多参数 MRI 在鉴别 BI-RADS 4 类乳腺病变良恶性中的应用

来源期刊：广州医药 | 1555-1562 发布时间：2025-11-20 收稿时间：2025/12/26 12:44:42 阅读量：32

作者：: 沈倩丽,

章俊,

薛红玉,

李君君,

张海青,

关键词：: 磁共振成像 BI-RADS分类乳腺病变弥散加权成像动态增强; magnetic resonance imaging BI-RADS category breast lesions diffusion weighted imaging dynamic enhancement

DOI：: 10. 20223 / j. cnki. 1000-8535. 2025. 11. 012

收稿时间：: 2025-01-24
修订日期：
接收日期：
引用总数：: 0

目的探讨多参数MRI在鉴别乳腺影像报告和数据系统（BI-RADS）4类乳腺病变良恶性中的应用。方法回顾性分析2022年1月—2024年12月于同济大学附属东方医院庐江分院行乳腺MRI检查为BI-RADS 4类且病理结果明确肿瘤的病例268例，其中良性组166例（包括乳腺纤维腺瘤93例，导管内乳头状瘤39例，乳腺囊性增生24例，乳腺分叶状肿瘤2例，浆细胞性乳腺炎8例），恶性组102例（包括浸润性导管癌89例，浸润性小叶癌6例，黏液癌2例，炎性乳腺癌5例）。对比分析单一序列和多序列联合诊断BI-RADS 4类乳腺病变良、恶性的效能；绘制基于多参数MRI受试者工作特征（ROC）曲线，并计算曲线下面积（AUC）、特异度和灵敏度，量化多序列对于BI-RADS 4类乳腺病变良恶性的诊断效能。结果基于多参数MRI联合诊断效能最高（AUC：0.912，95%CI：0.871~0.953），特异度为0.922，灵敏度为0.902；基于ADC值评估BI-RADS 4类乳腺病变最佳截断值为0.84×10-3 mm² /s，且均具有统计学意义（P＜0.05）。结论基于多参数MRI能够有效诊断BI-RADS 4类乳腺病变的良、恶性，为乳腺外科疾病进一步诊疗提供影像学诊断依据。

Objective To explore the application of multiparametric MRI in differentiating benign and malignant lesions classified as BI-RADS category 4 in breast imaging．Methods A total of 268 cases of breast MRI classified as BI-RADS category 4 with confirmed tumor pathology were retrospectively analyzed from January 2022 to December 2024 at the Tongji University Oriental Hospital Lujiang Branch. Among them，166 cases were categorized as benign lesions（including 93 cases of breast fibroadenoma，39 cases of intraductal papilloma，24 cases of cystic hyperplasia，2 cases of lobular tumor，and 8 cases of plasma cell mastitis），while 102 cases were categorized as malignant lesions（including 89 cases of invasive ductal carcinoma，6 cases of invasive lobular carcinoma，2 cases of mucinous carcinoma，and 5 cases of inflammatory breast cancer）．The efficacy of single-sequence versus combined multiple-sequence imaging in diagnosing benign and malignant BI-RADS category 4 breast lesions was compared and analyzed．The diagnostic efficacy of the multiparametric MRI sequences was quantified by plotting a receiver operating characteristic curve and calculating the area under the curve（AUC），as well as the specificity and sensitivity．Results The combined diagnostic efficacy of multiparametric MRI yielded the highest performance，with an AUC of 0.912（95%CI：0.871-0.953），demonstrating a specificity of 0.922 and a sensitivity of 0.902．The optimal cutoff value for differentiating BI-RADS category 4 breast lesions based on apparent diffusion coefficient values was determined to be 0.84×10-3 mm² /s，with all results being statistically significant（P＜0.05）．Conclusions Multiparametric MRI can effectively diagnose benign and malignant lesions classified as BI-RADS category 4，providing a reliable imaging basis for further diagnosis and treatment in breast surgery．

近年来，乳腺癌已成为影响我国女性身心健康最常见的恶性肿瘤之一^［1］。临床上，乳腺病变的良恶性诊断主要依靠临床触诊、钼靶、超声和MRI等检查^［2-4］。既往研究提示^［5-7］，乳腺部分病变单纯依靠超声或钼靶X线检查，因其临床和形态学表现不典型，易被误诊为乳腺癌，导致患者不必要的恐慌和过度治疗。目前，病理诊断依然是临床评估乳腺病变良恶性的金标准^［8］。近年来，随着多参数MRI在临床上的广泛应用，MRI 已成为乳腺良恶性病变术前评估的最重要检查方法^［9］。在第五版乳腺影像报告和数据系统（breast imaging reporting and data system，BI-RADS）中，乳腺BI-RADS 4类病变具有一定的恶性概率^［10］。在常规影像学诊断中，鉴别乳腺病变的良、恶性主要根据病灶的形态、边界、纵横比、病灶内钙化和有限的血流动力学变化进行评估，具有一定的主观性，尤其是对BI-RADS 4类乳腺病变，其术前诊断准确率相对较低^［11-12］。本研究旨在探讨基于多参数MRI成像诊断BI-RADS 4类乳腺病变良、恶性的效能，为乳腺外科术前评估提供影像学诊断依据。

1 资料与方法

1.1 一般资料

回顾性分析2022年1月—2024年12月于同济大学附属东方医院庐江分院行乳腺MRI检查为BI-RADS 4类且病理结果明确肿瘤的病例268例，其中良性病变组166例，恶性病变组102例。本研究已通过同济大学附属东方医院庐江分院医学伦理委员会审批（伦理批件号：LYWZLL2023-0501）。

纳入标准：（1）所有乳腺病灶经MRI术前评估为BI-RADS 4类；（2）MRI检查图像符合影像学诊断标准；（3）MRI图像中乳腺病灶显示清晰，并与术后标本所示部位一致；（4）外科根治性手术于MRI检查后2个星期内进行。排除标准：（1）MRI检查前接受过临床相关治疗；（2）合并全身其他肿瘤史；（3）MRI图像存在伪影等影响诊断结果；（4）临床信息不完整。

1.2 检查方法

应用具有双环极阵列乳腺专用线圈的西门子Avanto1.5T磁共振，检查患者取俯卧位，身体位于主磁体中心区域，长轴和主磁体平行，并使两侧乳腺自然悬垂，中心线为两侧乳头连线。MRI扫描序列包括：T1加权成像（T1-weighted imaging，T₁WI）、T2加权成像（T2-weighted imaging，T₂WI）、弥散加权成像（diffusion-weighted imaging，DWI）和动态对比增强MRI（dynamic contrast-enhanced magnetic resonance imaging，DCE-MRI）。具体扫描参数如下：（1）非抑脂T1WI序列（轴位）：回波时间（time of echo，TE） 4.7 ms，重复时间（time of repetition，TR） 8.0 ms，层厚1.5 mm，矩阵256×512，视野（field of view，FOV） 340 mm×340 mm；（2）非抑脂T2WI序列（轴位）：TE 54 ms，TR 4 800 ms，层厚3.0 mm，矩阵256×512，FOV 340 mm×340 mm；（3）T2抑脂序列（矢状位）：TE 89 ms，TR 3 000 ms，层厚为4.0 mm；矩阵256×512，FOV 340 mm×340 mm；（4）DWI功能成像（轴位）：TE 89 ms，TR 3 000 ms，层厚4.0 mm，矩阵160×160，FOV 360 mm×360 mm，其中b值取50、1 000、1 500 s/mm² ；（5）DCE - MRI（轴位），TE 1.84 ms，TR 4.37 ms，层厚1.5 mm，矩阵512×512，FOV 360 mm×360 mm。T1抑脂动态增强扫描：注射速率维持约2.5 mL/s、注射剂量约0.1 mmol/kg，以肘静脉注射，随后注射20 mL 0.9%生理盐水溶液，共计进行7次重复扫描，扫描间隔24 s，每次控制时间约60 s。

1.3 MRI图像分析

所有多序列MRI图像均由一名具有10年工作经验的影像科主治医师和一名具有30年工作经验的主任医师对BI-RADS 4类乳腺病灶的MRI图像进行评估，根据磁共振T1WI、T2WI、DWI功能成像［结合表观扩散系数（apparent diffusion coefficient，ADC）］和DCE-MRI增强［结合时间-强度曲线（time-intensity curve，TIC）］图像中乳腺病灶形态、边界和信号差异性，得出良性或恶性影像学诊断意见。遇到意见不一致时，经商讨或研究小组内集体讨论。依据外科术后病理结果，回顾性对比分析多序列MRI差异性。扫描结束后，将原始数据传至SyngoVB19磁共振专用后处理工作站，通过在肿瘤中心勾画ROI，避开囊变、坏死区域，面积约20 mm² ，测量3次取其平均值并记录。

1.4 统计学分析

统计学分析均于SPSS 27.0软件中进行。计数资料以（n）或［n（%）］表示，组间比较行χ ² 检验；计量资料以

表示，组间比较行t检验或非参数检验；以P＜0.05为差异有统计学意义。绘制基于多参数MRI受试者工作特征（receiver operating characteristic，ROC）曲线，并计算ROC曲线下面积（area under the curve，AUC）、特异度和灵敏度，量化多序列对于BI-RADS 4类乳腺病变良恶性的诊断效能。对高b值（1 000 s/mm² ）乳腺良恶性病变ADC值构建ROC曲线图，分析得出本组研究中诊断BI-RADS 4类乳腺良、恶性病变的ADC最佳阈值。

2 结果

2.1 多参数MRI成像诊断BI-RADS 4类乳腺病变良、恶性效能对比

共计纳入268例BI-RADS 4类乳腺病变患者，其中良性组166例（包括乳腺纤维腺瘤93例，导管内乳头状瘤39例，乳腺囊性增生24例，乳腺分叶状肿瘤2例，浆细胞性乳腺炎8例），恶性组102例（包括浸润性导管癌89例，浸润性小叶癌6例，黏液癌2例，炎性乳腺癌5例）。临床基线资料中（见表1），乳腺病灶中心所测ADC值具有统计学意义，所测ADC值范围0.317~1.297×10^-3 mm² /s，其中恶性病变组（0.80±0.11）×10^-3 mm² /s，良性病变组（0.94±0.12）×10^-3 mm² /s，最佳阈值为0.84×10^-3 mm²/s（P＜0.05，图1A）。

表1 268例BI-RADS 4类乳腺病变患者临床基线资料表 [, n（%）]

因素	恶性病变组（n=102)	良性病变组 (n=166)	t/c2	P
年龄 /岁	48.75±10.06	46.12±11.13	0.465	0.642
身体质量指数/(kg/m2)	21.52±2.00	21.58±1.89	-0.243	0.809
表观扩散系数/(×10-3mm2/s)	0.80±0.11	0.74±0.12	4.374	＜0.001*
病灶直径/(mm)	9.06±6.59	8.78±6.18	0.033	0.974
位置			0.023	0.881
左	63（61.8）	101（60.8）
右	39（38.2）	65（39.2）
糖类抗原125/(U/mL)	9.88±6.21	11.78±9.16	-1.852	0.065
糖类抗原199/(U/mL)	18.65±15.79	21.05±18.68	-1.081	0.281
癌胚抗原/(ng/mL)	21.63±37.22	20.57±31.20	0.252	0.801
高血压[n(%)]	22（21.5）	41（24.7）	0.344	0.557
糖尿病[n(%)]	27（26.4）	46（27.7）	0.049	0.825

单一序列MRI中，DCE-MRI动态增强诊断效能最高（AUC：0.812；95%CI：0.756~0.868），特异度为0.819，灵敏度为0.804；多参数MRI诊断（AUC：0.912；95%CI：0.871~0.953），特异度为0.922，灵敏度为0.902，且具有统计学意义（P＜0.05），见表2、3和图1B。

图 1 乳腺病灶中心 ADC 值和多参数 MRI 诊断 BI-RADS 4 类乳腺病变良恶性 ROC 曲线图

注：（A）BI-RADS 4类乳腺病变ADC值ROC曲线图；（B）多参数MRI诊断BI-RADS 4类乳腺病变良恶性ROC曲线图

表2 多参数MRI对BI-RADS 4类乳腺病变良恶性诊断价值 n=268

序列	恶性病变组（n=102)		良性病变组（n=166)
序列	阳性	阴性	阳性	阴性
T1WI	69	33	112	54
T2WI	76	26	118	48
DWI	72	30	114	52
DCE-MRI	82	20	136	30
多参数MRI联合	92	10	152	14

表3 多参数MRI诊断BI-RADS 4类乳腺病变良恶性的效能

序列	AUC(95%CI)	特异度	灵敏度	P
T1WI	0.674(0.607~0.701)	0.673	0.675	＜0.001
T2WI	0.728(0.665~0.791)	0.711	0.745	＜0.001
DWI	0.696(0.631~0.762)	0.687	0.706	＜0.001
DCE-MRI	0.812(0.756~0.868)	0.819	0.804	<0.001
多参数MRI联合	0.912(0.871~0.953)	0.922	0.902	<0.001

2.2 BI-RADS 4类乳腺病变病例分析

病例1：患者，女，46岁；多参数MRI术前诊断：左乳内异常信号（BI-RADS 4a类）。左乳外上象限异常信号，病灶境界清，形态欠规则，大小约为4.3 cm×2.5 cm×3.7 cm（前后径×左右径×上下径）。MRI成像信号特点如下：T2WI呈稍高信号（图2A）；DWI（b=1 000 s/mm²）呈等略高信号，ADC值未见降低（图2B、C）；DCE -MRI动态增强呈早期高强化，即“平台型”TIC曲线图（图2D、E）。术后病理［苏木精-伊红染色法（hematoxylin-eosin staining，HE），×400］：纤维腺瘤（图2F）。

图 2 术前诊断 BI-RADS 4 类乳腺病变多参数 MRI 成像和术后病理（乳腺纤维腺瘤）

病例2：患者，女，52岁。多参数MRI术前诊断：左乳内异常结节（BI-RADS 4b类）。左乳外上象限异常信号，境界不清，边缘毛糙，大小约为1.9 cm×1.5 cm×1.4 cm（前后径×左右径×上下径），MRI成像信号特点如下：T₂WI稍高信号（图3A）；DWI（b=1 000 s/mm²）序列呈混杂高信号，ADC值降低（图3B、C）；DCE -MRI动态增强呈不均匀高强化，“流出型”TIC曲线图（图3D、E）。术后病理（HE染色，×400）：浸润性导管癌（图3F）。

图 3 术前诊断 BI-RADS 4 类乳腺病变的多参数 MRI 成像和术后病理（乳腺浸润性导管癌）

3 讨论

本研究回顾性分析268例乳腺病变MRI图像，旨在评估多参数MRI在BI-RADS 4类乳腺病变良恶性诊断中的有效性。结果显示，多参数MRI联合诊断（AUC：0.912；95%CI：0.871~0.953），特异度为0.922，灵敏度为0.902，且具有统计学意义（P＜0.05）。表明该方法在术前评估BI-RADS 4类乳腺病变的良恶性中具有重要临床应用价值。

乳腺癌具有高度侵袭性，保守治疗预后差和远期生存率低等特点^［13-14］，临床术前对乳腺病灶良恶性进行准确评估定性、及时规范治疗能够有效提高临床干预疗效和术后患者的生活质量^［15-16］。传统影像学主要依据病灶的形态、纵横比、边界和超声CDFI血供情况，当BI-RADS 4类乳腺病变形态表现不突出时，容易造成“同病异影”或者“同影异病”，以致术前漏诊甚至误诊^［17］。近几年，多参数MRI（包括T₁WI、T₂WI、DWI和DCE动态增强）技术广泛应用于乳腺病变良、恶性术前评估中^［18-19］。BI-RADS是美国放射学会制定的一套乳腺影像报告和数据系统，旨在对乳腺影像检查结果进行标准化评估和沟通^［20］。第五版BI-RADS评分系统将乳腺病变的潜在恶性程度分为多个等级，其中4类表示病变有一定可能性为恶性，而在4类中又根据恶性可能性的高低进一步分为4A、4B和4C三个亚类。4A类意味着恶性可能性相对较低，通常在2%~10%之间；4B的概率为10%～50%；4C的概率为50%～94%。本次研究中，共计纳入268例BI-RADS 4类乳腺病变患者，其中术前诊断4A类184例，4B类62例，4C类22例，术后病理良性组166例（包括乳腺纤维腺瘤93例，导管内乳头状瘤39例，乳腺囊性增生24例，乳腺分叶状肿瘤2例，浆细胞性乳腺炎8例），恶性组102例（包括浸润性导管癌89例，浸润性小叶癌6例，黏液癌2例，炎性乳腺癌5例）。

T1WI主要反映组织间的T₁弛豫时间差异，通过强调组织间的T1弛豫差异，能够清晰地显示不同组织的对比度^［21］。本组研究中，基于T₁WI序列诊断BI-RADS 4类乳腺病变的良恶性（AUC：0.674；95%CI：0.607~0.701），特异度为0.673，灵敏度为0.675。较既往研究^［22］相仿。T2WI主要反映组织横向弛豫的差别，通过调整磁场参数和无线电波参数，使水分子在不同组织中表现出不同的信号强度，从而突出组织间横向弛豫的差别^［23］。本组研究中，基于T2WI序列诊断（AUC：0.728；95%CI：0.665~0.791），特异度为0.711，灵敏度为0.745。 DWI是常见MRI功能成像序列之一。DWI序列信号高低（结合ADC值）能够一定程度上反映乳腺病灶良恶性和分化程度^［24-25］。本组研究中，乳腺病灶中心所测ADC值具有统计学意义，所测ADC值范围为0.317×10-3~1.297×10^-3mm² /s，其中恶性病变组（0.80±0.11）×10^-3 mm² /s，良性病变组（0.94 ±0.12）×10^-3 mm² /s，最佳截断值为0.843×10^-3 mm² /s（P＜0.05）。但是乳腺病灶良性组和恶性组ADC值存在一定重叠区域，其中有3例影像诊断BI-RADS 4C类，术后大标本病理诊断乳腺纤维腺瘤2例和乳腺增生1例。研究小组讨论后认为：可能与乳腺病灶伴发感染有关。本组研究中，基于DWI成像诊断（AUC：0.696；95%CI：0.631~0.762），特异度为0.687，灵敏度为0.706。由此可见DWI功能成像（结合ADC值）诊断BI-RADS 4类乳腺病变的良恶性效能有待提高。DCE-MRI动态增强能够在一定程度上评估BI-RADS 4类乳腺病变的良、恶性，乳腺癌多表现为不均匀明显高强化，提示肿瘤内异常血管及周边侵犯等^［26］。本组研究中，DCE-MRI动态增强诊断BI-RADS 4类乳腺病变的良恶性（AUC：0.812；95%CI：0.756~0.868），特异度为0.819，灵敏度为0.804，且具有统计学意义（P＜0.05）。动态增强扫描结束后，于后处理专用工作站量化分析乳腺BI-RADS 4 图，反映乳腺病灶内部血流特征和灌注率类病灶，绘制乳腺病灶对应的［ TIC 27-28 曲线］。既往研究指出^［29］，TIC曲线类型包括Ⅰ、Ⅱ和Ⅲ型，即Ⅰ型（流入型），强化特点为逐渐上升曲线；Ⅱ型（平台型），持续性强化曲线；Ⅲ 型（流出型），即快速上升并有所下降曲线（下降幅度＞15%）。本组研究中Ⅰ型（流入型）曲线均为良性组，Ⅱ型（平台型）或Ⅲ型（流出型）多为恶性组。既往研究表明，乳腺恶性肿瘤细胞异常增殖、代谢速度快^［30］，肿瘤内富含异常杂乱血供，DCE动态增强扫描后强化峰值早现，迅速又有所下降（下降幅度＞15%），故TIC曲线多为Ⅲ型（流出型）；乳腺良性病变（如纤维腺瘤、腺病等）因其细胞无异常增殖和侵袭性，细胞代谢相对缓慢，病灶内无异常滋生的血管，DCE动态增强扫描后病灶呈渐进性或持续性强化，TIC曲线多为Ⅰ型（流入型）或Ⅱ型（平台型）。

多参数MRI成像能够弥补单一序列图像在诊断上的不足，能够有效提高术前诊断效能。本组研究中基于多参数MRI诊断BI-RADS 4类乳腺病变良恶性（AUC：0.912，95%CI：0.871~0.953），特异度为0.922，灵敏度为0.902，且具有统计学意义（P＜0.05）。

当然，本研究存在一定的局限性。首先，由于近年来两癌（乳腺癌和宫颈癌）筛查的持续推进，本组研究中乳腺病变良性组病例较多，后续研究中将严格执行纳入和排除标准，增加乳腺癌组样本量。然后，在测量病灶中心ADC值时没有考虑乳腺病灶的大小，所有勾画ROI范围均为同一标准，当病灶较小或较大时，不可避免会导致测量所得ADC值具有一定偏差，后续研究中将考虑将乳腺病灶按照大小进行分类、分层勾画并分析。最后，本研究没有考虑乳腺癌的腋窝淋巴结转移等因素。为提高诊断的准确性，下一步的研究应收集更多病例，并与术后病理结果进行对比分析。

综上所述，基于T₁WI、T₂WI、DWI（结合ADC值）和DCE动态增强（结合TIC曲线）多参数MRI能够定量、定性地于术前有效评估BI-RADS 4类乳腺病变良恶性，值得临床进一步推广应用。

1、YI%E2%80%83S%EF%BC%8CCHEN%E2%80%83Z%EF%BC%8CSHE%E2%80%83F%EF%BC%8Cet%E2%80%83al%EF%BC%8EIDC-Net%EF%BC%9ABreast%E2%80%83%0Acancer%E2%80%83classification%E2%80%83network%E2%80%83based%E2%80%83on%E2%80%83BI-RADS%E2%80%834%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EPattern%E2%80%83Recognit%EF%BC%8C2024%EF%BC%88150%EF%BC%89%EF%BC%9A110323%EF%BC%8E

2、伍清清，庞溢，梁少芬，等．DCE-MRI多参数定量特征对乳腺癌腋窝淋巴结转移风险的预测研究［J］．广州医药，2024，55（12）：1450-1455．

3、闫晨名，蔡艺威，程立浩，等．乳腺浸润性微乳头状癌的多组学研究进展［J］．国际医药卫生导报，2024，30（15）：2465-2469．

4、赵建颖，朱亮飞，杨江宁．超声萤火虫技术检查乳腺肿块微钙化及其鉴别诊断价值［J］．现代医院，2022，22（9）：1474-1476．

5、GRA%20%C5%BB%20Y%20%C5%83%20SKA%E2%80%83A%20%EF%BC%8C%20NIEWIADOMSKA%E2%80%83A%20%EF%BC%8C%0AOWCZAREK%E2%80%83A%E2%80%83J%EF%BC%8Cet%E2%80%83al%EF%BC%8EBIRADS%E2%80%834-Is%E2%80%83it%E2%80%83possible%E2%80%83to%E2%80%83%0Adowngrade%E2%80%83lesions%E2%80%83that%E2%80%83do%E2%80%83not%E2%80%83enhance%E2%80%83on%E2%80%83recombinant%E2%80%83%0Acontrast-enhanced%E2%80%83mammography%E2%80%83images%3F%EF%BC%BBJ%EF%BC%BD%EF%BC%8EEur%E2%80%83%0AJ%E2%80%83Radiol%EF%BC%8C2023%EF%BC%88167%EF%BC%89%EF%BC%9A111062%EF%BC%8E

6、LIU%E2%80%83Y%EF%BC%8CWANG%E2%80%83S%EF%BC%8CQU%E2%80%83J%EF%BC%8Cet%E2%80%83al%EF%BC%8EHigh-temporal%E2%80%83%0Aresolution%E2%80%83DCE-MRI%E2%80%83improves%E2%80%83assessment%E2%80%83of%E2%80%83intra-%E2%80%83and%E2%80%83%0Aperi-breast%E2%80%83lesions%E2%80%83categorized%E2%80%83as%E2%80%83BI-RADS%E2%80%834%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ABMC%E2%80%83Med%E2%80%83Imaging%EF%BC%8C2023%EF%BC%8C23%EF%BC%881%EF%BC%89%EF%BC%9A58%EF%BC%8E

7、尚怡研，王贇霞，郭亚欣，等．多参数MRI影像组学术前预测乳腺癌HER-2低表达的临床研究［J］．临床放射学杂志，2024，43（8）：1286-1291．

8、LI%E2%80%83S%EF%BC%8CXIN%E2%80%83Q%EF%BC%8CLI%E2%80%83Y%EF%BC%8Cet%E2%80%83al%EF%BC%8EThree-dimensional%E2%80%83%0Avisualization%E2%80%83of%E2%80%83%20breast%E2%80%83cancer%E2%80%83%20pathology%E2%80%83evolution%E2%80%83in%E2%80%83%0Aclinical%E2%80%83patient%E2%80%83tissues%E2%80%83with%E2%80%83NIR-II%E2%80%83imaging%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ANano%E2%80%83Lett%EF%BC%8C2024%EF%BC%8C24%EF%BC%8833%EF%BC%89%EF%BC%9A10337-10347%EF%BC%8E

9、章俊，张海青．MRI常规序列弥散加权成像及动态增强扫描在乳腺病变诊断中的应用价值［J］．安徽医学，2023，44（12）：1456-1461．

10、TSUNODA%E2%80%83H%EF%BC%8CMOON%E2%80%83W%E2%80%83K%EF%BC%8EBeyond%E2%80%83BI-RADS%EF%BC%9A%0ANonmass%E2%80%83abnormalities%E2%80%83on%E2%80%83breast%E2%80%83ultrasound%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0AKorean%E2%80%83J%E2%80%83Radiol%EF%BC%8C2024%EF%BC%8C25%EF%BC%882%EF%BC%89%EF%BC%9A134-145%EF%BC%8E

11、HEMALATHA%E2%80%83V%EF%BC%8CDEV%E2%80%83B%EF%BC%8CVANITHA%E2%80%83RANI%E2%80%83N%EF%BC%8C%0Aet%E2%80%83al%EF%BC%8EExploring%E2%80%83the%E2%80%83%20relationship%E2%80%83%20between%E2%80%83%20CD%E2%80%83%20166%E2%80%83%0Aexpression%E2%80%83%20and%E2%80%83%20breast%E2%80%83imaging%E2%80%83%20reporting%E2%80%83%20and%E2%80%83%20data%E2%80%83%0Asystem%EF%BC%88BI-RADS%EF%BC%89scores%E2%80%83in%E2%80%83breast%E2%80%83cancer%E2%80%83patients%E2%80%83%0Aand%E2%80%83healthy%E2%80%83volunteers%EF%BC%BBJ%EF%BC%BD%EF%BC%8ECureus%EF%BC%8C2023%EF%BC%8C15%0A%EF%BC%8811%EF%BC%89%EF%BC%9Ae48145%EF%BC%8E

12、冯琬婷，滕屹霖，杨会芳，等．基于乳腺癌筛查队列的超声BI-RADS分类进展影响因素分析［J］．四川大学学报（医学版），2024，55（6）：1550- 1556．

13、黄文冲，汤间仪，马慧．数字乳腺三维断层融合摄影技术联合MR波谱在乳腺高危病灶诊断中的应用［J］．广州医药，2023，54（1）：52-55．

14、于海静，柳海涛，张安秦，等．多中心乳腺癌筛查中乳光超诊断BI-RADS3和4级结节的价值［J］．中华肿瘤防治杂志，2022，29（13）：996-1003．

15、吴苑滨，徐晓伟，钟华成．彩色多普勒超声与MRI 联合诊断女性早期乳腺癌及分期的临床应用价值［J］．分子影像学杂志，2024，47（4）：391- 396．

16、DU%E2%80%83Y%EF%BC%8CMA%E2%80%83J%EF%BC%8CWU%E2%80%83T%EF%BC%8Cet%E2%80%83al%EF%BC%8EDowngrading%E2%80%83Breast%E2%80%83%0AImaging%E2%80%83Reporting%E2%80%83%20and%E2%80%83Data%E2%80%83%20System%E2%80%83%20categories%E2%80%83in%E2%80%83%0Aultrasound%E2%80%83using%E2%80%83strain%E2%80%83elastography%E2%80%83and%E2%80%83computer%02aided%E2%80%83diagnosis%E2%80%83system%EF%BC%9AA%E2%80%83multicenter%EF%BC%8Cprospective%E2%80%83%0Astudy%EF%BC%BBJ%EF%BC%BD%EF%BC%8EBritish%E2%80%83Journal%E2%80%83of%E2%80%83Radiology%EF%BC%8C2024%EF%BC%8C97%0A%EF%BC%881162%EF%BC%89%EF%BC%9A1653-1660%EF%BC%8E

17、周桂萍，李建梅，李建柱．超声SWE联合MRI对非肿块型乳腺癌的诊断价值分析［J］．临床误诊误治，2024，37（11）：34-38．

18、%E2%80%83%20HUANG%E2%80%83Z%EF%BC%8CXU%E2%80%83J%EF%BC%8CHUANG%E2%80%83B%EF%BC%8Cet%E2%80%83al%EF%BC%8EMolybdenum%E2%80%83%0Atarget%E2%80%83X-ray%E2%80%83examination%E2%80%83and%E2%80%83multimodality%E2%80%83MRI%E2%80%83in%E2%80%83%0Athe%E2%80%83diagnosis%E2%80%83of%E2%80%83breast%E2%80%83cancer%EF%BC%BBJ%EF%BC%BD%EF%BC%8EEur%E2%80%83J%E2%80%83Gynaecol%E2%80%83%0AOncol%EF%BC%8C2023%EF%BC%8C44%EF%BC%884%EF%BC%89%EF%BC%9A118-123%EF%BC%8E

19、ORLANDO%E2%80%83A%E2%80%83A%E2%80%83M%EF%BC%8CCLAUSER%E2%80%83P%EF%BC%8CZARCARO%E2%80%83C%EF%BC%8Cet%E2%80%83%0Aal%EF%BC%8EMRI%E2%80%83insights%E2%80%83in%E2%80%83breast%E2%80%83imaging%EF%BC%BBJ%EF%BC%BD%EF%BC%8ECurr%E2%80%83Med%E2%80%83%0AImaging%EF%BC%8C2024%EF%BC%8820%EF%BC%89%EF%BC%9Ae15734056274670%EF%BC%8E

20、张莹莹，苑婉茹，栗河舟，等．妊娠哺乳期乳腺肿块的超声征象及BI-RADS分类价值［J］．中国临床医学影像杂志，2023，34（8）：535-538，543．

21、%E5%90%91%E6%A3%AE%EF%BC%8C%E4%BD%95%E8%8B%97%EF%BC%8C%E6%9B%B9%E9%9B%A8%E6%99%B4%EF%BC%8C%E7%AD%89%EF%BC%8E%E5%A4%9A%E6%A8%A1%E6%80%81MRI%E6%A3%80%E6%9F%A5%E5%9C%A8%E4%B9%B3%E8%85%BA%0ABI-RADS%E2%80%834%E7%B1%BB%E7%BB%93%E8%8A%82%E9%89%B4%E5%88%AB%E8%AF%8A%E6%96%AD%E4%B8%AD%E7%9A%84%E4%BB%B7%E5%80%BC%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%E4%B8%AD%E5%9B%BD%0ACT%E5%92%8CMRI%E6%9D%82%E5%BF%97%EF%BC%8C2024%EF%BC%8C22%EF%BC%8812%EF%BC%89%EF%BC%9A88-91%EF%BC%8E

22、杨珂，苗重昌．基于不同磁共振成像技术的影像组学在乳腺病变鉴别诊断中的应用［J］．磁共振成像，2024，15（9）：189-193，200．

23、蒋平平，陈燕清，黄涛，等．基于两种Dixon技术的乳腺磁共振T2WI序列图像质量对比研究［J］．磁共振成像，2024，15（3）：158-162．

24、刘磊，徐慧慧，王佳，等．乳腺MRI检查DWI、 DCE-MRI定量参数与乳腺癌分子亚型及Ki-67表达的关系［J］．河北医科大学学报，2024，45 （7）：779-784．

25、HIRAHARA%E2%80%83D%EF%BC%8EThe%E2%80%83%20fundamentals%E2%80%83%20of%E2%80%83%20diffusion%E2%80%83%0Aweighted%E2%80%83imaging%EF%BC%88DWI%EF%BC%89in%E2%80%83the%E2%80%83mammary%E2%80%83%20region%E2%80%83and%E2%80%83%0Aits%E2%80%83application%E2%80%83to%E2%80%83artificial%E2%80%83intelligence%EF%BC%88AI%EF%BC%89%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0ANihon%E2%80%83Hoshasen%E2%80%83Gijutsu%E2%80%83Gakkai%E2%80%83Zasshi%EF%BC%8C2023%EF%BC%8C79%0A%EF%BC%8811%EF%BC%89%EF%BC%9A1310-1317%EF%BC%8E

26、SUN%E2%80%83Z%EF%BC%8CZHOU%E2%80%83Z%EF%BC%8CWANG%E2%80%83L%EF%BC%8Cet%E2%80%83al%EF%BC%8EIVIM%E2%80%83and%E2%80%83DCE%02MRI%E2%80%83in%E2%80%83predicting%E2%80%83phenotypic%E2%80%83subtypes%E2%80%83and%E2%80%83Nottingham%E2%80%83%0Aprognostic%E2%80%83index%E2%80%83of%E2%80%83breast%E2%80%83cancer%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%E2%80%83%20J%E2%80%83%20Coll%E2%80%83%0APhysicians%E2%80%83Surg%E2%80%83Pak%EF%BC%8C2024%EF%BC%8C34%EF%BC%884%EF%BC%89%EF%BC%9A400-406%EF%BC%8E

27、薛秋榕，郑幼榕，沈晓燕，等．MR动态增强TIC曲线联合弥散加权成像检查对乳腺病变鉴别诊断的价值［J］．中国医药科学，2025，15（1）：157- 160．

28、李琳，崔文静，崔延安，等．动态增强MRI在乳腺非肿块样强化良恶性病变鉴别诊断中的临床应用研究［J］．东南大学学报（医学版），2023，42 （6）：903-908．

29、%E2%80%83%20ZARIC%E2%80%83O%EF%BC%8CPINKER%E2%80%83K%EF%BC%8CZBYN%E2%80%83S%EF%BC%8Cet%E2%80%83al%EF%BC%8EQuantitative%E2%80%83%0Asodium%E2%80%83MR%E2%80%83imaging%E2%80%83at%E2%80%837%E2%80%83T%EF%BC%9AInitial%E2%80%83%20results%E2%80%83%20and%E2%80%83%0Acomparison%E2%80%83with%E2%80%83diffusion-weighted%E2%80%83imaging%E2%80%83in%E2%80%83patients%E2%80%83%0Awith%E2%80%83breast%E2%80%83tumors%EF%BC%BBJ%EF%BC%BD%EF%BC%8ERadiology%EF%BC%8C2016%EF%BC%8C280%0A%EF%BC%881%EF%BC%89%EF%BC%9A39-48%EF%BC%8E

30、钱利萍，周长玉，谢铁明，等．动态对比增强磁共振成像感兴趣区勾画技术在乳腺癌诊断中的临床研究［J］．中国癌症杂志，2018，28（2）：123- 127．

1、安徽省科技计划项目（1704f0804009）；合肥市卫生健康应用医学科研项目（Hwk2024zc015；Hwk2023 zc022）；中国红十字基金会 2022 医学赋能 - 领航菁英科研项目（XM_LHJY2022_05_20）()