三種不同磁共振擴(kuò)散加權(quán)成像模型在鑒別乳腺良惡性病灶中的價(jià)值研究

夏冰清，黎鑫樂(lè)，孫 琨，柴維敏

上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院放射科，上海 200025

在我國(guó)，乳腺癌是女性最常見(jiàn)的惡性腫瘤，其發(fā)病率逐年增高，發(fā)病年齡呈現(xiàn)年輕化趨勢(shì)［1］。常規(guī)動(dòng)態(tài)增強(qiáng)磁共振（magnetic resonance，MR）能夠發(fā)現(xiàn)體格檢查、超聲及乳腺X線攝影所不能發(fā)現(xiàn)的乳腺癌［2］，在乳腺良惡性病灶的診斷與鑒別診斷中扮演著越來(lái)越重要的角色，其診斷靈敏度高達(dá)85%～100%［3］，但其診斷特異度相對(duì)較低，常造成患者接受不必要的活檢［4］。隨著擴(kuò)散加權(quán)成像(diffusion-weighted imaging，DWI)技術(shù)的開(kāi)展及應(yīng)用，大大提高了MR的特異度，而且無(wú)需注射造影劑，臨床應(yīng)用前景廣闊。近年來(lái)，DWI的一些擴(kuò)展模型，如體素內(nèi)不相干運(yùn)動(dòng)（intravoxel incoherent motion，IVIM）模型和擴(kuò)散峰度成像（diffusion kurtosis imaging，DKI），已經(jīng)在肝臟病灶［5］、直腸癌［6］和腦膠質(zhì)瘤［7］等疾病診斷中有了一定的應(yīng)用。本研究旨在探討DWI的3種不同模型-單指數(shù)模型、IVIM模型和DKI模型在乳腺良惡性病灶中的鑒別診斷價(jià)值。

1 資料和方法

1.1 入組標(biāo)準(zhǔn)

本研究為前瞻性研究，收集2016年5月—2016年8月在上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院乳腺疾病診治中心收治的乳腺病患者進(jìn)行乳腺M(fèi)R檢查。納入標(biāo)準(zhǔn)：乳腺超聲或X線檢查BIRADS 4類(lèi)及以上患者。排除標(biāo)準(zhǔn)：① 乳腺M(fèi)R檢查前已進(jìn)行穿刺檢查、新輔助化療或手術(shù)的患者；② 圖像運(yùn)動(dòng)偽影較重。

1.2 MR檢查方法

采用德國(guó)Siemens公司的Aera 1.5 T MR掃描儀，雙側(cè)乳腺4通道專(zhuān)用相控線圈，均為橫軸位掃描?；颊呷「┡P位，雙側(cè)乳腺自然懸垂于專(zhuān)用乳腺表面線圈內(nèi)。行雙側(cè)乳腺快速反轉(zhuǎn)恢復(fù)（turbo inversion recovery magnitude，TIRM）序列，重復(fù)時(shí)間（repetition time，TR）/回波時(shí)間（echo time，TE）=5 240 ms/62 ms，層厚4 mm，視野（field of view，F(xiàn)OV）：340 mm×340 mm。多b值DWI采用讀出方向分段采樣平面回波成像序列，DWI參數(shù)：TR/TE=9 500 mm/72 ms，層厚4 mm，F(xiàn)OV：384 mm×384 mm，b值分別取0、50、100、150、200、400、800、1 000、1 500、2 000和2 500 s/mm2，共11個(gè)b值，激勵(lì)次數(shù)（number of excitation，NEX）分別為1、1、1、1、1、2、2、3、3、5和5，掃描時(shí)間共計(jì)14 min 17 s。最后行T1加權(quán)動(dòng)態(tài)增強(qiáng)掃描，TR/TE=4.58 ms/1.89 ms，層厚1.5 mm，F(xiàn)OV：360 mm×360 mm。第1序列進(jìn)行平掃后，靜脈注射釓噴酸葡胺（Gddiethylenetriamine pentaacetic acid，Gd-DTPA），以2.0 mL/s的速度進(jìn)行注射，其后以同樣速率注入15 mL 0.9%NaCl溶液沖洗管腔內(nèi)殘留的Gd-DTPA，共采集5期增強(qiáng)掃描，每個(gè)時(shí)相掃描時(shí)間為90 s。

1.3 圖像處理與數(shù)據(jù)分析

所有圖像傳送至第三方軟件MATLAB（美國(guó)MathWorks公司產(chǎn)品）進(jìn)行后處理，分別得到表觀彌散系數(shù)（apparent diffusion coefficient，DADC）圖、IVIM和DKI相關(guān)參數(shù)圖，所有數(shù)據(jù)逐個(gè)像素按照不同公式進(jìn)行擬合。

本研究使用單指數(shù)模型進(jìn)行對(duì)照，選擇b=50和1 000 s/mm2進(jìn)行計(jì)算，其計(jì)算方程式［8］為：

IVIM模型：選擇0、50、100、150、200、400、800和1 000 s/mm2共8個(gè)b值進(jìn)行數(shù)據(jù)采集，采用經(jīng)典的兩步計(jì)算法，其計(jì)算方程式［9］為：

真實(shí)擴(kuò)散系數(shù)（tissue diffusivity coefficient，DDT）反映純的水分子擴(kuò)散；灌注相關(guān)擴(kuò)散系數(shù)（perfusion-related diffusivity coefficient，D*），也稱(chēng)為假擴(kuò)散系數(shù)，反映微循環(huán)灌注的灌注系數(shù)；灌注分?jǐn)?shù)（perfusion fraction，f）反映微循環(huán)灌注效應(yīng)占總體擴(kuò)散效應(yīng)的容積率。高b值（＞200 s/mm2）下，灌注信號(hào)基本完全衰減，D*遠(yuǎn)大于DDT，可簡(jiǎn)化為線性最小二乘法S（b）/S（0）=exp（-bD）公式計(jì)算獲得DDT值。算得DDT值后，再將所有b值使用Least-Marquardt非線性最小二乘法［10］進(jìn)行擬合計(jì)算，得出灌注相關(guān)擴(kuò)散系數(shù)D*值和血管容積分?jǐn)?shù)f值。

DKI模型：選擇5個(gè)高b值（0、1 000、1 500、2 000和2 500 s/mm2）進(jìn)行計(jì)算，其計(jì)算方程式［11］為：

其中，擴(kuò)散峰度系數(shù)（kurtosis coefficient，K）是一個(gè)無(wú)量綱的值，主要反映組織微觀結(jié)構(gòu)的復(fù)雜性；擴(kuò)散系數(shù)（diffusivity coefficient，DDK）是矯正后的DADC值，即去除非高斯偏移后的DADC值。

在公式（1-3）中，b為擴(kuò)散敏感梯度因子，S（0）為b=0 s/mm2時(shí)的DWI信號(hào)強(qiáng)度，S（b=50）為b=50 s/mm2時(shí)的DWI信號(hào)強(qiáng)度，S（b）為b＞0 s/mm2時(shí)的DWI信號(hào)強(qiáng)度。

1.4 感興趣區(qū)（region of interest，ROI）劃定和參數(shù)計(jì)算

測(cè)量者①②分別為從事乳腺診斷9年和7年年資的放射科醫(yī)師，兩位測(cè)量者在不知道組織病理學(xué)結(jié)果的情況下分別閱片，各測(cè)量2次。使用MATLAB后處理軟件，在b=50、1000 s/mm2的DADC圖像上劃取ROI，選擇病灶實(shí)性成分最大層面，并且避開(kāi)明顯囊性變、壞死液化區(qū)，然后將ROI復(fù)制到其他參數(shù)圖上，得出其他相應(yīng)參數(shù)，所有參數(shù)均采用平均值。平均ROI大小為152 mm2（范圍40～420 mm2）。

1.5 統(tǒng)計(jì)學(xué)處理

使用SPSS 21.0和MEDCALC 15.6統(tǒng)計(jì)學(xué)軟件，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義（雙尾側(cè)方法）。所有患者的臨床資料中，計(jì)數(shù)資料采用χ2檢驗(yàn)、計(jì)量資料采用t檢驗(yàn)；不同模型各參數(shù)值通過(guò)獨(dú)立樣本t檢驗(yàn)；使用受試者工作特征（receiver operating characteristic，ROC）曲線確定各診斷參數(shù)的臨界值及與該臨界值相關(guān)的曲線下面積（area under curve，AUC），采用最大約登指數(shù)來(lái)確定各參數(shù)的臨界值及相應(yīng)的診斷靈敏度和特異度，所有參數(shù)的一致性檢驗(yàn)通過(guò)比較組內(nèi)與組間相關(guān)因子實(shí)現(xiàn)，其中組內(nèi)一致性檢驗(yàn)使用測(cè)量者的2次測(cè)量結(jié)果來(lái)評(píng)估，組間一致性檢驗(yàn)則由2位測(cè)量者的第1次測(cè)量結(jié)果來(lái)評(píng)估。當(dāng)組內(nèi)相關(guān)系數(shù)（intraclass correlation coefficient，ICC）大于0.75視為一致性好，0.50～0.75視為一般，小于0.5視為很差［12］。

2 結(jié) 果

2.1 臨床病理資料

共入選80例患者（83個(gè)病灶），年齡27～70歲，良性組患者平均年齡（40.1±7.2）歲（范圍27～51歲），惡性組患者平均年齡（50.7±9.3）歲（范圍35～70歲），兩組間差異有統(tǒng)計(jì)學(xué)意義（P＜0.001）。良惡性病灶在病灶大小方面的差異有統(tǒng)計(jì)學(xué)意義［（2.0±1.3）vs（2.5±1.3）；P=0.005］。良性病灶中腫塊樣強(qiáng)化的病灶有31個(gè)，非腫塊樣強(qiáng)化的病灶有7個(gè)；惡性病灶中腫塊樣強(qiáng)化的病灶有33個(gè)，非腫塊樣強(qiáng)化的病灶有12個(gè)。

所有病例均經(jīng)組織病理學(xué)或粗針穿刺活檢確診，良性病灶共38個(gè)，包括腺病11個(gè)、纖維腺瘤16個(gè)、纖維腺瘤合并導(dǎo)管乳頭狀瘤1個(gè)、導(dǎo)管內(nèi)乳頭狀瘤5個(gè)、肉芽腫性小葉性乳腺炎1個(gè)、分葉狀腫瘤2個(gè)、導(dǎo)管擴(kuò)張伴炎性反應(yīng)1個(gè)、囊腫伴感染1個(gè)。惡性病灶共45個(gè)，包括浸潤(rùn)性導(dǎo)管癌20個(gè)、浸潤(rùn)性導(dǎo)管癌合并導(dǎo)管原位癌13個(gè)、導(dǎo)管原位癌9個(gè)、浸潤(rùn)性導(dǎo)管癌合并黏液癌2個(gè)、淋巴瘤1個(gè)。

2.2 單指數(shù)模型、IVIM模型和DKI模型各參數(shù)值的組內(nèi)組間一致性評(píng)價(jià)

DADC值、DDT值、D*值、K值和DDK值的一致性檢驗(yàn)結(jié)果均大于0.75，具有良好的組內(nèi)組間一致性。但是f值的組間一致性ICC為0.656，視為一般，而組內(nèi)一致性ICC為0.824，視為良好。

2.3 乳腺良惡性病灶的不同參數(shù)值

惡性病灶中的DADC、DDT和DDK值均明顯低于良性病灶，差異有統(tǒng)計(jì)學(xué)意義（P＜0.001）。良惡性病灶的DADC值分別為（1.44±0.36）×10-3和（0.91±0.14）×10-3mm2/s，DDT值分別為（1.43±0.36）×10-3和（0.88±0.13）×10-3mm2/s，DDK值分別為（1.77±0.43）×10-3和（1.13±0.19）×10-3mm2/s，差異均有統(tǒng)計(jì)學(xué)意義（P均＜0.001，表1）。而惡性病灶的K值明顯高于良性病灶(0.87±0.11 vs 0.61±0.12)，差異有統(tǒng)計(jì)學(xué)意義（P＜0.001）；另外D*和f值均在良惡性病灶之間存在較大重疊，差異均無(wú)統(tǒng)計(jì)學(xué)意義（P均 ＞0.05）。

表1 乳腺良惡性病灶不同模型各參數(shù)特征Tab.1 Characteristics of different parameters of benign and malignant breast lesions(±s)

表1 乳腺良惡性病灶不同模型各參數(shù)特征Tab.1 Characteristics of different parameters of benign and malignant breast lesions(±s)

DADC: Apparent diffusion coefficient; DDT: Tissue diffusivity coefficient; D*: Perfusion-related diffusivity coefficient; f: Perfusion fraction; K: Kurtosis coefficient; DDK: Diffusivity coefficient

Parameters Benign lesions (n=38) Malignant lesions (n=45) P value DWI DADC/×10-3 mm2/s 1.44±0.36 0.91±0.14 ＜0.001 IVIM DDT/×10-3 mm2/s 1.43±0.36 0.88±0.13 ＜0.001 D*/×10-3 mm2/s 4.60±2.10 5.38±2.14 ＞0.050 f/% 8.70±2.90 10.10±3.70 ＞0.050 DKI K 0.61±0.12 0.87±0.11 ＜0.001 DDK/×10-3 mm2/s 1.77±0.43 1.13±0.19 ＜0.001

2.4 3種模型參數(shù)的ROC曲線圖及診斷效能的比較

以病理結(jié)果為金標(biāo)準(zhǔn)，計(jì)算3種不同DWI模型的參數(shù)診斷乳腺癌的臨界值、靈敏度、特異度及AUC。DKI模型中的參數(shù)K值與IVIM模型中的參數(shù)DDT值的ROC曲線的AUC最高，略高于DADC值和DDK值的AUC（表2，圖1）。當(dāng)DDT臨界值取≤1.06×10-3mm2/s時(shí)，其診斷靈敏度和特異度分別為93.3%和84.2%。當(dāng)K值臨界值?。?.756時(shí)，其診斷靈敏度和特異度分別為91.1%和89.5%。對(duì)上述4個(gè)參數(shù)的ROC曲線的AUC進(jìn)行Z檢驗(yàn)，發(fā)現(xiàn)DADC、DDT、K和DDK值之間的差異均無(wú)統(tǒng)計(jì)學(xué)意義（P均＞0.05）。

表2 3種不同模型參數(shù)的診斷效能的比較Tab.2 Comparison of diagnostic efficiency of three different model parameters

圖1 DADC值、DDT值、K值及DDK值的ROC曲線圖Fig.1 The ROC curves of DADC, DDT, K and DDK values

3 討 論

單指數(shù)模型是臨床應(yīng)用最廣泛的DWI模型，其掃描要求低，時(shí)間短，后處理簡(jiǎn)單，在乳腺良惡性病灶的鑒別診斷中具有較高的診斷價(jià)值［8,13-14］。一項(xiàng)Meta分析顯示［13］，與動(dòng)態(tài)增強(qiáng)MR相比，DADC值半定量分析可以提高乳腺良惡性病灶鑒別診斷的特異度。理論上僅需2個(gè)b值就足夠?qū)η€進(jìn)行擬合［15］，1.5 T MR乳腺掃描中高b值一般選擇800～1 000 s/mm2，可獲得較好的圖像質(zhì)量和較高的診斷價(jià)值［14］。本研究選擇了50和1 000 s/mm2兩個(gè)b值，結(jié)果顯示，良惡性病灶的DADC值分別為（1.44±0.36）×10-3和（0.91±0.14）×10-3mm2/s，差異有統(tǒng)計(jì)學(xué)意義（P＜0.001）。若以DADC值≤1.08×10-3mm2/s作為鑒別乳腺良惡性病灶的臨界值，其靈敏度為88.9%，特異度為84.2%，與Marini等［16］的研究結(jié)果相符。與IVIM模型和DKI模型相比，雖然DADC的診斷靈敏度較DDT值、K值和DDK值稍低，但這3種不同模型之間的差異均無(wú)統(tǒng)計(jì)學(xué)意義。

在20世紀(jì)80年代末，Le Bihan等［9］提出的IVIM模型，通常采用高（＞200 s/mm2）、低（≤200 s/mm2）2組b值，使用最小二乘法求得組織灌注信息和擴(kuò)散運(yùn)動(dòng)信息。理論上至少應(yīng)用4個(gè)不同加權(quán)的b值（包括b=0 s/mm2），才可獲得D、D*和f參數(shù)值，且b值需在0～200 s/mm2之間時(shí)，才可通過(guò)算法擬合出灌注相關(guān)信息，在乳腺的IVIM研究中，通常b值選擇0～800 s/mm2［17-19］。因此本研究選用了8個(gè)b值（0～1 000 s/mm2，包括0 s/mm2），足夠得到以上3個(gè)參數(shù)。在b值較低的情況下（b≤200 s/mm2），DADC值受灌注的影響顯著，不能反映真實(shí)水分子擴(kuò)散的程度［9］。而DDT值由于去除了組織灌注的影響，可以更為準(zhǔn)確地反映水分子真實(shí)擴(kuò)散信息。本研究結(jié)果顯示，體素內(nèi)不相干運(yùn)動(dòng)模型中的3個(gè)參數(shù)中，只有DDT值能夠較好地將乳腺良惡性病灶區(qū)分開(kāi)來(lái)。在本研究中，惡性病灶的DDT值明顯低于良性病灶，與國(guó)內(nèi)外的研究結(jié)果相符［20-21］。良惡性病灶DDT值分別為（1.43±0.36）×10-3和（0.88±0.13）×1 0-3m m2/ s，差異有統(tǒng)計(jì)學(xué)意義（P＜0.001），若以DDT值≤1.06×10-3mm2/s作為鑒別乳腺良惡性病灶的臨界值，其靈敏度為93.3%，特異度為84.2%，與DADC值相比，雖然兩者參數(shù)臨界值相仿，特異度相同，但DDT值的診斷靈敏度更高（93.3% vs 88.9%）?？赡苡捎贒DT值剔除了組織灌注的影響，能夠更加真實(shí)地反映組織內(nèi)水分子擴(kuò)散情況。Liu等［20］也對(duì)IVIM模型在乳腺良惡性病灶的鑒別診斷中進(jìn)行了相關(guān)的研究，其研究結(jié)果顯示，DDT值較DADC值的AUC略高，分別為0.952和0.945；良惡性病灶DDT值分別為1.35×10-3和0.85×10-3mm2/s，如果以DDT≤1.06×10-3mm2/s作為鑒別良惡性病灶的臨界值，靈敏度為90%，特異度為92.68%。f值代表的是快速擴(kuò)散所占的容積分?jǐn)?shù)，但在本研究中，f值的組間一致性一般，在乳腺良惡性病灶中的差異也無(wú)統(tǒng)計(jì)學(xué)意義，與Liu等［20］的研究結(jié)果不一致，該研究發(fā)現(xiàn)f值在惡性病灶中明顯升高，在鑒別良惡性病灶中差異也有統(tǒng)計(jì)學(xué)意義，可能是惡性腫瘤的微循環(huán)灌注血容量增加導(dǎo)致的，其診斷靈敏度和特異度分別為87.5%和53.66%。筆者認(rèn)為f值可能在不同機(jī)器之間的重復(fù)性較差，導(dǎo)致此次研究IVIM灌注信息擬合不好。此外，既往在前列腺癌的研究中也發(fā)現(xiàn)，f值在前列腺癌和良性前列腺增生之間的差異無(wú)統(tǒng)計(jì)學(xué)意義［22］。D*值是快速擴(kuò)散系數(shù)，主要受到微循環(huán)灌注中毛細(xì)血管長(zhǎng)度和血流速度的影響，大部分研究結(jié)果均顯示，乳腺良惡性病灶的D*值差異無(wú)統(tǒng)計(jì)學(xué)意義［20-21］，與本研究結(jié)果一致。IVIM的DDT值可除外組織灌注的影響，與單指數(shù)模型相比，可略微提高乳腺疾病診斷的靈敏度。

單指數(shù)模型假定生物組織內(nèi)水分子擴(kuò)散呈高斯分布，不同b值下的水分子擴(kuò)散呈線性衰減，但當(dāng)b值超過(guò)1 000 s/mm2時(shí)，水分子擴(kuò)散信號(hào)的衰減開(kāi)始偏離線性，此時(shí)用常規(guī)模型模擬水分子的信號(hào)衰減存在較大誤差。DKI模型則是用來(lái)探測(cè)非高斯分布水分子的擴(kuò)散特性，可以量化偏離高斯模型的偏差值。理論上DKI模型至少需要3個(gè)b值才能擬合，臨床研究中乳腺癌的DKI掃描方法也是多種多樣的［23-25］，但目前尚無(wú)推薦的掃描方案。有研究認(rèn)為，DKI模型的最大b值至少需要＞2 000 s/mm2，但不能超過(guò)3 000 s/mm2［26］。因此，在本研究中，b值選擇0、1 000、1 500、2 000和2 500 s/mm2。由于b值越高會(huì)導(dǎo)致圖像信噪比明顯下降，圖像變形越來(lái)越嚴(yán)重，故本次研究使用RS-EPI，相比于SS-EPI，可明顯減少圖像幾何變形及磁敏感偽影，進(jìn)一步精確地劃定ROI的范圍［27］，但是掃描時(shí)間相對(duì)更長(zhǎng)，相當(dāng)于單指數(shù)模型的2～3倍。

本研究結(jié)果顯示，K值和DDK值在鑒別乳腺良惡性病灶中均有較高的診斷價(jià)值。其中K值的診斷效能最高，惡性病灶在DDK圖上呈明顯低信號(hào)，而在K圖上呈明顯高信號(hào)，這與Nogueira等［25］的觀察結(jié)果一致。K值是DKI中最具代表性的參數(shù)，是一個(gè)無(wú)量綱參數(shù)，主要反映細(xì)胞結(jié)構(gòu)復(fù)雜的程度，ROI內(nèi)組織結(jié)構(gòu)復(fù)雜程度越高，則K值也越高，表明非高斯分布擴(kuò)散受限越顯著。以往研究表明，DKI能提高對(duì)惡性病灶的靈敏度和特異度，可定量分析水分子擴(kuò)散受限情況和組織復(fù)雜度［11,24,26,28］。從病理學(xué)角度上講，惡性腫瘤破壞正常腺體結(jié)構(gòu)，細(xì)胞密度增大，核漿比增大，細(xì)胞間隙縮小，正常腺體內(nèi)部腺泡、導(dǎo)管及間質(zhì)結(jié)構(gòu)出現(xiàn)紊亂，細(xì)胞呈不均勻生長(zhǎng)，導(dǎo)致結(jié)構(gòu)相對(duì)復(fù)雜［29］。DDK值代表水分子擴(kuò)散相關(guān)系數(shù)，是修正的DADC值，反映水分子的擴(kuò)散程度，其診斷效能與DADC值相似，但DDK值比DADC值大，這可能歸因于2種不同模型的不同本質(zhì)。本研究中K值和DDK值的診斷能力與Sun等［24］的研究相比略低，差異可能主要與良惡性病灶的不同病理分布及所選病灶大小有關(guān)，在其研究中，惡性病灶主要以浸潤(rùn)性乳腺癌為主，占所有惡性病灶的91.2%（52/57），并且病灶體積偏大，最小的ROI面積為98 mm2，而在本研究中，單純浸潤(rùn)性乳腺癌所占比例較少，僅為44.4%（20/45），最小ROI約40 mm2。綜上所述，DKI的各參數(shù)在乳腺良惡性病灶的鑒別診斷中均有較高的診斷靈敏度和特異度，但掃描時(shí)間相對(duì)較長(zhǎng)。

本研究存在一定的局限性：① 本次研究的樣本量相對(duì)較少，需要在今后的研究工作中進(jìn)一步增加病例數(shù)；② IVIM的數(shù)據(jù)偏移較大，得到的結(jié)論與其他類(lèi)似研究有一定差距；③ 為了達(dá)到較好的圖像質(zhì)量，DKI掃描方案中采用了較多高b值，并增加了激勵(lì)次數(shù)，導(dǎo)致掃描時(shí)間相對(duì)較長(zhǎng)，下一步如果要應(yīng)用到臨床，還需要對(duì)b值進(jìn)行優(yōu)化。

［1］ 汪登斌. 乳腺M(fèi)RI應(yīng)用現(xiàn)狀和我國(guó)乳腺M(fèi)RI應(yīng)用中存在的問(wèn)題［J］. 中華放射學(xué)雜志, 2014, 48(3): 177-179.

［2］ KUHL C K, SCHRADING S, BIELING H B, et al. MRI for diagnosis of pure ductal carcinoma in situ: a prospective observational study［J］. Lancet, 2007, 370(9586): 485-492.

［3］ KUHL C K, MIELCARECK P, KLASCHIK S, et al. Dynamic breast MR imaging: are signal intensity time course data useful for differential diagnosis of enhancing lesions?［J］. Radiology,1999, 211(1): 101-110.

［4］ KUHL C. The current status of breast MR imaging. Part I.Choice of technique, image interpretation, diagnostic accuracy,and transfer to clinical practice［J］. Radiology, 2007, 244(2):356-378.

［5］ 盛若凡, 楊 麗, 汪禾青, 等. 擴(kuò)散峰度成像對(duì)肝纖維化分級(jí)的診斷價(jià)值［J］. 中華放射學(xué)雜志, 2017, 51(9): 709-713.

［6］ ZHU L, PAN Z, MA Q, et al. Diffusion kurtosis imaging study of rectal adenocarcinoma associated with histopathologic prognostic factors: preliminary findings［J］. Radiology, 2017,284(1): 66-76.

［7］ 譚朝元, 楊 晶, 嚴(yán)開(kāi)心, 等. 擴(kuò)散峰度成像對(duì)高級(jí)別膠質(zhì)瘤及單發(fā)腦轉(zhuǎn)移瘤的鑒別診斷價(jià)值［J］. 放射學(xué)實(shí)踐, 2017,32(3): 218-222.

［8］ WOODHAMS R, MATSUNAGA K, IWABUCHI K, et al.Diffusion-weighted imaging of malignant breast tumors: the usefulness of apparent diffusion coefficient (ADC) value and ADC map for the detection of malignant breast tumors and evaluation of cancer extension［J］. J Comput Assist Tomogr,2005, 29(5): 644-649.

［9］ 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.

［10］ ICHIKAWA S, MOTOSUGI U, ICHIKAWA T, et al. Intravoxel incoherent motion imaging of focal hepatic lesions［J］. J Magn Reson Imaging, 2013, 37(6): 1371-1376.

［11］ JENSEN J H, HELPERN J A, RAMANI A, et al. Diffusional kurtosis imaging: the quantification of non-gaussian water diffusion by means of magnetic resonance imaging［J］. Magn Reson Med, 2005, 53(6): 1432-1440.

［12］ DELONG E R, DELONG D M, CLARKE-PEARSON D L.Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach［J］.Biometrics, 1988, 44(3): 837-845.

［13］ CHEN X, LI W L, ZHANG Y L, et al. Meta-analysis of quantitative diffusion-weighted MR imaging in the differential diagnosis of breast lesions［J］. BMC cancer, 2010, 10(1):693-703.

［14］ 張 靜, 安寧豫, 程流泉, 等. 1.5TMR乳腺擴(kuò)散加權(quán)成像b值的優(yōu)化［J］. 中華放射學(xué)雜志, 2011, 45(10): 937-941.

［15］ PEREIRA F P, MARTINS G, FIGUEIREDO E, et al.Assessment of breast lesions with diffusion-weighted MRI:comparing the use of different b values［J］. AJR Am J Roentgenol, 2009, 193(4): 1030-1035.

［16］ MARINI C, IACCONI C, GIANNELLI M, et al. Quantitative diffusion-weighted MR imaging in the differential diagnosis of breast lesion［J］. Eur Radiol, 2007, 17(10): 2646-2655.

［17］ KOH D M, COLLINS D J, ORTON M R. Intravoxel incoherent motion in body diffusion-weighted MRI: reality and challenges［J］. AJR Am J Roentgenol, 2011, 196(6): 1351-1361.

［18］ LEBIHAN D. IVIM method measures diffusion and perfusion［J］. Diagn Imaging, 1990, 12(6): 133-136.

［19］ SIGMUND E E, CHO G Y, KIM S, et al. Intravoxel incoherent motion imaging of tumor microenvironment in locally advanced breast cancer［J］. Magn Reson Med, 2011, 65(5): 1437-1447.

［20］ 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.

［21］ 王慶軍, 李小娟, 張 靜, 等. 磁共振體素內(nèi)不相干運(yùn)動(dòng)對(duì)于腫塊樣乳腺良惡性病變的診斷價(jià)值［J］. 中華臨床醫(yī)師雜志, 2014, 8(19): 21-25.

［22］ 閔祥德, 王 良, 馮朝燕, 等. MR擴(kuò)散加權(quán)成像不同模型診斷前列腺癌的價(jià)值［J］. 中華放射學(xué)雜志, 2015, 49(11):838-842.

［23］ WU D, LI G, ZHANG J, et al. Characterization of breast tumors using diffusion kurtosis imaging (DKI)［J］. PloS One, 2014,9(11): e113240.

［24］ SUN K, CHEN X, CHAI W, et al. Breast cancer: diffusion kurtosis MR imaging-diagnostic accuracy and correlation with clinical-pathologic factors［J］. Radiology, 2015, 277(1): 46-55.

［25］ 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.

［26］ JENSEN J H, HELPERN J A. MRI quantification of non-Gaussian water diffusion by kurtosis analysis［J］. NMR Biomed, 2010, 23(7): 698-710.

［27］ BOGNER W, PINKER-DOMENIG K, BICKEL H, et al.Readout-segmented echo-planar imaging improves the diagnostic performance of diffusion-weighted MR breast examinations at 3.0 T［J］. Radiology, 2012, 263(1): 64-76.

［28］ 高 欣, 周麗娟, 徐孝秋, 等. 擴(kuò)散峰度成像對(duì)乳腺良、惡性病變的鑒別診斷價(jià)值［J］. 中華放射學(xué)雜志, 2017, 51(8):583-587.

［29］ ELSTON C W, ELLIS I O. Pathological prognostic factors in breast cancer. I. The value of histological grade in breast cancer:experience from a large study with long-term follow-up［J］.Histopathology, 1991, 19(5): 403-410.