3.0T MR对乳腺X线摄影表现为单纯微小钙化病变的诊断价值

目的 探讨动态增强MRI（DCE-MRI）联合DWI对乳腺X线摄影表现为单纯微小钙化病变的诊断价值。方法 回顾性分析行全视野数字化乳腺X线摄影（FFDM）显示为BI-RADS 3~5类单纯微小钙化病变的患者101例（104个病变）。对患者均行乳腺FFDM和MR检查。计算病灶ADC值与正常腺体ADC值的比值（nADC值）。对病变进行BI-RADS分类。采用ROC曲线计算ADC和nADC鉴别乳腺良、恶性病变的诊断效能;分别计算FFDM、DCE-MRI和DCE-MRI联合nADC值3种方法诊断乳腺良、恶性病变的敏感度和特异度。结果 恶性病变40个,良性病变64个。ADC值及nADC值鉴别乳腺良、恶性病变的ROC曲线下面积分别为0.81和0.89。FFDM归为BI-RADS 3类病变,FFDM、DCE-MRI、DCE-MRI联合nADC值诊断乳腺恶性病变的特异度差异无统计学意义;对BI-RADS 4类病变3种方法诊断的敏感度差异无统计学意义,DCE-MRI诊断的特异度明显高于FFDM ,DCE-MRI联合nADC值诊断的特异度高于DCE-MRI。3种方法均正确诊断BI-RADS 5类病变。结论 对于FFDM检出的微小钙化病变,DCE-MRI联合nADC值有助于检出BI-RADS 4类的恶性病变。     

MRI对乳腺非肿块样强化良恶性病变的鉴别诊断

目的 探讨MRI对乳腺非肿块样强化（NME）良恶性病变的诊断及鉴别诊断价值。方法 回顾性分析96例乳腺NME病灶的MRI,参考2013年BI-RADS观察并比较良恶性病变间分布方式、内部强化特征、脂肪抑制T2WI信号、时间信号曲线（TIC）类型的差异,以多因素Logistic回归分析获得NME恶性病变的危险因素。结果 96例患者中良性28例,恶性68例。单因素分析结果显示,在内部强化方式上,良恶性病变间表现为均匀强化的差异有统计学意义（P=0.026）;在脂肪抑制T2WI信号上,良恶性病变间表现为高信号和等信号的差异有统计学意义（P=0.025、0.045）;在TIC类型上,良恶性病变间表现为Ⅰ型和Ⅲ型的差异有统计学意义（P=0.013、0.001）。多因素Logistic回归分析,得到脂肪抑制T2WI等信号和TIC Ⅲ型是恶性病变的危险因素,优势比分别为5.228和10.841。结论 MRI征象对鉴别乳腺良恶性NME病变具有一定的价值。     

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。     

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。     

CEUS评估不同大小BI-RADS 4类乳腺病灶恶性风险

目的 探讨CEUS对不同大小乳腺影像报告和数据系统（BI-RADS）4类乳腺病灶恶性风险的评估价值。方法 回顾性分析经获病理结果的直径≤ 2 cm（n=120）与直径>2 cm（n=63）的BI-RADS 4类乳腺良恶性病灶的CEUS特征,采用二元Logistic回归分析筛选能够预测恶性病灶的CEUS特征参数。结果 直径≤ 2 cm良恶性病灶的CEUS增强形态、增强程度、增强均匀性、灌注模式、滋养血管、增强范围扩大及初始增强速度、消退速度差异均有统计学意义（P均<0.05）,回归分析筛选出增强范围扩大、有滋养血管与BI-RADS 4类乳腺恶性病灶独立相关（P均<0.05）;直径>2 cm良恶性病灶的增强形态、灌注模式、滋养血管、增强范围扩大及初始增强速度差异均有统计学意义（P均<0.05）,回归分析筛出有滋养血管、灌注模式呈向心性、增强范围扩大与BI-RADS 4类乳腺恶性病灶独立相关（P均<0.05）。结论 CEUS能够用于评估BI-RADS 4类不同大小乳腺病灶的恶性风险。     

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。     

S-DetectTM分类技术诊断BI-RADS 4类乳腺肿块

目的 观察S-Detect^TM分类技术鉴别诊断BI-RADS 4类乳腺良恶性肿块的价值。方法 对94例经二维超声诊断为BI-RADS 4类乳腺肿块患者（共104个肿块）行S-Detect^TM分类技术检查，以手术或穿刺活检病理结果作为金标准，评价S-Detect^TM分类技术、BI-RADS分类及二者联合应用诊断乳腺BI-RADS 4类良恶性肿块的价值。结果 104个乳腺肿块，经病理确诊为良性41个、恶性63个。S-Detect^TM分类技术诊断乳腺BI-RADS 4a类乳腺肿块的敏感度（SE）66.67%，特异度（SP）89.29%、阳性预测值（PPV）57.14%、阴性预测值（NPV）92.59%；对乳腺BI-RADS 4b类肿块分别为90.91%、60.00%、88.24%及66.67%；对乳腺BI-RADS 4c类肿块分别为95.83%、66.67%、95.83%及66.67%。S-Detect^TM分类技术联合BI-RADS分类诊断乳腺肿块的SE、SP、准确率明显均高于单独运用（P均<0.05）。结论 S-Detect^TM分类技术判断乳腺BI-RADS 4a类良性肿块、BI-RADS 4b类及BI-RADS 4c类恶性肿块均有较高价值。S-Detect^TM分类技术联合BI-RADS分类可明显提高鉴别BI-RADS 4类乳腺良恶性肿块的效能。     

弹性指数差在鉴别乳腺影像报告数据系统3~5类乳腺肿块良恶性中的应用

目的 探讨弹性指数差（EID）鉴别乳腺影像报告数据系统（BI-RADS）3~5类肿块良恶性的应用价值。方法 回顾分析164例经病理证实的BI-RADS 3~5类乳腺肿块患者（193个病灶）的超声检查资料。通过弹性成像定量分析软件测定肿块与正常腺体间的EID。以EID≥2.5判断为恶性,重新调整BI-RADS分类。绘制ROC曲线并计算曲线下面积（AUC）。比较BI-RADS联合EID与单独采用BI-RADS分类诊断乳腺恶性肿块的AUC及诊断准确率。结果 以病理结果为金标准,单独采用BI-RADS诊断乳腺恶性肿块的敏感度、特异度、准确率分别为96.00%（72/75）、67.80%（80/118）、78.76%（152/193）;BI-RADS联合EID诊断乳腺恶性肿块的敏感度、特异度、准确率分别为97.33%（73/75）、83.05%（98/118）、88.60%（171/193）。BI-RADS联合EID的AUC（0.931）高于单独应用BI-RADS的AUC（0.875）,差异有统计学意义（Z=2.06,P<0.05）;且2种方法的诊断准确率差异亦有统计学意义（χ²=15.21,P<0.05）。结论 BI-RADS联合EID对鉴别乳腺肿块良恶性较单纯采用BI-RADS更具优势。     

基于声像图特点及人口学特征建立模型预测乳腺影像报告和数据系统分级

目的 探讨基于声像图特点及人口学特征的Logistic回归模型预测乳腺影像报告和数据系统（BI-RADS）分级的价值。方法 回顾性分析5 324名女性体检者乳腺超声及人口学资料,采用多因素Logistic回归分析分别建立基于乳腺声像图特点的模型1及基于乳腺声像图特点和人口学特征的模型2,以ROC曲线分析2种模型对BI-RADS ≥ 4a级乳腺病变的预测效能。结果 超声示5 019名（5 019/5 324,94.27%）BI-RADS分级≤ 3级,305名（305/5 324,5.73%）存在BI-RADS分级≥ 4a级乳腺病变。结节数量、形态、回声、血流信号、年龄和体质量指数（BMI）是BI-RADS ≥ 4a级的独立预测因子（P均<0.05）。基于结节数量、形态、回声和血流信号构建回归模型1,其诊断BI-RADS ≥ 4a级的AUC为0.821（P<0.05）,特异度90.58%,敏感度61.25%,准确率88.13%。基于结节数量、形态、回声、血流信号、年龄和BMI构建回归模型2,其AUC为0.874（P<0.05）,特异度93.69%,敏感度68.75%,准确率91.80%。结论 基于声像图特点及人口学特征的模型对BI-RADS分级有一定预测价值。     

超声弹性成像定量分析诊断BI-RADS4类乳腺肿块良恶性

目的 探讨超声弹性成像（UE）定量分析鉴别乳腺影像和报告数据系统（BI-RADS） 4类乳腺肿块良恶性的应用价值。方法 对86例经超声诊断为BI-RADS 4类乳腺肿块的患者行UE检查,检测弹性指数（EI）和弹性指数差（EID）。以病理结果为金标准,绘制ROC曲线,评价EI、EID判断乳腺肿块良恶性的效能。结果 86例肿块经病理证实良性44例,恶性42例。ROC曲线分析显示,EI、EID鉴别BI-RADS 4类乳腺肿块良恶性的曲线下面积（AUC）分别为0.81、0.95。以EID≥2.5为临界值,敏感度、特异度、准确率、阳性预测值、阴性预测值分别为92.86%（39/42）、90.91%（40/44）、91.86%（79/86）、90.70%（39/43）、93.02%（40/43）;以EI≥3.6为临界值,敏感度、特异度、准确率、阳性预测值、阴性预测值分别为61.90%（26/42）、86.36%（38/44）、74.42%（64/86）、81.25%（26/32）、70.37%（38/54）。EID的诊断准确率、敏感度及阴性预测值均高于EI（χ²=9.33、11.50、7.80,P均<0.05）,二者特异度及阳性预测值差异无统计学意义（χ²=0.45、1.42,P均>0.05）。结论 UE定量分析参数EI、EID均有助于鉴别乳腺BI-RADS 4类肿块的良恶性,且EID诊断准确率更高。     

剪切波弹性成像联合CEUS校正乳腺影像报告和数据系统3~5类乳腺病变

目的 探讨剪切波弹性成像（SWE）联合CEUS在校正乳腺影像报告和数据系统（BI-RADS）3~5类乳腺肿瘤中的应用价值。方法 收集50例乳腺病变患者（57个病灶）,其中良性病灶28个,恶性29个。对所有病灶术前行常规超声、SWE和CEUS检查,以常规超声进行BI-RADS分类,并采用SWE、CEUS及SWE联合CEUS对BI-RADS分类进行校正。以病理结果为金标准,计算常规超声、SWE、CEUS及SWE联合CEUS诊断乳腺良恶性病灶的敏感度、特异度和诊断正确率。结果 SWE参数最大杨氏模量值（E_max）诊断乳腺良恶性病灶的临界值为87.2 kPa,CEUS的临界值为8.5分,SWE联合CEUS的多因素Logistic回归模型为Y（P）=-18.785+0.161X₁+11.822X₂,X₁为E_max,X₂为增强后病灶大小改变。SWE联合CEUS将11个病灶正确降为3级,4个病灶误诊;SWE联合CEUS诊断乳腺良恶性病灶的敏感度、特异度和诊断正确率分别为100%（29/29）、85.71%（24/28）和92.98%（53/57）。结论 SWE联合CEUS对BI-RADS 3~5类乳腺病灶具有良好的校正作用,可提高超声诊断正确率。     

乳腺超声造影预测模型构建及对BI-RADS 4类病变的风险评估

目的 分析乳腺良恶性病变的超声造影特征,构建预测模型,探讨其对乳腺影像报告与数据系统(BI-RADS)4类病变风险的评估价值.方法 选取我院均经手术病理结果 证实的乳腺病变患者174例,共180个病灶(BI-RADS 4类).将其分为模型构建样本(91例,共94个病灶)和模型验证样本(83例,共86个病灶).对模型构建...     

DCE-MRI联合IVIM-DWI鉴别诊断乳腺良恶性病变

目的 探讨动态增强MRI(DCE-MRI)联合体素内不相干运动DWI(IVIM-DWI)鉴别诊断乳腺良恶性病变的价值.方法 收集因乳腺病变接受DCE-MRI及IVIM-DWI检查的患者87例,经术后病理证实共93个病灶,其中良性病灶42个(良性组),恶性病灶51个(恶性组).对两组的DCE-MRI参数(病变形态、强化特点、峰值时间、最大增强斜率和TIC类型)及IVIM-DWI参数(f、D和D^*值)进行比较.采用多因素Logistic回归分析确定DCE-MRI、IVIM-DWI及二者联合鉴别诊断乳腺良恶性病变的独立影响因素.以病理诊断结果为金标准,绘制ROC曲线,并计算曲线下面积(AUC).结果 DCE-MRI、IVIM-DWI及二者联合诊断乳腺良恶性病变,纳入Logistic回归方程的独立影响因素分别为形态、TIC类型,D值,形态、TIC类型及D值.DCE-MRI、IVIM-DWI及二者联合鉴别诊断乳腺良恶性病变的敏感度、特异度、准确率分别为78.43%、71.43%、75.27%,70.59%、66.67%、68.82%,84.31%、78.57%、81.72%.3种方法的AUC分别为0.75、0.69、0.81.结论 DCE-MRI联合IVIM-DWI可提高鉴别诊断乳腺良恶性病变的效能.     

MR动态增强图像纹理分析判断乳腺结节良恶性的价值

目的 探讨MR动态增强图像纹理分析鉴别诊断乳腺结节良恶性的价值。方法 回顾性分析经手术病理证实的78例患者共80个乳腺结节的MR动态增强图像,每个结节获得63个纹理特征参数。绘制纹理参数鉴别诊断良恶性乳腺结节的ROC曲线,并与MR乳腺影像报告和数据系统（BI-RADS）的诊断效能比较。结果 78例患者的80个乳腺结节中,纹理参数中灰度游程长不均匀度判断乳腺结节良恶性的AUC值（0.836）最大且诊断准确率高,其诊断恶性乳腺结节的敏感度为82.93%（34/41）、特异度为94.87%（37/39）、准确率为88.75%（71/80）、阳性预测值为94.44%（34/36）、阴性预测值为84.09%（37/44）。MR BI-RADS分类诊断恶性乳腺结节的敏感度为95.12%（39/41）、特异度为87.18%（34/39）、准确率为91.25%（73/80）、阳性预测值为88.63%（39/44）、阴性预测值为94.44%（34/36）。MR BI-RADS分类和纹理分析判断恶性乳腺结节准确率差异无统计学意义（P=0.11）。与单独应用BI-RADS分类比较,两者联合应用可明显提高诊断恶性乳腺结节的特异度（P<0.001）。结论 MR纹理分析可作为传统诊断乳腺良恶性结节的补充。     

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纹理分析预测乳腺癌腋窝淋巴结转移

目的 评价MRI纹理分析预测乳腺癌腋窝淋巴结（ALN）转移的价值。方法 以172例乳腺癌为训练组,分为ALN阳性亚组（n=79）和阴性亚组（n=93）,提取增强MRI及ADC图中ALN纹理特征,比较2亚组间纹理特征差异;筛选纹理特征,构建多因素Logistic回归模型,并对模型进行内部验证。以另外37例乳腺癌为测试组,行模型外部验证。结果 基于增强MRI和ADC图选取16个纹理参数,其中熵的预测效能最优,曲线下面积（AUC）分别为0.781和0.786。经Lasso回归筛选11个纹理特征,以多因素Logistic回归建立预测模型,内部验证结果显示其AUC为0.906,用于测试组时AUC为0.859,预测效能良好。结论 MRI纹理分析预测乳腺癌ALN转移具有较高效能。     

声脉冲辐射力成像鉴别诊断良、恶性BI-RADS 4级乳腺肿块

目的 评价声脉冲辐射力成像(ARFI)在乳腺影像学报告及数据系统(BI-RADS)4级乳腺肿块良、恶性诊断中的价值。 方法 用ARFI对68例共75个常规超声诊断为BI-RADS 4级的乳腺肿块进行成像,测量声触诊组织成像(VTI)模式下肿块面积与常规二维超声肿块面积比值(AR),并测量声触诊量化成像(VTQ)模式下肿块剪切波速度(SWV);以病理结果(恶性34个,良性41个)为金标准,构建ROC曲线,评价ARFI的2种成像模式对BI-RADS 4级乳腺肿块的诊断价值。 结果 良、恶性BI-RADS 4级乳腺肿块的AR值差异有统计学意义(P<0.05),ROC曲线下面积(AUC)为0.851,敏感度、特异度、准确率分别为82.40%、80.50%、81.30%。良、恶性BI-RADS 4级乳腺肿块的SWV值差异有统计学意义(P<0.05)。SWV值AUC为0.861,敏感度、特异度、准确率分别为85.30%、85.40%、85.30%。二者AUC差异无统计学意义(Z=1.47,P>0.05)。二者联合诊断的敏感度、特异度、准确率分别为88.20%、87.80%、88.00%。 结论 ARFI对鉴别BI-RADS 4级乳腺肿块的良、恶性具有较高价值;联合应用VTI和VTQ可以提高诊断效能。     

剪切波弹性成像定性技术鉴别诊断乳腺良恶性病变

目的 探讨SWE定性技术在乳腺病灶良恶性鉴别诊断中的应用价值。方法 对236例患者共261个病灶行常规超声及SWE检查。以常规超声图像进行乳腺影像报告和数据系统（BI-RADS）分类,将SWE图像分为6种类型。以病理结果为金标准,绘制ROC曲线,评价SWE分型、BI-RADS分类及二者联合的诊断效能。结果 良性病灶100个,恶性病灶161个。以SWE分型3型为诊断界点,敏感度、特异度、准确率、阳性预测值、阴性预测值分别为85.71%（138/161）、93.00%（93/100）、88.51%（231/261）、95.17%（138/145）、80.17%（93/116）;以BI-RADS 4a类为诊断界点,敏感度、特异度、准确率、阳性预测值、阴性预测值分别为98.76%（159/161）、73.00%（73/100）、88.89%（232/261）、85.48%（159/186）、97.33%（73/75）;二者联合诊断的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为99.38%（160/161）、70.00%（70/100）、88.12%（230/261）、84.21%（160/190）、98.59%（70/71）。SWE分型的特异度和阳性预测值均高于BI-RADS分类及联合诊断（P均<0.05）,BI-RADS分类及联合诊断的敏感度和阴性预测值均高于SWE分型（P均<0.05）,三者诊断准确率差异均无统计学意义（P均>0.05）。结论 SWE定性技术有助于乳腺良恶性病灶的鉴别诊断。