分享:
分享到微信朋友圈
X
经验交流
Kaiser评分与表观扩散系数评价乳腺病灶的对比研究
潘佳玲 李晓虹 陈新杰 邓凌达 杜勇兴 陈海雄 杨少民 胡秋根 郭保亮

Cite this article as: Pan JL, Li XH, Chen XJ, et al. A comparison of the Kaiser score and apparent diffusion coefficient mapping in the assessment of breast lesions[J]. Chin J Magn Reson Imaging, 2022, 13(6): 108-111, 116.本文引用格式:潘佳玲, 李晓虹, 陈新杰, 等. Kaiser评分与表观扩散系数评价乳腺病灶的对比研究[J]. 磁共振成像, 2022, 13(6): 108-111, 116. DOI:10.12015/issn.1674-8034.2022.06.021.


[摘要] 目的 对比分析Kaiser评分与表观扩散系数(apparent diffusion coefficient,ADC)对乳腺病灶的诊断效能及降低非必要活检的能力。材料与方法 回顾性分析南方医科大学顺德医院2019年1月至2021年9月间行乳腺MRI检查的127例患者的临床及影像资料(共134个病灶,7例患者有2个病灶)。联合应用ADC和Kaiser评分得到KS+评分,应用ADC、Kaiser评分及KS+评分评价乳腺病灶。以病理结果为金标准,计算并比较Kaiser评分、ADC和KS+评分的曲线下面积(area under the curve,AUC)、敏感度、特异度,AUC通过Delong检验进行比较,敏感度、特异度通过McNemar检验进行比较。结果 Kaiser评分的AUC (0.917)与ADC的AUC (0.812)差异有统计学意义(P=0.0404),两者AUC在非肿块病灶中差异最大。Kaiser评分的特异度(0.809)与ADC的特异度(0.426)差异有统计学意义(P=0.0215)。Kaiser评分的敏感度(0.954)与ADC的敏感度(0.977)差异无统计学意义(P=0.6875)。Kaiser评分的AUC (0.917)、敏感度(0.954)、特异度(0.809)与KS+评分的AUC (0.914)、敏感度(0.943)、特异度(0.830)差异均无统计学意义(P均>0.05)。结论 Kaiser评分对乳腺病灶的诊断效能优于ADC,尤其是在评价乳腺非肿块病灶中Kaiser评分具有显著优势。Kaiser评分降低非必要活检的能力亦优于ADC,联合应用Kaiser评分和ADC无法提高诊断效能及降低非必要活检能力,Kaiser评分更适用于临床实践。
[Abstract] Objective To compare the diagnostic performance of Kaiser score with apparent diffusion coefficient (ADC) to distinguish benign from breast malignant lesions and to assess the potential of those approaches to avoid unnecessary biopsies.Materials and Methods This retrospective study enrolled 127 patients with 134 lesions (7 patients had 2 lesions) undergoing breast MRI from January 2019 to September 2021. KS+ score was calculated by combining ADC and Kaiser score. With pathological results as the gold standard, the area under the receiver operating characteristics curve (AUC) was calculated and compared between Kaiser score, ADC and KS+ score through Delong Test. Sensitivity and specificity were calculated and compared between them through McNemar Test.Results The AUC of Kaiser score (0.917) was significantly different from that of ADC (0.812) (P=0.0404), and the largest difference was found in non-mass lesions. There were statistically significant differences in specificity between Kaiser score (0.809) and ADC (0.426) (P=0.0215), but no difference in sensitivity between Kaiser score (0.954) and ADC (0.977) (P=0.6875). There were no differences between the AUC (0.917)、sensitivity (0.954) and specificity (0.809) of the Kaiser score and the AUC (0.914)、sensitivity (0.943) and specificity (0.830) of the KS+ score (P>0.05).Conclusions Kaiser score is superior to ADC in distinguishing benign from malignant breast lesions, especially in non-mass enhancement lesions. Kaiser score also performs better in avoiding unnecessary biopsies compared with ADC. The combination of the Kaiser score and ADC does not contribute to the diagnosis of breast cancer.
[关键词] 乳腺;磁共振成像;Kaiser评分;表观扩散系数
[Keywords] breast;magnetic resonance imaging;Kaiser score;apparent diffusion coefficient

潘佳玲 1   李晓虹 1   陈新杰 1   邓凌达 1   杜勇兴 1   陈海雄 1   杨少民 1, 2   胡秋根 1   郭保亮 1*  

1 南方医科大学顺德医院(佛山市顺德区第一人民医院)放射科,佛山 528300

2 广州医科大学附属顺德医院(佛山市顺德区乐从医院)放射科,佛山 528300

郭保亮,E-mail:tomcatccks@163.com

作者利益冲突声明:全体作者均声明无利益冲突。


基金项目: 广东省医学科研基金 A2020395 佛山市高层次医学人才培养(医学骨干人才)基金 600024
收稿日期:2022-01-30
接受日期:2022-05-23
中图分类号:R445.2  R737.9 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.06.021
本文引用格式:潘佳玲, 李晓虹, 陈新杰, 等. Kaiser评分与表观扩散系数评价乳腺病灶的对比研究[J]. 磁共振成像, 2022, 13(6): 108-111, 116. DOI:10.12015/issn.1674-8034.2022.06.021

       乳腺癌发病率居女性恶性肿瘤之首,是女性癌症死亡的主要原因之一[1, 2]。MRI是乳腺癌的重要诊断工具[3, 4, 5],随着MRI的广泛应用,MRI乳腺影像报告与数据分析系统(Breast Imaging Reporting and Data System,BI-RADS)在临床中得到了普遍认可[6]。但是,BI-RADS没有提供利用乳腺病灶的影像特征进行临床决策的具体方法[7, 8]。Kaiser评分是基于机器学习算法而提出的决策树结构的评分方法[9, 10],可为临床医生判断患者是否需要活检提供客观参考指标。表观扩散系数(apparent diffusion coefficient,ADC)是水分子扩散运动的量化指标[11],乳腺恶性病灶的ADC低于良性病灶及正常乳腺组织[12, 13],目前ADC已广泛用于评估乳腺病灶。Kaiser评分和ADC[12, 13]均可用于鉴别乳腺良恶性病灶、指导临床决策。但是,目前国内外关于联合应用两者能否提高诊断价值的文献报道少见,Meng等[14]探讨了此类问题,但是其研究主要应用于BI-RADS 4类病灶,也未探讨Kaiser评分在肿块及非肿块强化病灶中的差异。故本项研究分析了Kaiser评分、ADC及两者联合应用在肿块及非肿块强化病灶中价值,旨在比较Kaiser评分和ADC在对乳腺病灶的诊断效能及其降低非必要活检的能力,为患者个性化治疗方案的制订提供客观参考指标。

1 材料与方法

1.1 研究对象

       本研究为回顾性研究,经南方医科大学顺德医院医学伦理委员会批准,免除受试者知情同意,批准文号:20200910。回顾性分析2019年1月至2021年9月在南方医科大学顺德医院行乳腺MRI检查的患者资料,纳入标准:(1) MRI检查前未行乳腺手术及放化疗;(2)病灶经穿刺或手术活检,病理结果完整。排除标准:(1)图像质量欠佳,如运动伪影过重图片不能用于诊断分析或无法测量ADC值者;(2)临床、MRI影像资料不完整者。

1.2 设备及参数

       采用Siemens Magnetom skyra 3.0 T超导MR扫描仪及4通道相控阵乳腺线圈,患者取仰卧位,双侧乳房自然下垂。扫描序列包括:T1WI序列:TR 5.4 ms,TE 2.5 ms,层厚4 mm,视野(FOV) 330 mm×330 mm;T2WI及T2WI压脂序列:TR 5630 ms,TE 81 ms,层厚4 mm,FOV 210 mm×470 mm;DWI序列:TR 6370 ms,TE 62 ms,层厚5 mm,FOV 190 mm×340 mm,b值取0、800 s/mm2。常规扫描后行动态增强扫描,静脉注射钆喷酸葡胺(马根维显,德国Bayer公司),剂量为0.2 mL/kg,注射速度约2 mL/s,扫描参数:TR 5.6 ms,TE 2.1 ms,FOV 200 mm×530 mm,连续扫描6期。

1.3 图像分析

       采用SYNGO Via软件对图像进行后处理。影像分析采用双盲法由2名有5年以上乳腺MRI诊断经验的放射科医师进行阅片,评估内容包括病灶类型、大小、边缘、内部强化特征、周围水肿情况、时间信号强度曲线(time intensity curve,TIC)的类型,意见不一致时协商解决。ADC值的测量:结合增强及DWI图像,在ADC图上选取病变的最大层面同时避开坏死、囊变、出血区勾画ROI (平均大小为5~10 mm2),测量三次,最终结果取平均值。按照Kaiser评分、KS+评分规则分别计算每个病灶的分值,范围为1~11,评分规则见图12,病例图像见图3图4。据以往的研究发现,Kaiser评分[9, 10]最佳阈值为4,Kaiser评分大于4时,病灶存在恶性可能,建议病理活检;ADC最佳阈值[15]为1.26×10-3 mm2/s,ADC小于等于1.26×10-3 mm2/s时,病灶存在恶性可能,建议病理明确。

图1  Kaiser评分流程图。
图2  KS+评分流程图。
图3  女,24岁,右乳肿块,T2WI-FS (3A)、T1WI图像(3B)、TIC图(3C)、ADC图(3D)示病灶边缘多发毛刺,周围见水肿,TIC呈流出型,Kaiser评分为11分,ADC为0.97×10-3 s/mm2,KS+评分11分,均提示恶性病灶,最终病理为浸润性导管癌。
图4  女,62岁,右乳异常强化灶,动态增强早期图像(4A)、T2WI-FS (4B)、TIC图(4C)、ADC图(4D)示病灶边缘多发毛刺,右乳弥漫性水肿,TIC呈流出型,Kaiser评分为11分,ADC为1.29×10-3 s/mm2,KS+评分7分,Kaiser评分及KS+评分提示恶性病灶,ADC考虑良性病灶,最终病理为浸润性导管癌。注:T2WI-FS:T2增强抑脂序列;TIC:时间信号强度曲线;ADC:表观扩散系数;KS+评分:Kaiser评分联合ADC。

1.4 统计学方法

       采用Medcalc 20和SPSS 26.0进行数据分析。Kolmogorov-Smirnov检验对计量资料进行正态性检验,正态分布资料用x¯±s表示,不符合正态分布的资料用M (P25,P75)表示。采用Mann-Whitney U检验比较乳腺良恶性病灶的Kaiser评分、ADC值。计算Kaiser评分、ADC、KS+评分的AUC、准确度、敏感度、特异度,AUC通过Delong检验进行比较,敏感度、特异度通过McNemar检验进行比较。P<0.05时差异有统计学意义。

2 结果

2.1 患者一般资料

       2019年1月至2021年9月间行乳腺MRI检查的患者257例,有手术及放化疗史者41例,缺乏病理资料者68例,影像资料不完整者21例,本研究最终纳入患者127例,均为女性,年龄18~82 (47.3±12.9)岁,共134个病灶(其中7例患者有2个病灶),大小5~146 (31.0±26.1) mm,其中肿块强化病灶88个,非肿块强化病灶46个。恶性病变87个,其中63个病变为浸润性导管癌(63/87,72.4%),其中1个病变为浸润性乳腺癌伴黏液癌、1个病变为浸润性导管癌合并小叶癌,13个病变为导管原位癌伴或不伴微浸润(13/87,14.9%);良性病变47个,25个为纤维囊性乳腺病(25/47,53.2%),其中1个病变为纤维囊性乳腺病伴纤维腺瘤、2个病变为纤维囊性乳腺病伴导管内乳头状瘤,13个病变为例纤维腺瘤(13/47,27.7%)。

2.2 乳腺良、恶性病变Kasier评分分值、ADC值的差异

       恶性病灶Kaiser评分[6 (5,8)]高于良性病灶Kaiser评分[3 (2,4)],差异有统计学意义(P<0.001)。恶性病灶ADC[0.80×10-3 s/mm2 (0.67×10-3 s/mm2,0.90×10-3 s/mm2)]低于良性病灶ADC [1.14×10-3 s/mm2 (0.92×10-3 s/mm2,1.34×10-3 s/mm2)],差异有统计学意义(P<0.001),见图5A5B

图5  乳腺良、恶性病变Kasier评分(5A)、ADC值(5B)差异分析箱体图。

2.3 Kaiser评分、ADC、KS+评分对乳腺病灶的诊断效能

       Kaiser评分AUC优于ADC,差异有统计学意义(P=0.0404),两者AUC最大差异在于非肿块病变。KS+的AUC优于ADC,差异有统计学意义(P=0.0400)。Kaiser评分与KS+的AUC差异无统计学意义(P=0.7604),见图6表1

图6  Kasier评分、ADC值、Kasier评分联合ADC (KS+评分)对乳腺病灶的ROC分析。6A:Kaiser评分、ADC、KS+评分对所有乳腺病灶的ROC图;6B~6D:分别为Kaiser评分、ADC、KS+评分对乳腺肿块及非肿块强化病灶的ROC图。注:ADC:表观扩散系数;KS+评分:Kaiser评分联合ADC。
表1  Kaiser评分、ADC、KS+评分诊断效能比较

2.4 Kaiser评分、ADC、KS+评分降低非必要活检的能力

       Kaiser评分、ADC、KS+评分结果与病理结果对比见表2。Kaiser评分的特异度优于ADC,差异有统计学意义(P=0.0215)。Kaiser评分与ADC的敏感度差异无统计学意义(P=0.6875)。KS+评分的特异度优于ADC,差异有统计学意义(P<0.001)。KS+评分与ADC的敏感度差异无统计学意义(P=0.375)。Kasier评分与KS+评分的敏感度差异无统计学意义(P>0.500),Kasier评分与KS+评分的特异度差异无统计学意义(P>0.999),见表3

表2  Kaiser评分、ADC、KS+评分结果与病理结果对比
表3  Kaiser评分、ADC、KS+评分降低非必要活检的能力

3 讨论

       Kaiser评分[9, 10]通过机器学习算法从17个影像特征中筛选了5个影像特征评估乳腺病灶的恶性可能,病灶分值越高,恶性可能性越大。本研究比较了Kaiser评分、ADC及两者联合应用的诊断价值,发现Kaiser评分的诊断价值优于ADC,联合应用Kaiser评分及ADC不能提高诊断效能。通过分组分析发现在非肿块强化病灶中Kaiser评分的AUC最佳,Kaiser评分在非肿块强化病灶的诊断中具有优势。本研究通过计算Kaiser评分、ADC、两者联合应用的敏感度、特异度比较了其降低非必要活检能力,发现Kaiser评分同时具有高敏感度、高特异度,更适用于临床,可为临床医生判断患者是否需要活检提供客观参考指标。

3.1 Kaiser评分与ADC的诊断效能分析

       本研究结果显示,良恶性病灶的Kaiser评分值、ADC值差异有统计学意义,两者均可用于良恶性病灶的鉴别,Kaiser评分对乳腺病灶的诊断效能优于ADC。这可能是因为Kaiser评分[9, 10]包含的五个影像特征均侧面反映了乳腺病灶的异质性。其中根征及边缘情况反映了病灶的形态学特点,TIC类型及内部强化特征反映了病灶的血流动力学特征。灶周水肿与乳腺癌的肿瘤微环境密切相关,提示淋巴转移的风险增加[16]。Kaiser评分综合分析乳腺病变,ADC仅通过水分子扩散受限情况评估乳腺病灶,存在一定的局限性。通过分组分析,发现两者AUC在非肿块病变中差异最大,这与Jajodia等[17]研究中Kaiser评分在乳腺非肿块病灶中有较高的诊断效能相一致,但是本研究中Kaiser评分在非肿块病灶中的AUC为0.900,而Jajodia的研究中其AUC仅为0.715,原因可能是其研究纳入对象为钼靶或者乳腺MRI诊断不明确的病例,诊断的难度更大。

3.2 联合应用Kaiser和ADC的诊断效能分析

       联合应用Kaiser评分和ADC无法提高诊断效能,与Meng等[14]研究一致,但是本研究进一步发现Kaiser评分与KS+评分在肿块强化病灶中AUC一致,在非肿块病灶中Kaiser评分的AUC稍高于KS+评分。分析其原因可能如下:第一,ADC受较多因素的干扰,一方面患者的脉搏、呼吸、乳腺病灶中细胞间质成分、内部结构等均可影响ADC值的大小,另一方面MRI扫描仪及DWI的采集参数的不同亦可影响ADC值[18];第二,由于ADC的图像分辨率低且存在几何失真,ADC在乳腺亚厘米级非肿块病灶中的诊断效能欠佳[11];第三,Kaiser评分的五个影像特征除边缘均与乳腺癌的诊断显著且独立相关,而ADC值在乳腺良恶性病灶中存在一定的重叠,特异性不高[19]

3.3 Kaiser评分、ADC、KS+评分降低非必要活检能力的分析

       本研究中,ADC、Kaiaer评分及KS+评分的敏感度相仿,但是ADC的特异度仅为42.6%,明显低于Kaiser评分及KS+评分。与Kaiser评分相比,KS+评分可以多减少一例非必要活检,但同时也会产生一例假阴性结果。回顾性分析此假阴性病灶表现为非肿块样强化病灶,Kaiser评分为5,建议病理活检;ADC为1.8×10-3 mm2/s,KS+评分为1,不建议进一步检查,最终病理结果为导管内原位癌。这可能与导管内原位癌的病理特征有关,导管内原位癌肿瘤血管密度低且血管化程度不一[20],而TIC类型与肿瘤血管化程度密切相关[21],故导管内原位癌TIC曲线表现多样;导管内原位癌细胞密度低,纤维间质多,水分子扩散受限不明显,ADC值减少有限[22, 23]。此外,此病灶表现为非肿块强化病灶,无明确边界,其内夹杂脂肪和腺体组织,ADC值的测量可能存在误差。

3.4 本研究的局限性

       本研究存在一定的局限性。第一,本研究为回顾性分析,可能会导致病例选择和统计学偏倚;第二,本研究中部分病例的病理结果为穿刺活检结果,穿刺位置与ADC的ROI位置不能完全匹配,ADC可能存在一定的误差;第三,本研究的样本数量有限,且良性病变数较少,有待进一步扩大样本量。

       综上所述,Kaiser评分和ADC均用于鉴别乳腺良恶性病灶,但Kaiser评分的诊断效能明显优于ADC,其在诊断非肿块强化病变时具有显著性。Kaiser评分能减少非必要的活检的能力亦优于ADC,联合应用Kaiser评分和ADC无法提高诊断效能及降低非必要活检能力,Kaiser评分更适用于临床实践。

[1]
Sung H, Ferlay J, Siegel RL, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2021, 71(3): 209-249. DOI: 10.3322/caac.21660.
[2]
Siegel RL, Miller KD, Fuchs HE, et al. Cancer statistics, 2021[J]. CA Cancer J Clin, 2021, 71(1): 7-33. DOI: 10.3322/caac.21654.
[3]
Froelich MF, Kaiser CG. Cost-effectiveness of MR-mammography as a solitary imaging technique in women with dense breasts: an economic evaluation of the prospective TK-Study[J]. Eur Radiol, 2021, 31(2): 967-974. DOI: 10.1007/s00330-020-07129-5.
[4]
Cozzi A, Magni V, Zanardo M, et al. Contrast-enhanced mammography: a systematic review and meta-analysis of diagnostic performance[J]. Radiology, 2022, 302(3): 568-581. DOI: 10.1148/radiol.211412.
[5]
Mann RM, Cho N, Moy L. Breast MRI: state of the art[J]. Radiology, 2019, 292(3): 520-536. DOI: 10.1148/radiol.2019182947.
[6]
Lunkiewicz M, Forte S, Freiwald B, et al. Interobserver variability and likelihood of malignancy for fifth edition BI-RADS MRI descriptors in non-mass breast lesions[J]. Eur Radiol, 2020, 30(1): 77-86. DOI: 10.1007/s00330-019-06312-7.
[7]
El Khoury M, Lalonde L, David J, et al. Breast imaging reporting and data system (BI-RADS) lexicon for breast MRI: interobserver variability in the description and assignment of BI-RADS category[J]. Eur J Radiol, 2015, 84(1): 71-76. DOI: 10.1016/j.ejrad.2014.10.003.
[8]
Grimm LJ, Anderson AL, Baker JA, et al. Interobserver variability between breast imagers using the fifth edition of the BI-RADS MRI lexicon[J]. AJR Am J Roentgenol, 2015, 204(5): 1120-1124. DOI: 10.2214/AJR.14.13047.
[9]
Baltzer PAT, Dietzel M, Kaiser WA. A simple and robust classification tree for differentiation between benign and malignant lesions in MR-mammography[J]. Eur Radiol, 2013, 23(8): 2051-2060. DOI: 10.1007/s00330-013-2804-3.
[10]
Dietzel M, Baltzer PAT. How to use the Kaiser score as a clinical decision rule for diagnosis in multiparametric breast MRI: a pictorial essay[J]. Insights Imaging, 2018, 9(3): 325-335. DOI: 10.1007/s13244-018-0611-8.
[11]
Iima M, Honda M, Sigmund EE, et al. Diffusion MRI of the breast: current status and future directions[J]. J Magn Reson Imaging, 2020, 52(1): 70-90. DOI: 10.1002/jmri.26908.
[12]
Baltzer P, Mann RM, Iima M, et al. Diffusion-weighted imaging of the breast-a consensus and mission statement from the EUSOBI International Breast Diffusion-Weighted Imaging working group[J]. Eur Radiol, 2020, 30(3): 1436-1450. DOI: 10.1007/s00330-019-06510-3.
[13]
Pinker K, Moy L, Sutton EJ, et al. Diffusion-weighted imaging with apparent diffusion coefficient mapping for breast cancer detection as a stand-alone parameter: comparison with dynamic contrast-enhanced and multiparametric magnetic resonance imaging[J]. Invest Radiol, 2018, 53(10): 587-595. DOI: 10.1097/RLI.0000000000000465.
[14]
Meng LS, Zhao X, Lu L, et al. A comparative assessment of MR BI-RADS 4 breast lesions with Kaiser score and apparent diffusion coefficient value[J]. Front Oncol, 2021, 11: 779642. DOI: 10.3389/fonc.2021.779642.
[15]
李海英, 张义钊, 刘鹏, 等. 磁共振动态增强联合多b值扩散加权成像诊断乳腺癌的价值[J]. 中国医学影像学杂志, 2019, 27(12): 901-904. DOI: 10.3969/j.issn.1005-5185.2019.12.005.
Li HY, Zhang YZ, Liu P, et al. Dynamic contrast-enhanced magnetic resonance imaging combined with multi-b value diffusion weighted imaging in the diagnosis of breast cancer[J]. Chin J Med Imaging, 2019, 27(12): 901-904. DOI: 10.3969/j.issn.1005-5185.2019.12.005.
[16]
Dietzel M, Baltzer PA, Vag T, et al. Application of breast MRI for prediction of lymph node metastases-systematic approach using 17 individual descriptors and a dedicated decision tree[J]. Acta Radiol, 2010, 51(8): 885-894. DOI: 10.3109/02841851.2010.504232.
[17]
Jajodia A, Sindhwani G, Pasricha S, et al. Application of the Kaiser score to increase diagnostic accuracy in equivocal lesions on diagnostic mammograms referred for MR mammography[J]. Eur J Radiol, 2021, 134: 109413. DOI: 10.1016/j.ejrad.2020.109413.
[18]
Lee SH, Shin HJ, Moon WK. Diffusion-weighted magnetic resonance imaging of the breast: standardization of image acquisition and interpretation[J]. Korean J Radiol, 2021, 22(1): 9-22. DOI: 10.3348/kjr.2020.0093.
[19]
Avendano D, Marino MA, Leithner D, et al. Limited role of DWI with apparent diffusion coefficient mapping in breast lesions presenting as non-mass enhancement on dynamic contrast-enhanced MRI[J]. Breast Cancer Res, 2019, 21(1): 136. DOI: 10.1186/s13058-019-1208-y.
[20]
Grimm LJ, Rahbar H, Abdelmalak M, et al. Ductal carcinoma in situ: state-of-the-art review[J]. Radiology, 2022, 302(2): 246-255. DOI: 10.1148/radiol.211839.
[21]
Yabuuchi H, Matsuo Y, Kamitani T, et al. Non-mass-like enhancement on contrast-enhanced breast MR imaging: lesion characterization using combination of dynamic contrast-enhanced and diffusion-weighted MR images[J]. Eur J Radiol, 2010, 75(1): e126-e132. DOI: 10.1016/j.ejrad.2009.09.013.
[22]
Lee SM, Nam KJ, Choo KS, et al. Patterns of malignant non-mass enhancement on 3-T breast MRI help predict invasiveness: using the BI-RADS lexicon fifth edition[J]. Acta Radiol Stock Swed, 2018, 59(11): 1292-1299. DOI: 10.1177/0284185118759139.
[23]
Lehotska V, Rauova K, Vanovcanova L. Multiparametric MRI analysis of morphologico-functional features of DCIS-correlation with grade of nuclear atypia[J]. Neoplasma, 2018, 65(3): 389-397. DOI: 10.4149/neo_2018_170509N333.

上一篇 磁共振超短回波时间及梯度回波序列在早产儿肺部的应用研究
下一篇 磁共振扩散加权成像在肝癌微波消融预后评估中的应用研究
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2