表觀擴散系數灰度直方圖在乳腺良惡性病變鑒別中的價值

靳雅楠，張 焱，程敬亮，胡 瑛

鄭州大學第一附屬醫院磁共振科 鄭州 450052

乳腺癌是女性常見的惡性腫瘤，且發病年齡日趨低齡化。病變的早期發現及良惡性病變的準確鑒別極大地影響著患者手術方式的選擇及預后。近年來，MRI在乳腺病變的篩查及診斷中發揮著越來越重要的作用，其具有較高的敏感度及陽性預測值[1]，但其特異度和陰性預測值變異較大[2]，因此其在乳腺良惡性病變的鑒別診斷中仍然面臨挑戰[3]。灰度直方圖分析可以量化病變內信號強度分布，從而反映病變內部的組織異質性[4]，從而更準確地鑒別良惡性病變。本研究旨在探討擴散加權成像(DWI)灰度直方圖分析對鑒別乳腺良惡性病變的價值。

1 對象與方法

1.1研究對象回顧性分析鄭州大學第一附屬醫院符合以下標準的患者的MRI及臨床資料。患者入組標準：①完成乳腺磁共振T1加權成像(T1WI)、T2加權成像(T2WI)、T1WI動態增強掃描、DWI。②掃描完成后2周內行手術穿刺或病理穿刺明確病理結果。③掃描前未進行任何治療。④掃描圖像質量佳，無明顯運動偽影。共82例患者(92個病灶)入組，所有患者均為女性，年齡12～76歲，中位年齡43歲。

1.2設備與掃描方法采用GE Discovery 750 3.0 T超導型MRI掃描儀，8通道乳腺專用相控線圈，患者俯臥位，足先進。①MRI平掃參數。軸位T1WI:TR/TE 640 ms/7.6 ms，FOV 320 mm×320 mm，矩陣512×512，層厚/層間距4 mm/1 mm；軸位脂肪抑制T2WI:TR/TE 2 587 ms/85 ms，FOV 320 mm×320 mm，矩陣512×512，層厚/層間距4 mm/1 mm。DWI: b=0和800 s/mm2，激勵次數=4，TR/TE 3 600 ms/76 ms，FOV 320 mm×320 mm，矩陣256×256，層厚/層間距4 mm/1 mm。②CE-MRI。軸位容積成像序列Vibrant：TR/TE 3.9 ms/1.7 ms，FOV 360 mm×360 mm，矩陣512×512，層厚/層間距1.4 mm/1 mm。蒙片掃描結束后，采用高壓注射器以2.0 mL/s速度經肘靜脈注射Gd-DTPA，劑量為0.1 mmol/kg，注射后追加20 mL生理鹽水沖管，延遲20 s后啟動動態掃描，再掃描5個時相，每個時相掃描時間為59 s。

1.3圖像分析及數據測量將所有患者MRI圖像以bmp格式導出，保持所有圖像窗寬、窗位一致。使用MaZda軟件對病變圖像信息進行提取，在表觀擴散系數(ADC)灰度直方圖(DWI序列自動生成)上選擇病變最大層面，沿病灶邊緣手動勾劃感興趣區(ROI)。在圖像數據提取之前進行灰階水平的標準化，從而減小亮度和對比度變化對結果的影響[5]。軟件自動生成所有ROI的灰度直方圖，并獲得灰度平均值，方差，偏度，峰度，第10、50、90、99百分位數。

2 結果

2.1病理學檢測結果82例患者92個病灶中良性病變42例，包括纖維腺瘤22例(圖1)、腺病7例、乳腺囊腫1例、導管內乳頭狀瘤5例、乳腺炎癥7例；惡性病變50例，包括浸潤性導管癌35例(圖2)、導管內癌7例、鱗癌2例、浸潤癌合并導管內癌6例。

A:纖維腺瘤合并導管擴張(HE,×200)；B:動態增強早期，右乳類圓形強化影；C：ADC圖上顯示病變呈稍低信號影；D:在ADC圖上沿病變邊緣勾劃的ROI

圖1 13歲女性患者右乳占位MRI增強掃描及ADC直方圖分析

A:乳腺浸潤性癌(非特殊性)，WHOⅡ級(HE,×200)；B:動態增強早期，右乳團塊狀強化影，邊緣不規則；C：ADC圖上顯示病變呈明顯低信號影；D:在ADC圖上沿病變邊緣勾劃的ROI

圖2 54歲女性患者右乳占位MRI增強掃描及ADC直方圖分析

2.2ADC灰度直方圖參數分析乳腺惡性病變的灰度平均值及第10、50、90、99百分位數均低于良性病變，偏度高于良性病變，而方差、峰度及第1百分位數在乳腺良惡性病變中差異無統計學意義(表1)。根據各參數的ROC曲線獲得各參數鑒別乳腺良惡性病變的敏感度和特異度，其中灰度平均值和第50百分位數具有較高的診斷價值，其AUC分別為0.816、0.829，其相應的敏感度和特異度分別為0.738、0.820和0.786、0.760。參數診斷效能見表2。

表1 ADC直方圖參數在乳腺良惡性病變的比較

表2 ADC直方圖各參數診斷乳腺良惡性病變的效能

3 討論

DWI可以無創地檢測活體組織內水分子的擴散運動，從而反映組織內微觀結構。組織內水分子擴散受限程度由ADC值進行量化，其大小與組織內細胞密度、細胞增殖的活躍程度及細胞內血管化程度相關[6]。乳腺良惡性病變的ADC值有顯著差異[7]，惡性病變組織內細胞致密，細胞增殖活躍，其ADC值較良性病變明顯降低。

灰度直方圖是紋理分析的一種，它的一階統計參數包括像素內信號強度的平均值、最大值、最小值、熵、標準差、偏度、峰度等[8]。既往研究[5,9-10]多采用常規及增強MRI序列進行紋理分析，與常規及增強MRI序列相比，ADC圖作為功能成像方法，可能含有更豐富的紋理信息。本研究結果顯示，ADC圖的灰度平均值，偏度，第10、50、90、99百分位數在乳腺良惡性病變中差異均有統計學意義，其中乳腺惡性病變的灰度平均值及第10、50、90、99百分位數顯著低于良性病變，偏度顯著高于良性病變，方差、峰度及第1百分位數在良惡性病變中差異無統計學意義。

ADC圖的灰度直方圖參數通過對組織內擴散速率的分類，進而反映腫瘤組織內的生物學異質性并預測腫瘤的侵襲性及預后情況[11]。這些參數可以描述腫瘤內部信號分布的均勻度及規則性[12]，從而評估腫瘤的異質性，這是灰度直方圖參數鑒別乳腺良惡性病變的基礎。峰度通過計算組織內像素分布的大小，反映了灰度直方圖的峰值[13]，它是峰值高度的位置，預示著ADC值的最大頻率[14]。有學者[15]發現惡性甲狀腺結節的ADC直方圖峰度值低于良性甲狀腺結節，認為甲狀腺癌較良性甲狀腺病變有更高的異質性，其組織成分更復雜，導致ADC灰度直方圖呈現平峰。本研究中乳腺惡性病變的峰度低于良性病變，但差異無統計學意義，作者分析原因可能為本研究入組的良性病變腺病和乳腺炎癥比例較大，這2種病變的異質性較高，且惡性病變勾劃ROI包含了腫瘤的所有區域，包括了腫瘤的壞死、囊變、出血等，這可能是兩者峰度無差異的原因。偏度是用來衡量ADC值分布不對稱性。本研究結果顯示，乳腺良惡性病變ADC值的偏度差異有統計學意義，惡性病變的ADC值偏度高于良性病變。乳腺良惡性病變的ADC值差異有統計學意義，其可以在一定程度上解釋乳腺良惡性病變在ADC值不對稱分布中的差異。

灰度直方圖的灰度平均值表示ROI內灰度的平均值，反映的是數據的集中趨勢和平均水平[16]，灰度值越高意味著ROI內更多明亮的區域。本研究結果顯示乳腺惡性病變的灰度平均值顯著低于良性病變，乳腺惡性病變內細胞增殖快，細胞密度高，DWI明顯擴散受限呈高信號，ADC圖則呈明顯低信號，乳腺惡性病變ADC圖信號明顯低于良性病變，因此可以解釋兩者的灰度平均值存在差異。方差則反映了ROI內的像素值與平均值的離散程度，方差越大，表示相應ROI內像素分布越離散、紊亂[17]，可以一定程度地反映組織的異質性。本研究中乳腺良惡性病變的方差比較，差異無統計學意義，且惡性病變稍低于良性病變。有學者[16]在鑒別顱內膠質母細胞瘤和轉移瘤時認為，膠質母細胞瘤較轉移瘤更容易囊變、壞死、出血，因此其方差較轉移瘤大。作者的研究結果與之相悖，分析其原因，本組病例中良性病變除了實性良性腫瘤外，還納入乳腺炎癥、乳腺囊腫及腺病等異質性較高的病變，因此導致乳腺良惡性病變的方差比較時差異無統計學意義。本研究中，除了第1百分位數外，第10、50、90、99百分位數在乳腺良惡性病變中差異有統計學意義，惡性病變的第10、50、90、99百分位數均顯著低于良性病變。

本研究的局限性：①本研究ROI選擇在病變的最大層面，未包括病變的全部體積，因此不能反映全部病變的直方圖特征。②在乳腺惡性病變勾劃ROI的過程中，未排除壞死、囊變及出血區域，因此惡性病變的異質性分析不能反映腫瘤實性區域的異質性特點，需要進一步研究。

綜上，ADC直方圖可以更精確地分析乳腺良惡性病變圖像的差異，提供更多的參數來鑒別乳腺病變的良惡性，為臨床的診斷、治療提供了更客觀的依據。