夏冰清，黎鑫樂，孫 琨，柴維敏

上海交通大學醫(yī)學院附屬瑞金醫(yī)院放射科，上海 200025

在我國，乳腺癌是女性最常見的惡性腫瘤，其發(fā)病率逐年增高，發(fā)病年齡呈現(xiàn)年輕化趨勢［1］。常規(guī)動態(tài)增強磁共振（magnetic resonance，MR）能夠發(fā)現(xiàn)體格檢查、超聲及乳腺X線攝影所不能發(fā)現(xiàn)的乳腺癌［2］，在乳腺良惡性病灶的診斷與鑒別診斷中扮演著越來越重要的角色，其診斷靈敏度高達85%～100%［3］，但其診斷特異度相對較低，常造成患者接受不必要的活檢［4］。隨著擴散加權成像(diffusion-weighted imaging，DWI)技術的開展及應用，大大提高了MR的特異度，而且無需注射造影劑，臨床應用前景廣闊。近年來，DWI的一些擴展模型，如體素內不相干運動（intravoxel incoherent motion，IVIM）模型和擴散峰度成像（diffusion kurtosis imaging，DKI），已經在肝臟病灶［5］、直腸癌［6］和腦膠質瘤［7］等疾病診斷中有了一定的應用。本研究旨在探討DWI的3種不同模型-單指數(shù)模型、IVIM模型和DKI模型在乳腺良惡性病灶中的鑒別診斷價值。

1 資料和方法

1.1 入組標準

本研究為前瞻性研究，收集2016年5月—2016年8月在上海交通大學醫(yī)學院附屬瑞金醫(yī)院乳腺疾病診治中心收治的乳腺病患者進行乳腺MR檢查。納入標準：乳腺超聲或X線檢查BIRADS 4類及以上患者。排除標準：① 乳腺MR檢查前已進行穿刺檢查、新輔助化療或手術的患者；② 圖像運動偽影較重。

1.2 MR檢查方法

采用德國Siemens公司的Aera 1.5 T MR掃描儀，雙側乳腺4通道專用相控線圈，均為橫軸位掃描?；颊呷「┡P位，雙側乳腺自然懸垂于專用乳腺表面線圈內。行雙側乳腺快速反轉恢復（turbo inversion recovery magnitude，TIRM）序列，重復時間（repetition time，TR）/回波時間（echo time，TE）=5 240 ms/62 ms，層厚4 mm，視野（field of view，F(xiàn)OV）：340 mm×340 mm。多b值DWI采用讀出方向分段采樣平面回波成像序列，DWI參數(shù)：TR/TE=9 500 mm/72 ms，層厚4 mm，F(xiàn)OV：384 mm×384 mm，b值分別取0、50、100、150、200、400、800、1 000、1 500、2 000和2 500 s/mm2，共11個b值，激勵次數(shù)（number of excitation，NEX）分別為1、1、1、1、1、2、2、3、3、5和5，掃描時間共計14 min 17 s。最后行T1加權動態(tài)增強掃描，TR/TE=4.58 ms/1.89 ms，層厚1.5 mm，F(xiàn)OV：360 mm×360 mm。第1序列進行平掃后，靜脈注射釓噴酸葡胺（Gddiethylenetriamine pentaacetic acid，Gd-DTPA），以2.0 mL/s的速度進行注射，其后以同樣速率注入15 mL 0.9%NaCl溶液沖洗管腔內殘留的Gd-DTPA，共采集5期增強掃描，每個時相掃描時間為90 s。

1.3 圖像處理與數(shù)據(jù)分析

所有圖像傳送至第三方軟件MATLAB（美國MathWorks公司產品）進行后處理，分別得到表觀彌散系數(shù)（apparent diffusion coefficient，DADC）圖、IVIM和DKI相關參數(shù)圖，所有數(shù)據(jù)逐個像素按照不同公式進行擬合。

本研究使用單指數(shù)模型進行對照，選擇b=50和1 000 s/mm2進行計算，其計算方程式［8］為：

IVIM模型：選擇0、50、100、150、200、400、800和1 000 s/mm2共8個b值進行數(shù)據(jù)采集，采用經典的兩步計算法，其計算方程式［9］為：

真實擴散系數(shù)（tissue diffusivity coefficient，DDT）反映純的水分子擴散；灌注相關擴散系數(shù)（perfusion-related diffusivity coefficient，D*），也稱為假擴散系數(shù)，反映微循環(huán)灌注的灌注系數(shù)；灌注分數(shù)（perfusion fraction，f）反映微循環(huán)灌注效應占總體擴散效應的容積率。高b值（＞200 s/mm2）下，灌注信號基本完全衰減，D*遠大于DDT，可簡化為線性最小二乘法S（b）/S（0）=exp（-bD）公式計算獲得DDT值。算得DDT值后，再將所有b值使用Least-Marquardt非線性最小二乘法［10］進行擬合計算，得出灌注相關擴散系數(shù)D*值和血管容積分數(shù)f值。

DKI模型：選擇5個高b值（0、1 000、1 500、2 000和2 500 s/mm2）進行計算，其計算方程式［11］為：

其中，擴散峰度系數(shù)（kurtosis coefficient，K）是一個無量綱的值，主要反映組織微觀結構的復雜性；擴散系數(shù)（diffusivity coefficient，DDK）是矯正后的DADC值，即去除非高斯偏移后的DADC值。

在公式（1-3）中，b為擴散敏感梯度因子，S（0）為b=0 s/mm2時的DWI信號強度，S（b=50）為b=50 s/mm2時的DWI信號強度，S（b）為b＞0 s/mm2時的DWI信號強度。

1.4 感興趣區(qū)（region of interest，ROI）劃定和參數(shù)計算

測量者①②分別為從事乳腺診斷9年和7年年資的放射科醫(yī)師，兩位測量者在不知道組織病理學結果的情況下分別閱片，各測量2次。使用MATLAB后處理軟件，在b=50、1000 s/mm2的DADC圖像上劃取ROI，選擇病灶實性成分最大層面，并且避開明顯囊性變、壞死液化區(qū)，然后將ROI復制到其他參數(shù)圖上，得出其他相應參數(shù)，所有參數(shù)均采用平均值。平均ROI大小為152 mm2（范圍40～420 mm2）。

1.5 統(tǒng)計學處理

使用SPSS 21.0和MEDCALC 15.6統(tǒng)計學軟件，P＜0.05為差異有統(tǒng)計學意義（雙尾側方法）。所有患者的臨床資料中，計數(shù)資料采用χ2檢驗、計量資料采用t檢驗；不同模型各參數(shù)值通過獨立樣本t檢驗；使用受試者工作特征（receiver operating characteristic，ROC）曲線確定各診斷參數(shù)的臨界值及與該臨界值相關的曲線下面積（area under curve，AUC），采用最大約登指數(shù)來確定各參數(shù)的臨界值及相應的診斷靈敏度和特異度，所有參數(shù)的一致性檢驗通過比較組內與組間相關因子實現(xiàn)，其中組內一致性檢驗使用測量者的2次測量結果來評估，組間一致性檢驗則由2位測量者的第1次測量結果來評估。當組內相關系數(shù)（intraclass correlation coefficient，ICC）大于0.75視為一致性好，0.50～0.75視為一般，小于0.5視為很差［12］。

2 結 果

2.1 臨床病理資料

共入選80例患者（83個病灶），年齡27～70歲，良性組患者平均年齡（40.1±7.2）歲（范圍27～51歲），惡性組患者平均年齡（50.7±9.3）歲（范圍35～70歲），兩組間差異有統(tǒng)計學意義（P＜0.001）。良惡性病灶在病灶大小方面的差異有統(tǒng)計學意義［（2.0±1.3）vs（2.5±1.3）；P=0.005］。良性病灶中腫塊樣強化的病灶有31個，非腫塊樣強化的病灶有7個；惡性病灶中腫塊樣強化的病灶有33個，非腫塊樣強化的病灶有12個。

所有病例均經組織病理學或粗針穿刺活檢確診，良性病灶共38個，包括腺病11個、纖維腺瘤16個、纖維腺瘤合并導管乳頭狀瘤1個、導管內乳頭狀瘤5個、肉芽腫性小葉性乳腺炎1個、分葉狀腫瘤2個、導管擴張伴炎性反應1個、囊腫伴感染1個。惡性病灶共45個，包括浸潤性導管癌20個、浸潤性導管癌合并導管原位癌13個、導管原位癌9個、浸潤性導管癌合并黏液癌2個、淋巴瘤1個。

2.2 單指數(shù)模型、IVIM模型和DKI模型各參數(shù)值的組內組間一致性評價

DADC值、DDT值、D*值、K值和DDK值的一致性檢驗結果均大于0.75，具有良好的組內組間一致性。但是f值的組間一致性ICC為0.656，視為一般，而組內一致性ICC為0.824，視為良好。

2.3 乳腺良惡性病灶的不同參數(shù)值

惡性病灶中的DADC、DDT和DDK值均明顯低于良性病灶，差異有統(tǒng)計學意義（P＜0.001）。良惡性病灶的DADC值分別為（1.44±0.36）×10-3和（0.91±0.14）×10-3mm2/s，DDT值分別為（1.43±0.36）×10-3和（0.88±0.13）×10-3mm2/s，DDK值分別為（1.77±0.43）×10-3和（1.13±0.19）×10-3mm2/s，差異均有統(tǒng)計學意義（P均＜0.001，表1）。而惡性病灶的K值明顯高于良性病灶(0.87±0.11 vs 0.61±0.12)，差異有統(tǒng)計學意義（P＜0.001）；另外D*和f值均在良惡性病灶之間存在較大重疊，差異均無統(tǒng)計學意義（P均 ＞0.05）。

表1 乳腺良惡性病灶不同模型各參數(shù)特征Tab.1 Characteristics of different parameters of benign and malignant breast lesions(±s)

表1 乳腺良惡性病灶不同模型各參數(shù)特征Tab.1 Characteristics of different parameters of benign and malignant breast lesions(±s)

DADC: Apparent diffusion coefficient; DDT: Tissue diffusivity coefficient; D*: Perfusion-related diffusivity coefficient; f: Perfusion fraction; K: Kurtosis coefficient; DDK: Diffusivity coefficient

Parameters Benign lesions (n=38) Malignant lesions (n=45) P value DWI DADC/×10-3 mm2/s 1.44±0.36 0.91±0.14 ＜0.001 IVIM DDT/×10-3 mm2/s 1.43±0.36 0.88±0.13 ＜0.001 D*/×10-3 mm2/s 4.60±2.10 5.38±2.14 ＞0.050 f/% 8.70±2.90 10.10±3.70 ＞0.050 DKI K 0.61±0.12 0.87±0.11 ＜0.001 DDK/×10-3 mm2/s 1.77±0.43 1.13±0.19 ＜0.001

2.4 3種模型參數(shù)的ROC曲線圖及診斷效能的比較

以病理結果為金標準，計算3種不同DWI模型的參數(shù)診斷乳腺癌的臨界值、靈敏度、特異度及AUC。DKI模型中的參數(shù)K值與IVIM模型中的參數(shù)DDT值的ROC曲線的AUC最高，略高于DADC值和DDK值的AUC（表2，圖1）。當DDT臨界值取≤1.06×10-3mm2/s時，其診斷靈敏度和特異度分別為93.3%和84.2%。當K值臨界值?。?.756時，其診斷靈敏度和特異度分別為91.1%和89.5%。對上述4個參數(shù)的ROC曲線的AUC進行Z檢驗，發(fā)現(xiàn)DADC、DDT、K和DDK值之間的差異均無統(tǒng)計學意義（P均＞0.05）。

表2 3種不同模型參數(shù)的診斷效能的比較Tab.2 Comparison of diagnostic efficiency of three different model parameters

圖1 DADC值、DDT值、K值及DDK值的ROC曲線圖Fig.1 The ROC curves of DADC, DDT, K and DDK values

3 討 論

單指數(shù)模型是臨床應用最廣泛的DWI模型，其掃描要求低，時間短，后處理簡單，在乳腺良惡性病灶的鑒別診斷中具有較高的診斷價值［8,13-14］。一項Meta分析顯示［13］，與動態(tài)增強MR相比，DADC值半定量分析可以提高乳腺良惡性病灶鑒別診斷的特異度。理論上僅需2個b值就足夠對曲線進行擬合［15］，1.5 T MR乳腺掃描中高b值一般選擇800～1 000 s/mm2，可獲得較好的圖像質量和較高的診斷價值［14］。本研究選擇了50和1 000 s/mm2兩個b值，結果顯示，良惡性病灶的DADC值分別為（1.44±0.36）×10-3和（0.91±0.14）×10-3mm2/s，差異有統(tǒng)計學意義（P＜0.001）。若以DADC值≤1.08×10-3mm2/s作為鑒別乳腺良惡性病灶的臨界值，其靈敏度為88.9%，特異度為84.2%，與Marini等［16］的研究結果相符。與IVIM模型和DKI模型相比，雖然DADC的診斷靈敏度較DDT值、K值和DDK值稍低，但這3種不同模型之間的差異均無統(tǒng)計學意義。

在20世紀80年代末，Le Bihan等［9］提出的IVIM模型，通常采用高（＞200 s/mm2）、低（≤200 s/mm2）2組b值，使用最小二乘法求得組織灌注信息和擴散運動信息。理論上至少應用4個不同加權的b值（包括b=0 s/mm2），才可獲得D、D*和f參數(shù)值，且b值需在0～200 s/mm2之間時，才可通過算法擬合出灌注相關信息，在乳腺的IVIM研究中，通常b值選擇0～800 s/mm2［17-19］。因此本研究選用了8個b值（0～1 000 s/mm2，包括0 s/mm2），足夠得到以上3個參數(shù)。在b值較低的情況下（b≤200 s/mm2），DADC值受灌注的影響顯著，不能反映真實水分子擴散的程度［9］。而DDT值由于去除了組織灌注的影響，可以更為準確地反映水分子真實擴散信息。本研究結果顯示，體素內不相干運動模型中的3個參數(shù)中，只有DDT值能夠較好地將乳腺良惡性病灶區(qū)分開來。在本研究中，惡性病灶的DDT值明顯低于良性病灶，與國內外的研究結果相符［20-21］。良惡性病灶DDT值分別為（1.43±0.36）×10-3和（0.88±0.13）×1 0-3m m2/ s，差異有統(tǒng)計學意義（P＜0.001），若以DDT值≤1.06×10-3mm2/s作為鑒別乳腺良惡性病灶的臨界值，其靈敏度為93.3%，特異度為84.2%，與DADC值相比，雖然兩者參數(shù)臨界值相仿，特異度相同，但DDT值的診斷靈敏度更高（93.3% vs 88.9%）。可能由于DDT值剔除了組織灌注的影響，能夠更加真實地反映組織內水分子擴散情況。Liu等［20］也對IVIM模型在乳腺良惡性病灶的鑒別診斷中進行了相關的研究，其研究結果顯示，DDT值較DADC值的AUC略高，分別為0.952和0.945；良惡性病灶DDT值分別為1.35×10-3和0.85×10-3mm2/s，如果以DDT≤1.06×10-3mm2/s作為鑒別良惡性病灶的臨界值，靈敏度為90%，特異度為92.68%。f值代表的是快速擴散所占的容積分數(shù)，但在本研究中，f值的組間一致性一般，在乳腺良惡性病灶中的差異也無統(tǒng)計學意義，與Liu等［20］的研究結果不一致，該研究發(fā)現(xiàn)f值在惡性病灶中明顯升高，在鑒別良惡性病灶中差異也有統(tǒng)計學意義，可能是惡性腫瘤的微循環(huán)灌注血容量增加導致的，其診斷靈敏度和特異度分別為87.5%和53.66%。筆者認為f值可能在不同機器之間的重復性較差，導致此次研究IVIM灌注信息擬合不好。此外，既往在前列腺癌的研究中也發(fā)現(xiàn)，f值在前列腺癌和良性前列腺增生之間的差異無統(tǒng)計學意義［22］。D*值是快速擴散系數(shù)，主要受到微循環(huán)灌注中毛細血管長度和血流速度的影響，大部分研究結果均顯示，乳腺良惡性病灶的D*值差異無統(tǒng)計學意義［20-21］，與本研究結果一致。IVIM的DDT值可除外組織灌注的影響，與單指數(shù)模型相比，可略微提高乳腺疾病診斷的靈敏度。

單指數(shù)模型假定生物組織內水分子擴散呈高斯分布，不同b值下的水分子擴散呈線性衰減，但當b值超過1 000 s/mm2時，水分子擴散信號的衰減開始偏離線性，此時用常規(guī)模型模擬水分子的信號衰減存在較大誤差。DKI模型則是用來探測非高斯分布水分子的擴散特性，可以量化偏離高斯模型的偏差值。理論上DKI模型至少需要3個b值才能擬合，臨床研究中乳腺癌的DKI掃描方法也是多種多樣的［23-25］，但目前尚無推薦的掃描方案。有研究認為，DKI模型的最大b值至少需要＞2 000 s/mm2，但不能超過3 000 s/mm2［26］。因此，在本研究中，b值選擇0、1 000、1 500、2 000和2 500 s/mm2。由于b值越高會導致圖像信噪比明顯下降，圖像變形越來越嚴重，故本次研究使用RS-EPI，相比于SS-EPI，可明顯減少圖像幾何變形及磁敏感偽影，進一步精確地劃定ROI的范圍［27］，但是掃描時間相對更長，相當于單指數(shù)模型的2～3倍。

本研究結果顯示，K值和DDK值在鑒別乳腺良惡性病灶中均有較高的診斷價值。其中K值的診斷效能最高，惡性病灶在DDK圖上呈明顯低信號，而在K圖上呈明顯高信號，這與Nogueira等［25］的觀察結果一致。K值是DKI中最具代表性的參數(shù)，是一個無量綱參數(shù)，主要反映細胞結構復雜的程度，ROI內組織結構復雜程度越高，則K值也越高，表明非高斯分布擴散受限越顯著。以往研究表明，DKI能提高對惡性病灶的靈敏度和特異度，可定量分析水分子擴散受限情況和組織復雜度［11,24,26,28］。從病理學角度上講，惡性腫瘤破壞正常腺體結構，細胞密度增大，核漿比增大，細胞間隙縮小，正常腺體內部腺泡、導管及間質結構出現(xiàn)紊亂，細胞呈不均勻生長，導致結構相對復雜［29］。DDK值代表水分子擴散相關系數(shù)，是修正的DADC值，反映水分子的擴散程度，其診斷效能與DADC值相似，但DDK值比DADC值大，這可能歸因于2種不同模型的不同本質。本研究中K值和DDK值的診斷能力與Sun等［24］的研究相比略低，差異可能主要與良惡性病灶的不同病理分布及所選病灶大小有關，在其研究中，惡性病灶主要以浸潤性乳腺癌為主，占所有惡性病灶的91.2%（52/57），并且病灶體積偏大，最小的ROI面積為98 mm2，而在本研究中，單純浸潤性乳腺癌所占比例較少，僅為44.4%（20/45），最小ROI約40 mm2。綜上所述，DKI的各參數(shù)在乳腺良惡性病灶的鑒別診斷中均有較高的診斷靈敏度和特異度，但掃描時間相對較長。

本研究存在一定的局限性：① 本次研究的樣本量相對較少，需要在今后的研究工作中進一步增加病例數(shù)；② IVIM的數(shù)據(jù)偏移較大，得到的結論與其他類似研究有一定差距；③ 為了達到較好的圖像質量，DKI掃描方案中采用了較多高b值，并增加了激勵次數(shù)，導致掃描時間相對較長，下一步如果要應用到臨床，還需要對b值進行優(yōu)化。

［1］ 汪登斌. 乳腺MRI應用現(xiàn)狀和我國乳腺MRI應用中存在的問題［J］. 中華放射學雜志, 2014, 48(3): 177-179.

［2］ KUHL C K, SCHRADING S, BIELING H B, et al. MRI for diagnosis of pure ductal carcinoma in situ: a prospective observational study［J］. Lancet, 2007, 370(9586): 485-492.

［3］ KUHL C K, MIELCARECK P, KLASCHIK S, et al. Dynamic breast MR imaging: are signal intensity time course data useful for differential diagnosis of enhancing lesions?［J］. Radiology,1999, 211(1): 101-110.

［4］ KUHL C. The current status of breast MR imaging. Part I.Choice of technique, image interpretation, diagnostic accuracy,and transfer to clinical practice［J］. Radiology, 2007, 244(2):356-378.

［5］ 盛若凡, 楊 麗, 汪禾青, 等. 擴散峰度成像對肝纖維化分級的診斷價值［J］. 中華放射學雜志, 2017, 51(9): 709-713.

［6］ ZHU L, PAN Z, MA Q, et al. Diffusion kurtosis imaging study of rectal adenocarcinoma associated with histopathologic prognostic factors: preliminary findings［J］. Radiology, 2017,284(1): 66-76.

［7］ 譚朝元, 楊 晶, 嚴開心, 等. 擴散峰度成像對高級別膠質瘤及單發(fā)腦轉移瘤的鑒別診斷價值［J］. 放射學實踐, 2017,32(3): 218-222.

［8］ WOODHAMS R, MATSUNAGA K, IWABUCHI K, et al.Diffusion-weighted imaging of malignant breast tumors: the usefulness of apparent diffusion coefficient (ADC) value and ADC map for the detection of malignant breast tumors and evaluation of cancer extension［J］. J Comput Assist Tomogr,2005, 29(5): 644-649.

［9］ LE BIHAN D, BRETON E, LALLEMAND D, et al. Separation of diffusion and perfusion in intravoxel incoherent motion MR imaging［J］. Radiology, 1988, 168(2): 497-505.

［10］ ICHIKAWA S, MOTOSUGI U, ICHIKAWA T, et al. Intravoxel incoherent motion imaging of focal hepatic lesions［J］. J Magn Reson Imaging, 2013, 37(6): 1371-1376.

［11］ JENSEN J H, HELPERN J A, RAMANI A, et al. Diffusional kurtosis imaging: the quantification of non-gaussian water diffusion by means of magnetic resonance imaging［J］. Magn Reson Med, 2005, 53(6): 1432-1440.

［12］ DELONG E R, DELONG D M, CLARKE-PEARSON D L.Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach［J］.Biometrics, 1988, 44(3): 837-845.

［13］ CHEN X, LI W L, ZHANG Y L, et al. Meta-analysis of quantitative diffusion-weighted MR imaging in the differential diagnosis of breast lesions［J］. BMC cancer, 2010, 10(1):693-703.

［14］ 張 靜, 安寧豫, 程流泉, 等. 1.5TMR乳腺擴散加權成像b值的優(yōu)化［J］. 中華放射學雜志, 2011, 45(10): 937-941.

［15］ PEREIRA F P, MARTINS G, FIGUEIREDO E, et al.Assessment of breast lesions with diffusion-weighted MRI:comparing the use of different b values［J］. AJR Am J Roentgenol, 2009, 193(4): 1030-1035.

［16］ MARINI C, IACCONI C, GIANNELLI M, et al. Quantitative diffusion-weighted MR imaging in the differential diagnosis of breast lesion［J］. Eur Radiol, 2007, 17(10): 2646-2655.

［17］ KOH D M, COLLINS D J, ORTON M R. Intravoxel incoherent motion in body diffusion-weighted MRI: reality and challenges［J］. AJR Am J Roentgenol, 2011, 196(6): 1351-1361.

［18］ LEBIHAN D. IVIM method measures diffusion and perfusion［J］. Diagn Imaging, 1990, 12(6): 133-136.

［19］ SIGMUND E E, CHO G Y, KIM S, et al. Intravoxel incoherent motion imaging of tumor microenvironment in locally advanced breast cancer［J］. Magn Reson Med, 2011, 65(5): 1437-1447.

［20］ LIU C, LIANG C, LIU Z, et al. Intravoxel incoherent motion(IVIM) in evaluation of breast lesions: comparison with conventional DWI［J］. Eur J Radiol, 2013, 82(12): 782-789.

［21］ 王慶軍, 李小娟, 張 靜, 等. 磁共振體素內不相干運動對于腫塊樣乳腺良惡性病變的診斷價值［J］. 中華臨床醫(yī)師雜志, 2014, 8(19): 21-25.

［22］ 閔祥德, 王 良, 馮朝燕, 等. MR擴散加權成像不同模型診斷前列腺癌的價值［J］. 中華放射學雜志, 2015, 49(11):838-842.

［23］ WU D, LI G, ZHANG J, et al. Characterization of breast tumors using diffusion kurtosis imaging (DKI)［J］. PloS One, 2014,9(11): e113240.

［24］ SUN K, CHEN X, CHAI W, et al. Breast cancer: diffusion kurtosis MR imaging-diagnostic accuracy and correlation with clinical-pathologic factors［J］. Radiology, 2015, 277(1): 46-55.

［25］ NOGUEIRA L, BRANDAO S, MATOS E, et al. Application of the diffusion kurtosis model for the study of breast lesions［J］.Eur Radiol, 2014, 24(6): 1197-1203.

［26］ JENSEN J H, HELPERN J A. MRI quantification of non-Gaussian water diffusion by kurtosis analysis［J］. NMR Biomed, 2010, 23(7): 698-710.

［27］ BOGNER W, PINKER-DOMENIG K, BICKEL H, et al.Readout-segmented echo-planar imaging improves the diagnostic performance of diffusion-weighted MR breast examinations at 3.0 T［J］. Radiology, 2012, 263(1): 64-76.

［28］ 高 欣, 周麗娟, 徐孝秋, 等. 擴散峰度成像對乳腺良、惡性病變的鑒別診斷價值［J］. 中華放射學雜志, 2017, 51(8):583-587.

［29］ ELSTON C W, ELLIS I O. Pathological prognostic factors in breast cancer. I. The value of histological grade in breast cancer:experience from a large study with long-term follow-up［J］.Histopathology, 1991, 19(5): 403-410.