乳腺专用γ显像的图像特征对乳腺病变的鉴别诊断价值

International Journal of Radiation Medicine and Nuclear Medicine(2019)

引用 0|浏览2
暂无评分
摘要
目的 探讨乳腺专用γ显像(BSGI)的图像特征对乳腺病变的鉴别诊断价值.方法 回顾性分析2014年7月至2015年6月行BSGI的272例中国女性乳腺疾病患者(共293个病灶),观察BSGI图像上病灶形态、病灶边缘是否清晰、灰度分布是否存在“偏心核心”、乳腺影像报告和数据系统(BIRADS)结果以及最大肿瘤/非肿瘤比值(T/NT).采用二变量秩相关分析及二分类Logistic回归分析法计算上述特征与病理结果的相关性.基于病灶计算所有图像特征的独立诊断效能以及上述显著相关特征的合并诊断效能,用MedCalc软件行Z检验比较上述特征的受试者工作特征曲线.结果 病灶形态(OR=0.0 13,95%CI:3.664~21.846,P=0.000)、病灶边缘是否清晰(OR=2.121,95%CI:1.061~4.239,P=0.033)以及灰度分布是否存在“偏心核心”(OR=12.927,95%CI:5.415~30.863,P=0.000)与病理结果显著相关.三者的灵敏度、特异度分别为92.0%(172/187)和58.5%(62/106)、66.8%(125/187)和71.7%(76/106)、95.7%(179/187)和27.4%(29/106).三者合并诊断效能最佳,灵敏度、特异度、阳性预测值、阴性预测值、准确率分别为88.2%(165/187)、81.1%(86/106)、89.2%(165/185)、79.6%(86/108)和85.7%(251/293),较BIRADS以及最大T/NT(界值:1.75)更准确,且差异均有统计学意义(Z=4.079、4.090,均P<0.05).结论 病灶形态、病灶边缘是否清晰以及灰度分布是否存在“偏心核心”可作为BSGI鉴别诊断乳腺病灶的图像特征,三者联合诊断能提高BSGI在乳腺病变中的独立诊断价值.
更多
查看译文
关键词
Breast diseases,Radionuclide imaging,Mammography,Diagnosis,differential,Image features
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要