论文部分内容阅读
目的:利用MRI定量动态增强（qDCE-MRI）及体素内不相干运动扩散加权技术（IVIM-DWI）对乳腺TIC-Ⅱ型病变的鉴别诊断价值进行研究,评估两项技术对乳腺TIC-Ⅱ型病变良恶性的鉴别诊断价值,并将两种技术的诊断效能进行对照分析,为乳腺癌的早期、准确诊断提供更多的、更有效的影像学依据。材料与方法:1、收集2018年10月至2019年2月在南昌大学第二附属医院检查的39例乳腺病患者的乳腺MRI资料,包括DCE定量参数(Ktrans,Kep,Ve)、半定量参数（Maxslope,CER,IAUGC,BAT）、IVIM-DWI参数(ADCstandard,ADCslow,ADCfast及Fraction of ADCfast)、传统DWI的ADC值以及临床资料进行回顾性分析。39例患者资料根据入组及排除条件,最终入组29例。入组病例均进行手术治疗,依据病理结果将病例分成良、恶性病变两组,其中乳腺恶性病变（乳腺癌）组21例,乳腺良性病变组8例。2、将完整的乳腺MRI序列传输至GE影像工作站AW4.6对乳腺病灶进行后处理。DCE定量及半定量参数采用Gen IQ软件进行测量,IVIM-DWI及DWI数据采用Functool软件测量,感兴趣区（ROI）尽量避开腺体边缘、血管、脂肪及坏死的区域,分别获得Ktrans,Kep,Ve,Maxslope,CER,IAUGC,BAT数值及ADCstandard,ADCslow,ADCfast,Fraction of ADCfast（下文简称为f）、ADC值,为降低测量造成的误差,所有测量3次,取参数的平均值为最终结果。3、数据分析软件为SPSS 21.0,各组间的数值变量（计量资料）的正态性检验采用P-P图分析,根据数据分布情况采用适合的统计方法。数据若为正态性分布,两组变量比较采用独立样本t检验,若为非正态性分布,则选择Mann Whitney U检验进行分析,找出两组患者中具有差异性的指标,P<0.05则认为两组变量间差异具有统计学意义。根据统计结果,对有统计学差异的参数应用受试者工作特性曲线（ROC曲线）评估各参数对乳腺癌的诊断能力,ROC曲线下面积（AUC）、敏感性、特异性、阳性预测值（PPV）及阴性预测值（NPV）用来评价各参数的诊断效能,并用约登指数（Youden index）确定准确度及参数的最优阈值。结果:1、DCE-MRI参数:1.1、定量参数乳腺恶性病变组的Ktrans值高于良性病变组,差异有统计学意义（P=0.001）,Kep值及Ve值高于良性病变组,差异无统计学意义（P值分别为0.059、0.116）。以Ktrans值作为乳腺良恶性病变鉴别指标的ROC曲线下面积（AUC）为0.866,以Ktrans值=0.304作为乳腺良恶性病变的诊断阈值,其诊断的敏感性、特异性、PPV及NPV分别为85.7%、75%、92.3%及60%。1.2、半定量参数恶性病变组的Maxslope值、CER值、IAUGC值均高于良性病变组,差异有统计学意义（P值分别为0.004、0.005、0.001）,BAT值恶性病变组略高于良性病变组,差异无统计学意义（P=0.358）。以Maxslope值、CER值、IAUGC值作为乳腺良恶性病变鉴别指标的ROC曲线下面积（AUC）分别为0.830、0.871、0.821,以Maxslope值=0.02755、CER值=2.4145、IAUGC值=0.331作为乳腺良恶性病变的诊断阈值,其诊断的敏感性、特异性、PPV及NPV分别为75%、87.5%、95.5%及50%,85.7%、75%、92.3%及60%,78.6%、87.5%、91.7%及50%。上述参数联合诊断的AUC为0.871,敏感性、特异性、PPV及NPV分别为71.4%、87.5%、90.9%及75%。2、IVIM参数及DWI-ADC值:2.1、IVIM参数恶性病变组中的ADCstandard,ADCslow及f值均低于良性病变组,差异具有统计学意义（P值分别为0.003、0.030、0.044）,恶性病变组中的ADCfast值高于良性病变组,差异无统计学意义（P=0.284）。2.2、DWI-ADC值恶性病变组的ADC值低于良性病变组,差异有统计学意义（P=0.019）。以ADCstandard,ADCslow,f值及ADC值作为乳腺良恶性病变鉴别指标的ROC曲线下面积（AUC）<0.5。结论:1、DCE-MRI参数、IVIM-DWI参数及DWI-ADC值对乳腺TIC-II型病变的良恶性的诊断有一定价值。2、DCE-MRI参数对乳腺TIC-Ⅱ型病变良恶性的诊断效能优于IVIM-DWI参数及DWI-ADC值。