MRI动态增强图像纹理分析在鉴别诊断乳腺良恶性肿瘤的应用价值

俞 骥，刘连城

（泰州市中医院 江苏 泰州 225300）

乳腺癌常被称为“粉红杀手”，其发病率位居女性恶性肿瘤的首位，在我国乳腺癌发病率呈逐年上升趋势[1]。乳腺钼靶、超声及磁共振成像为乳腺疾病常用的检查方法，其中磁共振成像安全、无辐射，对于发现乳腺微小病灶、多中心、多病灶及评价病变范围有着明显的优势。由于乳腺良恶性肿瘤存在异质性，而纹理分析以定量评估肿瘤异质性手段而著称，故本研究着重探讨MRI动态增强图像纹理分析在鉴别诊断乳腺良恶性肿瘤的价值。

1 资料与方法

1.1 临床资料

回顾性分析江苏省泰州市中医院2016年9月至2019年9月间行MR检查的70例乳腺疾病患者，年龄36～77岁，平均约(48.3±9.4)岁，经手术病理证实良性肿瘤35例，其中纤维腺瘤23例、导管内乳头状瘤11例、积乳囊肿1例；恶性肿瘤35例，其中浸润性导管癌32例，导管内癌3例。

1.2 仪器与方法

所有检查均采用德国SIEMENS Magntom Skyra 3.0T磁共振机器，使用8通道乳腺相控阵线圈采集。患者取俯卧位，双乳自然悬垂于乳腺线圈内；扫描序列包括：①T1WI横轴位；②T2WI横轴位；③T2WI-FS（脂肪抑制）横轴位；④DWI弥散横轴位；⑤TI脂肪抑制动态增强扫描，扫描参数：TR 3.99ms，TE 1.52ms，FOV 340×340mm，每期扫描时间60s，层厚为0.9mm，扫描层数160层；第1期为蒙片，后经高压注射器以2.0ml/s流率、0.1mmol/kg剂量注射对比剂钆喷酸葡胺15ml，随即以同样流率注射生理盐水20mL，再连续扫描6期。

1.3 图像处理与分析

从PACS工作站导出bmp格式图像，尽量选出增强扫描图像中病灶最大层面的图像，导入MaZda软件，手动勾画感兴趣区（region of interest，ROI），ROI与病灶边缘保持一致，得出直方图参数和灰度游程矩阵参数（GLRLM），共29个。

1.4 统计学分析

采用SPSS25.0统计软件进行分析，计量资料以均数±标准差（x-±s）表示，采用独立样本t检验，以P＜0.05为差异有统计学意义，提取最优的纹理特征参数，采用受试者工作特征曲线（receiver operating characteristic curve，ROC）分析差异有统计学意义的纹理参数鉴别良恶性肿瘤的最佳阈值及其对应的敏感度、特异度和曲线下面积（area under curve，AUC）。运用多变量logistic回归分析对差异有统计学意义的纹理参数进行建模，评估模型效能。

2 结果

分析得出9个最优纹理特征参数（直方图参数5个，灰度游程矩阵参数4个），可以发现良性组纹理参数中的mean、Pere.10%、Pere.50%、Pere.90%、Pere.99% 和游程长不均匀度（RLNU）（包括水平、垂直、45dgr、135dgr4个方向）低于恶性组（P均＜0.001）；ROC曲线分析显示Pere.99%以239.50为阈值时诊断效能最佳（图1），AUC、灵敏度与特异度分别为0.864、77.14%和85.72%；通过对5个直方图参数和4个灰度游程矩阵参数分别建立的多参数logistic回归诊断模型对应的AUC、灵敏度、特 异 度 为 0.931、77.14%、94.29%和 0.887、71.42%、91.43%，两者对比得出直方图特征参数的logistic回归诊断模型效能更佳（图2）。

3 讨论

乳腺良恶性肿瘤的影像鉴别诊断对临床诊疗具有非常重要的意义。有研究显示[2]MR增强扫描能有效对乳腺良恶性疾病进行鉴别诊断，明显提高患者的检出率，但是在临床诊疗中仍有部分乳腺良恶性肿瘤的影像表现存在重叠，而图像纹理分析技术通过一定的图像处理技术提取出纹理特征参数，能够提供肉眼无法察觉的客观信息。既往有学者[3]通过X线纹理分析诊断乳腺叶状肿瘤与纤维腺瘤，也有学者[4]通过DWI图像纹理分析鉴别诊断BI-RADS中评级为4级的乳腺病变的良恶性，因此MR动脉增强扫描与纹理分析相结合应该可以更好的鉴别诊断乳腺良恶性肿瘤，提高乳腺良恶性肿瘤的准确度，既往研究[5-7]也应证了这个观点。

本研究显示9个纹理参数在两组间的差异具有统计学意义，其中5个为直方图参数，包括均值及第10、50、90、99百分位数，4个为灰度游程矩阵参数，包括RLNU中的水平、垂直、45dgr、135dgr4个方向，提示这些纹理特征在乳腺良恶性肿瘤的诊断中具有应用价值；直方图参数和灰度游程矩阵参数在良恶性肿瘤的诊断及鉴别诊断中已有相关的研究[8-9]。直方图参数中恶性组的mean值高于良性组，说明在MR增强扫描图像上恶性组图像的亮度高于良性组，在病理上，恶性肿瘤细胞具有明显的异型性，肿瘤细胞或瘤周间质内巨噬细胞等产生血管生成因子，使瘤细胞迅速生长，进一步侵犯周围组织，MR增强扫描图像上表现更亮，这也解释了相对于良性组，mean值在恶性组中更高；其次直方图参数中恶性组的百分位数值Pere.10%、Pere.50%、Pere.90%、Pere.99%均高于良性组，说明恶性肿瘤内部的纹理变化较良性肿瘤明显。百分位数值与肿瘤异质性相关，肿瘤异质性越大，百分位数数值越大，恶性肿瘤较良性肿瘤的异质性更大，所以恶性组的百分位数值明显高于良性组，Deng等[8-9]的研究也认为直方图参数可以有效的区分乳腺良恶性病变。灰度游程矩阵参数中RLNU（包括水平、垂直、45dgr、135dgr4个方向）恶性组数值均高于良性组，说明在MR增强扫描图像上恶性组比良性组更加不均匀、粗糙，这也可以通过恶性肿瘤明显的异型性来解释。

本研究通过ROC曲线分析各纹理参数的诊断效能，其中直方图参数中的Pere.99%值具有最高的诊断效能，AUC、灵敏度与特异度分别为0.864、77.14%和85.72%；通过多变量logistic回归分析对差异有统计学意义的直方图参数及灰度游程矩阵参数建立模型使诊断效能进一步提高，AUC分别达到0.931及0.887，提示直方图特征参数的logistic回归诊断模型效能更佳。

综上所述，MRI动态增强图像纹理分析鉴别诊断乳腺良恶性肿瘤具有良好的价值。