乳腺X线直方图鉴别BI-RADS 4类肿块良恶性的价值

陈艳，韩义娜，郭亚飞，吕以东，赵鑫

（郑州大学第三附属医院 医学影像科，河南 郑州 450051）

因X 线检查对乳腺钙化的显示较超声、MRI有明显优势，所以乳腺X 线检查一直是乳腺癌筛查的重要手段，但由于腺体的重叠，乳腺X 线检查对肿块的显示具有局限性。目前国际上乳腺影像诊断主要参考美国的乳腺影像报告和数据系统（breast imaging reporting and data system，BI-RADS）［1］，其将乳腺肿块分为BI-RADS 2～6 类，其中被分为BI-RADS 4 类的乳腺肿块恶性可能性为3%～94%，良恶性重叠较多，均建议穿刺活检或手术切除，对临床指导意义有限［2］。且该报告系统对肿块的BI-RADS 分类具有一定主观性，对影像医师的专业水平要求较高。因此如何提高乳腺X 线对BI-RADS 4 类肿块良恶性的鉴别一直是临床难点。对影像图像的灰度分布情况进行直方图分析是一种新的计算机辅助诊断技术［3-5］，其价值已得到普遍证实［6］。本研究基于乳腺X 线图像对BI-RADS 4 类的肿块进行直方图分析，通过提取良、恶性肿块的像素值，提供与疾病诊断和鉴别诊断有关的参数信息，可为乳腺BI-RADS 4 类肿块良、恶性的鉴别提供更多的定量信息。

1 资料与方法

1.1 一般资料

回顾性分析郑州大学第三附属医院2017 年7月至2019 年11 月经手术病理证实的138 例乳腺肿块患者，其腺体实质由两名影像医师诊断为致密腺体。患者均为女性，年龄23～81 岁。良性患者74 例，平均年龄（39.15±8.63）岁；2 例双乳发病，72 例单乳发病，单乳多发5 例，单乳单发67 例，共计82 枚肿块；其中纤维腺瘤53 枚，腺病10 枚，腺病伴纤维腺瘤9 枚，炎症伴脓肿4 枚，腺病伴乳管内乳头状瘤4 枚，叶状肿瘤2 枚。恶性患者64 例，平均年龄（51.34±10.44）岁；3 例为双乳单发肿块，61 例为单乳单发肿块，共计67枚肿块；其中浸润性导管癌49 枚，导管内癌伴微浸润9 枚，导管内癌6 枚，髓样癌1 枚，乳头状癌2 枚。纳入标准：①经两名影像专业高年资主治医生诊断：乳腺X 线影像显示肿块征象，且依据BI-RADS［1］分类为4 类；②乳腺X 线图像符合后处理要求；③首次经病理证实为乳腺良性病变或乳腺癌。

1.2 仪器与方法

术前使用西门子全数字乳腺X 线摄影机对患者行常规头尾位（cranial-caudal，CC）、内外侧斜位（medial-lateraloblique，MLO）乳腺摄片。曝光模式均为AUTO-TIME 模式，根据患者腺体发育情况自动设定曝光条件，电压28 kV，电流60 mAs。

1.3 图像处理与分析

1.3.1 图像选择 由2 名影像专业高年资主治医师参照美国放射学会推荐的第5 版BI-RADS［1］，采用双盲法对乳腺X 线图像显示为肿块，且BI-RADS分类为4 类的每位患者的CC 位及MLO 位图像进行比较，选取病灶较清晰者行软件内感兴趣区（ROI）的勾画及直方图分析。

1.3.2 直方图分析 使用MaZda（4.6）软件，将所选病变图像打开，由同1 名医师沿病变边缘逐一手动圈出病变区域用红色填充，即手动勾画ROI，软件自动生成ROI 的灰度直方图，见图1、2。通过灰度直方图分析计算得到下列参数：平均值、方差、偏斜度、峰度、第1、10、50、90、99 百分位数等。

图1 BI-RADS 4 类乳腺良性肿块及ROI 勾画及运行出的直方图

图2 BI-RADS 4 类乳腺恶性肿块及ROI 勾画及运行出的直方图

1.4 统计学方法

采用SPSS 22.0 统计软件分别对各参数的两组数值进行统计学分析。计量资料以均数±标准差表示，比较采用两独立样本t检验。P＜0.05 为差异有统计学意义。绘制受试者工作特征（ROC）曲线，计算曲线下面积（AUC），预测乳腺BI-RADS 4 类肿块良恶性的最佳阈值。

2 结果

2.1 乳腺BI-RADS 4 类肿块良恶性的直方图参数比较

乳腺BI-RADS 4 类肿块共149 枚，其中良性肿块82 枚，恶性肿块67 枚，两种肿块直方图各参数值见表1。由灰度直方图分析得到的9 个参数中，平均值、方差、第1、10、50、90、99 百分位数这7 个参数差异有统计学意义（P＜0.05），其余2 个参数偏度、峰度差异无统计学意义（P＞0.05）。

2.2 直方图参数的ROC 曲线分析

ROC 曲线分别分析平均值、方差、偏斜度、峰度、第1、10、50、90、99 百分位数等参数的特征在两组肿块之间的鉴别诊断效能，差异有统计学意义的参数分别在对应的两组肿块之间的AUC，其中以第99 百分位数的AUC 最高为0.73，敏感度为80.6%，特异度为56.1%，最佳临界值为0.44。见图3、表1。

图3 BI-RADS 4 类肿块各有统计学意义参数的ROC 曲线

表1 B-RADS 4 类良恶性肿块X 线图像直方图各参数数据及统计分析 （）

表1 B-RADS 4 类良恶性肿块X 线图像直方图各参数数据及统计分析 （）

3 讨论

乳腺癌是我国乃至全球女性最常见的恶性肿瘤之一，乳腺癌的早发现、早治疗对提高其预后情况及长期生存率至关重要［7］。乳腺X 线图像对乳腺恶性钙化的显示较其他影像检查有明显的优势，所以乳腺X 线摄影一直是乳腺癌筛查的重要手段。但中国女性乳腺以致密腺体为主，由于大量腺体的重叠，乳腺肿块作为另一重要的乳腺病变表现，较易漏诊及误诊［8］。目前影像诊断医师对乳腺X 线肿块的诊断主要依据2013 年美国放射学会推荐的第5 版BI-RADS［1］。

BI-RADS 将乳腺X 线图像中的肿块依据肿块的形态、边缘、密度不同分为2～6 类，2 类为良性肿块，3 类为0%～2%的恶性可能，5 类为95%以上的恶性可能，6 类为已病理证实恶性肿块［1］，以上几类的乳腺肿块，良恶性的重叠较少，可以为临床医师提供较明确的处理意见。BI-RADS 4 类肿块包括：能触诊到的未见明确良性钙化、脂肪密度的肿块；边缘模糊、毛刺的等、高密度肿块，其恶性可能为3%～94%［1-2］，跨度较大，良恶性重叠较多，不能为临床医师提供较有意义的处理意见。

对影像图像的灰度进行直方图分析是一种新的计算机辅助诊断技术［3］，运用直方图分析软件手动勾画病变区图像，并对勾画图像的灰度及像素值进行分析，获得每一个病变区图像的多个参数值，并对不同类别病变图像的同一参数值进行统计分析，比较各参数的统计学意义，进而为鉴别不同病变提供一个新的分类方法。目前已较多用于成人及儿童颅脑肿瘤［9-10］、宫颈癌［11］、乳腺肿瘤［12-15］等的诊断和鉴别。通过MaZda（4.6）软件勾画病变ROI 后进行直方图分析，获得的与不同疾病鉴别相关的参数为平均值、方差、偏斜度、峰度、第1、10、50、90、99 百分位数等。直方图分析法鉴别乳腺肿块的良、恶性，不受诊断医师主观因素干扰，是利用计算机计算病变区域的图像信息，为BI-RADS 4 类肿块的良恶性鉴别提供了一个较客观的方法。

本研究基于X 线图像利用MaZda（4.6）软件对BI-RADS 4 类良、恶性肿块特征进行分析，通过分析平均值、方差、偏度、峰度、第1、10、50、90、99 百分位数等9 个直方图参数在BI-RADS 4 类良、恶性肿块中的统计学意义，得出如下结果：平均值、方差、第1、10、50、90、99 百分位数这7 个参数在两种肿块之间的差异有统计学意义（P＜0.05）。7 个参数诊断恶性肿块的受试者工作特性曲线下面积分别为0.69、0.63、0.63、0.65、0.69、0.72、0.73，以第99 个百分数这一参数的鉴别效能最佳。

综上所述，基于乳腺X 线的直方图分析，对鉴别BI-RADS 4 类肿块良恶性具有一定价值，能够为两者鉴别提供一定客观依据，为临床治疗方案的选择提供一定参考。