體素內不相干運動聯合擴散峰度成像模型對乳腺良惡性病灶的鑒別診斷價值

李嫣， 艾濤， 胡益祺， 嚴序， 夏黎明

·乳腺影像學·

體素內不相干運動聯合擴散峰度成像模型對乳腺良惡性病灶的鑒別診斷價值

李嫣， 艾濤， 胡益祺， 嚴序， 夏黎明

目的：探討體素內不相干運動(IVIM)技術聯合擴散峰度成像(DKI)對乳腺良惡性病變的鑒別診斷價值。方法：137例女性患者(共153個病灶)行雙側乳腺多b值DWI檢查(b=0～2000 s/mm2)；分別使用IVIM、DKI模型獲得病灶的真性擴散系數(D)、灌注相關擴散系數(D*)、灌注分數(f)以及平均擴散峰度系數(MK)、平均擴散系數(MD)和ADC值。分析這些參數在乳腺良惡性病變中的變化規律，采用受試者工作特性曲線(ROC)評估各參數的診斷效能。結果：良惡性病灶的D、f、MK、ADC和MD值的中位數差異有統計學意義(P值分別為0.000、0.020、0.000、0.000和0.000)，良惡性病灶D*值的差異無統計學意義(P=0.480)。D值與和MK、ADC和MD值在鑒別乳腺良惡性病變中的可靠性相當，兩兩比較差異無統計學意義(P值均大于0.1)。當MK值及 D、ADC和MD值的閾值分別取0.8073及0.9536×10-3、1.1436×10-3和1.5657×10-3mm2/s時，鑒別良惡性病灶的敏感度和特異度依次分別為(95.7%，84.2%)及(95.7%，81.6%)、(96.5%，84.2%)和(93.9%, 84.2%)。ROC曲線分析得出D值的診斷效能最大(AUC=0.91)。聯合D值和MK值的AUC達0.92。結論：采用IVIM和DKI模型獲得的相關參數有助于乳腺良惡性病灶的鑒別，以IVIM模型中的真性擴散系數的診斷敏感性和特異性較高，聯合真性擴散系數和擴散峰度系數的診斷效能最高。

磁共振成像； 擴散加權成像； 體素內不相干運動； 擴散峰度成像； 乳腺腫瘤； 鑒別診斷

擴散加權成像能夠通過觀察不同b值條件下病灶信號強度衰減的情況以及測量擴散系數值來輔助鑒別良惡性病灶。而且，針對特定的成像方案還出現了多種數學模型從不同方面揭示微觀結構的擴散信息，進一步提升DWI技術在臨床診斷中的應用價值。其中，基于微循環灌注效應的體素內不相干運動(intra-voxel incoherent motion，IVIM)和描繪組織內非正態分布水分子擴散的擴散峰度成像(diffusion kurtosis imaging，DKI)模型成為目前乳腺DWI研究的熱點。IVIM模型既能無創地反映腫瘤組織的血管生成情況，又能有效去除灌注因素的影響，能真實反映組織內水分子擴散的情況，進而可較準確地評估腫瘤的良惡性。Baron等[1]認為灌注效應對于正常乳腺組織擴散加權成像信號的影響可忽略，但對于乳腺癌病灶信號特點的影響則比較明顯。DKI模型通過對病變平均擴散率(mean diffusivity，MD)和平均擴散峰度值(mean diffusion kurtosis，MK)的定量測量，更真實反映乳腺腫瘤微環境的擴散特征，顯著提高乳腺病變診斷和鑒別診斷的準確性。目前，關于乳腺良惡性病灶鑒別的DKI和IVIM研究均有所報道，但聯合IVIM和DKI模型的分析國內尚未見報道。本研究擬通過較大樣本的回顧性分析，系統評估IVIM/DKI聯合模型各參數在乳腺良惡性病變中的鑒別診斷價值。

材料與方法

1.一般資料

對2014年11月-2015年10月在本院行乳腺MRI檢查的患者的病例資料進行回顧性分析。納入標準：乳腺良惡性病灶經手術病理證實，術前行多b值DWI檢查；DWI圖像上病灶呈腫塊樣，且最小徑線≥5 mm；無術前活檢、術前放化療的病史。剔除其高b值DWI圖像質量較差的患者后，共有137例患者(153個病灶)納入本研究，其中良性病灶38個，惡性病灶115個；良性病灶包括纖維腺瘤30個，良性葉狀腫瘤3個，乳腺炎5個；惡性病灶包括浸潤性導管癌104個，導管原位癌7個，惡性葉狀腫瘤1個，神經內分泌癌2個，混合性黏液癌1個。

2.檢查方法

使用Siemens Skyra 3.0T超導磁共振成像儀及16通道雙側乳腺專用相控陣線圈。患者取俯臥位，雙側乳腺自然懸垂于乳腺線圈內。多b值DWI掃描參數：TR 6800 ms，TE 98 ms，矩陣188×188，視野32 cm×32 cm，層厚5 mm，讀出帶寬1478 Hz。b值分別為0、50、100、150、200、300、500、800、1000和2000 s/mm2，激勵次數1～4，掃描時間5 min 26 s。

3.數據后處理

所有圖像均傳到后處理工作站，由2位放射科醫師在對病理結果不知情的情況下共同閱片和分析數據。通過第三方軟件(DKI_tool_0_2_2，Siemens)自動生成IVIM/DKI模型相關參數圖。選取病灶的最大層面，在信號強度最高的DWI(DWImax)圖上手動勾畫感興趣區(region of interest，ROI)，避開明顯的出血、壞死及囊變區，軟件即自動生成各參數值，包括IVIM模型的真性擴散系數(D)、灌注相關擴散系數(D*)和灌注分數(f)，以及DKI模型的MK、MD和ADC。DKI tool軟件計算可獲得各參數在勾畫的ROI中所有位點的均數、中位值、10%～90%百分位數值，本研究經過初期測試，發現DKI tool軟件給出的每個ROI內每個位點的數值(包括均數、中位數、最大值和最小值等)中，以中位數的鑒別效果最佳，因此每個ROI內的數據統一選取中位數進行統計。所有ROI的數據采用均數±標準差的形式進行分析。

4.數據分析

采用SPSS V19.0軟件對IVIM/DKI模型獲得的各項參數進行統計學分析。經K-S擬合優度檢驗，良惡性病變的2組樣本數據均為正態分布，故采用獨立樣本的Student'st檢驗分析各參數值在良惡性病變之間的差異是否存在統計學意義。使用logistic回歸分析評估IVIM/DKI模型獲得的各項參數對鑒別乳腺良惡性病灶的價值。利用受試者工作特征曲線(receiver operating characteristic curve，ROC)評估各參數的臨界值及其診斷效能。采用Pearson相關分析研究IVIM與DKI模型各參數之間的相關性。P<0.05為差異有統計學意義。

結 果

1.良惡性病灶的IVIM模型參數特征

本研究中乳腺良惡性病灶的IVIM模型相關參數的測量結果見表1、圖1～2。獨立樣本t檢驗結果顯示，惡性病變的D值低于良性病變，差異有高度統計學意義(P<0.001)；惡性病變的f值高于良性病變，差異有統計學意義(P<0.05)；乳腺良惡性病變D*值的差異無統計學意義(P>0.05)。

IVIM模型各項參數鑒別良惡性病灶的ROC見圖3。D值的曲線下面積(area under curve，AUC)為0.91(95%可信區間0.88～0.99)，D*值的AUC為0.55(95%可信區間0.47～0.63)，f值的AUC為0.64(95%可信區間0.53～0.75)。D值的診斷效能較高，可作為鑒別乳腺良惡性病變的獨立指標；以0.9536×10-3mm2/s作為診斷閾值，其敏感度為95.7%，特異度為84.2%。

表1 良惡性病灶IVIM模型參數的測量結果

2.良惡性病灶的DKI模型參數特征

本研究中乳腺良惡性病灶的DKI模型相關參數的測量結果見表2、圖1～2。

圖1 女，24歲，纖維腺瘤(白箭)。a) b=0 s/mm2的DWI圖，右乳約9點鐘方向可見一類圓形腫塊，邊界清晰，邊緣光整，呈均勻高信號(箭)；b)b=2000 s/mm2的DWI圖，腫塊在高b值DWI上呈稍欠均勻等信號； c) IVIM模型D圖，病灶的D值為1.30×10-3mm2/s； d) IVIM模型D*圖，病灶D*值為9.41×10-3mm2/s； e) IVIM模型f圖，病灶的f值為11.0%； f) DKI模型MD圖，病灶的MD值為1.77×10-3mm2/s； g) DKI模型MK圖，病灶的MK值為0.60。

圖2 女，52歲，浸潤性導管癌(箭頭)。a) b=0 s/mm2的DWI圖，右乳約3點鐘方向可見一橢圓形腫塊，邊界欠清晰，邊緣不光整，呈均勻稍高信號(箭)；b)b=2000 s/mm2的DWI圖，腫塊在高b值圖像上呈稍高信號，內部信號不均勻(箭)； c) IVIM模型D圖，病灶的D值為0.69×10-3mm2/s； d) IVIM模型D*圖，病灶的D*值為8.75×10-3mm2/s； e) IVIM模型f圖，示病灶的f值為13.0%； f) DKI模型MD圖，示病灶的MD值為1.12×10-3mm2/s； g) DKI模型MK圖，示病灶的MK值為1.05。

表2 良惡性病灶DKI模型參數的測量結果

獨立樣本t檢驗結果顯示，惡性病變的ADC值和MD值低于良性病變，差異有統計學意義(P<0.001)；惡性病變的MK值高于良性病變，差異有統計學意義(P<0.001)。

DKI模型各參數鑒別良惡性病灶的ROC見圖3。ADC值的AUC為0.91(95%可信區間0.85～0.95)，以1.1436×10-3mm2/s為診斷閾值，其敏感度為96.5%，特異度為84.2%；MD值的AUC為0.89(95%可信區間0.83～0.94)，以1.5657×10-3mm2/s為診斷閾值，其敏感度為93.9%，特異度為84.2%；MK值的AUC為0.90(95%可信區間0.85～0.95)，以0.8073為診斷閾值，其敏感度為95.7%，特異度為81.6%。DKI模型三個參數均具有較好的鑒別診斷效能。

3.IVIM/DKI模型聯合分析

IVIM模型的D值及DKI模型的MK、MD和ADC值在鑒別乳腺良惡性病變方面的可靠性相當，兩兩比較差異均無統計學意義(P>0.05)。多因素Logistic分析結果顯示(表3)，聯合D值和MK值的診斷效能最高(AUC=0.920，95%可信區間0.87～0.96)。

Pearson相關性分析結果顯示，IVIM模型的D值與DKI模型的ADC、MD值之間的相關系數r值分別為0.993和0.940，實際顯著性水平均為0.000，說明上述參數之間存在顯著線性正相關關系。

表3 聯合IVIM和DKI參數診斷效能的多因素Logistic分析

討 論

生物組織中水分子擴散并不遵循正態分布，傳統DWI模型所得到的ADC值實際上受到組織內水分子擴散和微循環灌注兩類因素的影響，其在乳腺良惡性病變中數據存在一定重疊。Le Bihan等[2]首先提出了基于體素內不相干運動(IVIM)模型的DWI。該模型運用雙指數模型將組織中擴散和灌注兩類成分分開來進行研究，從而能更好地反映病灶內部的情況。擴散峰度成像則基于生物組織內水分子擴散是非正態分布的，體素內組織成分越復雜，水分子擴散受限程度越大，非正態擴散的程度就越顯著。DKI以擴散峰度系數(K)來反映偏離正態分布的程度，進而反映結構受限及組織成分的復雜程度[3]。

本研究采用IVIM/DKI模型對乳腺良惡性病變進行對照分析，結果顯示惡性病變的MK值明顯高于良性病變，這與惡性病變內組織成分的復雜程度高、細胞密集等特點有關，這一結果與Iima等[4]和Wu等[5]的研究結果基本一致；惡性病灶的D、ADC和MD值顯著低于良性病灶，這一結果與許多學者的研究結果基本一致[6-8]，分析原因為惡性腫瘤細胞密度大、間隙小，限制了水分子的自由擴散。IVIM模型的D值與DKI模型的ADC和MD值之間有著高度的線性正相關關系，猜測ADC可能代表單純擴散系數，MD可能代表平均擴散系數，這需要進一步佐證。

本研究中惡性病灶的f值高于良性病灶，表明惡性腫瘤的微循環灌注特點為血容量高、血管化程度更高，但本研究中得到的f值(13.43%±4.03%)較其它研究中測得的f值高[8-9]。Lemke等[10]的研究結果顯示數據采集過程中短TE值可能會產生較低的f值，本研究選取的TE較長，另外b值的選取、模型參數的數學計算方法等都會影響f值。本研究中ROI的選取主要是在b值最高的DWI圖上勾畫，這與其它研究中有所不同。此外，在勾畫ROI時均排除了腫塊的邊緣，這樣做可以減少部分容積效應和運動偽影的影響，并且在實際操作中減少了軟件計算IVIM參數時的出錯，但也可能導致所測量的f值降低，因為腫塊周邊的血管常較中心多。

本研究結果顯示，兩類病變D*值的差異無統計學意義，D*值在良惡性病變之間存在較大重疊。分析原因是D*值受到微循環灌注中毛細血管的數量和血流速度的影響。許多學者認為D*測量的可重復性較差[11]，盡管本研究中樣本量較大，但結果仍顯示D*值在良惡性病灶之間差異無統計學意義，表明其診斷效能低，或需要進一步的研究分析原因。

本組數據經統計分析，診斷乳腺惡性病灶的閾值：D≤0.9536×10-3mm2/s，診斷敏感度為95.7%，特異度84.2%；MK>0.8073，診斷敏感度95.7%，特異度81.6%；ADC≤1.1436×10-3mm2/s，敏感度96.5%，特異度84.2%；MD≤1.5657×10-3mm2/s，診斷敏感度93.9%，特異度84.2%。惡性病灶較良性病灶的D值更低，f值和MK值更高，說明惡性腫瘤的水分子擴散受限、微循環灌注高以及內部結構復雜程度高，使其表現出與良性病灶不同的特點，上述指標具有較高的診斷敏感性和特異性。聯合D值和MK值的診斷效能達到0.92，能有效鑒別乳腺良惡性病灶。另外，高MK值、低D值的區域反映腫瘤的惡性特點，可指導活檢時選擇取材部位。

綜上所述，IVIM/DKI模型獲得的參數有助于乳腺良惡性病變的鑒別，但IVIM模型的參數中f值和D*值的診斷效能不高，IVIM模型的D值和DKI模型的MK值的鑒別診斷效能(敏感性和特異性)較高，聯合二者的診斷效能更高。預期可使用IVIM/DKI模型進行深入研究，如分析各參數與乳腺癌的免疫組化指標之間的相關性以及預測患者的預后等。

[1] Baron P,Dorrius MD,Kappert P,et al.Diffusion-weighted imaging of normal fibroglandular breast tissue:influence of microperfusion and fat suppression technique on the apparent diffusion coefficient[J].NMR Biomed,2010,23(4):399-405.

[2] Le Bihan D,Breton E,Lallemand D,et al.Separation of diffusion and perfusion in intravoxel incoherent motion MR imaging[J].Radiology,1988,168(2):497-505.

[3] Nogueira L,Brandao S,Matos E,et al.Application of the diffusion kurtosis model for the study of breast lesions[J].Eur Radiol,2014,24(6):1197-1203.

[4] Iima M,Yano K,Kataoka M,et al.Quantitative non-Gaussian diffusion and intravoxel incoherent motion magnetic resonance imaging:differentiation of malignant and benign breast lesions[J].Invest radiol,2015,50(4):205-211.

[5] Wu LG,Zhang J,Chang S,et al.Characterization of breast tumors using diffusion kurtosis imaging(DKI)[J/OL].PloS one,2014,9(11):e113240.DOI:10.1371/journal.pone.0113240.ecollection.2014.

[6] 車樹楠，崔曉琳，李靜，等.MR擴散加權成像體素內不相干運動模型對于乳腺良惡性病變診斷價值的研究[J].磁共振成像,2015,7(6):506-512.

[7] 王慶軍，李小娟，張靜，等.磁共振體素內不相干運動對于腫塊樣乳腺良惡性病變的診斷價值[J].中華臨床醫師,2014,19(8):3438-3443.

[8] Liu C,Liang C,Liu Z,et al.Intravoxel incoherent motion (IVIM) in evaluation of breast lesions: comparison with conventional DWI[J].Eur J Radiol,2013,82(12):782-789.

[9] Bokacheva L,Kaplan JB,Giri DD,et al.Intravoxel incoherent motion diffusion-weighted MRI at 3.0T differentiates malignant breast lesions from benign lesions and breast parenchyma[J].J Magn Reson Imaging,2014,40(4):813-823.

[10] Lemke A,Laun FB,Simon D,et al.An in vivo verification of the intravoxel incoherent motion effect in diffusion-weighted imaging of the abdomen[J].Magn reson Med,2010,64(6):1580-1585.

[11] Dyvorne HA,Galea N,Nevers T,et al.Diffusion-weighted imaging of the liver with multiple b values: effect of diffusion gra-dient polarity and breathing acquisition on image quality and intravoxel incoherent motion parameters——a pilot study[J].Radiology,2013,266(3):920-929.

The value of IVIM-DKI model in differentiating benign from malignant breast lesions

LI Yan,AI Tao,HU Yi-qi,et al.

Department of Radiology,Tongji Hospital,Huazhong University of Science and Technology,Wuhan 430030,China

Objective:To study the diagnostic value of IVIM-DKI model MRI in differentiating benign from malignant breast lesions.Methods:137 female patients (153 lesions in total) underwent multi-b value (b=0～2000s/mm2) DWI scanning.Tissue diffusivity (D),pseudo-diffusivity (D*),perfusion fraction (f) and mean diffusion kurtosis (MK),mean diffusivity (MD) and ADC were calculated using IVIM and DKI model.The difference of these parameters in benign and malignant breast lesions was analyzed statistically.The diagnostic performance of these parameters was evaluated by ROC analysis.Results:There were statistically significant differences between malignant and benign lesions in the diffusion parameters of median D,f,MK,ADC and MD value (P=0.000,0.020,0.000,0.000 and 0.000 respectively).There was no statistically significant difference in D*value (P=0.480).The reliability of D,MK,ADC and MD value for differential diagnosis of benign and malignant breast lesions was similar,there was no significant difference between any two of them (P>0.05).When the optimal threshold of MK,D,ADC and MD value was 0.8073,and 0.9536×10-3,1.1436×10-3and 1.5657×10-3mm2/s,the corresponding diagnostic sensitivity and specificity were 95.7%,84.2%;95.7%,81.6%;96.5%,84.2% and 93.9%,84.2%,respectively.ROC analysis showed that the AUC of D value was 0.91 which was the highest one.By combining D with MK value for diagnosis,AUC was increased to 0.92.Conclusion:The parameters obtained from IVIM-DKI model are helpful to differential diagnosis of benign from malignant breast lesions.The D value obtained from IVIM model may have relatively high sensitivity and specificity,D Combined with MK value can obtain the best diagnostic performance.

Diffusion-weighted Imaging； Diffusion kurtosis imaging； Intra-voxel incoherent motion； Breast neoplasm； Differential diagnosis

430030 武漢，華中科技大學同濟醫學院附屬同濟醫院放射科(李嫣、艾濤、胡益祺、夏黎明)；200000 上海，西門子醫療東北亞科研合作部(嚴序)

李嫣(1986-)，女，湖北鄂州人，碩士，住院醫師，主要從事乳腺及心胸影像診斷工作。

夏黎明，E-mail：cjr.xialiming@vip.163.com

R737.9；R445.2

A

1000-0313(2016)12-1191-05

10.13609/j.cnki.1000-0313.2016.12.019

2016-09-05

2016-10-12)