯(cuò)誤診斷為惡性的7.76倍，匯總陰性似然比分別為0.09，說明DCE-MRI聯(lián)合DWI錯(cuò)誤診斷乳腺病灶為良性的可能性是正確診斷為良性的0.09倍，提示DCE-MRI聯(lián)合DWI對(duì)乳腺良、惡性病變有較高的鑒別診斷能力，兩者聯(lián)合可以提高診斷的準(zhǔn)確性。

本研究利用系統(tǒng)評(píng)價(jià)的方法，擴(kuò)大了研究的病例來源，增加了樣本量，提高了研究的可信度，但也存在較多的局限，如本研究并未對(duì)各研究的良惡性病灶A(yù)DC值及診斷閾值進(jìn)行匯總分析，是由于各研究選取的b值高低差異較大，致使個(gè)研究ADC閾值相對(duì)較高或較低，相對(duì)較高的閾值可在乳腺癌篩查過程中盡可能減少漏診，相對(duì)較低的閾值可減少假陽性值[22]，對(duì)此筆者希望今后可有相對(duì)較統(tǒng)一的標(biāo)準(zhǔn)以便進(jìn)一步分析研究。

[參考文獻(xiàn)]

[1] Lindsey ATorre，F(xiàn)reddie Bray，Rebecca L Siegel，et al. Global Cancer Statistics，2012[J]. Ca Cancer J Clin，2015， 65（2）：87-108.

[2] Sibel Kul，Aysegul Cansu，Etem Alhan，et al. Contribution of diffusionweighted imaging to dynamic contrast-enhanced MRI in the characterization of breast tumors[J].AJR，2011，196：210-217.

[3] Qinghua Min，Kangwei Shao，Lulan Zhai，et al. Differential diagnosis of benign and malignant breast masses using diffusion-weighted magnetic resonance imaging[J]. World Journal of Surgical Oncology，2015，13：32-38.

[4] Sebnem Orguc，Isil Basara，Teoman Coskun. Diffusion-weighted MR imaging of the breast：Comparison of apparent diffusion coefficient values of normal breast tissue with benign and malignant breast lesion[J]. Singapore Med J，2012，53（11）：737-743.

[5] Guangwei Jin，Ningyu An，Michael A Jacobs，et al. The Role of Parallel Diffusion-Weighted Imaging and Apparent Diffusion Coefficient（ADC）Map Values for Evaluating Breast Lesions：Preliminary Results[J]. Acad Radiol，2010，17（4）：456-463.

[6] Roberta Fusco，Mario Sansone，SalvatoreFilice，et al. Integration of DCE-MRI and DW-MRI Quantitative Parameters for Breast Lesion Classification[J]. BioMed Research International，2015，（5）：237863.

[7] The Cochrane methods group on systematic review of screening and diagnostic tests：Recommended methods.[2006-0447].http：//www.Cocrane.Org/docs/sadtdocL Htrm.

[8] Katja Pinker，Pascal Baltzer，Wolfgang Bogner，et al. Multiparametric Mr imaging with high-resolution Dynamic contrast-enhanced and Diffusion-weighted imaging at 7T improves the assessment of Breast Tumors：A Feasibility Study[J]. Radiology，2015，276（2）：360-370.

[9] 魚汀，李國(guó)華. 聯(lián)合應(yīng)用磁共振動(dòng)態(tài)增強(qiáng)及彌散加權(quán)成像對(duì)乳腺癌的診斷價(jià)值[J]. 現(xiàn)代醫(yī)用影像學(xué)，2015，24（1）：38-43.

[10] 劉偉，葉春濤，林光武，等. 磁共振功能成像不同聯(lián)合方法診斷乳腺良惡性病變的價(jià)值[J]. 臨床放射學(xué)雜志，2013 ，32 （1）：56-60.

[11] MAHE Bakry，AA Sultan，NAE El-Tokhy，et al. Role of diffusion weighted imaging and dynamic contrast enhanced magnetic resonance imaging in breast tumors[J]. The Egyptian Journal of Radiology and Nuclear Medicine，2015，46（3）：791-804.

[12] 彭保成，李振玉，劉斌，等. DWI及MRI動(dòng)態(tài)增強(qiáng)技術(shù)在乳腺良惡性病變?cè)\斷中的應(yīng)用[J]. 世界臨床醫(yī)學(xué)，201 5，9（8）：21-22.

[13] 王增獻(xiàn)，劉紅宇，婁欣欣，等. MR DWI聯(lián)合動(dòng)態(tài)增強(qiáng)時(shí)間.信號(hào)強(qiáng)度曲線對(duì)乳腺良惡性病變的診斷價(jià)值[J]. 現(xiàn)代實(shí)用醫(yī)學(xué)，2014，26（1）：87-88.

[14] 姚艷琴. MR動(dòng)態(tài)增強(qiáng)掃描聯(lián)合彌散加權(quán)成像對(duì)乳腺良惡性病變的診斷評(píng)價(jià)[J]. 中國(guó)衛(wèi)生標(biāo)準(zhǔn)管理，2015， 33：150-151.

[15] 羅志程，鄧新源，梁菊香. 乳腺 MR 動(dòng)態(tài)增強(qiáng)掃描聯(lián)合擴(kuò)散加權(quán)成像的臨床應(yīng)用評(píng)價(jià)[J]. 當(dāng)代醫(yī)學(xué)，2014，20（16）：82-83.

[16] 黨勇. 乳腺癌性病變?cè)\斷中DW-MRI聯(lián)合3. 0T DCE-MRI的臨床研究[J]. 臨床和實(shí)驗(yàn)醫(yī)學(xué)雜志，2016， 15（20）：2040-2043.

[17] 魯文力，歐陽祖彬，呂富榮，等. 探討3.0TMRI動(dòng)態(tài)增強(qiáng)聯(lián)合擴(kuò)散加權(quán)成像對(duì)乳腺疾病的診斷價(jià)值[J]. 重慶醫(yī)科大學(xué)學(xué)報(bào)，2014，39（10）：1484-1489.

[18] 孟淑萍，王霈，平學(xué)軍，等. MR擴(kuò)散加權(quán)成像結(jié)合動(dòng)態(tài)增強(qiáng)掃描在乳腺良惡性病變?cè)\斷中的應(yīng)用[J]. 寧夏醫(yī)學(xué)雜志，2014，36（12）：1108-1110.

[19] 王冬女，郭世偉，樊樹峰，等. 磁共振動(dòng)態(tài)增強(qiáng)、擴(kuò)散加權(quán)成像聯(lián)合應(yīng)用對(duì)乳腺病變的診斷價(jià)值[J]. 醫(yī)學(xué)影像學(xué)雜志 2009，19（12）：1564-1568.

[20] 胡慧娟，劉進(jìn)康，廖美炎，等. 乳腺M(fèi)RI常規(guī)成像、動(dòng)態(tài)增強(qiáng)成像、擴(kuò)散加權(quán)成像對(duì)良惡性病變的診斷評(píng)價(jià)[J].武漢大學(xué)學(xué)報(bào)（醫(yī)學(xué)版），2010，31（5）：644-647.

[21] Lifang Si，Renyou Zhai，Xiaojuan Liu，et al. MRI in the differential diagnosis of primary architectural distortion detected by mammography[J]. Diagn Interv Radiol，2016， 22：141-150.

[22] Reem Hassan Bassiouny，Tarek Youssef，Olaa Hassan. Diagnostic performance of breast MRI with and without the addition of quantitative diffusion weighted imaging[J]. The Egyptian Journal of Radiology and Nuclear Medicine，2012，43：311-323.

[23] JE Mckenzie，EM Beller，AB Forbes. Introduction to systematic reviews and meta-analysis[J]. Respirology，2016， 21（4）：626-637.

[24] 楊軍樂，郭佑民，徐敏，等. MR擴(kuò)散加權(quán)成像診斷腦梗死的Meta分析[J]. 中華放射學(xué)雜志，2008，42（6）：609-613.

[25] Sardanelli F，Boetes C，Borisch B，et al. Magnetic resonance imaging of the breast：Recommendations from the EUSOMA working group[J]. Eur J Cancer，2010，46（8）：1296-1316.

[26] Ritse M Mann，Corinne Balleyguier，Pascal A Baltzer，et al. Breast MRI：EUSOBI recommendations for women's information[J]. Eur Radiol，2015，25：3669-3678.

[27] Mary C Mahoney，Constantine Gatsonis，Lucy Hanna，et al.Positive Predictive Value of BI-RADS MR Imaging[J]. Radiology，2012，264（1）：51-58.

[28] Li Zhang，Min Tang，Zhiqian Min，et al. Accuracy of combined dynamic contrast-enhanced magnetic resonance imaging and diffusion-weighted imaging for breast cancer detection：A meta-analysis[J]. Acta Radiologica，2016，57（6）：651-660.

[29] Le Bihan D，Breton E，Lallemand D，et al. MR imaging of intravoxel incoherent motions：Application to diffusion and perfusion in neurologic disorders[J]. Radiology，1986， 161：401-407.

[30] Hongmin Cai，Yanxia Peng，Caiwen Qu，et al. Diagnosis of Breast Masses from Dynamic Contrast Enhanced and Diffusion-Weighted MR：A Machine Learning Approach[J].PloS One，2014，9（1）：e87387.

[31] Cennet Sahin，Erkin Ar？覦bal. The role of apparent diffusion coefficient values in the differential diagnosis of breast lesions in diffusion-weighted MRI[J]. Diagn Interv Radiol，2013，19：457-462.

[32] 陳欣，張毅力，張秋娟，等. MR擴(kuò)散加權(quán)成像對(duì)乳腺病變良惡性鑒別的 Meta分析報(bào)告[J]. 中華放射學(xué)雜志，2008，42（6）：582-585.

[33] Xin Chen，Wen-ling Li，Yi-li Zhang，et al. Meta-analysis of quantitative diffusion-weighted MR imaging in the differential diagnosis of breast lesions[J]. BMC Cancer，2010，10：693.

[34] SC Partridge，WB DeMartini，BF Kurland，et al. Quantitative diffusion-weighted imaging as anadjunct to conventional breast MRI for improved positive predictive value[J]. American Journal of Roentgenology，2009，193（6）：1716-1722.

[35] Hildebrand Dijkstra，Monique D Dorrius，Mirjam Wielema，et al. Quantitative DWI Implemented After DCE-MRI Yields Increased Specificity for BI-RADS 3 and 4 Breast Lesions[J]. Journal of Magnetic Resonance Imaging，2016，44（6）：1642-1649.

（收稿日期：2016-11-09）