首页 > 论文范文 > 医药卫生论文 > 影像检验论文 > 肿瘤诊断论文 > ADC全容积直方图在乳腺良恶性肿瘤鉴别中的应用

ADC全容积直方图在乳腺良恶性肿瘤鉴别中的应用

2025-07-22 45 上传者：管理员

摘要：目的:探讨表观扩散系数(ADC)直方图在乳腺良恶性肿瘤鉴别中的应用。方法:选取58例经病理证实的乳腺肿块型病变患者为研究对象，按照病变良恶性分为良性病变组(n=26)和恶性病变组(n=32)。术前进行扩散加权成像(DWI)并后处理得到ADC图，在直方图分析软件上计算病变区ADC的直方图，比较乳腺良恶性病变ADC直方图参数的差异，受试者工作特征(ROC)曲线评价ADC直方图参数对乳腺良恶性病变的鉴别诊断价值。结果:恶性病变组患者ADC的平均值、最小值及25%、50%、75%百分位数及偏度值低于良性病变组，差异有统计学意义(P<0.05);两组患者90%百分位数、最大值及峰度值比较，差异无统计学意义(P>0.05)。结论:ADC直方图参数能帮助区分乳腺良恶性肿块型病变，其中25%的百分位数的鉴别诊断价值最高。

关键词：
DCE⁃MRI
乳腺良恶性病变
多平面成像
直方图
表观扩散系数
加入收藏

乳腺癌是女性最常见的恶性肿瘤,早期准确诊断对临床制定治疗方案､预测疗效及评价复发等均有重要的意义[1]｡磁共振成像(MRI)因良好的软组织对比和多平面成像优势,在乳腺病变中的诊断价值已得到广泛认可[2-3],其中动态增强磁共振成像(dynamiccontrastenhancedMRI,DCE⁃MRI)可反映病变的形态学及时间信号强度曲线的特征,是临床乳腺MRI最重要的序列｡DCE⁃MRI具有较高的诊断灵敏度,但在特异度方面,因背景实质强化及强化曲线表现相似等原因,在良恶性肿瘤鉴别上仍然存在争议[4]｡研究[5]表明,扩散加权成像(diffusionweightedimaging,DWI)可提高乳腺良恶性鉴别病变诊断的特异性｡在无需对比剂的情况下,DWI相应的表观扩散系数(apparentdiffusioncoefficient,ADC)可量化体内水分子的扩散运动,从而揭示组织的微观结构｡通常研究[6]认为,恶性肿瘤细胞密度大,核浆比例高,因而水分子扩散受限,导致ADC值降低｡然而,因扫描条件及参数等诸多因素的影响,也有不少报道发现良恶性肿瘤的ADC值存在重叠[7]｡临床通常选择特征性感兴趣区(regionofinterest,ROI)代表肿瘤整体,但肿瘤内部存在高异质性使其存在选择性偏倚｡本研究旨在通过全病灶直方图分析的方法,探讨ADC各直方图参数在乳腺良恶性肿瘤鉴别中的应用｡

1、资料和方法

1.1一般资料

选取2019年5月至2022年12月成都新华医院收治的58例经病理证实的乳腺肿块型病变患者为研究对象,按照病变良恶性分为良性病变组(n=26)和恶性病变组(n=32)｡良性病变组中,年龄(35.9±9.7)岁;病灶:乳腺增生13个,纤维腺瘤11个,乳腺腺病6个,导管内乳头状瘤4个,炎症1个｡恶性病变组中,年龄(39.2±10.3)岁,病灶:浸润性导管癌25个,导管原位癌8个,浸润性小叶癌4个,浸润性粘液癌2个,恶性叶状肿瘤1个｡本研究经医院医学伦理委员会批准,患者知情同意｡纳入标准:(1)患者均为女性;(2)MR检查前未进行手术或新辅助化疗等治疗;(3)病灶形态表现为肿块样强化;(4)病灶有手术或活检病理结果;(5)图像质量符合要求｡

1.2方法

1.2.1DCE⁃MRI检查采用GESignaMR3601.5T超导磁共振成像系统,8通道乳腺专用线圈｡患者取俯卧位,足先进,双乳自然悬垂于线圈中央,乳头垂直对准中线｡扫描序列:(1)T2快速自旋回波序列(fastspinecho,FSE),视野(FOV)32cm×32cm,矩阵320×256,层厚4mm,层间距1mm,重复时间(TR)7200ms,回波时间(TE)85ms,激励次数2;(2)DWI序列:FOV32cm×32cm,矩阵128×128,层厚4mm,层间距1mm,TR3000ms,TE86ms,b值分别为0､800s/mm2,激励次数8;(3)动态增强序列(DCE⁃MRI):FOV32cm×32cm,翻转角(FA)15°,矩阵320×320,层厚1.6mm｡扫描完蒙片后,用高压注射器经病人肘静脉注射马根维显(Gd⁃DTPA,拜耳药业)扫描动态增强,注射剂量为0.2mmol/kg,流速2.0mL/s,随后用等速等量生理盐水冲管,每期扫描时间60~66s,共扫描8期｡

1.2.2图像分析在AW4.7工作站上,通过Ready⁃view中的ADC软件处理DWI序列并生成ADC图,采用MaZda4.6软件分析ADC图｡以T2图像及动态增强成像作为参照,两名分别具有五年和七年乳腺MR诊断经验的主治医师沿肿瘤的边界勾勒轮廓并生成直方图,计算肿瘤整体平均值､最大值､最小值､百分位数(25%､50%､75%和90%)､峰度值和偏度值,最终由一名副主任医师对数据进行审核｡本研究经组内相关系数(intraclasscorrelationcoefficient,ICC)检验显示两名医师测量的一致性较好(ICC值>0.75)｡

1.2.3观察指标(1)良恶性肿瘤影像表现;(2)ADC直方图参数对乳腺良恶性病变的鉴别诊断价值｡

1.3统计学分析

采用SPSS18.0软件对数据进行处理与分析｡计量资料以(x-±s)表示,符合正态分布且方差齐性行独立样本t检验,不符合正态分布行Wilcoxon秩和检验;一致性ICC评价,ICC<0.4为一致性差,ICC=0.41~0.60为中度一致性;ICC=0.61~0.80为一致性较好;ICC>0.81为一致性很好;鉴别诊断价值采用受试者工作特征(ROC)曲线分析｡P<0.05为差异有统计学意义

2、结果

2.1良恶性肿瘤影像表现比较

在ADC直方图参数中,除了最大值､90%百分位数及峰度值之外,恶性病变组患者ADC值的其他直方图参数均小于良性病变组,差异有统计学意义(P<0.05)｡见图1､图2及表1｡

图1典型病例1

图2典型病例2

表1乳腺良恶性肿瘤影像表现比较(x-±s)

2.2ADC直方图参数对乳腺良恶性病变的鉴别诊断价值

ROC曲线分析显示,平均值､最小值､25%百分位数､50%百分位数､75%百分位数及偏度值的AUC值分别为0.825､0.921､0.930､0.859､0.747和0.778,其中,百分位数25%具有最高的鉴别诊断效能,当其临界值为1.085×10-3mm2/s时,其敏感度为88.6%,特异度为82.5%｡见图3｡

图3ADC直方图参数对乳腺良恶性病变鉴别诊断价值的ROC曲线

3、讨论

本研究结果表明,在全容积ADC直方图参数中,除了90%百分位数､最大值及峰度值外,其他乳腺良恶性肿瘤间的参数比较,差异均有统计学意义(P<0.05)｡恶性肿瘤的平均值､最小值､25%､50%及75%百分位数低于良性肿瘤(P<0.05),而偏度值则高于良性肿瘤(P<0.05)｡因此,全容积ADC直方图分析可提高单一ADC平均值在乳腺病变中的诊断效能｡

通常在临床工作中,肿瘤ADC值的测量是在实质区放置ROI,避开囊变坏死,以ROI内体素的平均值代表肿瘤整体的ADC值｡大量研究[8]报道恶性肿瘤细胞密度更大,细胞间隙小,因而水分子扩散受限而使ADC值下降,但不同文献报道的ADC值并不完全统一｡原因除了场强､b值选择不同等因素外,ROI选择条件的不同所导致的偏倚也是不可忽视的因素｡为克服这种方法学误差,近年来对病变整体直方图分析的研究越来越得到重视,并且在胶质瘤基因分型､直肠腺癌神经脉管浸润､不同类型肿瘤鉴别及疗效评价等[9-13]方面已有报道｡本研究对肿瘤整体的ADC值进行了直方图分析,可以全面分析肿瘤ADC值分布及大小的特征,同时提高测量结果的可重复性｡在所有直方图参数中,25%的百分位数具有最高的AUC,与Huang等[14]的研究相似｡低百分位数的ADC区对应肿瘤细胞生长旺盛､排列较为致密的部位,因此此数值比平均ADC值更能代表肿瘤的异型性｡Li等[15]报道,最小值对良恶性肿瘤具有最高的鉴别诊断效能,并认为ADC值最小的部位是细胞密度最大的部位,因而也是肿瘤级别最高､侵袭性最强的部位,但DWI的成像序列是自旋回波⁃平面回波成像序列(spinecho⁃echoplanarimaging,SE⁃EPI),低信噪比及明显磁敏感伪影可能会影响最小值的测量结果｡此外,本研究中90%百分位数及最大值在鉴别良恶性肿瘤中价值有限,可能是因为恶性肿瘤容易发生微小的囊变坏死,会造成局部ADC值的升高,这也进一步说明平均ADC会掩盖肿瘤内部结构的多样性｡峰度值反映ADC值分布的高度及两侧的权重,高度越高则峰度值越高[16],本研究中良恶性肿瘤ADC的峰度值分布基本接近正态分布｡偏度值反映ADC值分布的对称性,恶性肿瘤内部成分复杂,如浸润性导管内有癌巢,间质组织,同时还存在纤维化及坏死,肿瘤实体部分癌巢内细胞排列致密,这是肿瘤的主要组成部分,因而这些体素内ADC值较低,而其他成分ADC值则升高,整体表现为向左偏,而良性病变则无明显偏向｡

本研究有以下不足之处:(1)本研究为回顾性研究,因此存在病例的选择偏倚,另外良恶性病变以纤维腺瘤及浸润性导管癌为主,其他病理类型较少;(2)ADC图目前分辨率较低,虽然在确定肿瘤边界的时候以增强作为参考,但是部分病变和正常组织的边界并不明显,这时在勾勒边界的时候就依赖于主观经验,因而存在部分容积效应的影响;(3)灌注因素对扩散信号的影响,即体素内相位不相干运动效应(intravoxelincoherentmotion,IVIM)在乳腺病变ADC值的影响已得到越多越多的研究证实[17-18]｡恶性肿瘤血管生成丰富,因此IVIM效应会更明显,会导致ADC值的升高｡从这个角度看,ADC值并不能直接反映肿瘤的细胞密度,因而也不完全对应肿瘤的异型性,需要以后进一步探讨;(4)本研究仅用ADC直方图参数讨论和统计肿瘤内部构成及复杂性,如果加入DCE或DWI等序列参数共同讨论,有可能提高诊断的准确率,这有待于下一步加入研究计划｡

综上,与传统ADC平均值相比,ADC直方图参数能更全面的反映肿瘤内部构成和复杂性,其中低百分位数ADC值､偏度值能有效帮助鉴别乳腺良恶性病变｡直方图分析方法无需对比剂,也不额外增加扫描序列,因此在临床上有较好的应用前景｡

参考文献:

[10]王海升,袁隆,朱凯博,等.全瘤ADC直方图参数联合影像生物标志物预测直肠腺癌神经脉管浸润的价值[J].磁共振成像,2025,16(3):63-69.

[16]张宝媞,汪飞,孙宜楠,等.基于分数阶微积分模型DWI全容积直方图分析对乳腺良恶性病变的鉴别诊断价值[J].放射学实践,2025,40(3):331-338.

基金资助:四川省成都市卫健委医学科研项目(2022573);

文章来源:周立绥,赵吕志,贾莉,等.ADC全容积直方图在乳腺良恶性肿瘤鉴别中的应用[J].川北医学院学报,2025,40(07):914-917.