俞 順，石清磊，蘇家威，包 強(qiáng)，庫(kù)雷志，鄭雪萍

(1.福建醫(yī)科大學(xué)省立臨床學(xué)院 福建省立醫(yī)院放射科，福建 福州 350001；2.西門子中國(guó)有限公司醫(yī)學(xué)診斷產(chǎn)品事業(yè)部，北京 100102)

頭頸部影像學(xué)

磁共振擴(kuò)散峰度成像鑒別不同腮腺疾病及診斷腮腺腺淋巴瘤的應(yīng)用

俞 順1*，石清磊2，蘇家威1，包 強(qiáng)1，庫(kù)雷志1，鄭雪萍1

(1.福建醫(yī)科大學(xué)省立臨床學(xué)院 福建省立醫(yī)院放射科，福建 福州 350001；2.西門子中國(guó)有限公司醫(yī)學(xué)診斷產(chǎn)品事業(yè)部，北京 100102)

目的 探討磁共振擴(kuò)散峰度成像(DKI)鑒別不同類型腮腺疾病及診斷腮腺腺淋巴瘤(PAL)的價(jià)值。方法 回顧性分析57例腮腺疾病患者的DKI及DWI資料，分為感染性病變組(n=10)、混合瘤組(n=19)、PAL組(n=14)、其他良性腫瘤組(n=4)、惡性腫瘤組(n=10)。并將其中19例單側(cè)腮腺病變患者的對(duì)側(cè)正常腮腺作為正常對(duì)照組。比較各組病灶DKI擴(kuò)散峰度系數(shù)(Kmean、Krad、Kax)、擴(kuò)散系數(shù)(Dmean、Drad、Dax)、FA值及傳統(tǒng)ADC值的差異。采用二分類Logistic回歸篩選在PAL的診斷中具有統(tǒng)計(jì)學(xué)意義的指標(biāo)，建立Logistic回歸方程。繪制ROC曲線對(duì)篩選后的指標(biāo)及二分類Logistic回歸模型的診斷效能進(jìn)行分析。結(jié)果 各組間Kmean、Krad、Kax、Dmean、Drad、Dax、FA及ADC值的差別均有統(tǒng)計(jì)學(xué)意義(P均<0.05)。ROC曲線分析顯示，F(xiàn)A聯(lián)合Kax值診斷PLA的曲線下面積(AUC)為0.88±0.06(0.79～0.94)，高于單純Kax[0.80±0.07(0.70～0.88)]和FA的AUC[0.63±0.10(0.52～0.73)]，差異均有統(tǒng)計(jì)學(xué)意義(P均<0.05)；其敏感度、特異度、準(zhǔn)確率、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值分別為71.43%、95.78%、91.77%、76.92%、94.44%。結(jié)論 DKI可用于鑒別不同類型腮腺疾病，聯(lián)合應(yīng)用FA及Kax值有利于提高對(duì)PAL的診斷能力。

腮腺疾?。幌倭馨土?；診斷，鑒別；磁共振成像

腮腺腺淋巴瘤(parotid adenolymphoma, PAL)是臨床較為常見(jiàn)的頭頸部疾病，術(shù)前影像學(xué)檢查有助于腮腺疾病的定性診斷，且術(shù)前合理的定性診斷有助于臨床選擇合適的手術(shù)方式。常規(guī)MRI已成為目前腮腺疾病的主要影像學(xué)診斷方法之一，但其以病灶的部位、形態(tài)和信號(hào)強(qiáng)度特點(diǎn)為主要評(píng)價(jià)指標(biāo)來(lái)判斷病變的性質(zhì)，診斷敏感度及特異度較低，且存在多征象重疊等缺點(diǎn)[1-6]。DWI在腮腺疾病的診療中表現(xiàn)出較大潛力，但傳統(tǒng)DWI模型是建立在組織內(nèi)的水分子符合正態(tài)分布的假設(shè)基礎(chǔ)之上，而實(shí)際組織內(nèi)水分子的運(yùn)動(dòng)是非正態(tài)分布的，因此其應(yīng)用價(jià)值受到一定限制。基于非正態(tài)分布的擴(kuò)散峰度成像(diffusion kurtosis imaging， DKI)模型有望在腮腺疾病的診療中提供更有價(jià)值的信息[7-10]。本研究主要探討DKI在鑒別診斷不同類型腮腺疾病及診斷PAL的應(yīng)用價(jià)值。

1 資料與方法

1.1 一般資料 回顧性分析2014年5月—2015年6月于我院接受DKI及DWI檢查的57例腮腺疾病患者資料，男37例，女20例，年齡21～86歲，中位年齡52歲。PAL患者共14例(PAL組)。非PAL患者共43例，包括感染性病變10例(感染性病變組；木村病2例、炎癥性淋巴結(jié)腫大2例、感染性蜂窩織炎3例、第1腮裂瘺合并感染1例、干燥綜合征累及腮腺2例)，混合瘤19例(混合瘤組)，其他良性腫瘤4例(其他良性腫瘤組；基底細(xì)胞腺瘤2例、血管瘤1例、神經(jīng)鞘瘤1例)，惡性腫瘤10例(惡性腫瘤組；黏液表皮樣癌3例、腺體泡細(xì)胞癌2例、鱗狀細(xì)胞癌2例、嗜酸性細(xì)胞癌1例、黏膜相關(guān)組織邊緣區(qū)B細(xì)胞淋巴瘤1例、原始神經(jīng)外胚層瘤1例)。并對(duì)其中19例單側(cè)發(fā)病患者，取對(duì)側(cè)正常腮腺作為對(duì)照(正常腮腺組)。47例腮腺腫瘤均經(jīng)手術(shù)切除術(shù)后病理證實(shí)；10例感染性病變中，炎癥性淋巴結(jié)腫大、木村病及第1腮裂瘺合并感染為術(shù)后病理結(jié)合臨床診斷，感染性蜂窩織炎和干燥綜合征累及腮腺均經(jīng)臨床治療和隨診后確診。

1.2 儀器與方法 采用Siemens Aera 1.5T MR掃描儀器，20通道頭頸聯(lián)合線圈。頭頸部常規(guī)MR檢查(T2WI、T1WI、脂肪抑制T2WI)后，行軸位DWI及DKI。DWI掃描參數(shù)：TR 6 800 ms，TE 82 ms，層厚 4 mm，層間距0，矩陣192×153，F(xiàn)OV 220 mm×213 mm，b值取0、1 000 s/mm2，NEX 1，采集時(shí)間1 min 57 s。DKI掃描參數(shù)：TR 4 000 ms，TE 93 ms，層厚 4 mm，層間距0，矩陣128×128，230 mm×230 mm，NEX 1，b值取0、1 000、2 000 s/mm2，擴(kuò)散敏感梯度方向30，iPAT因子2，采集時(shí)間4 min 46 s。

1.3

圖像后處理 DKI源圖像通過(guò)DKE軟件處理，結(jié)合常規(guī)T2WI軸位圖像，觀察并獲得病灶ROI的擴(kuò)散峰度系數(shù)及擴(kuò)散系數(shù)。擴(kuò)散峰度系數(shù)包括：平均峰度(mean kurtosis, Kmean)、軸向峰度(axial kurtosis, Kax)、徑向峰度(radial kurtosis, Krad)；擴(kuò)散系數(shù)包括：平均擴(kuò)散系數(shù)(mean diffusivity, Dmean)、軸向擴(kuò)散系數(shù)(axial diffusivity, Dax)、徑向擴(kuò)散系數(shù)(radial diffusivity, Drad)及FA值。通過(guò)MMWP工作站對(duì)DWI圖像進(jìn)行分析，測(cè)量病灶的ADC值。

1.4 統(tǒng)計(jì)學(xué)分析 采用SPSS 22.0統(tǒng)計(jì)分析軟件，首先對(duì)數(shù)據(jù)以Komogorov-Smirnov法進(jìn)行正態(tài)分布檢驗(yàn)，以Leneve法進(jìn)行方差齊性檢驗(yàn)。多組間的比較采用單因素方差分析，因數(shù)據(jù)方差不齊，因此采用Tamhane'sT2檢驗(yàn)進(jìn)行組間兩兩比較。而后采用二分類Logistic回歸篩選在PAL與非PAL疾病診斷中有意義的參數(shù)值，并建立回歸方程，分析該模型對(duì)PAL與非PAL的鑒別診斷效能，Y=log(p/1-p)，其中p表示該疾病為PAL的概率。最后采用MedCac 13.0軟件，繪制ROC曲線，分析篩選后的參數(shù)及二分類Logistic回歸方程對(duì)PAL的診斷價(jià)值。以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 不同類型腮腺疾病鑒別診斷 各組DKI指標(biāo)及傳統(tǒng)ADC值見(jiàn)表1。不同類型腮腺疾病各組間DKI指標(biāo)及傳統(tǒng)ADC差異均有統(tǒng)計(jì)學(xué)意義(P均<0.001)。擴(kuò)散峰度系數(shù)(Kmean、Krad、Kax)在PAL組最高，在混合瘤組和其他良性腫瘤組較低，差異有統(tǒng)計(jì)學(xué)意義(P均<0.001)；而擴(kuò)散系數(shù)(Dmean、Drad、Dax)在PAL組最低，在混合瘤組和其他良性腫瘤組較高，差異有統(tǒng)計(jì)學(xué)意義(P均<0.05)。組間兩兩比較結(jié)果見(jiàn)表2。

2.2 DKI指標(biāo)診斷PAL 采用二分類Logistic回歸對(duì)診斷PAL的DKI指標(biāo)進(jìn)行篩選結(jié)果顯示，Kax(P<0.001)和FA(P=0.003)對(duì)PAL具有較高的診斷效能。建立Logistic回歸方程為：Y=-6.68-41.34×FA+11.09×Kax，由回歸方程獲得診斷PAL的閾值為-0.75，高于該值提示為PAL。ROC曲線分析顯示，F(xiàn)A聯(lián)合Kax診斷PLA的AUC為[0.88±0.06(0.79～0.94)]高于單純Kax[0.80±0.07(0.70～0.88)]和FA[0.63±0.10(0.52～0.73)]，差異均有統(tǒng)計(jì)學(xué)意義(Z=1.836，P=0.0464；Z=2.406，P=0.016 1；圖1)，F(xiàn)A聯(lián)合Kax診斷PAL的敏感度、特異度、準(zhǔn)確率、陽(yáng)性預(yù)測(cè)值及陰性預(yù)測(cè)值分別為71.43%、95.78%、91.77%、76.92%及94.44%。

3 討論

3.1 DKI的基本原理 生物組織中水分子的擴(kuò)散運(yùn)動(dòng)受細(xì)胞屏障、細(xì)胞器及細(xì)胞內(nèi)外間隔等多種因素影響，導(dǎo)致水分子的擴(kuò)散呈非正態(tài)分布。DKI基于組織內(nèi)水分子非正態(tài)分布的假設(shè)，可反映組織內(nèi)的水分子非正態(tài)分布的擴(kuò)散大小及程度，并通過(guò)峰度對(duì)模型內(nèi)水分子的擴(kuò)散運(yùn)動(dòng)進(jìn)行校正[11-14]，該模型更符合人體組織內(nèi)水分子的實(shí)際擴(kuò)散運(yùn)動(dòng)情況。DKI的主要指標(biāo)包括擴(kuò)散峰度系數(shù)(Kmean、Krad、Kax)、擴(kuò)散系數(shù)(Dmean、Drad、Dax)和FA值。Kmean指所有梯度方向的擴(kuò)散峰度平均值，組織結(jié)構(gòu)越復(fù)雜，水分子擴(kuò)散受限越明顯，Kmean值越大。Krad指所有垂直于主本征向量方向的擴(kuò)散峰度平均值。Kax指主本征向量方向的擴(kuò)散峰度值；組織結(jié)構(gòu)越疏松，Kax值越小，趨向同性擴(kuò)散；組織結(jié)構(gòu)越緊密規(guī)則，Kax值越大，趨向異性擴(kuò)散。Dmean表示在DKI成像模型中利用K值校正之后多個(gè)方向擴(kuò)散系數(shù)的平均值。Dax表示在校正之后模型中多個(gè)方向擴(kuò)散系數(shù)中最大的擴(kuò)散值，即徑向擴(kuò)散本征值。Drad為除Dax外多個(gè)方向擴(kuò)散系數(shù)的平均值。DKI模型的FA值與傳統(tǒng)DTI的FA值不同，該FA值為利用DKI模型校正之后的擴(kuò)散值計(jì)算所得到的FA值。

3.2 DKI鑒別診斷不同類型腮腺疾病 DKI指標(biāo)中的擴(kuò)散峰度系數(shù)(Kmean、Krad、Kax)和擴(kuò)散系數(shù)(Dmean、Drad、Dax)在不同類型腮腺病變中具有不同的變化趨勢(shì)，這是由于兩者所反映的信息不同所致，擴(kuò)散峰度系數(shù)(Kmean、Krad、Kax)主要反映組織結(jié)構(gòu)相關(guān)特性[15]，而擴(kuò)散系數(shù)(Dmean、Drad、Dax)主要反映水分子彌散情況。本研究對(duì)不同類型腮腺疾病各組進(jìn)行兩兩分析，發(fā)現(xiàn)擴(kuò)散峰度系數(shù)(Kmean、Krad、Kax)在各組間表現(xiàn)出統(tǒng)計(jì)學(xué)差異共22次(P均<0.05)，而擴(kuò)散系數(shù)(Dmean、Drad、Dax)為15次(P均<0.05)，見(jiàn)表2；與既往國(guó)內(nèi)外學(xué)者[12-15]研究發(fā)現(xiàn)DKI峰度相關(guān)參數(shù)具有更高的敏感度的結(jié)果相符。本研究中，擴(kuò)散峰度系數(shù)(Kmean、Krad、Kax)在PAL組最高，分析原因?yàn)镻AL的組織病理學(xué)特點(diǎn)所致，PAL是由上皮組織和淋巴組織組成的良性腫瘤，上皮組織形成不規(guī)則的大腺管及微囊腔，增生的淋巴組織形成淋巴濾泡，腫瘤細(xì)胞間質(zhì)內(nèi)微血管豐富，且瘤體內(nèi)細(xì)胞分布密集，細(xì)胞外間隙較少。此外，本研究顯示擴(kuò)散峰度系數(shù)(Kmean、Krad、Kax)在混合瘤組和其他良性腫瘤組較低，這可能是由于混合瘤組織結(jié)構(gòu)緊密度，組織結(jié)構(gòu)空間復(fù)雜程度、組織內(nèi)細(xì)胞核的異型性及間質(zhì)中血管增生程度均較低所致。

表1 各組DKI參數(shù)值及傳統(tǒng)ADC值比較(±s)

表1 各組DKI參數(shù)值及傳統(tǒng)ADC值比較(±s)

組別KmeanKradKaxDmean(μm2/ms)Drad(μm2/ms)Dax(μm2/ms)FAADC(×10-3mm2/s)A組0.879±0.0690.837±0.0810.910±0.0741.381±0.1611.281±0.1671.570±0.1990.145±0.0261.079±0.106B組0.781±0.0710.882±0.3050.826±0.1611.543±0.2581.397±0.3171.682±0.3510.144±0.0421.160±0.115C組0.508±0.0850.474±0.0810.554±0.1021.860±0.6201.825±0.5342.085±0.5440.094±0.0311.358±0.178D組0.958±0.1860.920±0.1821.035±0.2251.192±0.3331.123±0.3251.263±0.3670.104±0.0490.910±0.139E組0.547±0.0470.519±0.0600.578±0.0622.071±0.2021.927±0.1872.353±0.2540.134±0.0331.235±0.142F組0.860±0.1160.848±0.1210.849±0.1231.300±0.3531.224±0.3391.439±0.3720.127±0.0170.813±0.066F值54.27851.12752.18832.14134.89138.98124.16062.926P值<0.001<0.001<0.001<0.001<0.001<0.001<0.001<0.001

注：A組：正常腮腺組；B組：感染性病變組；C組：混合瘤組；D組：PAL組；E組：其他良性腫瘤組；F組：惡性腫瘤組

表2 各組間DKI參數(shù)及傳統(tǒng)ADC值兩兩比較(P值)

注：A組：正常腮腺組；B組：感染性病變組；C組：混合瘤組；D組：PAL組；E組：其他良性腫瘤組；F組：惡性腫瘤組

圖2 患者男，39歲，PAL

圖4 患者男，68歲，PAL

A、B.T1WI及T2WI示右側(cè)腮腺病灶信號(hào)不均，累及深、淺葉，呈浸潤(rùn)性，表現(xiàn)為惡性腫瘤征象； C.病灶DWI呈高信號(hào)，ADC=0.717×10-3mm2/s； D.Kax偽彩圖，Kmean=1.029、Krad=1.091、Kax=1.266、FA=0.128；E.病理圖(HE， ×40) (箭示病灶)

圖5 患者男，53歲，腮腺鱗狀細(xì)胞癌

A、B.T1WI及T2WI示病灶位于左側(cè)腮腺，信號(hào)不均，累及深、淺葉、浸潤(rùn)性，表現(xiàn)惡性腫瘤征象； C.病灶DWI呈高信號(hào)，ADC=0.784×10-3mm2/s； D.Kax偽彩圖，Kmean=0.710、Krad=0.674、Kax=0.738、FA=0.152； E.病理圖(HE，×40) (箭示病灶)

3.3 DKI對(duì)PAL的診斷效能 本研究單獨(dú)對(duì)PAL采用二分類Logistic模型進(jìn)行分析，一方面是由于PAL的特殊病理特點(diǎn)，依靠傳統(tǒng)DWI技術(shù)鑒別PAL與其他腮腺腫瘤在影像學(xué)表現(xiàn)方面存在較大程度的重疊；另一方面由于應(yīng)用DKI對(duì)腮腺疾病進(jìn)行兩兩分析表明，DKI指標(biāo)對(duì)PAL顯示出較高的診斷能力，例如DKI模型對(duì)PAL與形態(tài)學(xué)表現(xiàn)相似、TIC曲線類型一致的腮腺良性腫瘤之間(圖2、3)，及形態(tài)學(xué)表現(xiàn)惡性的PAL與其他腮腺惡性腫瘤之間(圖4、5)具有較高的鑒別診斷能力。本研究結(jié)果顯示，DKI診斷PAL的敏感度和特異度均較高。

本研究的局限性：①研究時(shí)間較短，收集的樣本量有限，在對(duì)PAL的鑒別診斷中各組病例數(shù)量差別較大，易導(dǎo)致統(tǒng)計(jì)效能偏低；②由于DKI原始圖像分辨率較低，導(dǎo)致在測(cè)量時(shí)存在一定的誤差。

總之，DKI對(duì)于不同類型腮腺疾病具有較高的鑒別診斷能力，聯(lián)合應(yīng)用FA及Kax值有助于對(duì)PAL的診斷。

[1] 鄭少燕，曾向廷，吳先衡，等. 3.0T MR動(dòng)態(tài)增強(qiáng)掃描半定量分析對(duì)腮腺腫塊鑒別診斷的價(jià)值.臨床放射學(xué)雜志,2015,34(3):346-350.

[2] 楊功鑫，王平仲，朱文靜，等.腮腺腫瘤的磁共振彌散加權(quán)成像評(píng)價(jià).中國(guó)醫(yī)學(xué)計(jì)算機(jī)成像雜志,2013,19(6):489-493.

[3] 王新宇. 3.0T磁共振彌散加權(quán)成像在鑒別腮腺多形性腺瘤和腺淋巴瘤的診斷價(jià)值.中國(guó)臨床醫(yī)學(xué)影像雜志,2014,25(9):662-664.

[4] 張贊霞,程敬亮,張勇.DWI聯(lián)合動(dòng)態(tài)增強(qiáng)MRI鑒別診斷腮腺腫瘤良惡性.中國(guó)醫(yī)學(xué)影像技術(shù),2014,30(7):1015-1018.

[5] Yerli H, Aydin E, Haberal N, et al. Diagnosing common parotid tumours with magnetic resonance imaging including diffusion-weighted imaging vs fine-needle aspiration cytology: A comparative study. Dentomaxillofac Radiol, 2010,39(6):349-355.

[6] Wang P, Yang J, Yu Q, et al. Evaluation of solid lesions affecting masticator space with diffusion-weighted MR imaging. Oral Surg Oral Med Oral Pathol Oral Radiol Endod, 2010,109(6):900-907.

[7] Van Cauter S, Veraart J, Sijbers J, et al. Gliomas: Diffusion kurtosis MR imaging in grading. Radiology, 2012,263(2):492-501.

[8] Shimoji K, Uka T, Tamura Y, et al. Diffusional kurtosis imaging analysis in patients with hypertension. Jpn J Radiol, 2014,32(2):98-104.

[9] Kamagata K, Tomiyama H, Hatano T, et al. A preliminary diffusional kurtosis imaging study of Parkinson disease: Comparison with conventional diffusion tensor imaging. Neuroradiology, 2014,56(3):251-258.

[10] Yoshida M, Hori M, Yokoyama K, et al. Diffusional kurtosis imaging of normal-appearing white matter in multiple sclerosis: Preliminary clinical experience. Jpn J Radiol, 2013,31(1):50-55.

[11] Jensen JH, Helpern JA. MRI quantification of non-Gaussian water diffusion by kurtosis analysis. NMR Biomed, 2010,23(7):698-710.

[12] Wu EX, Cheung MM. MR diffusion kurtosis imaging for neural tissue characterization. NMR Biomed, 2010,23(7):836-848.

[13] De Santis S, Gabrielli A, Palombo M, et al. Non-Gaussian diffusion imaging: A brief practical review. Magn Reson Imaging, 2011,29(10):1410-1416.

[14] 單藝,盧潔,李坤成.擴(kuò)散峰度成像在缺血性腦卒中的研究進(jìn)展.中國(guó)醫(yī)學(xué)影像技術(shù),2013,29(12):2046-2048.

[15] Jensen JH, Helpern JA, Ramani A, et al. Diffusional kurtosis imaging: The quantification of non-gaussian water diffusion by means of magnetic resonance imaging. Magn Reson Med, 2005,53(6):1432-1440.

Application of diffusion kurtosis imaging in differential diagnosis of parotid gland disease and diagnosis of parotid adenolymphoma

YUShun1*,SHIQinglei2,SUJiawei1,BAOQiang1,KULeizhi1,ZHENGXueping1

(1.DepartmentofRadiology,FujianProvincialHospital,ClinicalSchoolofFujianMedicalUniversity,Fuzhou350001,China; 2.DiagnosticImaging,SiemensLtd.,Beijing100102,China)

Objective To investigate the value of diffusion kurtosis imaging (DKI) in differential diagnosis of parotid gland disease and diagnosis of parotid adenolymphoma (PAL). Methods DKI and DWI data of 57 patients with parotid gland disease were etrospectively analyzed. Totally 57 cases were divided into infectious lesions group (n=10), pleomorphic adenoma group (n=19), PAL group (n=14), other benign parotid tumor group (n=4) and malignant parotid tumor group (n=10). Contralateral normal parotid glands in 19 patients with unilateral parotid gland lesions were treated as control group. The quantitative parameters including kurtosis concerning parameters (Kmean, Krad, Kax), diffusivity concerning parameters (Dmean, Drad, Dax), fractional anisotropy (FA) and conventional apparent diffusion coefficient (ADC) values were retrospectively reviewed. The binaryLogisticregression method was used to confirm parameters with significant difference in diagnosing PAL. AndLogisticregression equation was constructed to diagnose PAL. ROC analysis was conducted to evaluate the diagnostic value of the confirmed parameters and theLogisticregression equation. Results Significant difference of the parameters including Kmean, Krad, Kax, Dmean, Drad, Dax, FA and ADC values were found among different groups (allP<0.05). ROC analysis demonstrated a higher area under the curve (AUC) for FA+Kax[0.88±0.06 (0.79—0.94)] than Kax[0.80±0.07 (0.70—0.88)] and FA [0.63±0.10 (0.52—0.73)], respectively (bothP<0.05). The sensitivity, specificity, accuracy, positive predictive value and negative predictive value was 71.43%, 95.78%, 91.77%, 76.92% and 94.44%. Conclusion DKI showed high diagnostic capacity in differential diagnosis of parotid gland disease. The combination of FA and Kaxcan improve the diagnostic accuracy in diagnosis of PAL.

Parotid diseases； Adenolymphoma； Diagnosis, differential； Magnetic resonance imaging

福建省衛(wèi)生廳青年科研課題資助計(jì)劃(2013-1-3)。

俞順(1983—)，男，福建福清人，碩士，主治醫(yī)師。研究方向：主要從事磁共振檢查及診斷。

俞順，福建醫(yī)科大學(xué)省立臨床學(xué)院 福建省立醫(yī)院放射科，350001。E-mail： 76429310@qq.com

2016-06-09

2016-12-19

10.13929/j.1003-3289.201606045

R739.8; R445.2

A

1003-3289(2017)04-0523-06