超声剪切波弹性定量参数在优化乳腺结节BI-RADS分类中的价值

目的探讨超声剪切波定量参数在优化乳腺结节BI-RADS分类中的价值。方法穿刺或手术前对126例(132个)乳腺病灶行BI-RADS分类,再行剪切波弹性成像检测,获得乳腺良恶性病灶的剪切波定量参数,以病理结果为金标准,比较BI-RADS分类及其结合弹性最大值Emax评价乳腺良恶性病变的诊断效能,分析Emax对BI-RADS 4a类乳腺病变的诊断价值。结果 132个病灶中,良性病变82个(62.1%),恶性病变50个(37.9%)。恶性病灶组的剪切波定量参数均明显高于良性病灶组,差异具有统计学意义(P0.001)。BI-RADS分类结合Emax评价乳腺良恶性病灶时ROC曲线面积最高;以Emax60.97kPa评价BI-RADS 4a类病变,可使92.3%4a类调整为3类,但通过降类后,可使BI-RADS 3类的假阴性率由0上升为4.23%。结论超声BI-RADS分类结合剪切波Emax有助于提高乳腺良恶性病变诊断的特异度、准确度,对于大多数4a类病变,可以减少不必要的穿刺活检或手术,但对于部分BI-RADS 4a类依据弹性成像降类的可疑小病灶,应综合判断,最大化降低假阴性病例。     

实时剪切波弹性成像和超声造影对BI-RADS 4类乳腺病变诊断效能的对比研究

目的比较实时剪切波弹性成像(SWE)与超声造影对乳腺BI-RADS 4类病变的诊断价值。方法对70例BI-RADS 4类乳腺病变患者(共72个乳腺病变)分别行SWE和超声造影检查,测量其最大弹性模量值(E_(max)),应用超声造影5分法对病灶进行评分。以手术及病理结果为金标准,构建受试者工作特征曲线,计算其曲线下面积(AUC)并比较两种方法的诊断效能。结果 41个乳腺良性病变的E_(max)值和超声造影评分分别为23.58 k Pa、(2.56±0.64)分;31个恶性病变的E_(max)值和超声造影评分分别为61.45 k Pa、(3.95±0.88)分,差异均有统计学意义(均P0.01)。E_(max)值和超声造影评分诊断BI-RADS 4类乳腺病变的AUC分别为0.840、0.754,差异无统计学意义。SWE对BI-RADS 4A类乳腺病变的诊断准确率为93.9%,高于超声造影(75.7%),差异有统计学意义(P0.05);对于BI-RADS 4B和4C类乳腺病变,两种检查方法诊断准确率比较差异均无统计学意义。结论 SWE和超声造影在乳腺BI-RADS 4类病变的良恶性鉴别诊断中均有较高的诊断价值,SWE对于BI-RADS 4A类病变具有更好的诊断价值。     

超声BI-RADS分级结合SWE技术在诊断乳腺良恶性病变中的价值

目的:探讨超声乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)分级结合实时剪切波弹性成像(shear wave elastography,SWE)技术在诊断乳腺良恶性病变中的价值。方法:选取2017年8月—2018年12月泰州市第四人民医院收治的105例乳腺疾病患者(共105个乳腺病灶),术前病灶行常规超声并进行BI-RADS分级;行SWE检查,测量剪切波速度,以病理学检查结果为金标准,二者结合分析对乳腺良恶性病变的诊断价值。结果:105例患者,共105个病灶,其中良性病灶67个,恶性病灶38个。依据常规超声BI-RADS标准进行分级,3类37例,4A类38例,4B类12例,4C类11例,5类7例,诊断灵敏度、特异度、准确率分别为78.4%、71.2%、76.1%。加入SWE指标后,调整BIRADS分级,结果为3类32例,4A类30例,4B类15例,4C类18例,5类10例,诊断灵敏度、特异度、准确率分别为85.2%、91.3%、84.2%,差异有统计学意义(P0.05)。结论:超声BI-RADS分级结合SWE能够提高乳腺良恶性病变诊断的准确率。     

乳腺超声造影预测模型构建及其在BI-RADS 4类病变中的风险评估价值

目的 分析乳腺良恶性病变的超声造影(CEUS)特征,构建预测模型,并探讨该模型对乳腺影像报告与数据系统(BI-RADS)4类病变的风险评估价值。方法 选取2018年9月至2020年3月在江苏省中医院接受乳腺超声造影检查的病人174例,共180个病灶。所有患者均通过外科手术取得最终病理结果。将病例分为模型构建组(91例共94个病灶)及模型验证组(83例共86个病灶)。对模型构建组CEUS增强模式特征进行单因素及多因素Logistic回归分析,构建出预测模型,绘制ROC曲线。以模型验证组病人的病理结果为“金标准”,计算该预测模型对乳腺良恶性病变的诊断效能。 结果 Logistic 回归分析特征性危险因素为“蟹足”征或血管扭曲征(OR=11.308,P＜0.001),增强均匀性(OR=5.980,P=0.006)及增强后病灶范围扩大(OR=3.377,P=0.001)。Logistic 回归方程(即构建出预测模型)为y=-4.239+2.425₈+1.788₃+1.217₅。该模型预测乳腺良恶性病灶的ROC曲线下面积为0.909。鉴别诊断乳腺良恶性病灶的敏感度、特异度、准确性、阳性预测值及阴性预测值分别为95.83%、81.58%、89.53%、86.79%及93.94%。结论 乳腺超声造影预测模型对BI-RADS 4类乳腺病灶具有较高的风险评估价值。     

弹性成像技术联合自动乳腺全容积成像鉴别诊断乳腺影像报告与数据系统4类病灶良恶性的价值CSCD

目的评价弹性成像技术联合自动乳腺全容积成像(ABVS)鉴别诊断乳腺影像报告和数据系统(BI-RADS)4类病灶良恶性的价值。方法选取2016年6月至2017年8月南京军区南京总医院收治的137例乳腺疾病患者,共147个病灶。所有患者均经手术或穿刺活检病理证实。所有患者均接受ABVS和弹性成像检查,且ABVS检查结果均为BI-RADS 4类。以手术或穿刺活检病理结果作为金标准,绘制弹性成像技术及弹性成像技术联合ABVS鉴别诊断乳腺BI-RADS 4类病灶良恶性的受试者工作特征(ROC)曲线。结果病理结果显示,137例患者147个乳腺病灶中良性54个,恶性93个。弹性成像技术鉴别诊断乳腺BI-RADS 4类病灶良恶性的敏感度、特异度、准确性分别为94.6%、57.4%、81.0%,弹性成像技术联合ABVS鉴别诊断乳腺BI-RADS 4类病灶良恶性的敏感度、特异度、准确性分别为98.9%、57.4%、83.7%。ROC曲线显示,弹性成像技术联合ABVS鉴别诊断乳腺BI-RADS 4类病灶良恶性的曲线下面积为0.965,大于弹性成像技术鉴别诊断乳腺BI-RADS 4类病灶良恶性的曲线下面积0.858,因此弹性成像技术联合ABVS鉴别诊断乳腺BI-RADS 4类病灶良恶性的效能大于单独应用弹性成像技术。结论弹性成像技术对乳腺BI-RADS 4类病灶良恶性鉴别诊断有一定的价值;结合ABVS,其诊断准确率提高。弹性成像技术联合ABVS能提高BI-RADS 4类乳腺病灶中恶性病灶的检出率,降低术前穿刺活检率。     

弹性成像技术联合自动乳腺全容积成像鉴别诊断乳腺影像报告与数据系统4类病灶良恶性的价值

目的评价弹性成像技术联合自动乳腺全容积成像(ABVS)鉴别诊断乳腺影像报告和数据系统(BI-RADS)4类病灶良恶性的价值。方法选取2016年6月至2017年8月南京军区南京总医院收治的137例乳腺疾病患者,共147个病灶。所有患者均经手术或穿刺活检病理证实。所有患者均接受ABVS和弹性成像检查,且ABVS检查结果均为BI-RADS 4类。以手术或穿刺活检病理结果作为金标准,绘制弹性成像技术及弹性成像技术联合ABVS鉴别诊断乳腺BI-RADS 4类病灶良恶性的受试者工作特征(ROC)曲线。结果病理结果显示,137例患者147个乳腺病灶中良性54个,恶性93个。弹性成像技术鉴别诊断乳腺BI-RADS 4类病灶良恶性的敏感度、特异度、准确性分别为94.6%、57.4%、81.0%,弹性成像技术联合ABVS鉴别诊断乳腺BI-RADS 4类病灶良恶性的敏感度、特异度、准确性分别为98.9%、57.4%、83.7%。ROC曲线显示,弹性成像技术联合ABVS鉴别诊断乳腺BI-RADS 4类病灶良恶性的曲线下面积为0.965,大于弹性成像技术鉴别诊断乳腺BI-RADS 4类病灶良恶性的曲线下面积0.858,因此弹性成像技术联合ABVS鉴别诊断乳腺BI-RADS 4类病灶良恶性的效能大于单独应用弹性成像技术。结论弹性成像技术对乳腺BI-RADS 4类病灶良恶性鉴别诊断有一定的价值;结合ABVS,其诊断准确率提高。弹性成像技术联合ABVS能提高BI-RADS 4类乳腺病灶中恶性病灶的检出率,降低术前穿刺活检率。     

常规超声结合超声造影构建恶性风险评估模型在BI-RADS 4a类乳腺病变中的诊断价值

目的：使用常规超声、超声造影（CEUS）评估BI-RADS 4a类乳腺病变，建立恶性风险评估模型并评估该模型诊断价值。方法：纳入457例经我院常规超声检查评为BI-RADS 4a类乳腺病变，且行CEUS检查的患者，对比良、恶性病变临床资料及常规超声特征、CEUS特征差异，建立恶性风险评估模型，以病理结果为“金标准”，绘制受试者工作特性曲线（ROC），获取截断值，并调整BI-RADS分类，检验其对恶性病变的诊断效能。结果：在457例BI-RADS 4a类病变中，良性病变413例，恶性病变44例。基于患者年龄>50岁；常规超声特征：最大直径>1.5 cm、边缘不光整；CEUS特征：蟹足样增强、造影后病灶范围扩大建立恶性风险评估模型，其ROC曲线下面积为0.96(P<0.01,95%CI:0.93～0.98)。以4分为截断值诊断恶性并调整BI-RADS分类，共393个良性病灶降为BI-RADS 3类，其敏感性、特异性、准确性、阳性预测值、阴性预测值分别为81.8%、95.1%、93.9%、64.3%、98.0%。结论：常规超声结合CEUS模型能较准确地评估BI-RADS 4...     

基于临床信息的logistic回归模型在乳腺影像报告和数据系统4类中对病灶良恶性的鉴别价值

目的:探讨基于患者临床信息的logistic回归模型在乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)4类中鉴别病灶良恶性的价值。方法:回顾并收集经过病理学检查证实的BI-RADS4类乳腺病灶患者221例(良性133例,恶性88例)的临床信息。采用logistic回归分析筛选能够鉴别病灶良恶性的临床信息特征,建立回归模型。比较BI-RADS联合模型与单独采用BI-RADS分类在鉴别乳腺良恶性病灶上的区别。结果:经logistic回归分析,发现9个临床信息特征与乳腺良恶性病灶相关,其中是否触及病灶(OR=7.196)、病灶是否固定(OR=10.150)、病灶最大径是否2 cm(OR=4.208)等3个特征有较高的危险度(P0.05)。单独采用BI-RADS分类,其诊断灵敏度为86.3%、特异度为69.9%、准确率为76.5%;将BI-RADS分类联合回归模型,其灵敏度为88.6%、特异度为73.7%、准确率为79.6%。结论:BI-RADS分类联合基于患者临床信息的logistic回归模型有助于提高鉴别乳腺病灶良恶性的诊断效能,减少不必要的良性活检。     

改良5分法与弹性应变率比值联合诊断BI-RADS 4类乳腺病变的应用价值

目的:探讨改良5分法与弹性应变率比值(Strain ratio,SR)联合诊断BI-RADS 4类乳腺病变的应用价值。资料与方法:应用弹性评分和SR对143例BI-RADS 4类乳腺病变进行分级调整,并与病理结果对照,通过绘制ROC曲线比较BIRADS分类和校正后BI-RADS分类诊断乳腺病变的效能。结果:143例病灶,良性病灶82例,恶性病灶61例,改良5分法诊断乳腺癌的敏感度为80.8%,特异度为75.3%,准确度为77.6%;SR法诊断乳腺癌的敏感度为86.9%,特异度为68.3%,准确度为76.2%。BI-RADS分类诊断BI-RADS 4类乳腺病变的ROC曲线下面积为0.80,校正后BI-RADS分类诊断BI-RADS 4类乳腺病变的ROC曲线下面积为0.89,两者比较差异有统计学意义(P<0.05)。结论:改良5分法与SR法的联合应用可明显提高BIRADS 4类乳腺病变的诊断准确率,增加医师诊断信心,减少不必要的活检或手术。     

乳腺高频彩色多普勒超声检查中应用BI-RADS分级诊断标准对乳腺疾病的诊断价值

目的 探讨在高频彩色多普勒超声检查中应用BI-RADS分级诊断标准诊断乳腺疾病的价值.方法 采用高频彩色多普勒超声对66例乳腺疾病患者进行双侧乳腺检查,并采用BI-RADS分级诊断标准进行评价.对超声评价BI-RADS 3～5级的62例患者(共79个病灶)对照组织病理学分析不同BI-RADS分级乳腺病变的高频彩色多普勒超声特点,并探讨其与组织病理学诊断的关系.结果 79个病灶中,BI-RADS 3级29个,组织病理学证实良性22个(75.86%),恶性7个(24.14%);BI-RADS 4级23个,组织病理学证实良性3个(13.04%),恶性20个(86.96%);BI-RADS 5级27个,组织病理学证实良性为0(0),恶性27个(100%).应用BI-RADS分级标准进行评价,BI-RADS分级3～5级乳腺病灶在边缘、边界、后方回声、周围组织改变、钙化、病变内有无血管、血流阻力指数及有无特殊病例方面差异均有统计学意义.结论 在乳腺高频彩色多普勒超声检查中,应用BI-RADS分级诊断标准对乳腺疾病的临床诊治具有重要的指导价值.     

乳腺超声造影预测模型的建立及其对乳腺良恶性病变诊断效能的分析

目的分析乳腺超声造影（CEUS）的增强特征，构建乳腺病变CEUS预测模型，探讨该模型对乳腺良恶性病变的诊断价值。 方法选取2016年6月至2018年8月于丽水市人民医院及浙江大学医学院附属第二医院就诊的乳腺病变患者192例共195个病灶，所有病灶均为常规超声检查BI-RADS分类4类及以上，均经穿刺活检或手术取得病理结果。将病例分为CEUS组120例共123个病灶，均经CEUS检查；CEUS＋动态增强磁共振（DCE-MRI）组72例共72个病灶，均接受CEUS及DCE-MRI检查。对CEUS组120例患者的CEUS模式特征进行单因素及多因素Logistic回归分析，筛选预测乳腺恶性病变的CEUS危险因素，并建立预测模型，绘制ROC曲线。以CEUS＋DCE-MRI组72例患者的病理结果为"金标准"，分别计算CEUS预测模型与DCE-MRI对乳腺良恶性病变的诊断效能。 结果Logistic回归分析结果显示诊断乳腺恶性病灶的CEUS特征性表现为增强后病灶范围增大（OR=12.941，P=0.003），"蟹足"征或血管扭曲缠绕（OR=7.553，P=0.009），灌注缺损（OR=5.670，P=0.024）。建立的风险预测模型即Logistic回归方程为：Y=-4.108＋2.560X₆＋2.022X₇＋1.735X₈。该模型预测乳腺良恶性病灶的ROC曲线下面积为0.953。以穿刺或术后病理结果为"金标准"，CEUS风险预测模型诊断乳腺良恶性病变的敏感度、特异度、阳性预测值、阴性预测值以及准确性分别为93.0%、73.3%、93.0%、73.3%、88.9%；DCE-MRI诊断乳腺良恶性病变的敏感度、特异度、阳性预测值、阴性预测值以及准确性分别为94.7%、73.3%、93.1%、78.6%、90.3%。CEUS风险预测模型与DCE-MRI诊断乳腺良恶性病变的一致性较高（Kappa值=0.70）。 结论乳腺CEUS预测模型对鉴别良恶性病灶具有较高的诊断效能，且操作相对简单、检查时间短、可重复性好、价格相对低廉，不失为诊断乳腺良恶性病变的一种有效和可靠方法。     

乳腺良恶性病灶超声造影预测模型在乳腺影像报告与数据系统4类乳腺病灶恶性风险评估中的应用价值

目的构建乳腺良恶性病灶超声造影预测模型,评价其在乳腺影像报告与数据系统（BI-RADS）4类乳腺病灶恶性风险评估中的应用价值。 方法2013年1月至2014年7月在四川省人民医院接受乳腺超声造影检查的230例患者,共235个乳腺实性结节。所有患者经最终穿刺活检或者手术病理结果确诊。通过对既往文献关于乳腺良恶性病灶超声造影模式的分析及本课题组的前期研究和临床经验总结,构建乳腺良恶性病灶超声造影预测模型。以穿刺活检或手术病理结果作为金标准,计算预测乳腺良恶性病灶的超声造影模型鉴别诊断乳腺良恶性病灶的敏感度、特异度、准确性。 结果本组235个乳腺结节,其中乳腺良性结节139个（59.2%）,乳腺恶性结节96个（40.8%）。乳腺良恶性病灶超声造影预测模型鉴别诊断乳腺良恶性病灶的敏感度、特异度及准确性分别为87.01%、86.92%和86.99%。 结论乳腺良恶性病灶超声造影模式存在差异。乳腺良恶性病灶超声造影预测模型可以更好地评估乳腺病灶恶性风险,尤其对BI-RADS 4类乳腺病灶评估更准确。     

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。     

Multimodal Ultrasound Imaging in Breast Imaging-Reporting and Data System 4 Breast Lesions: A Prediction Model for Malignancy

The purpose of this study was to develop, validate and test a prediction model for discriminating malignant from benign breast lesions using conventional ultrasound (US), US elastography of strain elastography and contrast-enhanced ultrasound (CEUS). The study included 454 patients with breast imaging-reporting and data system (BI-RADS) category 4 breast lesions identified on histologic examinations. Firstly, 228 breast lesions (cohort 1) were analyzed by logistic regression analysis to identify the risk factors, and a breast malignancy prediction model was created. Secondly, the prediction model was validated in cohort 2 (84 patients) and tested in cohort 3 (142 patients) by using analysis of the area under the receiver operating characteristic curve (AUC). Univariate regression indicated that age ≥40 y, taller than wide shape on US, early hyperenhancement on CEUS and enlargement of enhancement area on CEUS were independent risk factors for breast malignancy (all p < 0.05). The logistic regression equation was established as follows: p = 1/1+Exp∑[–5.066 + 3.125 x (if age ≥40 y) + 1.943 x (if taller than wide shape) + 1.479 x (if early hyperenhancement) + 4.167 x (if enlargement of enhancement area). The prediction model showed good discrimination performance with an AUC of 0.967 in cohort 1, 0.948 in cohort 2 and 0.920 in cohort 3. By using the prediction model to selectively downgrade category 4a lesions, the re-rated BI-RADS yield an AUC of 0.880 (95% confidence interval [CI], 0.794–0.965) in cohort 2 and 0.870 (95% CI, 0.801–0.939) in cohort 3. The specificity increased from 0.0% (0/35) to 80.0% (28/35) without loss of sensitivity (from 100.0% to 95.9%, p = 0.153) in cohort 2. Similarly, the specificity increased from 0.0% (0/58) to 77.6% (45/58) without loss of sensitivity (from 100.0% to 96.4%, p = 0.081) in cohort 3. Multimodal US showed good diagnostic performance in predicting breast malignancy of BI-RADS category 4 lesions. Although the loss of sensitivity was existing, the addition of multimodal US to US BI-RADS could improve the specificity in BI-RADS category 4 lesions, which reduced unnecessary biopsies.     

超声造影在常规超声BI-RADS 4类病变中的应用——与DCE-MRI的对比研究

目的探讨超声造影(CEUS)在常规超声BI-RADS 4类乳腺病变中的临床应用价值,并与动态增强磁共振(DCE-MRI)对比研究。方法选取86个常规超声发现的BI-RADS 4类乳腺病灶,均进行超声造影及磁共振增强检查,采用BI-RADS分类法进行重新分类,以病理结果为金标准,比较两种影像学检查方法的诊断效能。结果乳腺恶性病变65个,良性病变21个,CEUS和DCE-MRI两种诊断方法的敏感度、特异度、阳性预测值、阴性预测值分别为89.23%、80.95%、93.55%、70.83%;92.31%、85.71%、95.24%、78.26%,二者差异无统计学意义(P0.05)。常规超声BI-RADS 4类病变降至3类:CEUS 17个,DCE-MRI 18个;BI-RADS 4类升至5类病变:CEUS 11个,DCE-MRI 13个。结论在常规超声的基础上,超声造影对于常规超声BI-RADS 4类乳腺病变,能够进一步提供更多的诊断信息,与增强磁共振具有较好的一致性,具有较好的临床应用价值。     

Breast non-mass-like lesions on contrast-enhanced ultrasonography: Feature analysis,breast image reporting and data system classification assessment

BACKGROUND Breast non-mass-like lesions(NMLs)account for 9.2%of all breast lesions.The specificity of the ultrasound diagnosis of NMLs is low,and it cannot be objectively classified according to the 5th Edition of the Breast Imaging Reporting and Data System(BI-RADS).Contrast-enhanced ultrasound(CEUS)can help to differentiate and classify breast lesions but there are few studies on NMLs alone.AIM To analyze the features of benign and malignant breast NMLs in grayscale ultrasonography(US),color Doppler flow imaging(CDFI)and CEUS,and to explore the efficacy of the combined diagnosis of NMLs and the effect of CEUS on the BI-RADS classification of NMLs.METHODS A total of 51 breast NMLs verified by pathology were analyzed in our hospital from January 2017 to April 2019.All lesions were examined by US,CDFI and CEUS,and their features from those examinations were analyzed.With pathology as the gold standard,binary logic regression was used to analyze the independent risk factors for malignant breast NMLs,and a regression equation was established to calculate the efficiency of combined diagnosis.Based on the regression equation,the combined diagnostic efficiency of US combined with CEUS(US+CEUS)was determined.The initial BI-RADS-US classification of NMLs was adjusted according to the independent risk factors identified by CEUS,and the diagnostic efficiency of CEUS combined with BI-RADS(CEUS+BI-RADS)was calculated based on the results.ROC curves were drawn to compare the diagnostic values of the three methods,including US,US+CEUS,and CEUS+BI-RADS,for benign and malignant NMLs.RESULTS Microcalcification,enhancement time,enhancement intensity,lesion scope,and peripheral blood vessels were significantly different between benign and malignant NMLs.Among these features,microcalcification,higher enhancement,and lesion scope were identified as independent risk factors for malignant breast NMLs.When US,US+CEUS,and CEUS+BI-RADS were used to identify the benign and malignant breast NMLs,their sensitivity rates were 82.6%,91.3%,and 87.0%,respectively;their specificity rates were 71.4%,89.2%,and 92.9%,respectively;their positive predictive values were 70.4%,87.5%,and 90.9%,respectively;their negative predictive values were 83.3%,92.6%,and 89.7%,respectively;their accuracy rates were 76.5%,90.2%,and 90.2%,respectively;and their corresponding areas under ROC curves were 0.752,0.877 and 0.903,respectively.Z tests showed that the area under the ROC curve of US was statistically smaller than that of US+CEUS and CEUS+BI-RADS,and there was no statistical difference between US+CEUS and CEUS+BI-RADS.CONCLUSION US combined with CEUS can improve diagnostic efficiency for NMLs.The adjustment of the BI-RADS classification according to the features of contrastenhanced US of NMLs enables the diagnostic results to be simple and intuitive,facilitates the management of NMLs,and effectively reduces the incidence of unnecessary biopsy.     

乳腺CEUS预测模型诊断乳腺恶性病灶的观察者间一致性:多中心研究

目的 探讨拉伸指数模型DWI鉴别诊断乳腺良恶性病变的价值。方法 收集58例乳腺病变患者,共63个病灶（良性33个,恶性30个）,行多b值DWI及动态增强MRI （DCE-MRI）扫描。计算ADC、扩散分布指数（DDC）和扩散异质性指数（α）值,并生成时间-信号强度曲线（TIC）。比较良恶性病变间各参数差异,采用ROC曲线评价各参数诊断效能。结果 恶性病变ADC、DDC和α分别为（1.01±0.19）×10^-3 mm²/s、（0.89±0.23）×10^-3 mm²/s和0.75±0.09,良性病变分别为（1.41±0.27）×10^-3 mm²/s、（1.49±0.29）×10^-3 mm²/s和0.87±0.07,恶性病变均低于良性病变（P均<0.01）。各参数中DDC曲线下面积（AUC）最大（AUC=0.958）,最佳诊断界值1.22×10^-3 mm²/s,敏感度和特异度分别为96.67%、81.82%,DDC与TIC联合所得AUC为0.976,对应敏感度和特异度分别为93.33%、93.94%。结论 拉伸指数模型DWI参数DDC、α能够鉴别诊断乳腺良恶性病变,DDC与TIC联合的诊断效能高于ADC和DCE。     

乳腺超声随访生长型BI-RADS3类病变与恶性肿瘤相关的特征

目的：分析乳腺超声随访生长型乳腺影像报告和数据系统(BI-RADS)类病变与恶性肿瘤相关的特征。方法：选择2018年11月~2021年11月医院随访115例生长型BI-RADS3类病变患者作为研究对象,患者诊断与随访均行乳腺超声检查,分析患者随访期间生长型BI-RADS3类病变变化,生长型BI-RADS3类病变变化与超声检查表现相关性,生长型BI-RADS3类病变恶性化影响因素,超声检查表现对患者病情变化预测价值。结果：115例患者随访结束证实良性91例,恶性24例;良性与恶性患者最大径增长率、前后径增长率、边界及内部回声等超声表现比较存在统计学意义(P＜0.05);多因素Logistic回归分析,结果显示内部回声不是生长型BI-RADS3类病变恶性化影响因素(P＞0.05),最大径增长率、前后径增长率以及边界是生长型BI-RADS3类病变恶性化影响因素(P＜0.05);受试者工作特征曲线显示,最大径增长率、前后径增长率以及边界用于预测生长型BI-RADS3类病变良恶性曲线下面积(AUC)分别为0.635、0.820、0.598,三指标联合AUC为0.868。结论：生长型BI-RADS3类病变病情变化与随访超声表现关系密切,而部分超声表现用于预测BI-RADS3类病变变化有一定价值。     

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。     

CEUS的定性指标和定量参数在乳腺良恶性结节中的临床诊断价值

目的 探讨乳腺CEUS的定性指标和定量参数在鉴别乳腺良恶性结节中的诊断价值。方法 选取经超声引导下活检或术后病理证实的乳腺结节233例,其中恶性结节95例,良性结节138例。通过超声造影检查,观察乳腺病灶区的定性指标和定量参数,对其进行单因素分析,筛选出有统计学意义的定性指标和定量参数进行二元Logistic回归分析,得出ROC曲线评价其诊断恶性结节的效能。结果 单因素分析结果中显示CEUS的增强强度、增强速度、增强后形态、增强后范围、增强后边界、有无毛刺、有无灌注缺损和Peak%是诊断乳腺恶性结节的重要指标和参数（P<0.05）。Logistic回归分析结果得出,优化后的诊断指标和参数为增强后范围、有无灌注缺损、有无毛刺、增强后边界、增强后形态（P<0.05）。Logistic回归模型预测乳腺恶性结节的准确率为81.5%,ROC曲线下面积为0.894,敏感性和特异性分别为0.811、0.841。结论 乳腺CEUS的增强后范围、有无灌注缺损、有无毛刺、增强后边界、增强后形态建立的Logistic回归模型有助于诊断乳腺癌。