全容积ADC直方图分析鉴别乳腺病变良恶性的价值

目的探讨MRI表观扩散系数(apparent diffusion coefficient, ADC)全容积直方图分析在乳腺良、恶性病变鉴别诊断中的价值。方法乳腺病变患者142例(156个病变),其中良性病变72例(81个病变)为良性病变组,恶性病变70例(75个病变)为恶性病变组。术前均行乳腺MRI检查,应用MaZda软件提取、分析病变的全容积ADC图像,通过ADC图像的像素值及灰度分布情况得到均值、方差、偏度、峰度及第1、10、50、90、99百分位数9个直方图参数,比较2组ADC全容积直方图参数;绘制ROC曲线,评估ADC全容积直方图各参数鉴别诊断乳腺病变良、恶性的效能。结果恶性病变组均值(119.05±16.58)、方差(383.68±216.37)及第1、10、50、90、99百分位数(78.56±20.24、96.19±17.18、117.93±16.57、143.77±19.45、167.05±24.65)均低于良性病变组(167.33±32.79、542.57±494.58、116.11±31.92、139.01±33.33、168.70±35.05、193.51±34.52、209.31±31.10)(P0.05),偏度(0.30±0.64)高于良性病变组(-0.28±0.87)(P0.05);均值和第50百分位数最佳截断值为0.69、0.72时,鉴别诊断乳腺良、恶性病变的AUC分别为0.910、0.912,灵敏度分别为84%、84%,特异度分别为85%和88%。结论 ADC全容积直方图参数鉴别诊断乳腺良、恶性病变具有较高的特异度和灵敏度,有一定鉴别诊断价值。     

ADC全容积直方图分析法鉴别乳腺良恶性肿块样病变

目的 探讨ADC全容积直方图分析法鉴别诊断乳腺良恶性肿块样病变的价值。方法 回顾性分析经手术及病理证实的88例乳腺肿块样病变患者,其中恶性57例、良性31例,均接受乳腺MR平扫+动态增强及DWI扫描,测量并记录ADC全容积直方图参数（包括多个百分位ADC值、ADC_min、ADC_max、ADC_mean、偏度、峰度及标准差）及常规平均ADC值。比较乳腺良恶性病变各ADC直方图参数及常规平均ADC值,采用ROC曲线分析评估各参数鉴别良恶性病变的效能。结果 良恶性病变ADC直方图参数（各ADC值、偏度、峰度、标准差）及常规平均ADC值差异均有统计学意义（P均<0.05）;其中第75、90百分位ADC值鉴别良恶性病变的AUC最高,为0.84。ADC直方图参数ADC_mean、第50百分位ADC值鉴别乳腺肿块样病变良恶性的AUC与常规平均ADC值的AUC比较差异均有统计学意义（P均<0.05）。结论 ADC全容积直方图可全面反映病灶整体信息,对鉴别乳腺良恶性病变具有一定价值。     

弥散加权成像模型鉴别乳腺良恶性病变北大核心CSCD

目的观察弥散加权成像(DWI)单指数模型、体素内不相干运动(IVIM)和弥散峰度成像(DKI)模型鉴别乳腺良、恶性病变的价值。方法对临床疑诊乳腺病变的202例患者(215个病灶)采集乳腺DWI,b值取0、30、50、80、120、160、200、500、1000、1500及2000 s/mm^(2)。采用单指数模型、IVIM模型、DKI模型分析原始数据,比较乳腺良、恶性病变表观扩散系数(ADC)、IVIM参数灌注分数(IVIM-FP)、真实弥散系数(IVIM-D)及灌注相关弥散系数(IVIM-DP)和DKI参数平均峰度(DKI-K)及平均弥散率(DKI-D)的差异。将单因素分析结果显示P<0.10的变量纳入多因素逐步logistic回归分析,筛选鉴别乳腺良、恶性病变的最佳参数,并建立联合模型。以病理结果为标准,采用受试者工作特征(ROC)曲线,计算曲线下面积(AUC),分析单一及联合参数鉴别乳腺良、恶性病变的效能。结果良性组54例(63个病灶),恶性组148例(152个病灶),组间ADC、IVIM-D、DKI-K和DKI-D差异均有统计学意义(P<0.001),IVIM-FP及IVIM-DP差异无统计学意义(P均>0.05)。ADC+DKI-K联合为鉴别乳腺良、恶性病变的最佳联合参数。ADC诊断乳腺良、恶性病变的效能最高,敏感度91.45%,特异度82.54%、准确率88.84%;其AUC 0.92,高于DKI-K及IVIM-DP(Z=4.72、6.78,P均<0.01),与IVIM-D、DKI-D、ADC+DKI-K差异均无统计学意义(Z=0.64、1.34、1.11,P=0.52、0.18、0.27)。结论DWI单指数模型、IVIM及DKI模型对鉴别乳腺良、恶性病变均有较高价值;DWI单一参数中,ADC诊断效能最佳,与联合参数模型相当。     

MRI动态增强扫描及扩散加权成像鉴别乳腺良恶性病变的价值

目的:研究MRI动态增强及DWI鉴别乳腺良恶性病变的半定量及定量价值。方法:分析60例经病理证实的乳腺病变患者的MRI动态增强及DWI,研究TIC、早期强化率及ADC值的诊断效能,并联合三种指标制定综合评分系统。结果:恶性病灶TIC多呈流出型,良性多呈流入型,TIC鉴别良恶性病变的敏感度为0.851,特异度为0.766,AUC为0.781。增强第1周期早期强化率(61.5%)的敏感度为0.882,特异度为0.816,AUC为0.802;第2周期早期强化率(92.3%)的敏感度为0.891,特异度为0.924,AUC为0.895。良恶性病灶ADC值有统计学差异,ADC值1.135×10~(-3)mm~2/s为阈值的敏感度为0.852,特异度为0.734,AUC为0.771。良性病灶综合评分明显低于恶性病灶,其评分与病理结果有明显相关性,r值=0.89,P0.05。结论:增强第2周期早期强化率是鉴别乳腺良恶性病变最有效的指标,联合三种指标综合评分能够明显提高鉴别诊断的准确率。     

MRI乳腺动态增强扫描在乳腺良恶性病变中的诊断价值研究

目的:探讨MRI乳腺动态增强扫描诊断鉴别乳腺良恶性病变的临床价值。方法:择取2017年6月—2019年6月我院收治的55例乳腺疾病患者,全部患者均以MRI进行乳腺检查,行常规平扫、扩散加权成像扫描和动态多期增强扫描,观察并分析病变形态学与血流动力学,以手术病理或临床随访结果为金标准,评价MRI诊断鉴别乳腺良恶性病变的临床效果。结果:55例患者检出乳腺异常强化病灶59个,包括非肿块性36个,肿块性20个,局灶性3个。良性病变时间信号强度曲线以缓慢上升型为主,恶性病变以廓清型为主,分布差异有统计学意义(P<0.05),以平台型和廓清型曲线诊断乳腺恶性病变,灵敏度85.19%,特异度62.50%,准确性72.88%,以廓清型曲线诊断乳腺恶性病变,灵敏度55.56%,特异度90.63%,准确性74.58%,准确性无统计学差异(P>0.05)。恶性病变早期增强率(208.9±64.2)%,相对最大增强率(2.32±0.51)%/s,乳腺血管评分(2.22±0.87)分,均高于良性病变,差异有统计学意义(P<0.05)。结论:MRI动态增强扫描可以有效显示异常强化病灶的形态学特征与血流动力学参数,与病理基础存在一定相关性,能够为乳腺良恶性病变鉴别诊断提供有价值的影像学依据,值得推广使用。     

核极限学习机诊断乳腺良恶性肿块样病变

目的 采用核极限学习机（KELM）方法对乳腺良恶性肿块样病变进行分类,并评估其鉴别诊断效能。方法 对93例患者103个经术后病理或长期随访确诊的乳腺肿块样病变行MR检查。由1名低年资和1名高年资乳腺影像学诊断医师参照乳腺影像报告和数据系统（BI-RADS）第2版,选取12个MRI特征及临床特征,分别独立及采用KELM方法对乳腺病变进行良恶性分类,并计算诊断效能。结果 低年资和高年资医师使用KELM方法鉴别诊断乳腺良恶性病变的敏感度、特异度、准确率分别为0.88、0.89、0.91和0.93、0.91、0.92,AUC分别为0.84和0.89。低年资和高年资医师独立诊断的敏感度、特异度、准确率分别为0.91、0.74、0.86和0.90、0.85、0.92,AUC分别为0.83和0.90。结论 基于影像学特征及临床资料特征的KELM方法可辅助临床鉴别诊断乳腺肿块样良恶性病变,具有较理想的敏感度、特异度和准确率。     

合成MRI联合弥散加权成像及DISCO增强鉴别BI-RADS 4类肿块良恶性

目的 观察合成MRI联合弥散加权成像(DWI)及基于笛卡尔采集的K空间共享三维容积快速动态成像(DISCO)增强扫描鉴别乳腺影像报告和数据系统(BI-RADS)4类肿块良、恶性的价值。方法 回顾性分析79例经穿刺活检或手术病理证实的乳腺肿瘤病灶,术前乳腺合成MRI(采用MAGiC技术)、DWI及DISCO增强图像共诊断89个BI-RADS 4类肿块,包括63个恶性病变(恶性组)及26个良性病变(良性组);比较组间MAGiC参数、表观弥散系数(ADC)、DISCO增强扫描病变形态学特征及时间-强度曲线(TIC)的差异。针对组间差异有统计学意义的参数,分别采用logistic回归分析和受试者工作特征(ROC)曲线评价MAGiC、DWI、DISCO增强参数及三者联合鉴别良恶性BI-RADS 4类肿块的效能。结果 组间病变形态、内部强化特征及TIC、ADC、T2及R2值差异均有统计学意义(P均＜0.05),其余参数差异均无统计学意义(P均＞0.05)。经logistic回归分析,基于MAGiC、DWI及增强DISCO建立模型。相关参数中,ADC鉴别BI-RADS 4类肿块的良恶性效能最高,曲线下面积(AUC)为0.845;而MAGIC+ADC+DISCO模型的诊断效能最高,AUC为0.908。结论 合成MRI、DWI及增强DISCO对鉴别BI-RADS 4类肿块良恶性均有一定价值;三者联合诊断效能更佳。     

磁共振成像鉴别诊断乳腺恶性乳头状病变与其他恶性病变的价值

目的:分析磁共振成像(magnetic resonance imaging,MRI)对乳腺恶性乳头状病变与其他恶性病变的鉴别诊断价值。方法:回顾并分析590例均行乳腺MRI检查并经病理学检查证实乳腺恶性病变患者的临床资料。参照2013年版乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)分析病灶形态,使用Siemens公司MAGNETOM Aera1.5T后处理工作站获得时间信号强度曲线(time-signal intensity curve,TIC)及表观扩散系数(apparent diffusion coefficient,ADC),探讨其鉴别诊断价值。结果:恶性乳头状病变以非肿块型病灶为主,其他恶性病变以肿块型病灶为主。肿块型病灶中,恶性乳头状病变位于乳晕后区较其他恶性病变多见;两者均以形态不规则、直径1～5 cm、不均匀强化为主。非肿块型病灶中,恶性乳头状病变以节段分布为主,其他恶性病变以区域、弥漫分布为主。恶性乳头状病变伴导管扩张较其他恶性病变多见。恶性乳头状病变以囊性成分为主者(实性占比25%)较其他恶性病变多见。所有恶性病变均以流出型曲线为主。恶性乳头状病变的平均ADC值为(0.94±0.23)×10~(-3)mm~2/s,其他恶性病变的ADC值为(0.86±0.21)×10~(-3)mm~2/s,其最佳区分阈值为1.04×10~(-3)mm~2/s,灵敏度为88.7%,特异度为35.0%,准确率为82.7%,曲线下面积为0.620。结论:肿块位置、非肿块分布、导管是否扩张、ADC值对乳腺恶性乳头状病变和其他恶性病变具有鉴别诊断价值。     

磁共振扩散加权成像技术对可疑乳腺癌的鉴别诊断价值

目的探讨乳腺磁共振扩散加权成像中表观扩散系数(apparent diffusion coefficient,ADC)值、指数表观扩散系数(exponential apparent diffusion coefficient,eADC)值和相对表观扩散系数(relative apparent diffusion coefficient,rADC)值,结合MRI平扫对可疑乳腺癌的诊断和鉴别价值。材料与方法收集41例患者均行扩散加权磁共振成像(diffusion weighted imaging,DWI)成像检查并行BI-RADS分级为Ⅳ级,且经手术病理证实。在病变感兴趣区测量ADC值、eADC值和rADC值;采取组间两两比较采用t检验,P<0.05其良、恶性差异有统计学意义。同时,按ADC值大小进行良、恶性分布情况统计,均以手术病理结果为金标准,进行统计学分析。结果在两两比较中,恶性病变ADC、rADC值低于良性病变,eADC值高于良性病变,其差异具有统计学意义(P<0.05)。以病理诊断结果为金标准,以1.440×10^-3 mm^2/s为鉴别乳腺良、恶性病变的临界值,敏感性为85.7%,特异度为55.0%,准确度为70.7%。以DWI中ADC值<1.440×10^-3 mm^2/s作为恶性的评判标准,Kappa=0.712,与病理诊断一致性好。结论扩散加权成像技术(ADC值、eADC值和rADC值)是磁共振检查鉴别可疑性乳腺癌可靠的指标;结合MRI平扫对BI-RADS分类Ⅳ级病变良恶性鉴别更具有重要的价值,对临床治疗具有指导意义。     

磁共振动态增强成像结合扩散加权成像对乳腺良恶性乳头状病变的鉴别诊断价值研究

目的 :分析乳腺乳头状病变的磁共振成像(magnetic resonance imaging, MRI)表现,并进行良恶性鉴别诊断。方法:回顾性分析行乳腺MRI检查并经手术病理证实的乳头状病变病灶146个(良性106个,恶性40个),参照MRI BI-RADS 2013版分析病灶形态,使用Simenseaera 1.5 T后处理工作站获得时间信号强度曲线(time-signal intensity curve, TIC)及表观扩散系数(apparent diffusion coefficient, ADC)值,探讨其良恶性鉴别诊断的价值。结果:根据MRI强化情况,分为肿块型强化病灶90个和非肿块型强化病灶56个。肿块型强化病灶中,恶性病灶呈形态不规者则较良性更多见(100.0%比62.2%)(P0.05),肿块型良性病灶以边缘光滑为主54.1%(40/74),肿块型恶性病灶边缘毛刺为主(9/16)。良性肿块型病灶直径以1 cm以内为主59.5%(44/74),恶性肿块型病灶直径以1～5 cm为主100.0%(16/16)(P0.05)。良性肿块型强化病灶以均匀强化为主47.3%(35/74),恶性肿块型病灶以不均匀强化为主75.0%(12/16)(P0.001)。非肿块型强化病灶中,良恶性乳头状病变均以节段分布为主(良性56.3%比恶性62.5%),恶性病灶区域或弥漫分布较良性病灶多见(25.0%比6.3%)(P0.05),良性病灶局灶分布较恶性病灶多见(37.5%比12.5%)(P0.05)。良恶性乳头状病变的TIC均以平台型及流出型为主(71.7%比95.0%)(P0.05)。恶性病灶以囊性为主者(实性占比25%)较良性病灶更多见(10.0%比0.9%)(P0.05)。良恶性乳头状病变均多见导管扩张(62.3%比75.0%)。良性乳头状病变的平均ADC值约1.13×10-3mm2/s,恶性乳头状病变的平均ADC值约0.95×10-3mm2/s (P0.05);区分两者的最佳临界值为0.96×10-3mm2/s。结论:乳头状病变肿块型病灶的形态、边缘、直径、强化方式,非肿块型病灶的分布及ADC值,对于乳腺良恶性乳头状病变有鉴别诊断价值。     

扩散峰度成像模型与传统扩散加权成像单指数模型鉴别乳腺肿块良恶性的对比分析

目的 对比分析扩散峰度成像（DKI）模型与传统DWI单指数模型对乳腺良恶性肿块的鉴别诊断价值。方法 对78例乳腺肿块患者于术前行MR检查,包括常规平扫、传统DWI、DKI及动态对比增强（DCE）扫描。通过传统DWI单指数模型获得病灶的ADC值,通过DKI模型获得病灶的平均扩散峰度（MK）及平均扩散系数（MD）值。采用独立样本t检验比较乳腺良恶性肿块间ADC、MK、MD值的差异。以ROC曲线评价ADC、MK和MD值对乳腺恶性肿块的诊断效能。并采用χ²检验比较MK、MD、MK联合MD值的曲线下面积（AUC）与ADC值的AUC间的差异。结果 78例共87个病灶,其中良性病灶29个,恶性病灶58个。恶性病灶的ADC和MD值明显低于良性病灶（P均<0.001）,MK值明显高于良性病灶（P<0.001）。良性及恶性病灶的MD值均高于其ADC值（P均<0.001）。以ADC值诊断乳腺恶性肿块的敏感度、特异度、准确率分别为86.21%、89.66%、87.36%;MK值的敏感度、特异度、准确率分别为84.48%、96.55%、88.51%;MD值的敏感度、特异度、准确率分别为82.76%、93.10%、89.66%。MK值的AUC及MK联合MD值的AUC均为0.94（P<0.05）,且均高于ADC值的AUC（χ²=5.90,P=0.02）,而MD与ADC值的AUC差异无统计学意义（χ²=0.15,P=0.70）。结论 相对于传统DWI单指数模型,DKI模型更有利于乳腺肿块良恶性的鉴别。     

乳腺X线片直方图分析鉴别乳腺BI-RADS 3~5类良恶性肿块

目的 探讨基于乳腺X线片直方图分析鉴别乳腺影像报告和数据系统（BI-RADS）3~5类良恶性肿块的价值。方法 回顾性分析经手术病理证实的114例BI-RADS 3~5类乳腺肿块患者，包括61例良性病变（良性组，68个肿块）和53例恶性病变（恶性组，55个肿块）。分析2组图像的直方图，比较组间直方图参数差异，包括平均值、方差、偏斜度、峰度及第1、10、50、90、99百分位数；分别绘制差异有统计学意义的参数鉴别诊断BI-RADS 3~5类乳腺良恶性肿块的受试者工作特征（ROC）曲线，计算曲线下面积（AUC），分析其诊断效能。结果 2组平均值、方差及第1、10、50、90、99百分位数差异均有统计学意义（t=－5.49、－3.14、－3.01、－3.97、－5.49、－5.84、－6.45，P均<0.05）。ROC曲线分析结果显示第99百分位数诊断效能最佳，其AUC为0.81，最佳阈值为0.50时，特异度为88.20%，敏感度为61.80%。结论 乳腺X线片直方图分析可用于鉴别诊断乳腺BI-RADS 3~5类良恶性肿块。     

多参数扩散加权成像对乳腺TIC-Ⅱ型病变良、恶性的鉴别价值

目的 探究联合应用单指数扩散加权成像（diffusion weighted imaging, DWI）、体素内不相干运动扩散加权成像（intra-voxel incoherent motion-DWI, IVIM-DWI）及扩散峰度成像（diffusion kurtosis imaging, DKI）所获各参数对乳腺动态增强MRIⅡ型平台型时间-信号曲线（time-signal intensity curve, TIC）病变良、恶性的鉴别诊断价值。材料与方法 回顾性分析2019年10月至2021年1月经病理证实的乳腺TIC-Ⅱ型病变患者病例103例。根据病理结果分为良性组25例（25个病灶）和恶性组78例（78个病灶）,测量其病变的DWI参数[表观扩散系数（apparent diffusion coefficient, ADC）]、IVIM参数[真实扩散系数（true diffusion coefficient, D）、灌注相关扩散系数（perfusion-related diffusion coefficient, D*）和灌注分数（perfusion fraction, f）]及D...     

超声弹性成像与彩色多普勒超声在乳腺占位性病变诊断中的对比研究

目的 比较超声弹性成像超声(UE)与彩色多普勒超声(CDFI)在乳腺占位性病变鉴别诊断中的应用价值.方法 对93例,100个乳腺占位性病灶术前行彩色多普勒和超声弹性成像检查,以手术病理为金标准,对比分析彩色多普勒超声和超声弹性成像诊断乳腺肿块良恶性的准确度.结果 超声弹性成像(UE)诊断乳腺恶性病灶的敏感度90.2%,特异度93.9%,准确度92.0%,彩色多普勒超声中根据肿块内血流情况(对显示最多血管条数的肿块超声切面进行评价)参照Adler分级诊断乳腺恶性病灶的敏感度64.7%,特异度77.5%,准确度71.0%,脉冲多普勒中根据血流的阻力指数(RI)诊断乳腺恶性病灶的敏感度74.5%,特异度71.4%,准确度73.0%.联合彩色多普勒和脉冲多普勒诊断乳腺恶性病灶的灵敏度为50.9%,特异度为89.7%,准确度为70%.结论 超声弹性成像在鉴别诊断乳腺占位性病变良恶性中的准确度高于彩色多普勒超声.     

3.0T MR扩散加权和动态增强对乳腺小肿块性病灶的诊断价值

目的 3.0T MR扩散加权(DWI)和动态增强(DCE)对乳腺小肿块性病灶的诊断价值。方法回顾性分析62例采用MRI扩散加权和动态增强检查的乳腺良恶性病灶,其横轴像最大长径为10mm。结果常规的MRI的敏感性100%,特异性75.9%,与良性病变相比,恶性病灶的ADC值显著降低。利用受试者工作特性曲线(ROC)分析得出良恶性病变ADC值的分界值是1.11×10-3mm2/s。动力学曲线分析揭示II、III型曲线多考虑恶性。结论研究表明DWI和DCE-MRI技术易于评估。通过DWI获得的表观扩散系数(ADC)值能够用来鉴别良恶性乳腺肿瘤,从而使MRI具有较高的诊断敏感性和特异性。而且,动态增强后测得的动力学曲线对乳腺良恶性肿瘤的鉴别亦提供了较准确的判断。     

基于Tirm序列纹理特征联合TIC曲线鉴别乳腺良恶性病变的价值

目的 探讨基于MRI T2反转恢复压脂(turbo inversion recovery magnitude,Tirm)序列图像灰度共生矩阵纹理特征联合动态增强时间-信号强度(time-signal intensity,TIC)曲线在鉴别乳腺良恶性病变中的价值.材料与方法 前瞻性收集经手术病理证实的52例乳腺良恶性病变患者(共64个病灶)的术前MRI资料,并绘制TIC曲线.采用MaZda软件于Tirm图像提取病灶的灰度共生矩阵纹理参数(gray level co-occurrence matrix,GLCM),比较乳腺良恶性病变参数之间的差异.绘制ROC曲线分析比较GLCM纹理参数、TIC曲线及二者联合对乳腺良恶性病变的鉴别诊断效能.结果 TIC曲线类型和GLCM参数中能量、对比度、平方和、均和、均差、熵、和熵、差熵在两者间差异有统计学意义(P<0.05).纹理参数中,均和的AUC最高(0.765),敏感度和特异度分别为75.8％、77.4％.TIC曲线的AUC为0.896,敏感度和特异度分别为97.0％、58.1％.GLCM参数联合TIC曲线的AUC为0.959,其敏感度、特异度分别为84.8％、96.8％.结论 基于Tirm序列灰度共生矩阵纹理特征联合TIC曲线能明显提高对乳腺病变的诊断效能,可以为术前诊断及鉴别诊断提供更多的影像学参考.     

双指数扩散及扩散峰度成像鉴别诊断乳腺良恶性病变

目的 评价双指数体素内相位不相干运动成像（IVIM）及扩散峰度成像（DKI）在乳腺良恶性病变鉴别诊断中的价值。方法 回顾性分析经穿刺或手术病理证实的44例乳腺病变患者,术前均接受常规DWI、IVIM扩散成像及DKI,获得ADC、扩散系数（D）、灌注相关扩散系数（D^*）、灌注分数（f）、平均峰度（MK）、轴向扩散峰度（AK）及径向扩散峰度（RK）值。比较乳腺良恶性病变间IVIM及DKI参数的统计学差异,并利用ROC曲线评价其鉴别诊断效能。结果 44例病例共52个病灶,其中恶性30个,良性22个。良恶性病灶间ADC值差异无统计学意义（P=0.080）。IVIM参数中,恶性病变D值显著下降（P<0.001）,而D^*值和f值差异无统计学意义（P均>0.05）。DKI参数中,恶性病变MK值和AK值显著升高（P均<0.001）,而RK值差异无统计学意义（P=0.060）。D值、MK值及AK值诊断乳腺良恶性病变的ROC曲线的AUC分别为0.942,0.957和0.975,其敏感度、特异度分别为88.89%、81.82%,90.90%、88.89%和95.50%、88.78%。结论 IVIM和DKI参数中的D、MK及AK值有助于鉴别乳腺良恶性病变。     

常规超声检查联合声触诊组织成像技术鉴别诊断乳腺良恶性病变的价值

目的采用乳腺影像报告与数据系统（BI-RADS）分类诊断标准,探讨常规超声检查联合声触诊组织成像（VTI）技术鉴别诊断乳腺良恶性病变的价值。 方法对2013年1月至2014年10月同济大学附属第十人民医院经手术病理证实的389例乳腺肿瘤患者395个病灶,术前行常规超声检查及VTI检查,VTI模式下对乳腺良恶性病变进行分级,记录乳腺病灶边界是否清晰进行,并分别采用常规超声检查、常规超声检查联合VTI技术对乳腺良恶性病变进行BI-RADS分类。采用χ²检验比较乳腺良恶性病变VTI分级、VTI模式下病灶边界情况差异。以手术病理结果作为金标准,计算常规超声检查、常规超声检查联合VTI技术鉴别诊断乳腺良恶性病变的敏感度、特异度、准确性,并采用McNemar?s test进行比较。 结果本组395个乳腺病灶中,282个（71.4%）为乳腺良性病变,113个（28.6%）为乳腺恶性病变。75.5%（213/282）的乳腺良性病变为VTI分级Ⅱ~Ⅲ级,83.2%（94/113）的乳腺恶性病变为VTI分级Ⅳ~Ⅴ级。乳腺良恶性病变VTI模式下分级差异有统计学意义（χ²=114.759,P<0.01）。77.7%（219/282）的乳腺良性病变VTI模式下肿块边界不清晰,78.8%（89/113）的乳腺恶性病变VTI模式下肿块边界多清晰。乳腺良恶性病变VTI模式下病灶边界情况差异有统计学意义（χ²=108.480,P<0.01）。常规超声检查鉴别诊断乳腺良恶性病变的敏感度为97.3%,特异度为54.2%,准确性为66.6%;常规超声检查联合VTI技术鉴别诊断乳腺良恶性病变的敏感度为98.2%,特异度为84.4%,准确性为88.4%。常规超声联合VTI技术鉴别诊断乳腺良恶性病变的特异度、准确性均高于常规超声检查鉴别诊断乳腺良恶性病变的特异度、准确性,且差异均有统计学意义（χ²=79.425、67.549,P均<0.01）;但敏感度差异无统计学意义（χ²=11.974,P>0.05）。 结论常规超声检查联合VTI技术能够提高乳腺良恶性病变鉴别诊断的特异度和准确性。     

乳腺MRI特征及ADC值预测乳腺影像报告和数据系统4类良恶性病变

目的 探讨乳腺MRI特征及ADC值对乳腺影像报告和数据系统（BI-RADS）4类良恶性病变的预测能力，并尝试建立Logistic回归预测模型。方法 收集MRI诊断为BI-RADS 4类病变、并取得病理结果的79例乳腺病变患者（82个病变）。采用单因素二元Logistic回归及两独立样本t检验分析各MRI特征和ADC值鉴别良恶性乳腺病变的统计学意义，并建立多因素Logistic回归预测模型，绘制ROC曲线评价回归模型预测BI-RADS 4类病变良恶性的效能。结果 肿块型病变中，将边缘、内部强化及ADC值纳入Logistic回归预测模型中（P均<0.05，伪R²=0.62），其诊断良恶性乳腺病变的ROC曲线AUC为0.981，敏感度为87.80%，特异度为100%。非肿块型病变中，无预测变量纳入建立Logistic回归预测模型（P均>0.1）。结论 乳腺MRI特征（边缘、内部强化）及ADC值对预测肿块型BI-RADS 4类病变的良恶性具有一定意义；Logistic回归预测模型可有效鉴别BI-RADS 4类肿块型病变性质。     

三阴性与非三阴性乳腺癌的表观弥散系数与Ki-67指数的相关性研究

目的 探讨乳腺扩散加权成像(diffusion weighted imaging,DWI)中平均ADC值(mean apparent diffusion coefficient,ADCmean)、最小ADC值(minimum apparent diffusion coefficient,ADCmin)、最大ADC值(maximum apparent diffusion coefficient,ADCmax)和表观弥散系数差(difference between ratios of apparent diffusion coefficients,ADCDR)的效用,寻找用于鉴别三阴性乳腺癌(triple-negative breast cancer,TNBC)与非三阴性型乳腺癌(non-triple negative breast cancer,nTNBC)的最佳ADC参数并探索ADC值与肿瘤分子生物学指标Ki-67之间的相关性.材料与方法 回顾性分析2019年1月至2020年5月收治的145例(共148个病灶)经病理确诊的乳腺癌患者术前磁共振的MRI资料,患者均为女性,年龄25～80(51.4±10.5)岁;其中TNBC 28例(28个病灶),nTNBC 117例(120个病灶).比较两组间的ADC值定量参数,绘制受试者工作特性(receiver operating characteristic,ROC)曲线,评价ADC值的鉴别精度.测量实体瘤成分的Ki-67增殖指数,探讨其与ADC值的相关性.结果 TNBC的ADCmean和ADCmin[(0.769±0.117)×10-3 mm2/s、(0.633±0.091)×10-3 mm2/s)显著低于nTNBC[(0.897±0.088)×10-3 mm2/s、(0.712±0.121)×10-3 mm2/s],差异均有统计学意义(P<0.05);TNBC的ADCDR[(0.692±0.082)×10-3 mm2/s]显著高于nTNBC[(0.468±0.133)×10-3 mm2/s],差异有统计学意义(P<0.05);TNBC的ADCmax[(1.325±0.088)×10-3 mm2/s]高于nTNBC[(1.181±0.112)×10-3 mm2/s],但差异无统计学意义(P>0.05).ROC曲线结果 显示:ADCDR区分两组效果最好,曲线下面积为0.925,以0.635×10-3 mm2/s为作为两组鉴别诊断的最佳阈值,其敏感度及特异度分别为78.6％、93.3％.相关性分析显示:ADCmean(r=-0.321)、ADCmin(r=-0.316)与Ki-67表达呈负相关(P均<0.01),ADCmax(r=0.249)和ADCDR(r=0.447)与Ki-67表达呈正相关(P均<0.01).结论 ADC值定量分析在TNBC与nTNBC鉴别中具有临床诊断价值,可作为常规MRI检查的一种补充的量化分析工具,ADCDR值可能是DWI鉴别两组的最佳单一参数,且ADC值与增殖指数Ki-67之间存在一定的相关性.