Fisher判别分析法区分MRI中乳腺病灶性质的研究
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.
乳腺肿瘤、磁共振成像、鉴别诊断、Fisher判别
23
R814.4(放射医学)
2017-04-17（万方平台首次上网日期，不代表论文的发表时间）
共4页
42-45
