應用MRI計算機輔助診斷系統（CAD）評估乳腺小腫塊血流動力學特征的價值

宋穎，歐陽漢，葉楓，李靜，周純武

應用MRI計算機輔助診斷系統（CAD）評估乳腺小腫塊血流動力學特征的價值

宋穎，歐陽漢，葉楓，李靜，周純武

【摘要】目的：探討應用乳腺磁共振計算機輔助系統（MRI-CAD）評價乳腺小腫塊血流動力學特征的價值。方法：回顧性分析行MRI檢查并經組織學病理證實的腫塊型乳腺病灶84個，腫塊最大徑≤2.0cm。利用CAD系統獲得的血流動力學參數分析乳腺小腫塊的良惡性特征，包括早期強化峰值、延遲期各曲線類型百分比及單一設定的最可疑惡性曲線類型，并比較CAD法和手動選取感興趣區法（ROI法）對于鑒別乳腺小腫塊良惡性的價值。結果：84個病灶中38個良性病灶，46個惡性病灶。CAD系統計算的良性病變和惡性病變的早期強化峰值平均值分別為（230.54±83.46）%（92%～442%）、（257.72±78.93）%（89%～448%），兩者間差異無統計學意義（P=0.138）。在惡性病灶中流出型、平臺型及流入型曲線所占百分比中位數分別為15.15%、20.00%、61.50%，良性病灶中流出型、平臺型及流入型曲線所占百分比中位數分別為1.06%、10.08%、87.00%，差異有統計學意義（P＜0.001）。單一設定的最可疑惡性曲線類型表現為流出型病灶共68個，其中良性24個，惡性44個；表現為平臺型曲線的病灶共5個，其中良性3個，惡性2個；8個表現為流入型的病灶病理均為良性。當以單一設定的快速流出型曲線為診斷惡性病變的標準時，敏感度為95.7%，特異度為40.0%，ROC曲線下面積（AUC）為0.678（95%CI:0.555～0.801，P=0.006）。CAD系統計算的延遲期流入型曲線所占百分比對于鑒別乳腺小腫塊價值最高（AUC=0.798，95%CI:0.701～0.895，P＜0.001）。當流入型曲線所占百分比＜81.50%時，其鑒別良惡性病變的敏感度為89.1%，特異度為60.0%，與ROI法（特異度為42.1%）相比顯著提高了診斷乳腺小腫塊的特異度（P=0.013）。結論：利用MRI-CAD系統獲得的完整病灶延遲期曲線百分比對鑒別乳腺小腫塊的良惡性最有價值，與手動選取感興趣區法相比可顯著提高診斷特異度。

【關鍵詞】乳腺腫瘤；圖像處理，計算機輔助；磁共振成像；診斷，鑒別

近年來，乳腺MRI逐漸成為乳腺檢查的重要手段之一，對于乳腺癌的診斷有很高的敏感度（78%～98%），但特異度相對不高（43%～75%），難點之一在于乳腺小病變（長徑≤2.0cm）的良惡性鑒別診斷［1，2］。同時，乳腺癌的TNM分期與患者臨床治療方案的制定及預后密切相關，早期乳腺癌的5年生存率可達90%［3］，因此發現長徑≤2.0cm的T1期乳腺癌非常重要。但由于相對于較大的病變，乳腺小病灶多表現為強化均勻的圓形腫塊［1］，肉眼觀察鑒別良惡性常較困難，因而完整、精細的血流動力學特征分析對病變的診斷更為重要。計算機輔助診斷（computer-aided diagnosis，CAD）系統是利用計算機技術輔助影像科醫師進行診斷的方法，近年來在乳腺X線攝影中的應用已日臻完善［4，5］，而在乳腺MRI中仍處于初步研究階段。文獻報道，與常規使用的手動選取感興趣區（region of interest，ROI）繪制時間信號強度曲線（timesignal intensity curve，TIC）的方法（簡稱ROI法）相比，MRI-CAD系統輔助評價乳腺病變的血流動力學特征可以提高診斷符合率［6，7］，但目前缺乏針對乳腺小腫塊的相應研究。本研究旨在探討應用乳腺MRICAD系統評價乳腺小腫塊血流動力學特征的價值。

材料與方法

1.病例資料

搜集2014年1月-2014年10月在我院行MRI檢查的1592例乳腺病變患者，對增強掃描表現為小腫塊（最大徑≤2.0cm）且經手術或穿刺組織學病理證實的連續性病例納入本研究，共納入80例患者（84個病灶）。80例患者均為女性，年齡26～77歲，中位年齡48.5歲，其中47例可捫及乳腺腫塊，4例有乳頭溢液，12例為已知乳腺癌術前檢查發現同側或對側乳腺其他小病灶，其余患者無明顯臨床癥狀及體征。84個病灶中77個病灶經手術病理證實，7個病灶經穿刺活檢病理證實。惡性組46例患者共46個病灶，平均最大徑（1.51±0.37）cm（范圍0.60～2.00cm），包括浸潤性導管癌40個（浸潤性導管癌Ⅰ級6個，Ⅱ級24個，Ⅲ級10個），導管內癌3個，導管內乳頭狀癌、黏液癌和浸潤性篩狀癌各1個。良性組34例患者共38個病灶，平均最大徑（1.32±0.43）cm（范圍0.60～2.00cm），包括纖維腺瘤19個，導管內乳頭狀瘤11個，腺病病灶4個，炎癥病灶3個，良性葉狀腫瘤1個。

2.MRI檢查方法

采用GE 3.0TSigna HDX磁共振掃描儀和8通道乳腺專用相控陣列表面線圈進行雙側乳腺MRI掃描。平掃采用橫軸面IDEAL T2WI（TR 3800ms，TE 80ms，回波鏈長度14，層厚5mm，層間隔1mm，視野36cm×36cm，矩陣384×224，激勵次數2），多期動態增強掃描采用矢狀面Vibrant序列（TE 1.9ms，翻轉角10°，層厚3.0mm，視野24cm×24cm，矩陣288× 192，激勵次數1）。注射對比劑前先采集一期平掃圖像，注射對比劑后15s開始掃描，連續無間隔重復掃描9個時相，每期掃描時間35～56s。對比劑采用Gd-DTPA，劑量0.2mmol/kg，流率2.0mL/s，使用高壓注射器經手背靜脈團注，隨后以相同流率注入20mL 0.9%生理鹽水沖洗。

3.圖像后處理

MRI CAD工作站采用CADSTREAMTM系統（version 5.2，Merge CAD Inc.，Bellevue，WA，USA），人工手動選取病灶。設定CAD系統的診斷閾值為早期強化峰值（第1強化時間范圍內信號強度增加所占的百分比）=50%，即早期強化峰值＞50%的病灶方能為CAD系統識別。依照乳腺影像報告和數據系統（breast imaging reporting and data system，BIRADS）及既往文獻報道［8］，將早期強化峰值＜50%、50%～100%及＞100%分別定義為緩慢、中等及快速早期強化；TIC根據延遲期特點分為流入型（增強后信號強度持續上升）、平臺型（增強后早期信號強度上升達到峰值后保持恒定不變，信號強度變化不超過10%）和流出型（增強后早期信號強度上升達峰值后逐漸下降），惡性的可疑程度依次增高。CAD系統自動繪制TIC，計算并記錄整個病灶的早期強化峰值、延遲期各曲線類型所占百分比以及最可疑惡性的曲線類型。

ROI法繪制TIC在GE ADW4.6圖像專用工作站進行，于動態增強第2期圖像上手動選取病灶強化最顯著處（即最可疑惡性區域）作為感興趣區，同時避開囊變和壞死區，感興趣區最小范圍不小于3個像素。

4.統計學處理

采用統計學軟件SPSS 17.0和Medcalc 11.4.2.0進行統計學分析。分別采用t檢驗、Mann-Whitney U檢驗和χ2檢驗比較CAD所計算的早期強化峰值、延遲期各曲線類型百分比及三種最可疑曲線類型在乳腺良惡性病變中差異是否有統計學意義。繪制受試者工作特征（receiver operating characteristic，ROC）曲線評價延遲期各曲線類型百分比構成和病灶內最可疑惡性曲線的診斷價值，比較CAD法和ROI法診

斷乳腺小腫塊的準確率。

結 果

1.CAD繪制的TIC的特征

早期強化峰值:3個病灶的早期強化峰值未超過50%（3/84，3.6%），CAD系統不能識別，病理均為纖維腺瘤。在CAD可識別的81個病灶中，32個良性病灶（91.4%，32/35）和44個惡性病灶（95.7%，44/46）早期強化峰值超過100%，表現為快速強化，良惡性病變間差異無統計學意義（χ2=0.100，P=0.752）。良、惡性病灶的早期強化峰值平均值分別為（230.54± 83.46）%（92%～442%）、（257.72±78.93）%（89%～448%），兩者間差異無統計學意義（t=-1.497，P= 0.138）。

延遲期各曲線類型構成百分比:在惡性病灶中流出型曲線（惡性:中位數15.15%，四分位距29.05%；良性:中位數1.06%，四分位距15.00%）和平臺型曲線（惡性:中位數20.00%，四分位距12.85%；良性:中位數10.08%，四分位距17.90%）所占的百分比更高，在良性病灶中流入型曲線所占百分比更高（惡性:中位數61.50%，四分位距32%；良性:中位數87.00%，四分位距34.00%），良惡性病變間差異有統計學意義（P＜0.001，圖1）。

流出型、平臺型、流入型所占百分比鑒別良惡性病變的ROC曲線下面積（area under curve，AUC）分別為0.775（95%CI:0.672～0.877，P＜0.001）、0.743 （95%CI:0.629～0.858，P＜0.001）和0.798（95%CI: 0.701～0.895，P＜0.001），三者之間差異無統計學意義（P流出型百分比vs平臺型百分比=0.6011，P平臺型百分比vs流入型百分比=0.1205，P流入型百分比vs流出型百分比=0.4750）。當流出型曲線所占比例＞5.23%時，其鑒別良惡性病變的敏感度為82.6%，特異度為65.7%；當平臺型曲線所占比例＞10.14%時，其鑒別良惡性病變的敏感度為91.3%，特異度為51.4%。當流入型曲線所占百分比＜81.50%時，其鑒別良惡性病變的敏感度為89.1%，特異度為60.0%。

病灶內最可疑惡性曲線:表現為流出型曲線的病灶共68個，其中良性24個（35.3%，早期中等強化3個，快速強化21個），惡性44個（64.7%，1個為早期中等強化，其余均為早期快速強化），流出型曲線更多見于惡性病變。表現為平臺型曲線的病灶共5個，其中良性3個（均為早期快速強化），惡性2個（早期中等強化和快速強化各1個）。8個表現為流入型的病灶病理均為良性，早期最大強化率均＞100%（表1），CAD獲得的最可疑惡性曲線類型在良惡性乳腺小腫塊中的差異有統計學意義（χ2=13.264，P＜0.001）。當以流出型曲線為診斷惡性病變的標準時，敏感度為95.7%，特異度為31.4%，ROC曲線下面積為0.635 （95%CI:0.509～0.761，P=0.038）。當以快速流出型和快速平臺型曲線為診斷惡性病變的標準時（即兩種曲線類型只要有其一即診斷為惡性），敏感度為97.8%，特異度為31.4%，ROC曲線下面積為0.646 （95%CI:0.521～0.771，P=0.025）。當以快速流出型曲線為診斷惡性病變的標準時，敏感度為95.7%，特異度為40.0%，ROC曲線下面積為0.678（95%CI: 0.555～0.801，P=0.006），診斷準確率低于各曲線類型構成百分比，且與流出型及流入型曲線百分比之間差異有統計學意義（P流出型百分比vs快速流出型曲線=0.0247，P平臺型百分比vs.快速流出型曲線=0.2085，P流入型百分比vs快速流出型曲線=0.0067，圖2）。

圖1　CAD法延遲期各曲線類型百分比構成箱式圖。 圖2 CAD系統分析乳腺小結節的血流動力學特征。a）右側乳腺外上象限分葉狀小結節，邊界清楚，長徑0.9cm，內部強化略不均勻；b）CAD系統顯示該結節早期強化峰值為253%，延遲期流出型曲線占42%，平臺型曲線占43%，流入型曲線占15%，最可疑惡性的TIC曲線類型為快速流出型，提示該結節為惡性。手術后病理顯示為低級別導管內癌。

表1　良惡性乳腺病灶中最可疑曲線類型（CAD法） （個）

表2　ROI法良惡性乳腺病灶曲線類型　（個）

2.比較CAD法與ROI法評價乳腺小腫塊血流動力學特征的準確率

通過ROI法繪制最可疑惡性TIC，良惡性病變曲線表現見表2。以快速平臺型曲線和快速流出型曲線為診斷惡性病灶的標準（即兩種曲線類型只要有其一即診斷為惡性），ROI法的診斷敏感度和特異度分別為87.0%、42.1%，ROC曲線下面積為0.645（95% CI:0.524～0.766，P=0.022）。流出型、平臺型、流入型所占百分比鑒別良惡性病變的ROC曲線下面積（AUCCAD流出型百分比=0.775、AUCCAD平臺型百分比=0.743、AUCCAD流入型百分比=0.798）高于ROI法，且差異有統計學意義（PCAD流出型百分比vs ROI法=0.0037，PCAD平臺型百分比vs ROI法=0.0192，PCAD流入型百分比vs ROI法=0.0003）。當以流入型曲線所占百分比＜81.50%為診斷惡性病變的標準時（敏感度89.1%，特異度60.0%），CAD法的特異度明顯高于ROI法（χ2=6.100，P=0.013）。CAD法診斷正確而ROI法診斷錯誤的病灶共11個，包括3個浸潤性導管癌和8個良性病灶（3個纖維腺瘤、2個導管內乳頭狀瘤、2個腺病和1個炎癥病灶，圖3）。CAD診斷錯誤而ROI法診斷正確的病灶為2個浸潤性導管癌，流入型曲線所占比例分別為83%、100%。當CAD法以最可疑惡性曲線類型為快速流出型作為診斷惡性病變的標準時，CAD法的ROC曲線下面積（AUCCAD快速流出型=0.678）略高于ROI法，但差異無統計學意義（PCAD快速流出型vs ROI法=0.2126）。

討 論

圖3　ROI法和CAD法分別評估乳腺小腫塊的血流動力學特征。a）右側乳腺橢圓形腫物，邊界尚清楚，呈不均勻強化；b）ROI法手動選取感興趣區所獲得的時間信號強度曲線為快速平臺型，提示腫塊可能為惡性；c）CAD法獲得的乳腺腫塊偽彩圖及曲線構成百分比，腫塊絕大部分為流入型曲線（藍色，100%），極少部分為平臺型曲線（黃色，0.2%），提示腫塊為良性。手術病理顯示為纖維腺瘤。

與較大的乳腺病灶相比，乳腺小腫塊更多地表現為強化均勻的圓形腫塊，肉眼觀察形態學特征鑒別良惡性準確率較低，故而血流動力學特征在鑒別診斷中具有重要作用［1］。乳腺病灶的血流動力學特征分析常用的指標是TIC，包括早期強化和延遲強化兩個方面的含義，反映了多期動態增強掃描過程中病變的強化程度隨時間變化的特征。常規使用的ROI法由醫師

手動選取測繪TIC的區域，判斷選擇的區域位置、大小的標準是選取病變強化最明顯處，避開壞死、囊變區以及感興趣區大小不小于3個像素。在實際操作中，此種方法主觀性強，不能反映整個病變的完整血流動力學特征，對鑒別診斷價值有限。MRI-CAD系統主要針對乳腺病灶的血流動力學特征進行分析，可獲得病灶每一個像素的TIC，并計算出各曲線類型的構成百分比，從而完整地反映乳腺病變的血流動力學特點，可彌補ROI法不能反映病變血流動力學特征全貌的缺陷。

1.CAD系統評估乳腺小腫塊的血流動力學特征

針對TIC的早期強化和延遲期強化這兩個方面，既往文獻主要分為兩類觀點。一部分學者認為通過設定不同的早期強化峰值作為CAD系統的診斷閾值可提高鑒別乳腺良惡性病變的準確率，而延遲期曲線百分比、最可疑惡性曲線類型無助于鑒別乳腺良惡性病變［9-11］。另外一些研究則發現延遲期強化特征對于乳腺良惡性病變的鑒別具有重要意義。Wang等［12］利用CAD評價早期強化峰值、延遲期構成百分比最大的曲線類型和最可疑惡性的曲線類型這3個指標對于乳腺病變鑒別診斷的價值，發現延遲期最可疑惡性曲線類型的鑒別診斷價值最大，進而支持了BI-RADS關于選取惡性可能性最大的區域繪制TIC的觀點。Cho等［13］針對已知乳腺癌患者同期發現的乳腺其他病灶，通過CAD分析早期強化峰值及延遲期最可疑惡性曲線類型，同樣認為早期強化峰值對鑒別乳腺良惡性病變沒有意義，而流出型曲線有助于診斷。國內趙麗娜等［14］的研究支持了Wang及Cho等的結論。Baltzer等［15］比較了早期強化峰值率、延遲期最可疑曲線類型、整個病變各曲線類型百分比及后兩者的聯合診斷價值，認為診斷準確率最高的指標依次為聯合應用延遲期強化特征指標、各曲線類型百分比和最可疑曲線類型，評估整個病變的價值主要在于提高了診斷特異性。Arazi-Kleinman等［7］則分別以早期增強閾值、延遲期強化特征以及兩者聯合鑒別乳腺病灶的良惡性，發現早期和延遲期強化指標聯合鑒別乳腺病灶尤其是腫塊樣病灶良惡性的效能最高。

本研究中絕大部分病灶的早期強化峰值率超過50%，僅3個良性病灶未能被CAD系統識別。在CAD診斷陽性的81個病灶中，大部分的良性（91.4%，32/35）和惡性病灶（95.7%，44/46）的早期峰值強化率超過100%，對于鑒別乳腺病變良惡性沒有價值（P=0.752），同時良、惡性病灶的早期強化峰值率平均值在兩者間差異亦無統計學意義（良性: 230.54%±83.46%；惡性:257.72%±78.93%；P= 0.138），與Wang等［12-15］的觀點一致。本研究進一步發現延遲期各曲線類型百分比和單一設定的最大可疑惡性曲線類型對于乳腺小腫塊的良惡性鑒別均有意義，前者的診斷準確率更高（AUC流出型曲線百分比=0.775，AUC平臺型曲線百分比=0.743，AUC流入型曲線百分比=0.789，AUC快速流出型曲線=0.678，P流出型百分比vs快速流出型曲線=0.0247，P平臺型百分比vs快速流出型曲線=0.2085，P流入型百分比vs快速流出型曲線= 0.0067），與Baltzer等［16］的研究結果相似。由于CAD系統可以獲得完整病灶的每一個像素的TIC，即使有微量（＜0.01%）的流出型曲線都可作為最可疑惡性的曲線列出，雖然敏感度很高，但特異度較差，這可能是以最可疑惡性曲線類型作為CAD系統診斷指標準確率較低的原因。

關于CAD系統評估血流動力學特征的各個參數，本研究及以往文獻之所以有各種各樣的結論，可能與以下原因有關:①各家使用的MR掃描儀場強、掃描序列或參數不盡相同。一部分研究注射對比劑后行兩期增強掃描［9，10，12］，而另一部分研究及本研究采用注射對比劑后5～9期增強掃描［11，13，15］，時間分辨力更高，對于TIC延遲期特征的描繪可能更加精確；②各研究中注射對比劑的劑量、流率不同，部分研究固定了對比劑的總劑量，部分研究則固定了每單位體重劑量，流率亦從1mL/s到2mL/s不等［6，7，9-15］，從而可能造成血流動力學特征不同；③各研究的研究對象不同亦可能得出不同的結論，本研究的研究對象為長徑≤2cm的乳腺腫塊型病變，而既往研究對腫塊的大小沒有限制。

2.比較CAD法和常規使用的ROI法鑒別乳腺小腫塊的價值

常規采用的ROI法以測得的最可疑惡性曲線類型作為診斷指標，當以快速平臺型曲線和快速流出型曲線為診斷惡性病灶的標準時（即兩種曲線類型只要有其一即診斷為惡性），診斷敏感度和特異度分別為87.0%、42.1%，CAD法無論采用各曲線類型百分比還是最可疑惡性曲線類型作為診斷指標，CAD法的診斷準確率均高于ROI法，且采用各曲線類型百分比作為診斷指標時準確率顯著高于ROI法，差異有統計學意義（PCAD流出型百分比vs ROI法=0.0037，PCAD平臺型百分比vs ROI法=0.0192，PCAD流入型百分比vs ROI法=0.0003），主要體現為特異度的明顯提高（PCAD流入型百分比vs ROI法=0.013）。Baltzer等［6］發現CAD法的診斷準確率高于ROI法，但差異無統計學意義，前者敏感度提高而特異度降低，與本研究結果不同，這可能與各研究采用了不同的良惡性診斷標準有關。

本研究存在一定的局限性，研究的樣本量較小，且僅包括了獲得組織學病理結果的病例，存在病例選擇偏移，可能對診斷的特異性造成影響。

綜上所述，在CAD系統獲得的血流動力學各指標中，完整病灶的延遲期各曲線類型百分比對良惡性病變的鑒別診斷價值最高。CAD系統鑒別乳腺小腫塊良惡性的準確度尤其是特異度，顯著優于常規使用的ROI法，有助于臨床對于乳腺小腫塊的診斷，減少不必要的活檢。

參考文獻：

［1］ Dietzel M，Baltzer PA，Vag T，et al.Magnetic resonance mammography in small vs advanced breast lesions-systematic comparison reveals significant impact of lesion size on diagnostic accuracy in 936histologically verified breast lesions［J］.RoFo，2011，183（2）: 126-135.

［2］ Kuhl CK.Current status of breast MR imaging.Part 2.Clinical applications［J］.Radiology，2007，244（3）:672-691.

［3］ 黃蓉，黃源，陶蘋，等.不同TNM分期乳腺癌患者規范化治療后生存期生命質量評價［J］.中華腫瘤雜志，2013，35（1）:71-77.

［4］ Fenton JJ，Taplin SH，Carney PA，et al.Influence of computer-aided detection on performance of screening mammography［J］.N Engl J Med，2007，356（14）:1399-1409.

［5］ 司麗芳，劉小娟，楊開顏，等.計算機輔助檢測系統在乳腺單純性鈣化病灶中的應用價值及其對診斷醫師的影響［J］.放射學實踐，2014，29（8）:942-944.

［6］ Baltzer PA，Freiberg C，Beger S，et al.Clinical MR-mammography:are computer-assisted methods superior to visual or manual measurements for curve type analysis？A systematic approach ［J］.Acad Radiol，2009，16（9）:1070-1076.

［7］ Arazi-Kleinman T，Causer PA，Jong RA，et al.Can breast MRI computer-aided detection（CAD）improve radiologist accuracy for lesions detected at MRI screening and recommended for biopsy in a high-risk population？［J］.Clin Radiol，2009，64（12）:1166-1174.

［8］ Kuhl CK，Mielcareck P，Klaschik S，et al.Dynamic breast MR imaging:are signal intensity time course data useful for differential diagnosis of enhancing lesions？［J］.Radiology，1999，211（1）: 101-110.

［9］ Williams TC，DeMartini WB，Partridge SC，et al.Breast MR imaging:computer-aided evaluation program for discriminating benign from malignant lesions［J］.Radiology，2007，244（1）:94-103.

［10］ Lehman CD，Peacock S，DeMartini WB，et al.A new automated software system to evaluate breast MR examinations:improved specificity without decreased sensitivity［J］.AJR，2006，187（1）: 51-56.

［11］ Meeuwis C，van de Ven SM，Stapper G，et al.Computer-aided detection（CAD）for breast MRI:evaluation of efficacy at 3.0T ［J］.Eur Radiol，2010，20（3）:522-528.

［12］ Wang LC，DeMartini WB，Partridge SC，et al.MRI-detected suspicious breast lesions:predictive values of kinetic features measured by computer-aided evaluation［J］.AJR，2009，193（3）:826-831.

［13］ Cho N，Kim SM，Park JS，et al.Contralateral lesions detected by preoperative MRI in patients with recently diagnosed breast cancer:application of MR CAD in differentiation of benign and malignant lesions［J］.Eur J Radiol，2012，81（7）:1520-1526.

［14］ 張麗娜，趙作偉，宋清偉，等.應用計算機輔助診斷技術評價血流動力學特征在乳腺MRI中的價值［J］.中華放射學雜志，2012，46（11）:998-1001.

［15］ Baltzer PA，Renz DM，Kullnig PE，et al.Application of computeraided diagnosis（CAD）in MR-mammography（MRM）:do we really need whole lesion time curve distribution analysis？［J］. Acad Radiol，2009，16（4）:435-442.

?腹部影像學?

作者單位：100021 北京，北京協和醫學院中國醫學科學院腫瘤醫院影像診斷科

Value of hemodynamic characteristics for small breast masses evaluated by MRI computer-aided diagnosis system

SONG Yin，OU'YANG Han，YE Feng，et al.Department of Diagnostic Radiology，Peking Union Medical College，Cancer Hospital，Chinese Academy of Medical Sciences，Beijing 100021，P.R.China

【Abstract】Objective:To investigate the value of hemodynamic characteristics of small breast masses evaluated by MRI computer-aided diagnosis（CAD）system.Methods:Eighty-four breast mass lesions（longest diameter≤2.0cm）seen on MRI confirmed by histopathology were reviewed retrospectively.Hemodynamic parameters obtained from CAD system were used for analyzing the benign and malignant features of small breast masses，including initial phase peak enhancement，the percentage of curve type in delayed phase and the most suspicious malignant curve type.The value of two methods（ROI and CAD）for the identification of benign and malignant small breast masses were compared.Results:There were 38benign and 46malignant small breast masses found in this study.Initial phase peak enhancement mean values of benign and malignant lesions were（230.54±83.46）%（92%～442%）and（257.72±78.93）%（89%～448%），there was no statistically difference between benign and malignant lesions（P=0.138）.The percentage median values of three curve type（inflow type，insistent type and outflow type）measured in malignant lesions were 15.15%，20.00%，and 61.50% respectively；while in benign lesions were 1.06%，10.08% and 87.00%.Statistical difference was found between benign and malignant lesions（P＜0.001）.In the most suspicious malignant curve type，68lesions performed outflow type，including 24benign and 44malignant；5performed insistent type，including 3benign and 2malignant；all 8benign lesions performed outflow type.Taking the outflow type as the diagnostic criteria of malignance，the sensitivity was 95.7%，specificity was 40.0%，the area under cure（AUC）was 0.678（95%CI:0.555～0.801，P=0.006）.The percentages of inflow type curve on delayed phase measured by MRI CAD system has the highest accuracy for identifying small breast masses（AUC=0.798，95%CI: 0.701～0.895，P＜0.001）.If percentages less than 81.5% of inflow type curve in a lesion were considered as malignance，the sensitivity，specificity was 89.1%and 60.0%，CAD analysis was more specific than ROI（ROI=42.1%，P=0.013）.

Conclusion:The percentages of curve type on delayed phase measured by MRI CAD system has the highest accuracy for i-

dentifying small breast masses，which tends to improve diagnostic specificity significantly compared to the ROI method.

【Key words】Breast neoplasm；Image processing，computer-assisted；Magnetic resonance imaging

收稿日期:（2015-03-08 修回日期:2015-03-27）

通訊作者：歐陽漢，E-mail:hbybj@sohu.com

作者簡介：宋穎（1980-），女，北京人，碩士研究生，主治醫師，主要從事乳腺影像研究工作。

DOI:10.13609/j.cnki.1000-0313.2015.05.013

【中圖分類號】R737.9；R445.1

【文獻標識碼】A

【文章編號】1000-0313（2015）05-0560-06