多种数学模型扩散加权成像在乳腺良恶性病变鉴别诊断中的应用

发布时间：2017-08-10 06:27

  本文关键词：多种数学模型扩散加权成像在乳腺良恶性病变鉴别诊断中的应用

  更多相关文章： 扩散加权成像 表观扩散系数 双指数模型 拉伸指数模型 乳腺肿瘤

【摘要】：背景和目的：目前,乳腺癌是中国女性发病率最高的癌症,是继肺癌、胃癌、肝癌、食管癌、结直肠癌之后,第六大中国女性癌症死亡原因。生殖和激素因素,绝经前后妇女肥胖和低水平体育活动,被认为是影响乳腺癌发病的危险因素,且发病年龄不断年轻化。因此早期诊断并鉴别诊断良恶性乳腺肿瘤对于制定适宜的治疗方案,恰当的手术方法及预后评估都非常重要。乳腺超声检查是早期检出乳腺癌的重要方法之一。乳腺钼靶有辐射,且对致密型乳腺有诊断缺陷。MRI具有良好的软组织分辨力,无辐射,其对乳腺疾病的诊断价值已得到充分肯定。尤其对传统超声及X线检查难以辨别的不典型病变,其可以从病变的形态学、信号强度表现、动态增强血流动力学及功能磁共振应用方面进行分析,在发现微小病灶方面有显著优势。但是常规MRI检查对乳腺病变的诊断与鉴别存在一定的局限性。DWI可以通过检测组织内水分子的运动状态来反映病变组织的结构特点,为病变的鉴别诊断提供有价值的信息。磁共振扩散加权成像利用活体生物组织中水分子的随机位移运动(即布朗运动)进行无创性成像。因DWI对细胞密度、肿瘤细胞的相对含量、水含量和灌注均有较高的敏感度,已被越来越多地应用于乳腺病变的评估。以往常采用单b值DWI的单指数模型(mono-eXponential model)和所获得的表观扩散系数(apparent diffusion coefficient, ADC)值对乳腺肿瘤进行分析,但由于单指数模型的ADC值整合了活体生物组织中真实扩散和假性灌注两方面的信息,使其反映的组织扩散特征受到了毛细血管内微循环影响。近年来提出的多b值DWI双指数衰减模型,即体素内不相干运动成像(intra-voxel incoherent motion, IVIM),将生物组织真实的水分子扩散和毛细血管内的微循环灌注分离开来,同时反应出生物组织的细胞构成以及灌注方面信息,使测量数据更接近生物组织实际扩散值。多b值DWI另一个数学模型为拉伸指数模型,其通过描述体素内水分子的分布扩散指数(distributed diffusion coefficient, DDC)和扩散异质性指数(heterogeneity index of intravoxel diffusion, a),反映出更多的组织生物学特征方面的信息。本课题拟通过对乳腺良恶性肿瘤的磁共振扩散加权成像的多种数学模型进行分析研究,探讨DWI的单指数模型、双指数模型以及拉伸指数模型在乳腺良恶性肿瘤的诊断和鉴别诊断中的作用。材料和方法：收集2013.10-2016.1经影像检查及手术病理证实的87例(共92个病灶)。患者年龄20-70岁。所有病人采用GE Discovery MR7503.0T (？)MR进行检查,依次进行常规MRI平扫、动态增强,单b值DWI和多b值DWI扫描。单b值DWI采用单次激发的自旋平面回波(spin echo-echo planner imaging, SE-EPI)序列行横轴位扫描,b值取0,800 s/mm2。扫描同时获得相应的表观扩散系数(apparent diffusion coefficient, ADC)图。多b值DWI选取由0-3000s/mm2的12个不同b值进行轴位扫描(0、10、20、30、50、100、200、400、800、1200、2000、3000s/mm2),通过后处理软件分别对数据进行双指数模型和拉伸指数模型的计算。双指数模型获得参数：标准表观扩散系数ADCst,慢速表观扩散系数／ADCsloW,快速表观扩散系数ADCfast,快速扩散成分所占比例ffast。拉伸指数模型生成分布扩散指数(distributed diffusion coefficient, DDC)和扩散异质性指数(heterogeneity index of intravoxel diffusion, a)两个参数。通过在良恶性乳腺肿瘤的实质区域选取感兴趣区(ROI)比较DWI各指数模型中各个参数在良恶性鉴别中的价值。以患者自身正常乳腺作为对照,来定量分析水分子的扩散变化。所有统计学分析采用SPSS 19.0软件,首先用非参数单样本Kolmogorov-Smirnov检验法对ADC、ADCst、ADCslow、ADCfast、ffas、DDC、α值进行正态性分布检验,ADC、ADCst、ADCslow、ADCfast、ffas、DDC、α值均符合正态分布。计量资料用均数±标准差(x±s)表示,良恶性组ADC、ADCst、ADCslow、ADCfast、 ffast、DDC、α比较采用独立样本t检验,P0.05表示差异有统计学意义。良、恶性组的ADC、ADCst、ADCslow、DDC之间的差异分别采用配对t检验,P0.05表示差异有统计学意义。绘制ADC、ADCst、ADCslow、ADCfast、ffas、DDC、α值的ROC曲线,比较各参数曲线下面积(AUC)。根据最大Youden指数得到最佳诊断阈值及相应敏感度、特异度。对ADC、ADCst、ADCslo、α和DDC之间的关系采用Pearson进行相关性分析,P值0.05为差异有统计学意义。利用受试者工作特性(receiver operator characteristic, ROC)曲线评价单指数模型、双指数模型和拉伸指数模型各参数值的诊断效能和最佳诊断阈值。结果：1.乳腺病变的ADC值从大到小依次为囊肿,正常腺体,良性肿瘤,恶性肿瘤,乳腺炎。2.囊肿的单指数模型ADC值和双指数模型ADCst、ADCslow、ffast值均大于正常腺体组织,ADC、ADCst、ffast值差异有统计学意义,ADCslow值无统计学差异。囊肿的双指数模型ADCfast值低于正常乳腺组织,且无统计学差异。囊肿的拉伸指数模型DDC、α值均大于正常乳腺组织,且差异有统计学意义。3.乳腺炎的单指数模型ADC值和双指数模型ADCst、ADCslow、ffast值均小于正常腺体组织,差异有统计学意义。乳腺炎的双指数模型ADCfast值高于正常乳腺组织,但无统计学差异。乳腺炎的拉伸指数模型DDC、α值均小于正常乳腺组织,且差异有统计学意义。4.良性病灶的单指数模型ADC值低于正常腺体组织,差异有统计学意义。良性病灶的双指数模型ADCst、ADCslow均小于正常腺体组织,但无统计学差异。良性病灶的ffast值明显小于正常腺体组织,差异有统计学意义。良性病灶的ADCfast值高于正常乳腺组织,但无统计学差异。良性病灶的拉伸指数模型DDC、α值均小于正常乳腺组织,且差异有统计学意义。5.乳腺恶性病灶的单指数模型ADC值和双指数模型ADCst、ADCslow、ffast值均小于正常腺体组织,差异有统计学意义。乳腺恶性病灶的双指数模型ADCfast值高于正常乳腺组织,差异有统计学意义。乳腺恶性病灶的拉伸指数模型DDC、α值均小于正常乳腺组织,且差异有统计学意义。6.乳腺良性病灶的单指数模型ADC值和双指数模型ADCst、ADCslow、ffast值均高于乳腺恶性病灶,差异有统计学意义。乳腺良性病灶的双指数模型ADCfast值低于乳腺恶性病灶,差异有统计学意义。乳腺良性病灶的拉伸指数模型DDC、α值均大于乳腺恶性病灶,且差异有统计学意义。7.在良恶性乳腺肿瘤中,单指数模型ADC值显著大于双指数模型ADCslow值(P0.001)。拉伸指数模型DDC值大于双指数模型ADCst,ADCslow值(P0.001)。8.ADC和DDC之间的Pearson相关系数在良、恶性乳腺肿瘤分别为：r=0.762(P0.001)和r=0.785 (P0.001)。ADCst和DDC之间分别为：r=0.829(P0.001)和r=0.938(P0.001),呈明显相关。ADCslow和DDC之间分别为r=0.528(P=0.001)和r=0.764(P0.001)。α和DDC无明显相关性(P0.05)。9.在良恶性乳腺肿瘤的鉴别中,单指数模型的ADC,双指数模型参数ADCslow,拉伸指数模型参数DDC的ROC曲线下面积较大分别为0.923、0.920、0.903。根据Youden(？)旨数,得出ADCslow鉴别乳腺良恶性病变的灵敏度最高为93.9％,ADCst的特异度最高为95.0%。结论：1.DWI单指数模型、双指数模型以及拉伸指数模型可对乳腺良恶性肿瘤的鉴别提供重要的定量依据。2.单指数模型ADC和双指数模型ADCslow具有较高的诊断价值,拉伸指数模型DDC具有潜在的重要价值。3.在乳腺肿瘤的良恶性鉴别中,双指数模型、拉伸指数模型DWI更细化于传统单指数模型DWI。
【关键词】：扩散加权成像 表观扩散系数 双指数模型 拉伸指数模型 乳腺肿瘤
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R445.2;R737.9
【目录】：

• 致谢4-5
• 中文摘要5-10
• 英文摘要10-18
• 1 前言18-21
• 2 材料与方法21-25
• 2.1 研究对象21
• 2.2 设备和仪器21-22
• 2.3 扫描技术及参数22-23
• 2.4 DWI图像后处理23
• 2.5 统计学分析23-25
• 3 结果25-32
• 4 讨论32-38
• 4.1 单指数模型32-33
• 4.2 双指数模型33-34
• 4.3 拉伸指数模型34-36
• 4.4 ROC曲线36-38
• 5 结论38-39
• 6 附图39-46
• 参考文献46-50
• 综述50-79
• 参考文献70-79
• 作者简历及在学期间所取得的科研成果79

【相似文献】

中国期刊全文数据库 前9条

1 陈道木,J.Petzold;多复指数模型及其在EEG数据分析中的应用[J];航天医学与医学工程;1992年02期

2 李仲来,张万荣;长爪沙鼠种群增长的数学模型[J];中国地方病防治杂志;1993年05期

3 许瑾;颜敏;朱晶;罗剑峰;;食品安全指数模型的建立及初步验证[J];中国卫生资源;2008年03期

4 杨珊珊;彭江滨;余红梅;陈芊;;分段指数模型的拟合及SAS实现[J];中国卫生统计;2009年06期

5 张传富;;血液中CO的消失[J];预防医学情报;1985年01期

6 刘广建;方颖;孙钢;吴建华;;晕船适应性的指数模型[J];医用生物力学;2014年04期

7 茅宁莹;王雅雯;张帅英;褚淑贞;;创新主体对我国制药业技术创新全要素生产率影响作用评价——基于Malmquist指数模型[J];中国新药杂志;2013年24期

8 曹明娜;周凌宏;;一种用于调强适形放疗剂量验证模型的研究[J];医疗卫生装备;2011年06期

9 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 陈放;尹正鸿;谭伙新;;“品牌波特制”与品牌指数模型[A];首届中国市场品牌战略论坛文集[C];2004年

中国重要报纸全文数据库 前3条

1 成斌全;北京市西城区实现“个性化”救助[N];中国社会报;2012年

2 记者 林金华;“北上广”占据前3位[N];中国文化报;2013年

3 谭昭昭 曹炳贵;全国首单螃蟹保险诞生[N];中国保险报;2012年

中国博士学位论文全文数据库 前2条

1 Khan Muhammad Ammar;有机半导体材料传输机制和有机二极管的电学性能的研究[D];电子科技大学;2015年

2 郭纲;基于双指数模型的超声定位算法及其应用研究[D];吉林大学;2008年

中国硕士学位论文全文数据库 前4条

1 耿园;高校体育服务大学生满意度指数模型构建与实证分析[D];南京师范大学;2015年

2 王高燕;多种数学模型扩散加权成像在乳腺良恶性病变鉴别诊断中的应用[D];浙江大学;2016年

3 杜征;基于指数模型的资产组合理论在中国沪市适用性的实证研究[D];内蒙古大学;2011年

4 孙仁林;区域科技发展指数模型研究及应用[D];浙江工商大学;2008年

，

本文编号：649270