基于锥光束乳腺CT的乳腺密度容积定量测量研究

摘要

目的：基于锥光束乳腺CT（CBBCT）图像进行乳腺密度容积测量，探讨该方法的稳定性，并将测量结果与人工视觉评估乳腺密度分类结果进行比较。 方法：回顾性分析2012年5月～2013年9月在天津医科大学肿瘤医院接受CBBCT及乳腺X线摄影（MG）检查的195名患者。64侧乳腺符合条件入组。5名放射医师依据乳腺影像报告与数据系统（BI-RADS）中乳腺构成的分类标准对其进行分类并得到多数报告，比较64侧乳腺基于MG及CBBCT图像分别进行人工视觉评估乳腺密度的结果。3名放射医师基于其CBBCT图像进行计算机辅助阈值分割法测量乳腺密度，并得到手动修正后的乳腺密度。1个月后其中一名医师重复上述步骤。本研究数据均采用SPSS18.0统计学软件进行分析。采用组内相关系数（ICC）比较观察者内、观察者间、阈值分割法测量与手动修正、非致密类及致密类乳腺测量结果之间的一致性。基于MG及CBBCT图像的人工视觉评估乳腺密度分类结果之间一致性的比较采用Kappa检验进行。基于MG及CBBCT图像的人工视觉评估乳腺密度分类结果与基于CBBCT图像的计算机辅助乳腺密度容积测量结果间的相关性由斯皮尔曼相关系数进行评估。使用受试者工作特征曲线评估基于CBBCT的乳腺密度定量测量区分致密类及非致密类乳腺的能力。P＜0.05为差异具有统计学意义。 结果：5名医师依据BI-RADS中关于乳腺腺体构成的标准，基于其MG图像将64侧乳腺分为：a类（脂肪类）2侧（3.13%），b类（纤维腺体类）5侧（7.81%），c类（不均匀致密类）50侧（78.13%），d类（极度致密类）7侧（10.94%）。将a类和b类称为非致密类腺体，c类和d类称为致密类腺体，则多数报告中非致密类腺体共7侧（10.94%），致密类腺体共57侧（89.06%）。5名医师依据BI-RADS中关于乳腺腺体构成的标准，基于其CBBCT图像将64侧乳腺分为：a类（脂肪类）1侧（1.56%），b类（纤维腺体类）3侧（4.69%），c类（不均匀致密类）50侧（78.13%），d类（极度致密类）10侧（16.39%）。则多数报告中非致密类腺体共4侧（6.25%），致密类腺体共60侧（93.75%）。5名医师基于MG图像进行人工视觉评估的四分类结果的间的一致性，即ICC值为0.792（95%CI：0.719～0.854）；其二分类结果间的一致性，即ICC值为0.714（95%CI：0.625～0.796）。5名医师基于CBBCT图像进行人工视觉评估的四分类结果间的一致性，即ICC值为0.789（95%CI：0.716～0.852）；其二分类结果间的一致性，即ICC值为0.797（95%CI：0.726～0.858）。基于MG与CBBCT图像的人工视觉评估乳腺密度分类结果间的“一致性水平高”，Kappa值为0.618（P＜0.01）。阈值分割法测量乳腺密度的观察者内和观察者间ICC值分别为0.962（95%CI：0.939～0.977）和0.967（95%CI：0.966～0.979）；手动修正后测量观察者内和观察者间ICC值分别为0.975（95%CI：0.959～0.985）和0.978（95%CI：0.966～0.986）；阈值分割法与手动修正后测量之间ICC值为0.996（95%CI：0.994～0.998）；非致密类和致密类乳腺阈值分割法与手动修正之间ICC值分别为0.950（95%CI：0.707～0.991）和0.998（95%CI：0.997～0.999）。使用斯皮尔曼相关系数分析基于CBBCT图像的阈值分割法定量测量乳腺密度结果与基于MG的人工视觉评估乳腺密度分类（四分类）之间的关系，二者呈正相关（ρ=0.645）。使用斯皮尔曼相关系数分析基于CBBCT图像的阈值分割法定量测量乳腺密度结果与基于CBBCT图像的人工视觉评估乳腺密度分类（四分类）之间的关系，二者呈正相关（ρ=0.675）。以基于MG图像的人工视觉评估分类分多数报告作为金标准，评估基于CBBCT图像的阈值分割法测量乳腺密度区分致密类与非致密类乳腺的能力，结果是以10.13%为截断点，敏感度为87.7%，特异度为85.7%。 结论：基于CBBCT图像的阈值分割法是一种较为稳定且准确的计算机辅助定量测量乳腺密度的方法，其结果与基于BI-RADS的人工视觉评估乳腺密度分类结果呈正相关，未来有望应用于大规模乳腺癌筛查中并为乳腺癌风险的预测提供更多信息。

目录

第一个书签之前