MR动态增强图像纹理分析判断乳腺结节良恶性的价值

目的探讨MR动态增强图像纹理分析鉴别诊断乳腺结节良恶性的价值。方法回顾性分析经手术病理证实的78例患者共80个乳腺结节的MR动态增强图像,每个结节获得63个纹理特征参数。绘制纹理参数鉴别诊断良恶性乳腺结节的ROC曲线,并与MR乳腺影像报告和数据系统(BI-RADS)的诊断效能比较。结果 78例患者的80个乳腺结节中,纹理参数中灰度游程长不均匀度判断乳腺结节良恶性的AUC值(0.836)最大且诊断准确率高,其诊断恶性乳腺结节的敏感度为82.93%(34/41)、特异度为94.87%(37/39)、准确率为88.75%(71/80)、阳性预测值为94.44%(34/36)、阴性预测值为84.09%(37/44)。MR BI-RADS分类诊断恶性乳腺结节的敏感度为95.12%(39/41)、特异度为87.18%(34/39)、准确率为91.25%(73/80)、阳性预测值为88.63%(39/44)、阴性预测值为94.44%(34/36)。MR BI-RADS分类和纹理分析判断恶性乳腺结节准确率差异无统计学意义(P=0.11)。与单独应用BI-RADS分类比较,两者联合应用可明显提高诊断恶性乳腺结节的特异度(P<0.001)。结论MR纹理分析可作为传统诊断乳腺良恶性结节的补充。

平扫T2脂肪抑制序列图像纹理可提高诊断乳腺良恶性结节的准确率

目的探讨平扫T2脂肪抑制序列(FS T2WI)图像纹理分析鉴别诊断乳腺良恶性结节的价值。方法回顾性分析经手术病理证实的60例患者共61个乳腺结节FS T2WI图像。绘制纹理参数鉴别诊断良恶性乳腺结节的ROC曲线,并与病理结果进行对照。结果60例患者的61个乳腺结节,FS T2WI纹理参数灰度区域矩阵重点运行高灰度级判断乳腺结节良恶性的AUC值(0.701)最大且诊断准确率高,其诊断恶性乳腺结节的敏感度为65.52%(19/29),特异度为71.88%(23/32),误判率为31.15%(19/61)。FS T2WI图像诊断乳腺恶性结节敏感度为71.43%(20/28)、特异度为63.64%(21/33)、误判率为32.79%(20/61);两者联合应用敏感度为64.29%(18/28),特异度78.79%(26/33),误判率为27.87%(15/61),与单独T2比较,差异有统计学意义(χ^2=72.255,P=0.000)。结论平扫FS T2WI序列结合纹理分析能够提高诊断乳腺良恶性结节的特异度,降低误判率,提高乳腺平扫诊断的准确度。