DCE-MRI图像纹理分析对乳腺良恶性病变的诊断价值

作者：王艳芳; 肖峰; 张寒菲; 蔡伟国; 李建玉; 廖美焱^*

来源：武汉大学学报(医学版), 2021, 42(06): 935-940.

DOI：10.14188/j.1671-8852.2019.0596

• 乳腺癌
• MRI
• DCE
• 灰度共生矩阵
• 纹理分析
• 诊断

目的:利用基于灰度共生矩阵的纹理分析,回顾性分析乳腺动态对比增强（DCE）-MRI图像,探讨纹理参数与乳腺良恶性病变的相关性,并建立乳腺癌的诊断模型,提高其诊断准确性。方法:选取2016年11月—2018年11月行乳腺DCE-MRI扫描的连续性病例资料,收集纳入病例的基本临床信息及DCE-MRI图像,分为乳腺良性病变组和恶性病变组。利用MatLab软件提取基于灰度共生矩阵的17个纹理参数,比较两组病例的临床基本信息（包括年龄、绝经状态、病灶部位、体质量指数及病灶大小）和纹理参数的差异。结果:符合纳入标准的病例有136例乳腺恶性病变和67例良性病变,单因素分析中,乳腺良恶性病变组中13个纹理参数有统计学差异,且参数间存在共线性关系,通过逐步回归分析法筛选有意义的影响因素,结果提示Contrast、IMC1、Sum Average和Correlation等4个纹理参数是乳腺良恶性病变鉴别诊断中的主要影响参数。建立的诊断模型曲线下面积（AUC）为0.906 （95%置信区间:0.857～0.942,P<0.001）,约登指数为0.667,最佳截断值为0.65,积分大于0.65诊断乳腺恶性病变的敏感性和特异性分别为84.56%和82.09%。验证组包括49例恶性病变和24例良性病变,对诊断模型进行验证,诊断恶性病变的敏感性和特异性分别为81.63%和87.50%。结论:基于灰度共生矩阵的纹理分析可用于乳腺良恶性病变的鉴别诊断。

• 单位
  武汉大学中南医院