采用表觀擴(kuò)散系數(shù)直方圖分析法診斷乳腺腫塊樣病變的價(jià)值

沈麗娟，孟凡華，孫瑞紅，蔣朝霞，彭衛(wèi)軍

1. 復(fù)旦大學(xué)附屬上海市第五人民醫(yī)院放射科，復(fù)旦大學(xué)上海醫(yī)學(xué)院婦產(chǎn)科學(xué)系，上海 200240；

2. 復(fù)旦大學(xué)附屬腫瘤醫(yī)院放射診斷科，復(fù)旦大學(xué)上海醫(yī)學(xué)院腫瘤學(xué)系，上海 200032

采用表觀擴(kuò)散系數(shù)直方圖分析法診斷乳腺腫塊樣病變的價(jià)值

沈麗娟1,2，孟凡華1，孫瑞紅1，蔣朝霞2，彭衛(wèi)軍2

1. 復(fù)旦大學(xué)附屬上海市第五人民醫(yī)院放射科，復(fù)旦大學(xué)上海醫(yī)學(xué)院婦產(chǎn)科學(xué)系，上海 200240；

2. 復(fù)旦大學(xué)附屬腫瘤醫(yī)院放射診斷科，復(fù)旦大學(xué)上海醫(yī)學(xué)院腫瘤學(xué)系，上海 200032

沈麗娟，復(fù)旦大學(xué)附屬上海市第五人民醫(yī)院放射科主治醫(yī)師，復(fù)旦大學(xué)附屬腫瘤醫(yī)院放射診斷科專科醫(yī)師培訓(xùn)學(xué)員。2010年畢業(yè)于蘇州大學(xué)醫(yī)學(xué)影像學(xué)專業(yè)，2013年碩士畢業(yè)于復(fù)旦大學(xué)影像醫(yī)學(xué)與核醫(yī)學(xué)專業(yè)，研究方向?yàn)镸RI功能成像在腫瘤診斷及鑒別診斷中的應(yīng)用，導(dǎo)師為周良平主任醫(yī)師。已在國(guó)內(nèi)核心期刊及SCI收錄期刊發(fā)表論著數(shù)篇。

目的：探討MRI表觀擴(kuò)散系數(shù)(apparent diffusion coefficient，ADC)直方圖分析法鑒別診斷乳腺腫塊樣病變良惡性的價(jià)值。方法：回顧性分析91例乳腺腫塊患者(單發(fā)病灶82例、多發(fā)病灶8例；總病灶104個(gè)，良性病變25個(gè)、惡性病變79個(gè))資料。所有患者均行3.0 T乳腺M(fèi)RI增強(qiáng)和擴(kuò)散加權(quán)成像(diffusion weighted imaging，DWI)掃描，并與病理結(jié)果對(duì)照。采用Medlab軟件對(duì)ADC圖進(jìn)行直方圖分析，觀察腫塊的直方圖特征并獲得直方圖參數(shù)，包括各百分比ADC、平均ADC(ADCmean)、最小ADC(ADCmin)、最大ADC(ADCmax)、偏度及峰度。采用t檢驗(yàn)分析良惡性病變的直方圖各參數(shù)，采用受試者工作特征(receiver operating characteristic，ROC)曲線分析各參數(shù)的鑒別診斷效能。結(jié)果：惡性病變各ADC值均小于良性病變，除ADCmax(P=0.113)外差異均具有統(tǒng)計(jì)學(xué)意義(P＜0.05)。惡性病變的偏度系數(shù)、峰度系數(shù)高于良性病變，但無(wú)統(tǒng)計(jì)學(xué)差異(P=0.191、0.165)。25th ADC的曲線下面積(area under curve，AUC)最大，為0.814，靈敏度、特異度分別為0.88、0.696。ADCmean為0.92×10-3mm2/s時(shí)AUC為0.79，靈敏度、特異度分別為0.92、0.658。結(jié)論：ADC直方圖分析可為診斷乳腺腫塊樣病變提供更多定量信息，對(duì)鑒別病變良惡性具有一定價(jià)值。

乳腺腫塊；乳腺癌；擴(kuò)散加權(quán)成像；表觀擴(kuò)散系數(shù)；直方圖分析

乳腺癌是我國(guó)女性最常見的惡性腫瘤，發(fā)病率呈逐年上升趨勢(shì)[1]。乳腺M(fèi)RI的高軟組織分辨率使其成為目前乳腺腫塊診斷和鑒別診斷的重要方法。通常應(yīng)用多模態(tài)MRI聯(lián)合擴(kuò)散加權(quán)成像(diffusion weighted imaging，DWI)及動(dòng)態(tài)增強(qiáng)MRI對(duì)病灶進(jìn)行分析，以提高診斷準(zhǔn)確率。DWI無(wú)需增強(qiáng)，掃描時(shí)間短，且可觀察組織內(nèi)水分子的微觀運(yùn)動(dòng)。以往研究已證實(shí)其在乳腺腫瘤早期診斷、良惡性鑒別、病理類型鑒別及療效評(píng)價(jià)中的價(jià)值，但因掃描儀器、成像方案、參數(shù)、感興趣區(qū)(region of interest，ROI)設(shè)定等差異較大，各研究報(bào)道的表觀擴(kuò)散系數(shù)(apparent diffusion coefficient，ADC)有較大差異，且不同類型病變的ADC值有一定重疊[2-8]。以往DWI研究多采用選定的ROI的平均ADC值(ADCmean)。但由于腫瘤組織細(xì)胞密度分布不均，可能合并炎性、水腫成分，從而存在異質(zhì)性，常規(guī)ADCmean往往忽略了腫瘤的不均質(zhì)性。ADC直方圖分析選取整個(gè)腫瘤，綜合整個(gè)腫瘤的所有體素，可獲得顯示ADC分布特征的曲線和描述腫瘤擴(kuò)散異質(zhì)性特征的定量參數(shù)[9-12]，已在中樞神經(jīng)、婦科系統(tǒng)中應(yīng)用，并顯示了較好的可重復(fù)性[9-12]，但在乳腺腫瘤診斷中應(yīng)用不多。本研究旨在探討ADC直方圖分析法鑒別診斷乳腺腫塊樣病變良惡性的價(jià)值，希望通過腫瘤異質(zhì)性特征的提取而提高診斷效能。

1 資料和方法

1.1 臨床資料

回顧性收集2014年7月—2017年2月因自檢或體檢發(fā)現(xiàn)乳腺腫塊在復(fù)旦大學(xué)附屬上海市第五人民醫(yī)院行乳腺M(fèi)RI檢查的患者。納入標(biāo)準(zhǔn)：① 在3.0 T MRI設(shè)備行MRI檢查，并進(jìn)行DWI序列掃描；② MRI檢查前未行穿刺、手術(shù)等有創(chuàng)性檢查，檢查前未行放化療，檢查前已簽署知情同意書；③ 磁共振表現(xiàn)根據(jù)乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(Breast Imaging Reporting and Data System，BI-RADS) MRI標(biāo)準(zhǔn)為腫塊樣病變；④ 腫塊最大徑≥10 mm；⑤檢查后2周內(nèi)，行穿刺或手術(shù)治療獲得完整病理資料。排除標(biāo)準(zhǔn)：① DWI圖像質(zhì)量差，如運(yùn)動(dòng)偽影明顯、壓脂不完全等；②非腫塊樣強(qiáng)化表現(xiàn)的病變或陰性患者。共納入患者91例，患者年齡24～81歲，平均51歲。其中多發(fā)者8例，1例患者既有惡性病灶又有良性病灶，共104個(gè)病灶。

1.2 MRI檢查方法

所有患者均行乳腺M(fèi)RI動(dòng)態(tài)增強(qiáng)及DWI檢查，采用德國(guó)SIEMENS公司Avanto 3.0 T MR設(shè)備和專用8通道相控陣雙側(cè)乳腺線圈。DWI采用橫軸位單次激發(fā)平面回波成像(echo planar imaging，EPI)序列，重復(fù)時(shí)間(repetitive time，TR)= 4 900 ms，回波時(shí)間(echo time，TE)=66 ms，層厚5.0 mm，間隔1.0 mm，激勵(lì)次數(shù)(number of excitations，NEX)=2，視野(view of field，F(xiàn)OV)34 cm× 34 cm，矩陣128×128，b值為0、800 s/mm2。DWI檢查后生成ADC圖。

1.3 圖像分析

由兩名有乳腺M(fèi)RI診斷經(jīng)驗(yàn)且不知病理結(jié)果的高年資放射科醫(yī)師操作，將ADC圖像輸入計(jì)算機(jī)Metlab軟件，在腫瘤中心層面沿腫瘤邊緣繪制ROI，包含整個(gè)腫瘤，盡量避免偽影及部分容積效應(yīng)的影響，必要時(shí)用增強(qiáng)圖像協(xié)助定位，重建出ADC直方圖。ADC直方圖的X軸表示ADC值，Y軸表示腫瘤的總像素頻數(shù)百分比。測(cè)量記錄ADC直方圖的定量參數(shù)，包括5th～95th每間隔5th的百分比ADC、ADCmean、最小ADC (ADCmin)、最大ADC (ADCmax)、方差、偏度(skewness)、峰度 (kurtosis)。

1.4 統(tǒng)計(jì)學(xué)處理

應(yīng)用SPSS 19.0軟件進(jìn)行統(tǒng)計(jì)學(xué)分析，定量資料檢測(cè)結(jié)果用表示。Levene檢驗(yàn)行方差分析，均方差齊性，采用獨(dú)立樣本t檢驗(yàn)比較乳腺良惡性病變5th～95th每間隔5th的百分比ADC、ADCmean、ADCmin、ADCmax、偏度系數(shù)、峰度，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。對(duì)有統(tǒng)計(jì)學(xué)差異的ADC直方圖參數(shù)，根據(jù)受試者工作特征(receiver operating characteristic，ROC) 曲線、最大Youden指數(shù)確定各參數(shù)的診斷效能及診斷界值，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié) 果

2.1 一般資料

將104個(gè)病灶分為惡性組、良性組。惡性組79個(gè)，患者年齡24～74歲，平均(52.26±11.33)歲，其中浸潤(rùn)性導(dǎo)管癌69個(gè)(10個(gè)含導(dǎo)管原位癌成分，1個(gè)部分為浸潤(rùn)性微乳頭狀癌，1個(gè)合并局部黏液腺癌)，導(dǎo)管原位癌8個(gè)(3個(gè)伴多灶微浸潤(rùn))，黏液腺癌2個(gè)，浸潤(rùn)性小葉癌1個(gè)，包被性乳頭狀癌1個(gè)灶區(qū)浸潤(rùn)纖維囊壁。良性組25個(gè)，患者年齡25～81歲，平均(45.56±11.41)歲，其中纖維腺瘤10個(gè)(3個(gè)伴個(gè)別導(dǎo)管腔內(nèi)鈣鹽沉，1個(gè)伴膠原化及鈣化/乳腺病并纖維腺瘤)，乳腺腺病6個(gè)(3個(gè)局灶纖維腺瘤形成)，導(dǎo)管內(nèi)乳頭狀瘤4個(gè)(1個(gè)伴導(dǎo)管上皮增生硬化型乳腺病)，乳腺炎4個(gè)。

2.2 乳腺良惡性病變參數(shù)值特點(diǎn)

乳腺良惡性病變5th～95th每間隔5th的百分比ADC、ADCmean、ADCmin、ADCmax、偏度、峰度如表1和圖1所示。兩組具有代表性的例子見圖2、3。惡性病變的各ADC值均低于良性病變，其中兩組5th～55th ADC、ADCmean、ADCmin均具有顯著差異(P＜0.000 1)，60th～95th ADC也有統(tǒng)計(jì)學(xué)差異(P＜0.05)，但ADCmax無(wú)統(tǒng)計(jì)學(xué)差異(P=0.113)。惡性病變的偏度、峰度高于良性病變，但無(wú)統(tǒng)計(jì)學(xué)差異(P分別為0.191、0.165)。

表1 乳腺良惡性病變的ADC直方圖(×10-3mm2/s)

從圖1箱形圖中可看出，各百分比ADC、ADCmean、ADCmin、ADCmax、偏度、峰度均有不同程度的重疊，且均有不同數(shù)量的異常值，其中小百分比ADC的方盒重疊較少，異常值較少，而大百分比ADC尤其是偏度系數(shù)、峰度系數(shù)重疊較多，異常值較多。

2.3 各參數(shù)鑒別乳腺良惡性病變的診斷效能及診斷界值

將兩組間具有統(tǒng)計(jì)學(xué)差異的參數(shù)進(jìn)行ROC曲線分析，得出診斷界值、靈敏度、特異度、的曲線下面積(area under curve，AUC)，見表2。結(jié)果顯示，10th～50th ADC的AUC大于ADCmean，其余均低于ADCmean。其中25th ADC以0.88×10-3mm2/s為診斷界值繪制ROC曲線時(shí)，AUC最大為0.814，靈敏度、特異度分別為88%、69.6%。以ADC-mean=0.92×10-3mm2/s為最佳診斷界值時(shí)，AUC為0.79，靈敏度、特異度分別為0.92、0.658。

圖1 箱形圖顯示良性和惡性乳腺腫塊病變的部分代表性ADC直方圖參數(shù)分布

圖2 浸潤(rùn)性導(dǎo)管癌MRI表現(xiàn)

圖3 乳腺纖維腺瘤MRI表現(xiàn)

表2 有統(tǒng)計(jì)學(xué)意義的ADC直方圖參數(shù)診斷效能

3 討 論

本研究結(jié)果顯示，除ADCmax、峰度、偏度外，ADC直方圖分析的其他參數(shù)在良惡性病變中均具有統(tǒng)計(jì)學(xué)差異。惡性腫瘤的各ADC值參數(shù)均低于良性病變，而偏度、峰度系數(shù)則高于良性病變，但無(wú)統(tǒng)計(jì)學(xué)差異。在鑒別診斷良惡性病變時(shí)，10th～50th ADC的AUC大于ADCmean，25th ADC的AUC最大。

DWI是一種基于檢測(cè)活體組織、腫瘤中水分子微觀運(yùn)動(dòng)特點(diǎn)的MRI功能成像技術(shù)，通過兩個(gè)b值的圖像擬合出反映組織水分子擴(kuò)散特點(diǎn)的ADC進(jìn)行定量分析，可反映乳腺病變內(nèi)部組織特征。其大小與細(xì)胞密度高度負(fù)相關(guān)，一般認(rèn)為惡性腫瘤＜良性病變＜正常組織＜囊腫[2,13]。在研究乳腺病變?cè)\斷及鑒別診斷過程中，DWI可提供腫瘤生物學(xué)行為方面的信息，具有提高乳腺M(fèi)RI診斷效能的潛質(zhì)[14]，可用于鑒別乳腺病變的良惡性、病理類型、乳腺浸潤(rùn)性導(dǎo)管癌分子分級(jí)及預(yù)測(cè)預(yù)后和化療療效[3-5,7,15]。但DWI檢查仍存在許多不足，如良惡性病變的ADC值存在一定重疊、沒有統(tǒng)一診斷標(biāo)準(zhǔn)、不同報(bào)道中的診斷界值有差異等[3-5,7]。

不同研究中的ADC值診斷標(biāo)準(zhǔn)不一致，使研究者對(duì)其可重復(fù)性產(chǎn)生懷疑，并探討提高可重復(fù)性好的方法。近年來(lái)，精準(zhǔn)醫(yī)療成為全球醫(yī)學(xué)的熱點(diǎn)和發(fā)展方向，而精準(zhǔn)診斷是精準(zhǔn)醫(yī)療的基礎(chǔ)。放射組學(xué)應(yīng)用大量自動(dòng)化數(shù)據(jù)特征化算法，有望成為精準(zhǔn)影像醫(yī)學(xué)發(fā)展的基石[16]。直方圖特征提取為放射組學(xué)的一階算法，常規(guī)影像采用選定ROI測(cè)量面積內(nèi)的平均值，而直方圖可描述所有體素值的分布，并獲得ADC均數(shù)、中位數(shù)、最大、最小、任意百分位數(shù)值，以及直方圖分布的偏度和峰度，使體素值的計(jì)算結(jié)果更精確[16]。Song等[17]研究也認(rèn)為ADC圖提取的直方圖參數(shù)可重復(fù)性較好。眾所周知，乳腺癌具有生物學(xué)異質(zhì)性，影像學(xué)上也表現(xiàn)出不均質(zhì)性。常規(guī)ADCmean體現(xiàn)這一特征具有局限性，直方圖分析則可體現(xiàn)腫瘤ADC值分布不均質(zhì)的特點(diǎn)，提高DWI檢查的診斷效能[18]。

有研究認(rèn)為，腫瘤細(xì)胞增殖最旺盛的部分細(xì)胞密度最高，水分子擴(kuò)散受限最明顯，因此ADCmin最能反映腫瘤的細(xì)胞增殖及分化情況。本研究中，各百分位ADC值可為腫瘤診斷提供更多參數(shù)，小百分位數(shù)ADC值的AUC大于ADCmean，但ADCmin的AUC小于ADCmean，ADCmax的AUC則在良惡性病變中無(wú)統(tǒng)計(jì)學(xué)差異。這可能是因?yàn)锳DCmax較易受囊變壞死區(qū)域的影響，ADCmix及ADCmax在最邊緣較易受偽影、部分容積效應(yīng)等的影響[10]。直方圖的偏度系數(shù)體現(xiàn)了變量分布對(duì)稱性，表明分布相對(duì)于平均值的不對(duì)稱程度。正偏度分布的不對(duì)稱形態(tài)尾部趨向于更多較大值，主體部分集中在右側(cè)。相反，負(fù)偏度則表明不對(duì)稱分布的尾部趨向于更多較小值。偏度絕對(duì)值越大，偏移程度越大。峰度體現(xiàn)變量分布形態(tài)陡緩程度，正峰值表示分布比正態(tài)分布尖銳，負(fù)峰值則表示比正態(tài)分布平坦[12]。這兩個(gè)參數(shù)在以前的報(bào)道中意義也不盡相同，Hu等[19]對(duì)肝細(xì)胞肝癌的研究結(jié)果與本研究一致，兩個(gè)參數(shù)均無(wú)統(tǒng)計(jì)學(xué)意義，25th ADC的AUC最高。而在Xu等[20]對(duì)眼眶腫瘤的研究中，峰度具有統(tǒng)計(jì)學(xué)意義，但AUC低于其他參數(shù)，偏度則無(wú)統(tǒng)計(jì)學(xué)意義，10th ADC的AUC最高。在林宇寧等[12]預(yù)測(cè)局部晚期乳腺癌患者新輔助化療療效的研究中，ADCmin的靈敏度最高，偏度的特異度最高。綜合以上研究結(jié)果，筆者認(rèn)為小百分位ADC值的診斷價(jià)值較高得到普遍認(rèn)證，幾乎所有研究均顯示小百分位ADC值診斷效能優(yōu)于ADCmean，但反映變量分布的峰度、偏度的價(jià)值仍存在爭(zhēng)議，有待進(jìn)一步研究。

由于直方圖分析可體現(xiàn)病變異質(zhì)性的優(yōu)勢(shì)，ADC直方圖分析已用于多個(gè)系統(tǒng)的診斷，比傳統(tǒng)測(cè)量所得ADC值更具優(yōu)勢(shì)，且重復(fù)性更好。文獻(xiàn)檢索顯示，本研究為國(guó)內(nèi)首先探討ADC直方圖分析鑒別乳腺腫塊性病變良惡性的研究。國(guó)外僅有Suo等[18]對(duì)101例患者進(jìn)行回顧性分析，良惡性乳腺腫塊性病變中ADCmin和25th ADC的診斷效能明顯高于ADCmean和中位ADC，與本研究結(jié)果相符。雖然該研究中峰度在良惡性病變中也有統(tǒng)計(jì)學(xué)差異，但AUC相對(duì)較小；偏度不具有統(tǒng)計(jì)學(xué)差異，與本研究相同。Hering等[21]采用整個(gè)腫瘤體積，而本研究中DWI檢查層厚較厚，部分病灶較小，只有1～2個(gè)層面顯示，邊緣層面部分容積效應(yīng)也較明顯，且以前有研究認(rèn)為3D與2D ADC值結(jié)果無(wú)統(tǒng)計(jì)學(xué)差異，因此采用腫瘤最大層面而不是整體腫瘤體積。雖然存在一定差異，但筆者認(rèn)為本研究及Hering等研究中的ADC直方圖均有助于鑒別乳腺腫塊性病變的良惡性。

本研究的局限性如下：① 為回顧性研究，DWI檢查層厚較厚，圖像分辨率有限，僅納入≥1 cm的病灶，采用腫瘤最大層面而不是整體腫瘤體積，可能導(dǎo)致采樣誤差，有待進(jìn)一步降低層厚及間隔，提高圖像分辨率，納入較小病變。② 雖然樣本量相對(duì)較大，但良性病變較少，且惡性病變大部分為浸潤(rùn)性導(dǎo)管癌，病理類型相對(duì)單一，可能導(dǎo)致采樣誤差，有待進(jìn)一步增加樣本量。③ 回顧性分析的是單指數(shù)DWI，同時(shí)受擴(kuò)散及灌注成分的影響，有待進(jìn)一步研究多指數(shù)參數(shù)的直方圖特點(diǎn)。

[1] 汪登斌. 乳腺M(fèi)RI應(yīng)用現(xiàn)狀和我國(guó)乳腺M(fèi)RI應(yīng)用中存在的問題 [J]. 中華放射學(xué)雜志, 2014, 48(3): 177-179.

[2] TAN S L, RAHMAT K, ROZALLI F I, et al. Differentiation between benign and malignant breast lesions using quantitative diffusion-weighted sequence on 3 T MRI [J]. Clin Radiol, 2014, 69(1): 63-71.

[3] WU L A, CHANG R F, HUANG C S, et al. Evaluation of the treatment response to neoadjuvant chemotherapy in locally advanced breast cancer using combined magnetic resonance vascular maps and apparent diffusion coefficient [J]. J Magn Reson Imaging, 2015, 42(5): 1407-1420.

[4] CAIVANO R, VILLONIO A, D' ANTUONO F, et al. Diffusion weighted imaging and apparent diffusion coefficient in 3 tesla magnetic resonance imaging of breastlesions [J]. Cancer Invest, 2015, 33(5): 159-164.

[5] LIU S, REN R, CHEN Z, et al. Diffusion-weighted imaging in assessing pathological response of tumor in breast cancer subtype to neoadjuvant chemotherapy [J]. J Magn Reson Imaging, 2015, 42(3): 779-787.

[6] ARPONEN O, ARPONENT O, SUDAH M, et al. Diffusion-weighted imaging in 3.0 tesla breast MRI: diagnostic performance and tumor characterization using small subregions vs. whole tumor regions of interest [J]. PLoS One, 2015, 10(10): e0138702.

[7] KATO F, KUDO K, YAMASHITA H, et al. Differences in morphological features and minimum apparent diffusion coefficient values among breast cancer subtypes using 3-tesla MRI [J]. Eur J Radiol, 2016, 85(1): 96-102.

[8] LI X, ABRAMSON R G, ARLINGHAUS L R, et al. Multiparametric magnetic resonance imaging for predicting pathological response after the first cycle of neoadjuvant chemotherapy in breast cancer [J]. Invest Radiol, 2015, 50(4): 195-204.

[9] BULL J G, SAUNDERS D E, CLARK C A. Discrimination of paediatric brain tumours using apparent diffusion coefficient histograms [J]. Eur Radiol, 2012, 22(2): 447-457.

[10] KANG Y, CHOI S H, KIM Y J, et al. Gliomas: Histogram analysis of apparent diffusion coefficient maps with standard- or high-b-value diffusion-weighted MR imaging—correlation with tumor grade [J]. Radiology, 2011, 261(3): 882-890.

[11] KYRIAZI S, COLLINS DJ, MESSIOU C, et al. Metastatic ovarian and primary peritoneal cancer: assessing chemotherapy response with diffusion-weighted MR imaging value of histogram analysis of apparent diffusion coefficients [J]. Radiology, 2011, 261(1): 182-192.

[12] 林宇寧, 李輝, 陳自謙, 等. 采用MR擴(kuò)散加權(quán)成像表觀擴(kuò)散系數(shù)值直方圖診斷ⅠB期宮頸癌的價(jià)值 [J]. 中華放射學(xué)雜志, 2015, 49(5): 349-353.

[13] PARSIAN S, GIANNAKOPOULOS N V, RAHBAR H, et al. Diffusion-weighted imaging reflects variable cellularity and stromal density present in breast fibroadenomas [J]. Clin Imaging, 2016, 40(5): 1047-1054.

[14] ARPONEN O, MASARWAH A, SUTELA A, et al. Incidentally detected enhancing lesions found in breast MRI: analysis of apparent diffusion coefficient and T2 signal intensity significantly improves specificity [J]. Eur Radiol, 2016, 26(12): 4361-4370.

[15] LEE H S, KIM S H, KANG B J, et al. Perfusion parameters in dynamic contrast-enhanced MRI and apparent diffusion coefficient value in diffusion-weighted MRI: Association with prognostic factors in breast cancer [J]. Acad Radiol, 2016, 23(4): 446-456.

[16] LI H, ZHU Y, BURNSIDE E S, et al. MR imaging radiomics signatures for predicting the risk of breast cancer recurrence as given by research versions of MammaPrint, Oncotype DX, and PAM50 gene assays [J]. Radiology, 2016, 281(2): 382-391.

[17] SONG Y S, PARK C M, LEE S M, et al. Reproducibility of histogram and texture parameters derived from intravoxel incoherent motion diffusion-weighted MRI of FN13762 rat breast carcinomas [J]. Anticancer Res, 2014, 34(5): 2135-2144.

[18] SUO S, ZHANG K, CAO M, et al. Characterization of breast masses as benign or malignant at 3.0T MRI with whole-lesion histogram analysis of the apparent diffusion coefficient [J]. J Magn Reson Imaging, 2016, 43(4): 894-902.

[19] HU X X, YANG Z X, LIANG H Y, et al. Whole-tumor MRI histogram analyses of hepatocellular carcinoma: Correlations with Ki-67 labeling index [J]. J Magn Reson Imaging, 2016. doi: 10.1002/jmri.25555.

[20] XU X Q, HU H, SU G Y, et al. Utility of histogram analysis of ADC maps for differentiating orbital tumors [J]. Diagn Interv Radiol, 2016, 22(2): 161-167.

[21] HERING J, LAUN FB, LEDERER W, et al. Applicability and discriminative value of a semiautomatic three-dimensional spherical volume for the assessment of the apparent diffusion coefficient in suspicious breast lesions-feasibility study [J]. Clin Imaging, 2016, 40(6): 1280-1285.

Value of histogram analysis of apparent dif f usion coef fi cient maps in dif f erentiating breast lesions

SHEN Lijuan1,2, MENG Fanhua1, SUN Ruihong1, JIANG Zhaoxia2, PENG Weijun2
(1. Department of Radiology，Shanghai Fifth People’s Hospital, Fudan University; Department of Obstetrics and Gynecology, Shanghai Medical College, Fudan University, Shanghai 200240, China; 2. Department of Diagnostic Radiology, Fudan University Shanghai Cancer Center; Department of Oncology, Shanghai Medical College, Fudan University, Shanghai 200032, China)

PENG Weijun E-mail: cjr.pengweijun@vip.163.com

Objective:To evaluate the value of histogram analysis of apparent dif f usion coefficient (ADC) in dif f erentiating benign breast lesions from malignancy.Methods:Ninety-one patients with breast masses were retrospectively analyzed (82 single and 8 multiple; 104 lesions in total; benign 25 and malignant 79). All patients received MR examination including enhanced MRI and dif f usion weighted imaging (DWI) and were conf i rmed by pathology. Histogram analysis of ADC maps was performed by using Medlab software to observe the histogram features of tumors and obtain the histogram parameters, including percentile ADC values,ADCmean, ADCmin, ADCmax, skewness and kurtosis. All parameters were analyzed by using t-test between benign and malignant groups, then the receiver operating characteristic (ROC) curves were constructed to observe the efficiency of dif f erential diagnosis.Results:All ADC values were lower in malignant lesions than benign lesions, the differences in the above parameters except ADCmax (P=0.113) were statistically significant (P＜0.05). Skewness and kurtosis were higher in malignant lesions than benign lesions, but had no statistical signif i cance (P=0.191 and 0.165, respectively). The areas under the ROC curves (AUCs) of 10th-50th ADCs were higher than ADCmean. The ACU of 25th ADC was the highest (0.814) at the cutof f value of 0.88×10-3mm2/s, and the sensitivity and specif i city were 0.88 and 0.696, respectively. The ACU of ADCmean was 0.79 at the cutof f value of 0.92×10-3mm2/s, and the sensitivity and specif i city were 0.92 and 0.658, respectively.Conclusion:ADC histogram analysis is valuable in dif f erentiating benign breast lesions from malignancy by providing additional quantitative parameters.

Breast lesion; Breast carcinoma; Diffusion weighted imaging; Apparent diffusion coefficient; Histogram analysis

R445.2

A

1008-617X(2017)02-0114-07

2017-04-01）

復(fù)旦大學(xué)附屬上海市第五人民醫(yī)院院級(jí)基金項(xiàng)目(No：2015WYQJO4)

彭衛(wèi)軍 E-mail：cjr.pengweijun@vip.163.com