单、双指数模型扩散加权成像鉴别诊断乳腺良恶性病变的对比研究

何 杰 HE Jie

张 焱 ZHANG Yan

程敬亮 CHENG Jingliang

胡 瑛 HU Ying

王岸飞 WANG Anfei

宋承汝 SONG Chengru

单、双指数模型扩散加权成像鉴别诊断乳腺良恶性病变的对比研究

何 杰 HE Jie

张 焱 ZHANG Yan

程敬亮 CHENG Jingliang

胡 瑛 HU Ying

王岸飞 WANG Anfei

宋承汝 SONG Chengru

目的比较单指数模型参数值与双指数模型参数在乳腺良恶性病变鉴别诊断中的应用价值。资料与方法对48例（共57处病灶）行单指数扩散加权成像（DWI）检查（b=0、800 s/mm2）和多指数DWI检查（b=0、20、50、100、200、400、600、800、1000、1200、1500、2000 s/mm2）的乳腺病变患者资料进行分析，其中21例良性病变（23处病灶，良性组），27例恶性病变（34处病灶，恶性组）。以患者自身对侧正常腺体作为对照（43处，对照组）比较3组的表观扩散系数（ADC）值、慢速表观扩散系数（Slow ADC）值、快速表观扩散系数（Fast ADC）值及快速扩散成分所占比率（ffast）值，并比较各参数对乳腺良、恶性病变的诊断效能。结果3组间ADC值和Slow ADC值两两比较，差异均有统计学意义（t=4.40～13.41, P＜0.05）；良性组与恶性组、恶性组与对照组间ffast值差异有统计学意义（t=3.22、6.39, P＜0.05）。ADC、Slow ADC、Fast ADC及ffast的ROC曲线下面积分别为0.82、0.89、0.63、0.75。根据Youden指数确定最佳诊断切点值，其判断乳腺良恶性病变的敏感度分别是82.35%、94.12%、41.18%、85.29%；特异度分别是82.61%、86.96%、78.26%、73.91%。结论单指数模型的参数ADC值和双指数模型的参数Slow ADC值、ffast值均可以对乳腺良恶性病变进行鉴别诊断，其中Slow ADC的诊断效能最大。

乳腺肿瘤；磁共振成像；扩散加权成像；表观扩散系数；诊断，鉴别

乳腺癌是女性最常见的恶性肿瘤之一，也是女性第二大癌症死因[1]。因为乳腺良恶性病变的治疗方案、手术方式的选择及预后相差较大，所以乳腺癌的早期诊断非常重要。MRI在乳腺疾病检查中广泛使用，其中扩散加权成像（DWI）通过检测活体组织内部水分子的微观运动反映病变情况，已广泛应用于全身各系统的检查。关于单指数表观扩散系数（ADC）值对乳腺良恶性病变诊断的研究较多[2,3]，但单指数模型计算的ADC值不能完全体现组织的生理学行为，毛细血管内血液微循环无规律灌注所致的“假扩散”也会对ADC值产生影响。基于体素内不相干运动（IVIM）理论的双指数模型方法得到的定量参数，可以用于评价组织的ADC值和组织微血管灌注情况[4,5]，且不需要造影剂。但基于IVIM理论所得到的双指数模型参数慢速表观扩散系数（Slow ADC）值、快速表观扩散系数（Fast ADC）值及快速扩散成分所占比率（ffast）值对鉴别乳腺良恶性病变价值的报道较少，缺乏其与传统ADC值的对比研究。本研究分析48例乳腺疾病患者的单指数和双指数DWI资料，旨在比较单、双指数ADC在乳腺良恶性病变诊断中的应用价值。

1 资料与方法

1.1 研究对象 郑州大学第一附属医院2012-10～2013-04经影像学检查及病理证实的48例（共57处病灶）乳腺病变患者，年龄21～72岁，中位年龄44岁。所有患者MRI检查前均未接受治疗，且于检查后10 d内行手术治疗。48例中，21例良性病变（23处病灶，良性组），27例恶性病变（34处病灶，恶性组），具体病变类型见表1。排除5例双侧乳腺病变患者，以患者自身对侧正常腺体作为对照组（43处）。本研究经郑州大学第一附属医院伦理委员会批准，所有患者均知情同意并签署知情同意书。

表1 乳腺良恶性病变的病变类型构成

1.2 仪器与方法 采用GE Discovery MR750 3.0T MR仪，8通道乳腺专用相控线圈。患者取俯卧位，双侧乳腺自然悬垂于线圈孔内，胸壁紧贴线圈，足头位进入主磁场。扫描参数：MR平扫采用轴位快速梯度回波T1WI：TR 640 ms，TE 最小值，FOV 32 cm×32 cm，矩阵 512×512，层厚 4 mm，层间距 1 mm，激励次数（NEX）1；轴位脂肪抑制快速自旋回波T2WI：TR 2587 ms，TE 85 ms，FOV 32 cm×32 cm，矩阵 512×512，层厚4 mm，层间距 1 mm，NEX 2；单b值DWI采用轴位单次激发自旋平面回波序列，b=0、800 s/mm2，TR 5600 ms，TE 最小值，FOV 32 cm×32 cm，重建矩阵256×256，层厚 4 mm，层间距 1 mm，NEX 6；多b值DWI采用轴位单次激发自旋平面回波序列，b=0、20、50、100、200、400、600、800、1000、1200、1500、2000 s/mm2，NEX=1、1、1、2、2、2、4、4、6、6、8、10，其余参数同单b值DWI。MR增强扫描采用轴位Vibrant压脂序列，TR 3.9 ms，TE 1.7 ms，FOV 36 cm×36 cm，矩阵 512×512，层厚 1.4 mm，层间距 0。对比剂选用钆喷替酸葡甲胺，剂量 0.2 mmol/kg，用高压注射器经肘静脉以2.0 ml/s团注，注射后追加10～20 ml生理盐水冲管。

1.3 图像后处理 在GE Advantage Windows 4.5工作站，应用Functool工具包对单指数DWI图像和双指数DWI图像进行后处理。图像分别导入工具包中的ADC和MADC软件，结合DWI原始图像在增强图像上手工放置感兴趣区（ROI）和对侧腺体的对照区。ROI的选取原则为，将ROI放置于病灶最大平面上，选取增强最明显处，尽量避开病变坏死或囊变区。软件通过进行单指数和双指数模型计算分别生成ADC、Slow ADC、fast ADC及ffast伪彩图，并得到ROI相应参数的数值，所有数据均测量3次取平均值。

1.4 统计学方法 采用SPSS 17.0软件，良性组、恶性组与对照组间ADC值、Slow ADC值、Fast ADC值及ffast值比较采用单因素方差分析，两两比较采用LSD法；并绘制单、双指数模型ADC值、Slow ADC值、Fast ADC值及ffast值的ROC曲线，P＜0.05表示差异有统计学意义。

2 结果

2.1 组间各参数值比较 恶性组（图1）乳腺病变最大径为（14.65±6.62）mm，良性组（图2）最大径为（13.35±6.79）mm。良性组与恶性组、良性组与对照组、恶性组与对照组间ADC值和Slow ADC值差异均有统计学意义（t=4.40～13.41, P＜0.05）；良性组与恶性组、恶性组与对照组间ffast值差异有统计学意义（t=3.22、6.39, P＜0.05）。见表2。

2.2 诊断效能评估 绘制ADC、Slow ADC、FastADC及ffast的ROC曲线（图3），其曲线下面积（AUC）分别为0.82、0.89、0.63、0.75。根据Youden指数，找出各个参数的最佳诊断切点值，ADC、Slow ADC、Fast ADC及ffast鉴别诊断乳腺良恶性病变的最佳阈值分别为1.14×10-3mm2/s、0.84×10-3mm2/s、2.22×10-3mm2/s及0.30；以此阈值判断各参数鉴别诊断乳腺良恶性病变的敏感度和特异度见表3。

图1 女，51岁，左乳浸润性导管癌（II级）。左侧乳腺9～12点钟方向见一类圆形肿块，平扫T1WI呈稍低信号，压脂T2WI呈高信号；结合DWI原始图像（A）在增强图像（B）上手工放置感兴趣区和对侧腺体的对照区，并在生成的ADC（C）、Slow ADC（D）、Fast ADC（E）及ffast（F）伪彩图上记录相应的参数值，感兴趣区4个参数值分别为0.94×10-3、0.32×10-3、2.39×10-3mm2/s及0.19；对照区分别为2.11×10-3、1.96×10-3、2.44×10-3mm2/s及0.63

图2 女，37岁，右乳纤维腺瘤。右侧乳腺约10点钟方向可见一类圆形肿块，平扫T1WI呈低信号，压脂T2WI呈高信号；结合DWI原始图像（A）在增强图像（B）上手工放置感兴趣区和对侧腺体的对照区，并在生成的ADC（C）、Slow ADC（D）、Fast ADC（E）及ffast（F）伪彩图上记录相应的参数值，感兴趣区4个参数值分别为1.44×10-3、1.17×10-3、2.29×110-3mm2/s及0.38；对照区分别为1.97×10-3、2.03×10-3、2.39×10-3mm2/s及0.56

表2 良性组、恶性组与对照组各参数结果

图3 单、双指数模型各参数的ROC曲线

表3 ADC、Slow ADC、Fast ADC及ffast的AUC、敏感度和特异度

3 讨论

传统的DWI技术基于单指数模型计算ADC值，以反映活体组织中水分子的扩散，可以在一定程度上在分子水平评价疾病的病理生理过程。然而，该模型却忽略了组织中血液微循环灌注对ADC值的影响。Le Bihan等[6]研究发现，通过MR信号与单指数模型计算出的ADC值不能真实地反映组织扩散的生物学特征。双指数模型DWI用更精确的方法通过其定量参数评价组织的扩散系数和组织微血管灌注，将扩散与灌注分离。双指数模型DWI可以计算出3个相关参数：Slow ADC反映水分子真实的扩散效应，Fast ADC和ffast均与组织的微灌注相关。国外已有学者应用双指数模型评价肝纤维化、慢性脑缺血等[4,6]，国内也有学者应用此模型评价颈内动脉狭窄[7]、慢性肾脏病[8]、儿童脑肿瘤分级[9]或鉴别诊断椎体良恶性病变[10]等。本研究在国内首次将IVIM DWI技术应用于乳腺，评价其在乳腺病变良恶性鉴别诊断中的价值，并与传统的单指数模型ADC值进行对比研究，显示出较高的诊断效能。3.1 单指数模型DWI DWI通过检测水分子扩散能力来评估组织的性质。水分子在活体组织内的扩散与细胞密度、细胞膜通透性、细胞内外成分等因素有关。在病理情况下，上述因素发生改变导致水分子扩散发生变化，从而使DWI图像上的信号发生改变。目前主要应用由两点法得到的ADC值来鉴别诊断乳腺良恶性病变，乳腺恶性病变的ADC值小于良性病变[2,3,11,12]。虽然高b值时ADC值的诊断效能更高，但是随着b值的增加，组织的信噪比及病灶的对比噪声比逐渐降低，所以不宜选择过大的b值，因此，本研究中单指数DWI选用b值为0、800 s/mm2。乳腺恶性肿瘤细胞增殖快，细胞外空间较乳腺腺瘤小，腺瘤细胞外水含量高[13,14]，这可能是良恶性病变ADC值差异的机制。

3.2 双指数模型DWI 与单指数模型不同，双指数模型通过分离水分子扩散和血液灌注，准确测量水分子扩散系数，区分良恶性病变的血液灌注。根据双指数模型计算Slow ADC值代表组织中水分子真正的扩散效应，又称纯扩散系数。本研究中，恶性组Slow ADC值明显低于良性组，说明恶性病灶扩散受限较良性病灶更明显，这可能与乳腺癌组织内癌细胞异常增殖，局部细胞密度增高，癌细胞细胞核增大，细胞质减小，核质比降低有关。ROC曲线显示鉴别恶性组与良性组的最佳Slow ADC值是0.84×10-3mm2/s，由于双指数模型DWI在计算Slow ADC值时剔除了灌注的影响，所以该阈值低于本研究中ADC值的阈值1.14×10-3mm2/s。虽然Slow ADC值在恶性组和良性组鉴别中具有一定的价值，但组间Slow ADC值存在一定程度的重叠，其真正的鉴别诊断效能尚需增加病例进一步研究。

根据IVIM理论，Fast ADC很大程度上取决于肿瘤组织的毛细血管密度，与组织微血管灌注的丰富程度有关。本研究中恶性组和良性组间Fast ADC值无显著差别，这可能与本研究中乳腺纤维腺瘤占良性组的绝大多数有关。雷振等[15]研究证明，乳腺纤维腺瘤是一种供血较充足的良性肿瘤，灌注血流较丰富。ffast值为灌注分数，理论上应随着组织微循环灌注的增加而增大。本研究中，对照组的ffast值为0.58±0.17，与Sigmund等[16]研究的灌注分数小到可以忽略并不一致。原因可能与所使用软件的不同或线性拟合方法的不同有关；另外也可能与Sigmund等[16]的研究中双指数DWI仅使用一个扩散敏感梯度方向，限制了扩散各向异性的灵敏度有关，其根本原因还需进一步研究。

3.3 单、双指数模型DWI在乳腺良恶性病变鉴别诊断中的价值比较 ROC曲线和AUC作为一种比较不同诊断参数对疾病识别能力的指标已得到普遍认可，越靠近ROC曲线左上角的点是错误最少的最好阈值，其假阳性和假阴性的总数最少，并且AUC越接近1，诊断效能越大。本研究中，利用ROC曲线对单指数模型参数ADC值，双指数模型参数Slow ADC、Fast ADC及ffast值诊断效能的对比评估发现，Slow ADC鉴别乳腺良恶性病变的敏感度和特异度较高，并且AUC最大，即诊断效能最大，原因可能是：①细胞内部成分众多，恶性肿瘤细胞的变化主要表现在细胞内成分上，导致细胞内水分子运动相对细胞外受限；②微血管血流灌注会对细胞外水分子扩散起弥补作用，而对细胞内水分子扩散作用甚微。所以反映细胞外扩散的Slow ADC在良恶性病变上差异最大，重叠性最小。其根本原因有待进一步探讨。另外本研究存在一定的偏倚，如良性组内病变类型不均衡、样本量较小和手工放置感兴趣区具有主观性等。

总之，单指数模型的参数ADC值和双指数模型的参数Slow ADC和ffast均可以对乳腺良恶性肿块作出鉴别诊断，但双指数模型的参数Slow ADC鉴别乳腺良恶性肿块的敏感度和特异度较高，并且诊断效能最大。双指数模型参数Slow ADC可能会在乳腺肿块良恶性鉴别、乳腺癌新辅助化疗评价等方面发挥重要的作用。

[1] Lynch BM, Neilson HK, Friedenreich CM. Physical activity and breast cancer prevention. RecentResultsCancer Res, 2011, 186(1): 13-42.

[2] 刘伟, 叶春涛, 林光武, 等. 3.0T MR扩散加权成像对乳腺良恶性病变的鉴别诊断价值. 中国医学影像学杂志, 2013, 21(1): 20-23.

[3] 张静, 程流泉, 安宁豫, 等. 表观扩散系数在乳腺病变诊断中的应用价值. 中国医学影像学杂志, 2010, 18(6): 485-491.

[4] Luciani A, Vignaud A, Cavet M, et al. Liver cirrhosis: intravoxel incoherent motion MR imaging--pilot study. Radiology, 2008, 249(3): 891-899.

[5] Patel J, Sigmund EE, Rusinek H, et al. Diagnosis of cirrhosis with intravoxel incoherent motion diffusion MRI and dynamic contrast-enhanced MRI alone and in combination: preliminary experience. J Magn Reson Imaging, 2010, 31(3): 589-600.

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

[7] 彭雯佳, 陆建平, 王敏杰, 等. 双指数表观弥散系数对颈内动脉狭窄者大脑的评价. 实用放射学杂志, 2013, 29(4): 512-516.

[8] 李琼, 张泉, 孙浩然, 等. 应用扩散加权成像双指数模型评价慢性肾脏病的初步研究. 临床放射学杂志, 2012, 31(7): 970-974.

[9] 李玉华, 陆建平, 段秀杰, 等. 多b值DWI在儿童脑肿瘤中的初步研究. 放射学实践, 2012, 27(2): 159-163.

[10] 韩瑞, 夏黎明, 孙子燕, 等. 双指数表观扩散系数鉴别诊断椎体良、恶性病变. 中国医学影像技术, 2012, 28(3): 566-569.

[11] Inoue K, Kozawa E, Mizukoshi W, et al. Usefulness of diffusion-weighted imaging of breast tumors: quantitative and visual assessment. Jpn J Radiol, 2011, 29(6): 429-436.

[12] Sonmez G, Cuce F, Mutlu H, et al. Value of diffusion-weighted MRI in the differentiation of benign and malign breast lesions. Wien Klin Wochenschr, 2011, 123(21-22): 655-661.

[13] Dadiani M, Seger D, Kreizman T, et al. Estrogen regulation of vascular endothelial growth factor in breast cancer in vitro and in vivo: the role of estrogen receptor alpha and c-Myc. Endocr Relat Cancer, 2009, 16(3): 819-834.

[14] Pais A, Gunanathan C, Margalit R, et al. In vivo magnetic resonance imaging of the estrogen receptor in an orthotopic model of human breast cancer. Cancer Res, 2011, 71(24): 7387-7397.

[15] 雷振, 邓立勇, 席焕久. MSCT灌注成像在乳腺肿瘤诊断中的临床应用. 临床放射学杂志, 2008, 27(4): 462-465.

[16] Sigmund EE, Cho GY, Kim S, et al. Intravoxel incoherent motion imaging of tumor microenvironment in locally advanced breast cancer. Magn Reson Med, 2011, 65(5): 1437-1447.

（责任编辑 唐 洁）

Diffusion Weighted Imaging Based on Monoexponential and Biexponential Models: A Comparative Study in Differential Diagnosis of Benign and Malignant Breast Lesions

PurposeTo compare the value of monoexponential apparent diffusion coefficient (ADC) with single b-factor range and biexponential ADC with extender b-factor range in differential diagnosis of benign and malignant breast lesions.Materials and MethodsThe data of 48 patients with breast tumors (57 lesions) who underwent DWI with single b-factor range (b=0, 800 s/mm2) and DWI with extended b-factor range (b=0, 20, 50, 100, 200, 400, 600, 800, 1000, 1200, 1500, 2000 s/mm2) were analyzed (benign group: 21 patients with 23 lesions; malignant group: 27 patients with 34 lesions; control group: the same population with 43 contralateral normal healthy glandular tissues). The value of ADC, Slow ADC, Fast ADC and fraction of Fast ADC (ffast) of lesions were compared, and the performance of the monoexponential model parameter and biexponential model parameters in identifying malignant lesions was also compared.ResultsThere were signifcant differences between benign and malignant group, benign and control group, malignant and control group in value of ADC and Slow ADC (t=4.40-13.41, P＜0.05); signifcant differences also occurred between benign and malignant group, malignant and control group in ffastvalue (t=3.22 and 6.39, P＜0.05). The areas under the ROC curve of ADC, Slow ADC, Fast ADC and ffastwere 0.82, 0.89, 0.63 and 0.75, respectively. The sensitivity of ADC, Slow ADC, Fast ADC and ffastwas 82.35%, 94.12%, 41.18%, 85.29%, respectively; and the specifcity of ADC, Slow ADC, Fast ADC and ffastwas 82.61%, 86.96%, 78.26%, 73.91%, respectively, in differential diagnosis of benign and malignant lesions of breast if the maximum Youden's index was taken as a cut-off.ConclusionADC value in monoexponential model and value of Slow ADC as well as ffastin biexponential model can be all used in differential diagnosis of benign and malignant breast lesions, among which Slow ADC value is with the best diagnostic effcacy.

Breast neoplasms; Magnetic resonance imaging; Diffusion weighted imaging; Apparent diffusion coeffcient; Diagnosis, differential

郑州大学第一附属医院磁共振科 河南郑州 450052

张 焱

Department of MRI, the First Affliated Hospital of Zhengzhou University, Zhengzhou 450052, China

Address Correspondence to: ZHANG Yan E-mail: L200812@163.com

R445.2；R737.9

2013-07-18

修回日期：2013-12-15

中国医学影像学杂志

2014年 第22卷 第1期：30-33，35

Chinese Journal of Medical Imaging

2014 Volume 22(1): 30-33, 35

10.3969/j.issn.1005-5185.2014.01.009