论文部分内容阅读
背景:非哺乳期乳腺炎(non-puerperal mastitis,NPM)的临床表现和常规影像学特点均与乳腺癌(breast cancer,BC)有一定的重叠,以致两者往往容易相互混淆,且以往的研究中关于ADC值是否可以鉴别NPM和BC尚存在一定的争议。目的:探讨3.0T磁共振扩散加权成像(diffusion weighted imaging,DWI)全容积表观扩散系数(apparent diffusion coefficient,ADC)直方图以及多个小样本法在鉴别非哺乳期乳腺炎和乳腺癌中的研究价值。材料与方法:对80例病人(非哺乳期乳腺炎27例,乳腺癌53例)行3.0T磁共振(magnetic resonance imaging,MRI)常规平扫、动态增强扫描以及DWI检查(b=0,800 s/mm2),所有患者在MRI检查之前均未接受乳腺病变相关的手术、放疗、化疗等治疗。利用GE MR750W后处理工作站ADW4.6自动重建ADC序列图像,并由两名高年资放射学家独立地采用两种ADC值测量方法对图像进行分析。第一种测量方法——全容积ADC直方图法:参照T2WI图像及T1WI动态增强图像,在每一扫描层面上逐层勾画乳腺病变的边界,应用Image J(NIH,Bethesda,MD,USA)图片后处理软件生成乳腺病变的全容积ADC直方图,计算全容积ADC直方图的定量参数,包括平均值、最小值、第5/10/25/50/75/90/95百分位数ADC值、最大值、众数、偏度和峰度;第二种测量方法——ADC值三点测量法:在同时满足DWI图为高信号、ADC图为低信号的病灶实性区域选取三个圆形或类圆形感兴趣区(three freehand region of interest,ROI),每一个ROI直径约5-10mm,注意避开囊变、坏死、出血、钙化。计算三个ROI内的平均ADC值即为病灶的ADC值测量结果,记作ADCTF。对两种测量方法所得的各个ADC参数值进行统计学分析,P<0.05被认为是差异具有统计学意义,并且对有统计学意义的参数进行受试者操作特性曲线(receiver operating characteristic curve,ROC)分析,计算约登指数(Youden Index)、曲线下面积(area under the curve,AUC),确定诊断阈值,并计算阈值诊断乳腺癌的敏感性、特异性、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)及准确性。结果:1.全容积ADC直方图定量参数鉴别NPM和BC的结果:(1)最小值、偏度和峰度在NPM和BC之间无统计学差异(P均>0.05),而NPM组的平均值、各百分位数ADC值、最大值、众数均大于BC(P均<0.05);(2)ROC曲线分析结果:尽管第95百分位数ADC值和第90百分位数ADC值的AUC无统计学差异(P=0.120),第95百分位数ADC值诊断BC的效能最高,当阈值为1.68×10-33 mm2/s,AUC为0.821(95%置信区间:0.723,0.895),敏感性,特异性,阳性预测值、阴性预测值和准确性分别为81.48%,78.12%,78.83%,80.84%和79.80%;第90百分位数ADC值诊断BC的AUC为0.805(95%置信区间:0.706,0.883),当阈值为1.49×10-33 mm2/s,敏感性,特异性,阳性预测值、阴性预测值和准确性分别为68.52%,84.37%,81.43%,72.83%和76.45%;(3)留一法交叉验证结果:第90百分位数ADC值鉴别NPM和BC的准确率为75.6%,第95百分位数ADC值鉴别NPM和BC的准确率为50.0%,两者联合诊断准确率为97.7%。2.ADCTF鉴别NPM和BC的结果:NPM和BC的ADCTF分别为(1.07±0.24)×10-33 mm2/s、(1.03±0.14)×10-33 mm2/s,两者差异无统计学意义(P>0.05)。结论:全容积ADC直方图分析法是一种多参数的定量诊断方法,在鉴别非哺乳期乳腺炎和乳腺癌方面优于多点取样ADC值测量法,可以成为有前景的影像学研究方法。目的:对NPM和BC的ADC直方图定量参数进行观察者间可重复性分析。方法:选取符合纳入和排除标准(如第一部分1.1所述)的86个乳腺病灶(非哺乳期乳腺炎32个,乳腺癌54个)进行可重复性检验,由两名具有5年以上乳腺MRI诊断经验的放射学医师对患者术前ADC图像进行独立分析,且这两名医师对入组病人的临床资料、病理结果和采取的治疗手段均未知。首先参照T2WI图像和T1WI脂肪抑制动态增强图像,在轴位ADC图像上逐层勾画每一个扫描层面上病灶的边界,注意避开周围正常的乳腺组织和有明显伪影的区域;由室内图像处理软件——image J软件获取病灶在每一层面上的ADC直方图,将含有ADC值频数分布的数据导出到excel表(version:2016)中,对每一层面的ADC频数分布数据进行汇总,最后由统计学软件SPSS 22.0(Chicago,IL,USA)生成一个总的体积ADC直方图,计算出乳腺病灶的体积ADC直方图参数,包括均数(Mean)、最小值(Minimum)、第5-95百分位数ADC值、最大值(Max)、众数(Mode)、偏度(Skewness)和峰度(Kurtosis)。将两位放射学医师测量的结果导入SPSS 22.0统计学软件,计算组内相关系数(intraclass correlation coefficient,ICC)和95%置信区间(95%confidence interval,95%CI)作为衡量和评价两位医师的观察者一致性的定量指标。ICC是一个动态指标,范围从0到1,数值越接近于1说明观察者间一致性越好,0表示一致性最差1,表示一致性最好。根据ICC值的范围可将观察者一致性结果划分为五个等级:0-0.20,极低的可重复性;0.21-0.40,一般的可重复性;0.41-0.60,中等的可重复性;0.61-0.80,良好的可重复性;0.81-1.00,极佳的可重复性。结果:两位医师对ADC直方图定量参数的组间一致性结果为:平均值、最小值、各百分位数ADC值、最大值均为可重复性极佳的指标(ICC范围为0.81-0.95),其中,第50百分位数ADC值的可重复性最好(ICC=0.95);众数和偏度可重复性良好(ICC值分别0.80和0.70),然而峰度的可重复性仅为一般的可重复性(ICC=0.57)。结论:ADC体积直方图参数的观察者组间一致性较好,尤其是平均值、最小值、各百分位数ADC值和最大值,但峰度值的测量可能会引起偏倚。