体素内不相干运动联合扩散峰度成像模型对乳腺良恶性病灶的鉴别诊断价值

2017-01-06 10:54:30李嫣艾涛胡益祺严序夏黎明
放射学实践 2016年12期
关键词:峰度体素扩散系数

李嫣, 艾涛, 胡益祺, 严序, 夏黎明

·乳腺影像学·

体素内不相干运动联合扩散峰度成像模型对乳腺良恶性病灶的鉴别诊断价值

李嫣, 艾涛, 胡益祺, 严序, 夏黎明

目的:探讨体素内不相干运动(IVIM)技术联合扩散峰度成像(DKI)对乳腺良恶性病变的鉴别诊断价值。方法:137例女性患者(共153个病灶)行双侧乳腺多b值DWI检查(b=0~2000 s/mm2);分别使用IVIM、DKI模型获得病灶的真性扩散系数(D)、灌注相关扩散系数(D*)、灌注分数(f)以及平均扩散峰度系数(MK)、平均扩散系数(MD)和ADC值。分析这些参数在乳腺良恶性病变中的变化规律,采用受试者工作特性曲线(ROC)评估各参数的诊断效能。结果:良恶性病灶的D、f、MK、ADC和MD值的中位数差异有统计学意义(P值分别为0.000、0.020、0.000、0.000和0.000),良恶性病灶D*值的差异无统计学意义(P=0.480)。D值与和MK、ADC和MD值在鉴别乳腺良恶性病变中的可靠性相当,两两比较差异无统计学意义(P值均大于0.1)。当MK值及 D、ADC和MD值的阈值分别取0.8073及0.9536×10-3、1.1436×10-3和1.5657×10-3mm2/s时,鉴别良恶性病灶的敏感度和特异度依次分别为(95.7%,84.2%)及(95.7%,81.6%)、(96.5%,84.2%)和(93.9%, 84.2%)。ROC曲线分析得出D值的诊断效能最大(AUC=0.91)。联合D值和MK值的AUC达0.92。结论:采用IVIM和DKI模型获得的相关参数有助于乳腺良恶性病灶的鉴别,以IVIM模型中的真性扩散系数的诊断敏感性和特异性较高,联合真性扩散系数和扩散峰度系数的诊断效能最高。

磁共振成像; 扩散加权成像; 体素内不相干运动; 扩散峰度成像; 乳腺肿瘤; 鉴别诊断

扩散加权成像能够通过观察不同b值条件下病灶信号强度衰减的情况以及测量扩散系数值来辅助鉴别良恶性病灶。而且,针对特定的成像方案还出现了多种数学模型从不同方面揭示微观结构的扩散信息,进一步提升DWI技术在临床诊断中的应用价值。其中,基于微循环灌注效应的体素内不相干运动(intra-voxel incoherent motion,IVIM)和描绘组织内非正态分布水分子扩散的扩散峰度成像(diffusion kurtosis imaging,DKI)模型成为目前乳腺DWI研究的热点。IVIM模型既能无创地反映肿瘤组织的血管生成情况,又能有效去除灌注因素的影响,能真实反映组织内水分子扩散的情况,进而可较准确地评估肿瘤的良恶性。Baron等[1]认为灌注效应对于正常乳腺组织扩散加权成像信号的影响可忽略,但对于乳腺癌病灶信号特点的影响则比较明显。DKI模型通过对病变平均扩散率(mean diffusivity,MD)和平均扩散峰度值(mean diffusion kurtosis,MK)的定量测量,更真实反映乳腺肿瘤微环境的扩散特征,显著提高乳腺病变诊断和鉴别诊断的准确性。目前,关于乳腺良恶性病灶鉴别的DKI和IVIM研究均有所报道,但联合IVIM和DKI模型的分析国内尚未见报道。本研究拟通过较大样本的回顾性分析,系统评估IVIM/DKI联合模型各参数在乳腺良恶性病变中的鉴别诊断价值。

材料与方法

1.一般资料

对2014年11月-2015年10月在本院行乳腺MRI检查的患者的病例资料进行回顾性分析。纳入标准:乳腺良恶性病灶经手术病理证实,术前行多b值DWI检查;DWI图像上病灶呈肿块样,且最小径线≥5 mm;无术前活检、术前放化疗的病史。剔除其高b值DWI图像质量较差的患者后,共有137例患者(153个病灶)纳入本研究,其中良性病灶38个,恶性病灶115个;良性病灶包括纤维腺瘤30个,良性叶状肿瘤3个,乳腺炎5个;恶性病灶包括浸润性导管癌104个,导管原位癌7个,恶性叶状肿瘤1个,神经内分泌癌2个,混合性黏液癌1个。

2.检查方法

使用Siemens Skyra 3.0T超导磁共振成像仪及16通道双侧乳腺专用相控阵线圈。患者取俯卧位,双侧乳腺自然悬垂于乳腺线圈内。多b值DWI扫描参数:TR 6800 ms,TE 98 ms,矩阵188×188,视野32 cm×32 cm,层厚5 mm,读出带宽1478 Hz。b值分别为0、50、100、150、200、300、500、800、1000和2000 s/mm2,激励次数1~4,扫描时间5 min 26 s。

3.数据后处理

所有图像均传到后处理工作站,由2位放射科医师在对病理结果不知情的情况下共同阅片和分析数据。通过第三方软件(DKI_tool_0_2_2,Siemens)自动生成IVIM/DKI模型相关参数图。选取病灶的最大层面,在信号强度最高的DWI(DWImax)图上手动勾画感兴趣区(region of interest,ROI),避开明显的出血、坏死及囊变区,软件即自动生成各参数值,包括IVIM模型的真性扩散系数(D)、灌注相关扩散系数(D*)和灌注分数(f),以及DKI模型的MK、MD和ADC。DKI tool软件计算可获得各参数在勾画的ROI中所有位点的均数、中位值、10%~90%百分位数值,本研究经过初期测试,发现DKI tool软件给出的每个ROI内每个位点的数值(包括均数、中位数、最大值和最小值等)中,以中位数的鉴别效果最佳,因此每个ROI内的数据统一选取中位数进行统计。所有ROI的数据采用均数±标准差的形式进行分析。

4.数据分析

采用SPSS V19.0软件对IVIM/DKI模型获得的各项参数进行统计学分析。经K-S拟合优度检验,良恶性病变的2组样本数据均为正态分布,故采用独立样本的Student'st检验分析各参数值在良恶性病变之间的差异是否存在统计学意义。使用logistic回归分析评估IVIM/DKI模型获得的各项参数对鉴别乳腺良恶性病灶的价值。利用受试者工作特征曲线(receiver operating characteristic curve,ROC)评估各参数的临界值及其诊断效能。采用Pearson相关分析研究IVIM与DKI模型各参数之间的相关性。P<0.05为差异有统计学意义。

结 果

1.良恶性病灶的IVIM模型参数特征

本研究中乳腺良恶性病灶的IVIM模型相关参数的测量结果见表1、图1~2。独立样本t检验结果显示,恶性病变的D值低于良性病变,差异有高度统计学意义(P<0.001);恶性病变的f值高于良性病变,差异有统计学意义(P<0.05);乳腺良恶性病变D*值的差异无统计学意义(P>0.05)。

IVIM模型各项参数鉴别良恶性病灶的ROC见图3。D值的曲线下面积(area under curve,AUC)为0.91(95%可信区间0.88~0.99),D*值的AUC为0.55(95%可信区间0.47~0.63),f值的AUC为0.64(95%可信区间0.53~0.75)。D值的诊断效能较高,可作为鉴别乳腺良恶性病变的独立指标;以0.9536×10-3mm2/s作为诊断阈值,其敏感度为95.7%,特异度为84.2%。

表1 良恶性病灶IVIM模型参数的测量结果

2.良恶性病灶的DKI模型参数特征

本研究中乳腺良恶性病灶的DKI模型相关参数的测量结果见表2、图1~2。

图1 女,24岁,纤维腺瘤(白箭)。a) b=0 s/mm2的DWI图,右乳约9点钟方向可见一类圆形肿块,边界清晰,边缘光整,呈均匀高信号(箭);b)b=2000 s/mm2的DWI图,肿块在高b值DWI上呈稍欠均匀等信号; c) IVIM模型D图,病灶的D值为1.30×10-3mm2/s; d) IVIM模型D*图,病灶D*值为9.41×10-3mm2/s; e) IVIM模型f图,病灶的f值为11.0%; f) DKI模型MD图,病灶的MD值为1.77×10-3mm2/s; g) DKI模型MK图,病灶的MK值为0.60。

图2 女,52岁,浸润性导管癌(箭头)。a) b=0 s/mm2的DWI图,右乳约3点钟方向可见一椭圆形肿块,边界欠清晰,边缘不光整,呈均匀稍高信号(箭);b)b=2000 s/mm2的DWI图,肿块在高b值图像上呈稍高信号,内部信号不均匀(箭); c) IVIM模型D图,病灶的D值为0.69×10-3mm2/s; d) IVIM模型D*图,病灶的D*值为8.75×10-3mm2/s; e) IVIM模型f图,示病灶的f值为13.0%; f) DKI模型MD图,示病灶的MD值为1.12×10-3mm2/s; g) DKI模型MK图,示病灶的MK值为1.05。

表2 良恶性病灶DKI模型参数的测量结果

独立样本t检验结果显示,恶性病变的ADC值和MD值低于良性病变,差异有统计学意义(P<0.001);恶性病变的MK值高于良性病变,差异有统计学意义(P<0.001)。

DKI模型各参数鉴别良恶性病灶的ROC见图3。ADC值的AUC为0.91(95%可信区间0.85~0.95),以1.1436×10-3mm2/s为诊断阈值,其敏感度为96.5%,特异度为84.2%;MD值的AUC为0.89(95%可信区间0.83~0.94),以1.5657×10-3mm2/s为诊断阈值,其敏感度为93.9%,特异度为84.2%;MK值的AUC为0.90(95%可信区间0.85~0.95),以0.8073为诊断阈值,其敏感度为95.7%,特异度为81.6%。DKI模型三个参数均具有较好的鉴别诊断效能。

3.IVIM/DKI模型联合分析

IVIM模型的D值及DKI模型的MK、MD和ADC值在鉴别乳腺良恶性病变方面的可靠性相当,两两比较差异均无统计学意义(P>0.05)。多因素Logistic分析结果显示(表3),联合D值和MK值的诊断效能最高(AUC=0.920,95%可信区间0.87~0.96)。

Pearson相关性分析结果显示,IVIM模型的D值与DKI模型的ADC、MD值之间的相关系数r值分别为0.993和0.940,实际显著性水平均为0.000,说明上述参数之间存在显著线性正相关关系。

表3 联合IVIM和DKI参数诊断效能的多因素Logistic分析

讨 论

生物组织中水分子扩散并不遵循正态分布,传统DWI模型所得到的ADC值实际上受到组织内水分子扩散和微循环灌注两类因素的影响,其在乳腺良恶性病变中数据存在一定重叠。Le Bihan等[2]首先提出了基于体素内不相干运动(IVIM)模型的DWI。该模型运用双指数模型将组织中扩散和灌注两类成分分开来进行研究,从而能更好地反映病灶内部的情况。扩散峰度成像则基于生物组织内水分子扩散是非正态分布的,体素内组织成分越复杂,水分子扩散受限程度越大,非正态扩散的程度就越显著。DKI以扩散峰度系数(K)来反映偏离正态分布的程度,进而反映结构受限及组织成分的复杂程度[3]。

本研究采用IVIM/DKI模型对乳腺良恶性病变进行对照分析,结果显示恶性病变的MK值明显高于良性病变,这与恶性病变内组织成分的复杂程度高、细胞密集等特点有关,这一结果与Iima等[4]和Wu等[5]的研究结果基本一致;恶性病灶的D、ADC和MD值显著低于良性病灶,这一结果与许多学者的研究结果基本一致[6-8],分析原因为恶性肿瘤细胞密度大、间隙小,限制了水分子的自由扩散。IVIM模型的D值与DKI模型的ADC和MD值之间有着高度的线性正相关关系,猜测ADC可能代表单纯扩散系数,MD可能代表平均扩散系数,这需要进一步佐证。

本研究中恶性病灶的f值高于良性病灶,表明恶性肿瘤的微循环灌注特点为血容量高、血管化程度更高,但本研究中得到的f值(13.43%±4.03%)较其它研究中测得的f值高[8-9]。Lemke等[10]的研究结果显示数据采集过程中短TE值可能会产生较低的f值,本研究选取的TE较长,另外b值的选取、模型参数的数学计算方法等都会影响f值。本研究中ROI的选取主要是在b值最高的DWI图上勾画,这与其它研究中有所不同。此外,在勾画ROI时均排除了肿块的边缘,这样做可以减少部分容积效应和运动伪影的影响,并且在实际操作中减少了软件计算IVIM参数时的出错,但也可能导致所测量的f值降低,因为肿块周边的血管常较中心多。

本研究结果显示,两类病变D*值的差异无统计学意义,D*值在良恶性病变之间存在较大重叠。分析原因是D*值受到微循环灌注中毛细血管的数量和血流速度的影响。许多学者认为D*测量的可重复性较差[11],尽管本研究中样本量较大,但结果仍显示D*值在良恶性病灶之间差异无统计学意义,表明其诊断效能低,或需要进一步的研究分析原因。

本组数据经统计分析,诊断乳腺恶性病灶的阈值:D≤0.9536×10-3mm2/s,诊断敏感度为95.7%,特异度84.2%;MK>0.8073,诊断敏感度95.7%,特异度81.6%;ADC≤1.1436×10-3mm2/s,敏感度96.5%,特异度84.2%;MD≤1.5657×10-3mm2/s,诊断敏感度93.9%,特异度84.2%。恶性病灶较良性病灶的D值更低,f值和MK值更高,说明恶性肿瘤的水分子扩散受限、微循环灌注高以及内部结构复杂程度高,使其表现出与良性病灶不同的特点,上述指标具有较高的诊断敏感性和特异性。联合D值和MK值的诊断效能达到0.92,能有效鉴别乳腺良恶性病灶。另外,高MK值、低D值的区域反映肿瘤的恶性特点,可指导活检时选择取材部位。

综上所述,IVIM/DKI模型获得的参数有助于乳腺良恶性病变的鉴别,但IVIM模型的参数中f值和D*值的诊断效能不高,IVIM模型的D值和DKI模型的MK值的鉴别诊断效能(敏感性和特异性)较高,联合二者的诊断效能更高。预期可使用IVIM/DKI模型进行深入研究,如分析各参数与乳腺癌的免疫组化指标之间的相关性以及预测患者的预后等。

[1] Baron P,Dorrius MD,Kappert P,et al.Diffusion-weighted imaging of normal fibroglandular breast tissue:influence of microperfusion and fat suppression technique on the apparent diffusion coefficient[J].NMR Biomed,2010,23(4):399-405.

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

[3] Nogueira L,Brandao S,Matos E,et al.Application of the diffusion kurtosis model for the study of breast lesions[J].Eur Radiol,2014,24(6):1197-1203.

[4] Iima M,Yano K,Kataoka M,et al.Quantitative non-Gaussian diffusion and intravoxel incoherent motion magnetic resonance imaging:differentiation of malignant and benign breast lesions[J].Invest radiol,2015,50(4):205-211.

[5] Wu LG,Zhang J,Chang S,et al.Characterization of breast tumors using diffusion kurtosis imaging(DKI)[J/OL].PloS one,2014,9(11):e113240.DOI:10.1371/journal.pone.0113240.ecollection.2014.

[6] 车树楠,崔晓琳,李静,等.MR扩散加权成像体素内不相干运动模型对于乳腺良恶性病变诊断价值的研究[J].磁共振成像,2015,7(6):506-512.

[7] 王庆军,李小娟,张静,等.磁共振体素内不相干运动对于肿块样乳腺良恶性病变的诊断价值[J].中华临床医师,2014,19(8):3438-3443.

[8] Liu C,Liang C,Liu Z,et al.Intravoxel incoherent motion (IVIM) in evaluation of breast lesions: comparison with conventional DWI[J].Eur J Radiol,2013,82(12):782-789.

[9] Bokacheva L,Kaplan JB,Giri DD,et al.Intravoxel incoherent motion diffusion-weighted MRI at 3.0T differentiates malignant breast lesions from benign lesions and breast parenchyma[J].J Magn Reson Imaging,2014,40(4):813-823.

[10] Lemke A,Laun FB,Simon D,et al.An in vivo verification of the intravoxel incoherent motion effect in diffusion-weighted imaging of the abdomen[J].Magn reson Med,2010,64(6):1580-1585.

[11] Dyvorne HA,Galea N,Nevers T,et al.Diffusion-weighted imaging of the liver with multiple b values: effect of diffusion gra-dient polarity and breathing acquisition on image quality and intravoxel incoherent motion parameters——a pilot study[J].Radiology,2013,266(3):920-929.

The value of IVIM-DKI model in differentiating benign from malignant breast lesions

LI Yan,AI Tao,HU Yi-qi,et al.

Department of Radiology,Tongji Hospital,Huazhong University of Science and Technology,Wuhan 430030,China

Objective:To study the diagnostic value of IVIM-DKI model MRI in differentiating benign from malignant breast lesions.Methods:137 female patients (153 lesions in total) underwent multi-b value (b=0~2000s/mm2) DWI scanning.Tissue diffusivity (D),pseudo-diffusivity (D*),perfusion fraction (f) and mean diffusion kurtosis (MK),mean diffusivity (MD) and ADC were calculated using IVIM and DKI model.The difference of these parameters in benign and malignant breast lesions was analyzed statistically.The diagnostic performance of these parameters was evaluated by ROC analysis.Results:There were statistically significant differences between malignant and benign lesions in the diffusion parameters of median D,f,MK,ADC and MD value (P=0.000,0.020,0.000,0.000 and 0.000 respectively).There was no statistically significant difference in D*value (P=0.480).The reliability of D,MK,ADC and MD value for differential diagnosis of benign and malignant breast lesions was similar,there was no significant difference between any two of them (P>0.05).When the optimal threshold of MK,D,ADC and MD value was 0.8073,and 0.9536×10-3,1.1436×10-3and 1.5657×10-3mm2/s,the corresponding diagnostic sensitivity and specificity were 95.7%,84.2%;95.7%,81.6%;96.5%,84.2% and 93.9%,84.2%,respectively.ROC analysis showed that the AUC of D value was 0.91 which was the highest one.By combining D with MK value for diagnosis,AUC was increased to 0.92.Conclusion:The parameters obtained from IVIM-DKI model are helpful to differential diagnosis of benign from malignant breast lesions.The D value obtained from IVIM model may have relatively high sensitivity and specificity,D Combined with MK value can obtain the best diagnostic performance.

Diffusion-weighted Imaging; Diffusion kurtosis imaging; Intra-voxel incoherent motion; Breast neoplasm; Differential diagnosis

430030 武汉,华中科技大学同济医学院附属同济医院放射科(李嫣、艾涛、胡益祺、夏黎明);200000 上海,西门子医疗东北亚科研合作部(严序)

李嫣(1986-),女,湖北鄂州人,硕士,住院医师,主要从事乳腺及心胸影像诊断工作。

夏黎明,E-mail:cjr.xialiming@vip.163.com

R737.9;R445.2

A

1000-0313(2016)12-1191-05

10.13609/j.cnki.1000-0313.2016.12.019

2016-09-05

2016-10-12)

猜你喜欢
峰度体素扩散系数
基于多级细分的彩色模型表面体素化算法
扩散峰度成像技术检测急性期癫痫大鼠模型的成像改变
磁共振扩散峰度成像在肝脏病变中的研究进展
运用边界状态约束的表面体素加密细分算法
基于体素格尺度不变特征变换的快速点云配准方法
基于自动反相校正和峰度值比较的探地雷达回波信号去噪方法
雷达学报(2018年3期)2018-07-18 02:41:16
磁共振扩散峰度成像MK值、FA值在鉴别高级别胶质瘤与转移瘤的价值分析
基于Sauer-Freise 方法的Co- Mn 体系fcc 相互扩散系数的研究
上海金属(2015年5期)2015-11-29 01:13:59
FCC Ni-Cu 及Ni-Mn 合金互扩散系数测定
上海金属(2015年6期)2015-11-29 01:09:09
非时齐扩散模型中扩散系数的局部估计