国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

RSNA2018乳腺影像學(xué)

2019-03-24 17:17黃嘉艾濤李嫣胡益祺詹晨奧夏黎明
放射學(xué)實(shí)踐 2019年3期
關(guān)鍵詞:放射科乳腺篩查

黃嘉,艾濤,李嫣,胡益祺,詹晨奧,夏黎明

乳腺X線檢查

1.鉬靶

乳腺密度與罹患乳腺癌的風(fēng)險(xiǎn)以及鉬靶作為篩查工具的有效性有關(guān)。乳腺致密組織易導(dǎo)致腫瘤被掩蔽,因此對女性的補(bǔ)充篩查建議有很大影響。一種準(zhǔn)確和實(shí)用的測量方法對于個(gè)性化篩查方案和評估預(yù)防性干預(yù)措施的有效性至關(guān)重要。Aimilia等探究了基于區(qū)域(area-based,ABD)和基于體積(volume-based estimates of breast density,VBD)的全自動定量測量乳腺密度與乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(Breast Imaging Reporting and Data System,BI-RADS)密度分類評估之間的關(guān)系,以及評估了補(bǔ)充篩查的潛在意義。他們通過對2012-2013年篩查隊(duì)列中(n=11107名女性)的雙側(cè)鉬靶圖像進(jìn)行回顧性分析。使用全自動軟件提取ABD、VBD和BI-RADS乳腺密度分類的定量指標(biāo)。采用兩兩相關(guān)和線性回歸研究ABD與VBD測量值之間的關(guān)系,并根據(jù)年齡、BMI和種族(41%白人、50%黑人、9%其他/未知)進(jìn)行調(diào)整。結(jié)果顯示VBD(12.5%±6.9%)和ABD(16.5%±16.0%)相關(guān)(r=0.95),同時(shí)VBD低于ABD[b=0.41,95%CI 為(0.40,0.41)]。與BI-RADS相比,兩種密度測量均存在顯著差異,且隨著BI-RADS密度的增加而增加(P<0.001)。在放射科醫(yī)師和軟件評估的乳房密度分類之間存在中度一致性(k=0.67,SE=0.01),與報(bào)道的放射科醫(yī)師間的閱讀器間可變性一致。因此在鉬靶檢查中,VBD的測量值與ABD的估計(jì)值密切相關(guān);然而,報(bào)告的乳房密度比體積評估的更低。軟件生成的乳腺密度評分與臨床BI-RADS密度分類中度一致。

Sun等提出了兩種新的深度學(xué)習(xí)模型,它們可提供客觀、準(zhǔn)確、可重復(fù)的乳腺密度分類,以解決醫(yī)師間評估差異的問題。第一個(gè)深度學(xué)習(xí)模型,用于BI-RADS乳腺密度自動報(bào)告,使用四個(gè)乳腺密度標(biāo)簽(A-幾乎全是脂肪,B-分散的纖維腺體密度,C-不均勻密度,D-極高密度)進(jìn)行了訓(xùn)練。第二個(gè)模型用來區(qū)分“散在高密度”和“不均勻高密度”,根據(jù)ACR指南在隨訪決策方面提供幫助。也就是說,第二個(gè)模型是一個(gè)兩類分類器,將標(biāo)簽A和B、C和D分別合成一個(gè)類。將兩種模型相結(jié)合,得到最優(yōu)的隨訪決策。通過對2004-2016年6528個(gè)乳腺鉬靶(26112幅圖像)進(jìn)行訓(xùn)練,每幅圖像有4個(gè)標(biāo)準(zhǔn)視圖(L-CC、R-CC、L-MLO和R-MLO)?;颊吣挲g24~93歲,在四個(gè)(A、B、C、D)密度標(biāo)簽的分布分別是24%、52%、20%、4%。以臨床報(bào)告中的乳腺密度作為基準(zhǔn)。結(jié)果顯示兩種模型訓(xùn)練和測試的AUCs分別為0.98、0.96,四種乳腺密度分類的訓(xùn)練和測試AUCs分別為(0.98、0.96)、(0.92、0.88)、(0.92、0.93)和(0.97、0.96)。這些初步結(jié)果優(yōu)于現(xiàn)有的乳腺密度分類算法。因此這項(xiàng)輔助系統(tǒng),用于自動分類和報(bào)告BI-RADS密度,可以對乳腺癌進(jìn)行適當(dāng)?shù)娜橄倜芏仍u估。

鉬靶篩查對于早期檢測是有效的,但容易出現(xiàn)不必要的召回和活組織檢查。假陽性召回一直被確定為乳腺癌篩查的缺點(diǎn)。這些被召回的婦女未來患乳腺癌的風(fēng)險(xiǎn)增加的程度仍不清楚。Rasika等對所有在1988-2013 年在大型有組織的乳腺篩查項(xiàng)目中進(jìn)行過兩次或兩次以上乳腺X線檢查的婦女都納入了這項(xiàng)研究。對她們進(jìn)行追蹤直到乳腺癌診斷,或最后一次篩查日期大于5年,或2013年12月31日隨訪結(jié)束,以先到者為準(zhǔn)。通過Poisson回歸評估假陽性的婦女與陰性的婦女相比患乳腺癌的相對危險(xiǎn)度,并根據(jù)年齡和五年周期進(jìn)行了調(diào)整。結(jié)果顯示,鉬靶篩查假陽性與患乳腺癌的風(fēng)險(xiǎn)增加有關(guān)。鉬靶篩查假陽性后乳腺癌最有可能發(fā)生在同側(cè)乳腺。

由于缺乏對人口老齡化的研究,人們一直在爭論停止乳腺X線篩查的年齡。Stamatia等對75歲及以上進(jìn)行乳腺X線攝影篩查并進(jìn)行活檢、結(jié)果為惡性病變的患者進(jìn)行回顧性分析,記錄患者的人口統(tǒng)計(jì)學(xué)、病變信息、病理結(jié)果和治療情況。非乳腺惡性腫瘤病例、乳腺X線檢查以外的其他方式診斷的乳腺癌病例以及記錄缺失或不完整的病例均被排除在外。對于年齡在75歲及以上女性(10%)的篩查人群,這樣相對較小的比例,在該群體中診斷出的患者占所有被診斷為乳腺癌患者的16%,具有顯著增高的癌癥檢出率。診斷為低等級的腫瘤,大部分具有侵襲性(81%)。大多數(shù)(98%)患者接受了手術(shù)切除,這表明大多數(shù)75歲及以上的女性身體健康,并希望進(jìn)行手術(shù)切除。鑒于存在這樣的發(fā)病率,應(yīng)在該年齡組中進(jìn)行乳腺X線篩查。該研究證明了75歲及以上女性乳腺癌篩查的價(jià)值。Angela等回顧性分析2001-2016年在大型社區(qū)乳腺中心檢出的DCIS篩查病例。年齡較小的患者更容易患中或高級別DCIS,DCIS的等級和患者年齡具有反比關(guān)系。由于在年輕患者中篩查到的DCIS往往是高級或中級,因此年輕患者進(jìn)行乳腺X線篩查仍然具有臨床重要性。

Alejandro等比較了以計(jì)算機(jī)為基礎(chǔ)的檢測系統(tǒng)與放射科醫(yī)生在鉬靶中檢測乳腺癌的獨(dú)立表現(xiàn)。研究發(fā)現(xiàn)基于深度學(xué)習(xí)的計(jì)算機(jī)系統(tǒng)在乳房X線攝影中檢測乳腺癌的性能與放射科醫(yī)生相當(dāng)。無論是用于決策支持(防止在鉬靶閱片中出現(xiàn)相對常見的忽略和解釋錯(cuò)誤),還是作為獨(dú)立的閱讀器,在放射科醫(yī)師水平上運(yùn)行的計(jì)算機(jī)系統(tǒng)都可能預(yù)示著鉬靶在乳腺癌檢測工作流程中的突破。在某些情況下,如果缺乏經(jīng)驗(yàn)豐富的乳腺放射科醫(yī)生,它甚至可能允許發(fā)展或延續(xù)篩查項(xiàng)目。

Alyssa等探究了是否可以使用基于人工智能(AI)的軟件來提高放射科醫(yī)師對乳腺癌篩查和檢測的敏感性。該研究從社區(qū)收集在2011年10月-2017年3月的乳腺圖像。在317例乳腺X線片的癌癥患者中,139例有回顧性結(jié)果,其中90例被認(rèn)為是可行的。由7名放射科醫(yī)師組成的盲法回顧性研究,每位放射科醫(yī)師用和不用基于AI的計(jì)算機(jī)輔助檢測(AI-CAD)定量評分觀察病例,分析了有無AI閱片者對真假陽性召回的決策變化。所有使用AI-CAD的放射科醫(yī)師顯示其癌癥檢出率(CDR)顯著改善(P=0.0069)。在人工智能軟件的幫助下,經(jīng)驗(yàn)不足的普通放射科醫(yī)師的敏感度高于乳腺??漆t(yī)師。閱片者在沒有幫助的情況下檢測到25%~71%(平均51%)的早期癌癥。使用AI軟件結(jié)果,整體閱片者CDR為41%至76%(平均62%)??傮w而言,使用AI軟件的閱片者誤報(bào)率增加不到1%。在這個(gè)主要為假陰性乳腺X線片的豐富數(shù)據(jù)集中,在neuScore的AI-CAD輔助下,放射科醫(yī)師對癌癥檢測的敏感度顯著改善。使用AI-CAD,閱片者小組中放射科醫(yī)師的CDR增加, 6%~64%(平均27%),假陽性召回的增加可忽略不計(jì)。本研究通過使用基于AI的計(jì)算機(jī)輔助檢測軟件和定量評分,為放射科醫(yī)師在乳腺X線攝影解釋中提供了可測量的顯著優(yōu)勢。在臨床實(shí)踐中使用AI可能有助于加快工作流程,增強(qiáng)癌癥的早期檢測,并減少乳腺X線片假陰性。

2.數(shù)字化乳腺斷層攝影

數(shù)字化乳腺斷層攝影(digital breast tomosynthesis,DBT)通過減少召回和增加癌癥檢出來改善篩查結(jié)果。DBT已經(jīng)在多個(gè)個(gè)體、多個(gè)機(jī)構(gòu)和基于人群的實(shí)踐中顯示出改善篩查指標(biāo)的價(jià)值,特別是降低召回率和改善癌癥檢出。早期結(jié)果的可持續(xù)性尚未得到充分證明。該技術(shù)是否是首選的篩查工具,需要長期的結(jié)果來證明。Liane等將DBT與2D全視野數(shù)字乳腺X線攝影(full-field digital mammography,F(xiàn)FDM)進(jìn)行比較,評估DBT在7年間的篩查指標(biāo)。進(jìn)行了124669次DBT篩查試驗(yàn)。篩查指標(biāo)從乳腺成像電子數(shù)據(jù)庫獲得。從2011年8月開始,每隔一年進(jìn)行評估,評估召回率(recall rate,RR)、癌癥檢出率(cancer detection rate,CRD)、篩查召回陽性預(yù)測值(PPV1)和活檢陽性預(yù)測值(PPV3),并與2D-FFDM進(jìn)行比較。DBT的RR較2D-FFDM顯著下降,并呈逐年下降趨勢:7.9%、8.8%、7.8%、7.5%、6.9%、6.7%、6.2%(2D= 11.4)(P<0.0001)。CDR呈現(xiàn)穩(wěn)定趨勢,較2D顯著改善:5.8、5.2、5.4、5.6、6.6、5.6、5.1(2D=3.8)(P<0.0001)。與2D相比,PPV1表現(xiàn)出持續(xù)顯著的改善:7.2、5.8、7.0、7.5、9.5、8.4、8.2(2D=3.3)(P<0.0001)。與2D相比,PPV3也出現(xiàn)了顯著的增長,并且在連續(xù)DBT年份中呈上升趨勢:35%、31%、36%、37%、47%、42%、44% (2D=2.9)(P<0.05)。DBT的持續(xù)使用表明,假陽性篩查的召回和活檢更少,這對于降低篩查的危害至關(guān)重要。

然而,大多數(shù)DBT研究分析的是患病率而不是發(fā)病率。Emily等調(diào)查了連續(xù)6年DBT篩查的結(jié)果,按人口水平逐年(DBT Y1-6)和逐輪進(jìn)行(DBT R1-6)。結(jié)果顯示在群體水平上,DBT篩查比FFDM具有更高的整體CDR和更低的RR,細(xì)針穿刺率保持相對穩(wěn)定。通過一輪篩選確定結(jié)果的數(shù)據(jù)很少,但是,該數(shù)據(jù)可能有助于指導(dǎo)DBT篩查基準(zhǔn)。與單獨(dú)的FFDM相比,連續(xù)數(shù)年的DBT篩查顯示召回減少并且PPV1增加。進(jìn)一步的長期DBT數(shù)據(jù)可以幫助指導(dǎo)按年齡、密度和風(fēng)險(xiǎn)進(jìn)行新的個(gè)性化篩查算法。

乳腺X線檢查的起始篩查年齡一直是一個(gè)有爭議的問題,主要是由于報(bào)告的年輕女性的低CDR和高RR。然而,DBT可以改善鉬靶篩查的性能并改善篩查指南的合理性。Amir等回顧性分析了2008年8月-2017年4月在2個(gè)成像中心40~54歲女性乳腺X線檢查的資料,從而比較了FFDM和DBT對40~54歲女性乳腺篩查的表現(xiàn)。該研究包括了目前進(jìn)行的所有FFDM篩查以及在安裝DBT后進(jìn)行的所有DBT篩查。在3個(gè)年齡組之間,比較FFDM和DBT篩查檢出的癌癥的RR、CDR和特征:40~44歲(組1),45~49歲(組2)和50~54歲(組3)。結(jié)果顯示40~54歲的女性中進(jìn)行了16938次 FFDM篩查和28313 次DBT篩查。在FFDM中,RR從第1組(17.4%)、第2組(14.0%)到第3組(11.3%)顯著下降;然而,在DBT篩查中,RR僅從第1組(12.2%)到第2組(9.1%)顯著降低,第2組和第3組(8.4%)之間沒有顯著差異。與FFDM相比,DBT在所有3個(gè)年齡組的RR顯著降低。與第3組(5.0)相比,第1組和第2組(2.4和2.3)的FFDM中每1000次檢查的CDR顯著降低,但在DBT中,3組中的CDR沒有顯著差異(3.0、4.4和3.8)。在45~49歲的女性中,F(xiàn)FDM比DBT的CDR顯著增加(P=0.03)。在FFDM和DBT亞組中,侵襲性與原位癌的比例相似。因此,與FFDM篩查相比,40~49歲女性的DBT篩查性能得到改善,可以進(jìn)一步證明在年輕時(shí)行乳腺X線篩查的價(jià)值。

與FFDM相比,DBT掃描提高了準(zhǔn)確性,但延長了閱片時(shí)間。一項(xiàng)研究評估使用AI來縮短閱片時(shí)間,同時(shí)保持或提高敏感度和特異度。Emily等開發(fā)了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的AI系統(tǒng),用于識別DBT層面中可疑的軟組織和鈣化病變。該研究比較了24名放射科醫(yī)生在閱讀260例DBT病例(使用AI和不使用AI)時(shí)的表現(xiàn)。病例組包括65例惡性病變的腫瘤患者和65例經(jīng)活檢證實(shí)為良性病變的患者。使用AI和不使用AI的閱片分兩次進(jìn)行,間隔至少4周的記憶消除期。采用ROC曲線下面積(AUC)測量使用AI與不使用AI診斷惡性病變的效能,并評估了閱片時(shí)間、敏感度、特異度和召回率。結(jié)果顯示使用AI可提高腫瘤檢測效能,AUC增加0.057,敏感度增加8.0%,特異度增加6.9%,召回率下降7.2%,閱片時(shí)間下降52.7%。放射科醫(yī)生使用AI對DBT進(jìn)行閱片,能增加乳腺癌的檢出率,顯著減少閱片時(shí)間,同時(shí)提高敏感度和特異度。

So等比較常規(guī)鉬靶結(jié)合DBT和MRI在檢測乳腺癌的術(shù)前分期方面的應(yīng)用。他們研究顯示,在非致密乳腺組中,乳房鉬靶結(jié)合DBT的敏感度(92.5%~94.4%)低于鉬靶結(jié)合MRI(96.3%~98.1%),但高于單純鉬靶(88.8%~92.5%)。 鉬靶加DBT(97.1%~100%)的PPV高于鉬靶加MRI(94.7%~100%)和單純鉬靶(94.7%~97.0%)。然而,鉬靶加DBT和鉬靶加MRI的敏感度和PPV均無顯著差異(P>0.05)。在致密乳腺組中,鉬靶加MRI的敏感度(93.3%~98.2%)明顯高于鉬靶加DBT(87.6%~92.0%)或單純鉬靶(84.9%~87.6%)(P<0.05),而鉬靶加MRI的PPV(92.1%~97.5%)低于鉬靶加DBT(96.1%~97.6%)或單純鉬靶(96.1%~97.5%),但差異無統(tǒng)計(jì)學(xué)意義。在非致密乳腺組中,當(dāng)DBT和MRI用作乳房鉬靶檢查的輔助時(shí),兩者對篩查檢測乳腺癌術(shù)前分期的診斷效能沒有顯著差異。然而,在致密乳腺組中,DBT敏感度低于MRI。在非致密乳腺組中,鉬靶加DBT在乳腺癌的術(shù)前分期中可以提供與鉬靶加MRI相似的診斷效能。

3.對比增強(qiáng)能譜乳腺X線成像

對比增強(qiáng)能譜乳腺X線成像(contrast-enhanced spectral mammography,CESM)是一種新興的成像工具,已被證明比傳統(tǒng)乳腺X線具有更高的敏感度,并且具有相對于乳腺M(fèi)RI更高的特異度、相同的靈敏度。但是對于患者是否同意其使用CESM以及篩查中的相關(guān)風(fēng)險(xiǎn)知之甚少。Matthew等評估患者對在篩查環(huán)境中使用CESM的態(tài)度和關(guān)注點(diǎn)。該研究邀請有乳腺X線片的患者完成一項(xiàng)調(diào)查,患者乳腺X線顯示乳腺異?;驑O度致密?;颊弑灰笤u估他們對個(gè)人相比同齡人的乳腺癌風(fēng)險(xiǎn)的看法,以及對篩查召回、輻射暴露和對比劑過敏有關(guān)的關(guān)注程度,然后確定哪些因素可能阻止他們進(jìn)行輔助篩查檢查,如CESM。研究表明,乳腺致密的女性可能會接受CESM作為輔助篩查檢查,并且由于其相對較高的敏感度和低成本,實(shí)際上使用CESM的傾向超過MRI或超聲(US)。

乳腺鉬靶的一個(gè)缺點(diǎn)就是由良性乳腺病變相對高的活檢率引起的傷害——特別是BI-RADS 4a和4b病變。Margarita等探究了CESM是否可以通過減少良性腫塊活檢而不影響惡性腫塊活檢來增加軟組織病變的活檢PPV。57名年齡在34~74歲(平均49歲)的女性,其中60個(gè)BIRADS 4a或4b的軟組織病變于2016年4月-2017年11月進(jìn)行US、立體定向或DBT引導(dǎo)的定向活檢。在活檢前進(jìn)行CESM。該隊(duì)列包括46個(gè)腫塊、6個(gè)不對稱致密影和8個(gè)結(jié)構(gòu)扭曲。病理學(xué)證實(shí)9個(gè)惡性病變和51個(gè)良性病變。4名獲得(Mammography Quality Standards Act,MQSA)資格的放射科醫(yī)師對每個(gè)病變進(jìn)行了3次BI-RADS評級:首先是鉬靶/DBT,其次是US加入,第三次加入CESM。閱片者記錄病變是否增強(qiáng)、與背景相比如何增強(qiáng)和背景實(shí)質(zhì)的增強(qiáng)。比較了BI-RADS評級的差異。結(jié)果顯示在BI-RADS 4a和4b病變的診斷中增加CESM可導(dǎo)致PPV顯著增加,對腫瘤診斷率的影響最小。BI-RADS 4a和4b軟組織病變的診斷評估中使用CESM可顯著減少推薦良性活檢的女性人數(shù),同時(shí)遺漏極少數(shù)腫瘤。Maria等研究發(fā)現(xiàn)CESM利用放射組學(xué)分析乳腺癌侵襲性和激素狀態(tài),可以指導(dǎo)治療決策。

Yael等評估CESM中背景實(shí)質(zhì)強(qiáng)化(background parenchymal enhancement,BPE)的程度、BPE分類的閱片者一致性以及BPE與乳腺癌的相關(guān)性。共有412名(80%)女性接受CESM篩查。平均年齡為53歲(28~77歲),86.2%~94%的乳腺密度BI-RADS評為C-D。大多數(shù)女性(76.4%~90.5%)在CESM中具有極小或輕微的BPE??傮w上閱片者對BPE評分的一致性很好(ICC 0.88,95%CI 0.81~0.92)。該研究共進(jìn)行了122例(24%)活檢。其中45例(37%)組織病理學(xué)結(jié)果為惡性。在多變量分析中,BPE顯示與年齡(P=0.004,OR 0.942,95%CI 0.905~0.981)和活檢率(P=0.006,OR 2.646,95%CI 1.319~5.307)顯著相關(guān)。中度或顯著的BPE可預(yù)測惡性活檢結(jié)果(P=0.002,OR 3.105,95%CI 1.541~6.259)。因此,CESM BPE與年齡和活檢率相關(guān)。中度或顯著的BPE與惡性活檢結(jié)果相關(guān),因此,CESM BPE評分可用作乳腺癌的額外風(fēng)險(xiǎn)評估工具。

Rong等比較了CESM與FFDM對可疑惡性微鈣化(BI-RADS 4)的診斷性能。結(jié)果顯示,與FFDM相比,CESM提高了BI-RADS 4乳腺X線攝影鈣化的診斷性能,特別是在特異度和總體符合率方面。在這個(gè)小隊(duì)列中所有DCIS病變的可檢測性可以驗(yàn)證其在先前"僅鈣化"疾病中的潛在用途,但仍需要進(jìn)一步的大樣本來確認(rèn)。CESM改善了BI-RADS 4乳腺X線攝影鈣化的診斷性能,并減少了不必要的活檢。

Dong等比較了CESM和MRI對乳腺病變的診斷價(jià)值。2017年7月-2018年2月經(jīng)臨床檢查或乳腺X線檢查懷疑乳腺異常的235名患者接受了CESM和MRI檢查。分析了CESM和MRI圖像以及病理標(biāo)本。235例患者中發(fā)現(xiàn)263個(gè)乳腺病變,其中177個(gè)為惡性,86個(gè)為良性。CESM檢查的敏感度、PPV、陰性預(yù)測值(NPV)和假陰性與MRI相當(dāng)(91.5%、94.7%、83.7%、8.5%對91.5%、90.5%、82.1%、8.5%)。重要的是,CESM的符合率和特異度高于MRI(81%、89.5%對80.2%、71.7%),而假陽性較低(10.5%對19.8%)。 CESM和MRI的AUC分別為0.950和0.939,顯示出相當(dāng)高的診斷效能(P=0.48)。對于測量之間的一致性,CESM的平均腫瘤大小為3.1(0~16) cm,MRI為3.4(0~17) cm,組織病理學(xué)結(jié)果為3.2(0~16) cm,CESM、MRI和組織病理學(xué)直徑之間的平均差異大小分別為-0.01 cm,-0.05 cm,95%的一致性間隔范圍分別為-0.34~0.31 cm,-0.87~0.22 cm。 CESM與組織病理學(xué)的Pearson相關(guān)系數(shù)(r=0.774,P=0.000)與MRI一致(r=0.771,P=0.000)。結(jié)果顯示CESM在乳腺癌檢測中的符合率、特異度高于MRI,假陽性低于MRI。CESM在評估乳腺癌病變大小方面與組織病理學(xué)表現(xiàn)出良好的相關(guān)性,這與MRI一致。CESM為診斷乳腺病變和測量癌癥大小提供了額外的增強(qiáng)信息,與組織學(xué)具有高度相關(guān)性。

4.乳腺CT

Eun等研究低劑量灌注乳腺計(jì)算機(jī)斷層掃描(CT)對浸潤性乳腺癌腫瘤血管的量化和組織學(xué)生物標(biāo)志物預(yù)測的有效性。該項(xiàng)研究共招募了139名浸潤性乳腺癌患者。在注射對比劑后,患者在能譜CT下,俯臥位進(jìn)行低劑量灌注CT。有效劑量小于1.2 mSv。測量乳腺癌、正常乳腺組織和脂肪中的灌注參數(shù):峰值強(qiáng)化程度、反卷積模型灌注平均通過時(shí)間、達(dá)峰時(shí)間、血容量、通透性以及Patlak模型的血容量通透性。使用Mann-Whitney檢驗(yàn)比較癌癥和正常組織或脂肪的CT灌注參數(shù)。使用Mann-Whitney或Kruskal-Wallis檢驗(yàn)在癌癥的CT灌注參數(shù)和組織學(xué)生物標(biāo)志物[包括腫瘤分級,雌激素受體(ER),孕酮受體(PR),人表皮生長因子受體2(HER2)和Ki67]之間進(jìn)行相關(guān)性分析。結(jié)果顯示在乳腺癌中,峰值強(qiáng)化程度、灌注、血容量、通透性和血容量通透性顯著較高,平均通過時(shí)間、達(dá)峰時(shí)間短于正常腺體組織和脂肪中的值(P<0.001)。在ER-、PR-、HER2+、Ki-67+或超過20 mm的癌癥中,峰值強(qiáng)化程度顯著增加(P<0.05)。在ER-、PR-、HER2+、Ki-67+、高等級或超過20 mm的癌癥中,峰值時(shí)間減少(P<0.05)。在ER-、PR-、Ki-67+或高等級癌癥中,血容量通透性增加(P<0.05)。 HER2-過表達(dá)型的腫瘤顯示出比luminal型腫瘤更高的峰值強(qiáng)化程度和血容量通透性(P<0.02)。

Chushan等評估了雙能譜CT定量參數(shù)對乳腺癌轉(zhuǎn)移性腋窩前哨淋巴結(jié)的術(shù)前診斷。對2015年6月-2017年12月的193名女性乳腺癌患者進(jìn)行了雙期對比增強(qiáng)DEsCT。在轉(zhuǎn)移性和非轉(zhuǎn)移性SLN之間比較定量GSI和形態(tài)學(xué)參數(shù)。定量參數(shù)適用于單變量和多元邏輯回歸模型。研究結(jié)果發(fā)現(xiàn)來自雙能譜CT的靜脈期Hounsfield單位曲線的斜率可用于區(qū)分乳腺癌的轉(zhuǎn)移性和非轉(zhuǎn)移性腋窩前哨淋巴結(jié)。

乳腺超聲

1.常規(guī)超聲

Hee等比較乳腺致密的無癥狀患者乳腺超聲和鉬靶檢出乳腺導(dǎo)管原位癌的臨床和病理特點(diǎn)。該項(xiàng)研究納入了2014年2月-2016年9月236例原發(fā)性導(dǎo)管原位癌、乳腺致密的無癥狀患者。患者分為兩組,鉬靶組(165例)包括鉬靶檢出的乳腺導(dǎo)管原位癌患者,超聲組(71例)包括僅用超聲檢出的乳腺導(dǎo)管原位癌患者。比較兩組臨床病理特征。亞組分析的截止年齡為50歲,截止腫瘤大小為20 mm。結(jié)果顯示超聲組導(dǎo)管原位癌核分級明顯較低,無壞死,激素受體陽性,而鉬靶組HER2、Ki-67陽性明顯較多。超聲檢出的乳腺導(dǎo)管原位癌在乳腺致密的無癥狀患者中比鉬靶檢出的顯示出更有利的預(yù)后特征。

Na等探討US和MRI監(jiān)測能否預(yù)測乳腺癌患者新輔助化療(NAC)后腋窩反應(yīng)。該研究納入2012年1月-2017年8月臨床腋窩淋巴結(jié)(LN)陽性并行NAC及后續(xù)手術(shù)的乳腺癌患者131例。他們在NAC術(shù)前、術(shù)中、術(shù)后分別進(jìn)行了乳腺和腋窩的US檢查及3T MRI檢查?;仡櫫薝S和MRI在三次不同時(shí)間所獲得的圖像,記錄腋窩LNs的數(shù)目、大小、形狀、淋巴結(jié)門的存在、皮層厚度以及腫瘤的大小。結(jié)果顯示NAC時(shí)腋窩LNs數(shù)目、皮質(zhì)厚度、NAC后腋窩LNs數(shù)目及腫瘤大小可用于乳腺癌患者腋窩反應(yīng)的預(yù)測。通過US和MRI監(jiān)測腋窩LNs和腫瘤的形態(tài)學(xué)特征指標(biāo),可為乳腺癌患者接受NAC治療提供決策依據(jù)。

2.超聲彈性成像

Ji等比較常規(guī)US和剪切波彈性成像(shear wave elastrography,SWE),并評估超聲影像組學(xué)特征是否能鑒別乳腺良惡性腫瘤。該研究回顧性分析了2014年3月-11月在活檢或手術(shù)前接受US和SWE檢查的296名女性的328個(gè)經(jīng)病理證實(shí)的乳腺腫塊。利用Matlab軟件中的紋理分析算法從US和SWE圖像中提取其影像組學(xué)特征。在328個(gè)乳腺腫塊中,205個(gè)(62.5%)為良性,123個(gè)(37.5%)為惡性。進(jìn)行影像組學(xué)特征選擇后,保留了22個(gè)US特征和6個(gè)SWE特征。在單因素分析中,SWE的6項(xiàng)影像組學(xué)特征(P<0.0001)和US的22項(xiàng)影像組學(xué)特征(P<0.03)中的21項(xiàng)在良惡性腫塊中均有顯著差異。經(jīng)多因素分析,US的3個(gè)影像組學(xué)特征和SWE的2個(gè)影像組學(xué)特征與惡性乳腺腫塊獨(dú)立相關(guān)。在使用對數(shù)回歸模型對良惡性腫塊的鑒別中,US的AUC為0.929,SWE的AUC為0.992 (P<0.001)。因此,定量超聲影像組學(xué)特征可用于乳腺癌的診斷,SWE的診斷價(jià)值明顯優(yōu)于US。

低氧和致密的乳腺癌微環(huán)境可促進(jìn)轉(zhuǎn)移和對治療的耐受性。Myoung等探究了浸潤性乳腺癌中SWE的腫瘤硬度參數(shù)是否與腫瘤缺氧或纖維化有關(guān)。研究結(jié)果表明SWE測量的腫瘤硬度與影響腫瘤預(yù)后的腫瘤缺氧及生物標(biāo)志物有關(guān),與纖維化無關(guān)。SWE測量的腫瘤硬度參數(shù)與腫瘤缺氧及組織學(xué)生物標(biāo)志物顯著相關(guān),可用于預(yù)測浸潤性乳腺癌的預(yù)后。

當(dāng)使用單一類型的彈性成像降低超聲BI-RADS 4a病變分類時(shí),將遺漏一些腫瘤。Xue等探究了不同類型的彈性成像的組合是否可以提高彈性成像輔助降低BI-RADS 4a類病變的準(zhǔn)確性并減少不必要的活組織檢查。從2016年1月-2018年2月,共有329名美國BI-RADS 4a類乳腺病變患者入組研究。在活組織檢查之前,這些病變通過彈性成像評估,包括彈性成像(EI)、虛擬觸摸組織成像(VTI)和虛擬觸摸IQ(VTIQ),并比較不同組合的診斷效能。結(jié)果顯示單純EI、VTI和VTIQ,特異度顯著高于BI-RADS(P<0.001),而敏感度顯著低于BI-RADS(76.5%、70.6%、67.6%與100%)(P<0.05)。在不同類型彈性成像的組合中,EI+VTI的AUC為0.800,陰性預(yù)測值為99.5%。與單一型彈性成像相比,EI+VTI的敏感度顯著增加(P<0.05)。 EI+VTI和BI-RADS之間的敏感度無顯著差異(97.1% vs 100%,P=1.000),而特異度顯著高于BI-RADS(P<0.001)。當(dāng)使用EI+VTI降低病變分級時(shí),57.1%的病變將被降級,99.5%的病變是良性的。因此,EI和VTI組合降低BI-RADS 4a類病變,提高了敏感度并減少了乳腺癌的誤診率。不同類型的彈性成像的組合提供了降低BI-RADS 4a類病變的高度敏感方式,在臨床實(shí)踐中應(yīng)用可能不會增加誤診的概率。

3.對比增強(qiáng)超聲成像

Lei等通過分析計(jì)算機(jī)圖像提取乳腺癌對比增強(qiáng)超聲(contrast-enhanced ultrasound,CEUS)成像的定量特征,探討術(shù)前預(yù)測乳腺癌不同分子亞型的預(yù)后。該研究收集了189例患者的CEUS圖像。所有患者均獲得手術(shù)病理學(xué)和分子分型結(jié)果。通過在圖像上繪制乳腺癌的邊界,確定腫瘤的整個(gè)內(nèi)部區(qū)域。病變區(qū)域內(nèi)的高灌注被定義為高亮度區(qū)域。計(jì)算機(jī)在動態(tài)CEUS文件中提取不同區(qū)域圖像的時(shí)間和特征,繪制時(shí)間強(qiáng)度曲線(TIC)。從TIC中,提取特征,例如流入率(WiR)、流出率(WoR)、上升時(shí)間(RT)、基礎(chǔ)強(qiáng)度(BI)、峰強(qiáng)度(PI)和EI(=PI-BI)等。在不同的分子分型組中計(jì)算每個(gè)區(qū)域中的曲線參數(shù)。結(jié)果顯示每個(gè)分子亞型Luminal A、Luminal B、HER2 +和三陰性乳腺癌(TNBC)的患者數(shù)量是分別為46、75、37和31。提取的有效特征包括內(nèi)部亮區(qū)的EI、內(nèi)部亮區(qū)的WoR、內(nèi)部整體區(qū)域的WoR、內(nèi)部整體區(qū)域的RT等。WoR的內(nèi)部截止值為1.566。明亮的區(qū)域可能有助于鑒別Luminal A亞型,特異度為82.61%。區(qū)分Her2+和TNBC,內(nèi)部整體區(qū)域的WOR截止值為5.7496,敏感度為74.19%。因此,對比增強(qiáng)超聲的放射組學(xué)特征可以促進(jìn)術(shù)前預(yù)測乳腺癌分子亞型。

乳腺M(fèi)RI

1.常規(guī)乳腺M(fèi)RI

Fusun等探究乳腺M(fèi)RI對乳腺癌的術(shù)前分期、臨床評估和治療計(jì)劃的影響。在該前瞻性多中心研究中,獲取9個(gè)中心的432名連續(xù)乳腺癌患者的影像學(xué)(鉬靶、超聲檢查和乳腺M(fèi)RI)結(jié)果、治療計(jì)劃和組織病理學(xué)結(jié)果。并對術(shù)前乳腺M(fèi)RI對常規(guī)乳腺成像的影響、對臨床放射學(xué)的影響評估和手術(shù)治療計(jì)劃進(jìn)行了調(diào)查。由于手術(shù)切緣陽性,共有8例需要再切除手術(shù)。MRI改變了14%根據(jù)常規(guī)成像計(jì)劃BCS的患者的手術(shù)治療計(jì)劃。術(shù)前評估中常規(guī)成像和MRI間的差異有統(tǒng)計(jì)學(xué)意義(P=0.001)。在乳腺癌患者的術(shù)前評估中,乳腺M(fèi)RI增加到常規(guī)乳腺成像有助于降低再切除手術(shù)并以此提供更準(zhǔn)確的治療計(jì)劃。

2.MR功能成像

①擴(kuò)散加權(quán)成像(DWI):Jin等對2015年7月-2018年1月的74例ER陽性、淋巴結(jié)陰性的浸潤性乳腺癌患者(平均年齡49.3歲)進(jìn)行了術(shù)前DWI檢查。探究來源于病灶組織的ADC值與雌激素受體陽性、淋巴結(jié)陰性的浸潤性乳腺癌患者復(fù)發(fā)風(fēng)險(xiǎn)的相關(guān)性。兩名放射科醫(yī)師使用軟件工具對全腫瘤基于像素的ADC數(shù)據(jù)進(jìn)行直方圖分析,提取各種ADC直方圖參數(shù)(均值、最小值、最大值、第5、25、50、75、95百分位ADC)。ADC差值(定義為ADC最大值和最小值的差值)用于評估瘤內(nèi)異質(zhì)性。通過ROC曲線和對數(shù)回歸分析評估定量ADC指標(biāo)與風(fēng)險(xiǎn)組(低風(fēng)險(xiǎn),RS<18;中風(fēng)險(xiǎn),RS 18~30;高風(fēng)險(xiǎn),RS>30)間的相關(guān)性。研究發(fā)現(xiàn)全病灶直方圖分析得出的ADC差異值有助于發(fā)現(xiàn)ER陽性、淋巴結(jié)陰性、復(fù)發(fā)風(fēng)險(xiǎn)低的浸潤性乳腺癌患者。因此,在ER陽性、淋巴結(jié)陰性的乳腺癌中,全病灶直方圖評估的ADC差異值可作為復(fù)發(fā)風(fēng)險(xiǎn)的定量生物學(xué)標(biāo)志。

Bo等對220例參加了新輔助化療并在治療前行DCE-MRI、DW-MRI和T2WI掃描的的乳腺癌患者進(jìn)行回顧性分析。根據(jù)BI-RADS報(bào)告對DCE-MRI和T2WI進(jìn)行了評估。MRI形態(tài)學(xué)模式按1~5級用于腫瘤分類,對腫瘤壞死的程度和腫瘤周圍水腫進(jìn)行評估?;谡麄€(gè)腫瘤體積ROI從DW-MRI計(jì)算5、15、25、50、75和95百分位數(shù)的ADC值。評價(jià)原發(fā)性乳腺癌激素受體(HR)和HER2亞型治療前MRI形態(tài)和ADC特征。結(jié)果顯示具有MR形態(tài)學(xué)模式及ADC較低的5或15百分位數(shù)有助于區(qū)分乳腺癌新輔助化療前亞型。

Jin等對2013年6月-2014年6月新診斷浸潤性乳腺癌的258名女性(平均年齡50.9歲,年齡23~85歲)術(shù)前乳腺DWI進(jìn)行了評估。將手動興趣區(qū)置于病變內(nèi)測量平均、最小和最大ADC值,并計(jì)算ADC差異值(其為最大和最小ADC的差值)以評估腫瘤內(nèi)異質(zhì)性。探究DWI上的ADC參數(shù)是否與侵襲性乳腺癌患者無遠(yuǎn)處轉(zhuǎn)移生存率相關(guān)。結(jié)果表明DWI的高ADC差異值與浸潤性乳腺癌患者的無遠(yuǎn)處轉(zhuǎn)移生存率顯著相關(guān)。

②動態(tài)增強(qiáng)磁共振成像(DCE-MRI):Rhea等回顧性分析了94名原發(fā)性浸潤性乳腺癌患者治療前DCE-MRI掃描和10年隨訪數(shù)據(jù),對于每個(gè)患者,以最具代表性的原發(fā)病灶層面生成信號增強(qiáng)對比圖,并從中計(jì)算形態(tài)學(xué)特征。提取放射學(xué)特征(直方圖、行程長度、結(jié)構(gòu)和共現(xiàn)矩陣特征)并進(jìn)行腫瘤象限的總結(jié)。采用卡方檢驗(yàn)和Kruskal-Wallis試驗(yàn)評估激素受體狀態(tài)、腫瘤大小、術(shù)后治療、TNM分期和復(fù)發(fā)結(jié)果等表型的差異。通過腫瘤影像學(xué)檔案獲得116名診斷為原發(fā)性浸潤性乳腺癌的女性的獨(dú)立數(shù)據(jù)集(2002-2006)來驗(yàn)證表型的重現(xiàn)性。使用Kaplan-Meier曲線評估各表型間的生存概率,并將表型聚類賦值添加到基線Cox比例危險(xiǎn)模型中,建立組織病理學(xué)預(yù)后因子來預(yù)測RFS。結(jié)果顯示腫瘤異質(zhì)性的內(nèi)在影像學(xué)表型可以預(yù)測10年的復(fù)發(fā)。放射表型可提供腫瘤異質(zhì)性的非侵入性特征,以增強(qiáng)個(gè)性化預(yù)后和治療。

Joao等回顧性分析了2011年1月-2013年1月接受多參數(shù)DCE-MRI和DWI的91例乳腺浸潤性導(dǎo)管癌患者,對其進(jìn)行直方圖分析,計(jì)算均值、方差、峰度和偏度,并獲取相應(yīng)的乳腺癌免疫組化分子亞型。91例乳腺癌DCE圖像和ADC圖像的直方圖分析顯示,乳腺癌分子亞型之間無顯著差異。將Luminal A/B與HER-2過表達(dá)型/三陰性乳腺癌進(jìn)行均值、方差、峰度和偏度測量,DCE(P=0.405、0.252、0.667、0.809)和ADC(0.204、0.081、0.941、0.574)均無顯著差異。直方圖測量也用于Luminal A與其他亞型,DCE(0.659、0.162、0.516、0.833)和ADC(0.204、0.222、0.495、0.896)無顯著差異。盡管直方圖分析在診斷影像學(xué)上有許多有價(jià)值的應(yīng)用,DCE-MRI和ADC圖的直方圖分析不能預(yù)測浸潤性乳腺癌的分子亞型。

盡管DCE-MRI在預(yù)測乳腺癌新輔助化療(NAC)的治療反應(yīng)方面具有重要意義,但之前的工作主要關(guān)注腫瘤或軟組織的紋理分析或缺乏直接生物學(xué)解釋的基于深度學(xué)習(xí)的方法。Nathaniel等引入了血管網(wǎng)絡(luò)疾病(vessel net disease,VND)的功能放射學(xué)描述,并評估在治療前DCE-MRI上腫瘤相關(guān)血管系統(tǒng)復(fù)雜性的差異是否能夠區(qū)分對NAC有反應(yīng)和無反應(yīng)的患者。他們回顧性分析了76例(訓(xùn)練組53例,測試組23例)NAC患者的1.5或3T DCE-MRI掃描結(jié)果,其中24例經(jīng)手術(shù)證實(shí)為病理完全緩解(pCR),訓(xùn)練組14例,測試組10例。采用半交互式方案分割腫瘤和血管網(wǎng)絡(luò)。在滑動窗口內(nèi),對一系列與腫瘤中心相關(guān)的二維表示的血管系統(tǒng)進(jìn)行了血管方向計(jì)算。計(jì)算每種表示的血管朝向分布的統(tǒng)計(jì)數(shù)據(jù)(平均值、中值、標(biāo)準(zhǔn)差、偏度和峰度),共得到20個(gè)VND特征。通過三倍交叉驗(yàn)證使用Wilcoxon秩和檢驗(yàn)選出最優(yōu)的特征,然后訓(xùn)練一個(gè)線性判別分析分類器來預(yù)測測試組中的反應(yīng)性。并和以下性能進(jìn)行比較:腫瘤內(nèi)部與周圍的紋理特性;一個(gè)3層LeNet卷積神經(jīng)網(wǎng)絡(luò)(CNN)。結(jié)果顯示前4位VND的特征能鑒別病理完全緩解(pathologic complete response,pCR),其 AUC為0.75。與非pCR相比,pCR的特點(diǎn)是減少了血管病變。與其他先進(jìn)的放射組學(xué)方法相比,VND的效能相當(dāng)或更好,包括腫瘤內(nèi)和腫瘤周圍紋理(AUC=0.75)和深度學(xué)習(xí)(AUC=0.67)。結(jié)合VND、紋理特征和CNN的預(yù)測得到了最佳的預(yù)測精度(AUC=0.80)。VND特征捕獲血管網(wǎng)絡(luò)結(jié)構(gòu),與NAC反應(yīng)相關(guān),并為已建立的放射組學(xué)和深度學(xué)習(xí)方法增加了預(yù)測價(jià)值。因此,定量評價(jià)血管網(wǎng)絡(luò)結(jié)構(gòu)作為一種功能放射學(xué)生物標(biāo)志物,可為乳腺癌的NAC反應(yīng)預(yù)測提供可解釋的依據(jù)。

3.多參數(shù)MRI

腫瘤浸潤性淋巴細(xì)胞(tumor-infiltrating lymphocytes,TILs)反映了宿主免疫系統(tǒng)試圖根除惡性腫瘤,并在乳腺癌中具有預(yù)后價(jià)值。Elena等評估多參數(shù)乳腺M(fèi)RI在預(yù)測TILs存在中的作用。他們回顧性分析了2015年1月-2017年4月行乳腺多參數(shù)MRI檢查的患者,MRI方案包括T2WI、DWI和DCE-MRI。由經(jīng)驗(yàn)豐富的病理學(xué)家評估核心活檢的免疫組化和組織學(xué)資料。對T2是否存在瘤內(nèi)壞死、假性包膜和瘤周水腫進(jìn)行了評估。在減影圖像上記錄早期邊緣和延遲邊緣增強(qiáng)(DRE)。利用OLEA軟件對DWI、DCE、T2圖像進(jìn)行分析。結(jié)果顯示TILs的存在與高腫瘤分級和分子亞型特質(zhì)顯著相關(guān)(P<0.05)。TILs與DRE之間存在顯著相關(guān)性(P<0.05)。TILs的存在與低平均ADC(P<0.05)、較高的ADC偏度和峰度(P<0.05)相關(guān)。TILs的存在與DRE或更低的平均ADC間相關(guān)性顯著(P<0.05)。在多變量分析中,與TILs存在相關(guān)的變量為腫瘤分級、DRE和平均ADC(P<0.05)。多參數(shù)MRI可提供乳腺癌微環(huán)境的新見解,提示腫瘤浸潤淋巴細(xì)胞的存在。

Yu等評估定量MRI放射組學(xué)在識別轉(zhuǎn)移與非轉(zhuǎn)移腋窩淋巴結(jié)和Ki-67表達(dá)中的應(yīng)用。該研究包含300例乳腺癌病例的DCE-MRI數(shù)據(jù)庫?;颊吣挲g25~77歲,平均(47.2±9.6)歲,中位數(shù)47歲。臨床隊(duì)列包括48例Ki-67低表達(dá)(Ki-67增殖指數(shù)<14%)和252例Ki-67高表達(dá)(Ki-67增殖指數(shù)≥14%),提示腫瘤的侵襲性。該隊(duì)列中還包括腋窩淋巴結(jié)轉(zhuǎn)移93例,未轉(zhuǎn)移201例。對原發(fā)病灶進(jìn)行計(jì)算機(jī)放射組學(xué)分析,在現(xiàn)有的CADx工作站上進(jìn)行自動腫瘤分割和提取。這些計(jì)算機(jī)提取的特征包括6類基于MRI的表型:大小、形狀、形態(tài)學(xué)、增強(qiáng)紋理、動力學(xué)和增強(qiáng)方差動力學(xué)。在Ki-67表達(dá)及淋巴結(jié)狀態(tài)的識別中,通過對各種放射表型的分析,得到的AUC值為0.50 (se=0.05)~0.69 (se=0.04)。Ki-67基于MRI的腫瘤信號的AUC為0.71 (se=0.04)。在評估腋窩淋巴結(jié)狀態(tài)中,放射組學(xué)腫瘤標(biāo)記的AUC為0.67(se=0.03)。這兩種特征都具有顯著差異。因此,對原發(fā)性乳腺腫瘤進(jìn)行定量MRI放射組學(xué)分析有助于鑒別侵襲性腫瘤,包括鑒別Ki-67表達(dá)和鑒別轉(zhuǎn)移性與非轉(zhuǎn)移性淋巴結(jié)。Heather等利用提取的放射學(xué)特征和機(jī)器學(xué)習(xí)分類,評估計(jì)算機(jī)輔助診斷(CAD)在兩組患者(一組在中國,一組在美國)乳腺DCE-MRI中的表現(xiàn)。該研究納入1461例乳腺病變DCE-MR圖像(中國,GE掃描儀,良性病變300例,惡性腫瘤302例;美國,飛利浦掃描儀,良性病變268例,惡性腫瘤591例)。38個(gè)描述大小、形狀、形態(tài)學(xué)、動力學(xué)和紋理的放射學(xué)特征被提取。當(dāng)使用中國獲取的MRIs的放射特征對機(jī)器分類器進(jìn)行訓(xùn)練并對美國獲取的MRIs進(jìn)行獨(dú)立測試時(shí),AUC=0.77(0.02),反之AUC=0.79(0.02)。對于每組數(shù)據(jù)的交叉驗(yàn)證,美國數(shù)據(jù)庫的AUC=0.82(0.02),中國數(shù)據(jù)庫的AUC=0.80(0.02)。不同方法間的aAUC比較沒有顯著差異。從DCE-MRI中提取的放射學(xué)特征對乳腺病變的良惡性分類是可靠的,這一結(jié)果將促進(jìn)影像組學(xué)的臨床應(yīng)用。

猜你喜歡
放射科乳腺篩查
放射科住院醫(yī)師職業(yè)倦怠研究進(jìn)展
我國放射科住院醫(yī)師規(guī)范化培訓(xùn)現(xiàn)狀的調(diào)查與思考
點(diǎn)贊將“抑郁癥篩查”納入學(xué)生體檢
乳腺結(jié)節(jié)狀病變的MRI診斷
預(yù)防宮頸癌,篩查怎么做
放射科專業(yè)基地入科教育的實(shí)踐探討
NRS2002和MNA-SF在COPD合并營養(yǎng)不良篩查中的應(yīng)用價(jià)值比較
智力篩查,靠不靠譜?
體檢查出乳腺增生或結(jié)節(jié),該怎么辦
得了乳腺增生,要怎么辦?
迁西县| 祁门县| 石渠县| 巫溪县| 天门市| 枞阳县| 孟村| 商丘市| 永平县| 辽宁省| 舞阳县| 灵丘县| 南宫市| 法库县| 济阳县| 江永县| 荔浦县| 古蔺县| 淳化县| 瑞丽市| 郧西县| 广东省| 忻城县| 郑州市| 长子县| 凤翔县| 宝鸡市| 鄄城县| 高雄市| 玉环县| 楚雄市| 丹东市| 峨眉山市| 通化市| 临沭县| 韶关市| 福泉市| 罗城| 新疆| 五寨县| 浑源县|