目的研究纹理分析联合时间-信号强度曲线(time-intensity curve,TIC)对乳腺浸润性导管癌与纤维腺瘤鉴别诊断价值。材料与方法回顾性分析我院经病理学证实的75例女性患者(乳腺浸润性导管癌48例,乳腺纤维腺瘤27例)的MRI图像,分别绘制TIC及使用纹理分析软件中的直方图、绝对梯度、游程矩阵、共生矩阵和自回归模型共5种分析方法,对增强图像上的乳腺病灶进行纹理特征提取,共获得306个纹理特征参数;采用Fisher相关系数(Fisher coefficient,Fisher)、最小分类误判率+平均相关系数(classification error probability and average correlation coefficients,POE+ACC)及互信系数(mutual information coefficient,MI)三种统计学方法,分别筛选出区别乳腺浸润性导管癌与纤维腺瘤的10个最佳纹理特征参数。使用B11程序中的主成分分析法(principal component analysis,PCA)、线性鉴别分析法(linear discriminant analysis,LDA)和非线性鉴别分析法(nonlinear discriminant analysis,NDA)对这10个最佳纹理参数进行降维和分类,计算最佳纹理特征参数下病灶的最小误判率。统计TIC方法、纹理分析方法及两种方法联合下鉴别诊断的敏感度、特异度、准确度。结果纹理分析方法以Fisher+NDA或POE+ACC+NDA组合的最小误判率最低(4%),其筛选出用于建模的10个最佳纹理参数分别为:Fisher+NDA为GeoW1、熵S(5,-5)、相关性S(5,5)、熵S(4,-4)、熵S(5,0)、熵S(5,5)、Teta2、熵S(4,0)、Teta3、熵S(3,-3)。POE+ACC+NDA为GeoYo、Vertl_Fraction、GeoW5b、GeoW4、相关性S(5,5)、Teta1、Vertl_ShrtREmp、GeoNx、GeoAox、GeoX。TIC方法、纹理分析方法及两种方法联合下鉴别诊断的敏感度为87.5%、93.8%、97.9%;特异度为29.6%、11.1%、14.8%;准确度为66.7%、64.0%、68.0%。结论常规MRI平扫与增强的基础上,采用TIC与MRI纹理参数分析可以提高乳腺浸润性导管癌和乳腺纤维腺瘤的敏感度和准确度,其对乳腺纤维腺瘤与浸润性导管�
