Fisher判别分析法区分MRI中乳腺病灶性质的研究

作者：张营; 周浩; 徐志宾

来源：河南外科学杂志, 2017, 23(02): 42-45.

DOI：10.16193/j.cnki.hnwk.2017.02.022

• 乳腺肿瘤
• 磁共振成像
• 鉴别诊断
• Fisher判别

目的基于磁共振成像（MRI）指标建立乳腺病灶性质的Fisher判别函数,为MRI诊断乳腺病灶性质提供理论依据。方法对临床触诊乳腺肿块、可疑乳腺肿块,或超声检查、钼靶照相发现病灶但不能明确病灶性质的164例患者行MRI检查,分析病灶的形状（规则、不规则）,边界（清晰、模糊）、信号强度（低、等、高、混杂信号）、内部强化特征（均匀强化,不均匀强化,环形强化或间隔强化）,早期强化率（<50%、50%100%和>100%）和时间-信号强度曲线（TIC）类型（Ⅰ型,Ⅱ型,Ⅲ型）,并与组织学分级的良性、高危、恶性结果进行对照。结果 （1）164例患者MRI共发现178个病灶,组织学确诊良性病灶93个（52.25%）,高危病灶28个（15.73%）,恶性病灶57个（32.02%）。（2）单变量分析显示:形态、边界、内部强化特征、早期强化率和TIC在良性、高危、恶性乳腺病灶中差异有统计学意义（P<0.05）。（3）Fisher判别分析显示:形态、边界、内部强化特征、早期强化率和TIC入选以组织学分级为结果变量的判别函数:Function 1=0.914形态+0.737边界+0.930内部强化特征+0.963早期强化率+0.701TIC-2.892;Function 2=1.198形态+0.918边界+0.677内部强化特征-1.191早期强化率-0.373TIC-0.039,函数有统计学意义（P<0.05）。（4）函数区分良性、高危、恶性乳腺病灶的敏感性分别是77.42%、60.71%和82.46%,总体正判率76.41%,Kappa=0.625。结论基于MRI显示的病灶形态、边界、内部强化特征、早期强化率和TIC建立的Fisher判别函数可以很好地区分乳腺病灶良性、高危和恶性特征,这对指导乳腺病灶的处理方式有借鉴意义。

• 单位
  洛阳市中心医院; 河南科技大学第一附属医院; 安县第二人民医院