乳腺癌是女性最常見的惡性腫瘤，MRI是鑒別乳腺內(nèi)良惡性病變的重要影像學(xué)檢查方法，敏感性很高

。擴(kuò)散加權(quán)成像（diffusion-weighted imaging, DWI）及其定量參數(shù)表觀擴(kuò)散系數(shù)（apparent diffusion coefficient, ADC）值可應(yīng)用于乳腺病變良惡性的評(píng)估，已有研究表明惡性病變的ADC值顯著低于良性病變

，可以避免不必要的臨床干預(yù)

。目前DWI與動(dòng)態(tài)對(duì)比增強(qiáng)（dynamic contrast enhanced, DCE）兩種MRI 檢查序列聯(lián)合應(yīng)用可對(duì)乳腺癌進(jìn)行影像學(xué)診斷

，然而對(duì)于惡性概率跨度極大的乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)（Breast Imaging-Reporting and Data System, BI-RADS）4類病變的診斷價(jià)值有限，BI-RADS 4類病變的惡性概率為2%～95%

，這預(yù)示部分良性病灶將被誤診為惡性病灶而接受不必要的手術(shù)，增加了患者的心理和經(jīng)濟(jì)負(fù)擔(dān)。作為一種臨床決策依據(jù)，納入五種影像特征的Kaiser評(píng)分在評(píng)估乳腺病變方面具有極佳的敏感性和特異性

，分值從1到11，相關(guān)文獻(xiàn)認(rèn)為評(píng)分≥4建議進(jìn)行活檢

。本研究的目的是比較Kaiser評(píng)分與ADC 值對(duì)BI-RADS 4 類病變的診斷效能，并獲取Kaiser評(píng)分診斷良惡性的截?cái)嘀?，以減少不必要的有創(chuàng)活檢。

1 材料與方法

1.1 一般資料

回顧性分析2020 年6 月至2022 年2 月于河北省人民醫(yī)院行術(shù)前乳腺3.0 T MRI 平掃及動(dòng)態(tài)對(duì)比增強(qiáng)檢查的女性患者病例共128 例，年齡9～83（47±13）歲。納入標(biāo)準(zhǔn)：診斷報(bào)告為BI-RADS 4 類的強(qiáng)化病灶；影像資料及病理結(jié)果完善、清晰。排除標(biāo)準(zhǔn)：MRI 檢查前行乳腺穿刺、手術(shù)或放化療。本研究經(jīng)河北省人民醫(yī)院倫理委員會(huì)批準(zhǔn)，免除受試者知情同意，批準(zhǔn)文號(hào)：2022082。

1.2 設(shè)備及參數(shù)

所有病例MRI掃描采用美國(guó)GE 3.0 T MRI儀，使用16通道乳腺表面相控陣線圈，取俯臥位，掃描范圍包括雙側(cè)乳腺及腋窩。軸位快速自旋回波T2WI脂肪抑制成像序列掃描參數(shù)：TR 7061 ms，TE 104.3 ms，層厚5 mm，層間距5 mm，F(xiàn)OV 350×350；軸位T1WI 序列掃描參數(shù)：TR 420 ms，TE 7.6 ms，層厚5 mm，層間距5 mm，F(xiàn)OV 350×350；DWI 序列掃描參數(shù)：TR 5113 ms，TE 66.6 ms，層厚5 mm，層間距5 mm，F(xiàn)OV 350 mm×210 mm，b 值 取1000 s/mm

；DCE-MRI 掃 描 參 數(shù)：TR 5.7 ms，TE 1.8 ms，層厚1.6 mm，層間距0，F(xiàn)OV 350 mm×350 mm，共采集7 期圖像，對(duì)比劑為釓噴酸葡胺，劑量0.2 mmol/kg，流速2 mL/s，注射后用20 mL生理鹽水以3 mL/s的速度自動(dòng)沖洗注射器。

尼康Coolpix W300的畫質(zhì)表現(xiàn)相比富士更加優(yōu)秀，但是在細(xì)節(jié)表現(xiàn)力上還是不如奧林巴斯和理光。W300配備了等效焦距為24-120mm，非常實(shí)用，鏡頭還擁有光學(xué)防抖功能，可以彌補(bǔ)弱光拍攝時(shí)的劣勢(shì)。

1.3 圖像處理與分析

由兩位高年資乳腺診斷醫(yī)師（診斷醫(yī)師1為工作經(jīng)驗(yàn)30年的主任醫(yī)師；診斷醫(yī)師2為工作經(jīng)驗(yàn)15年的副主任醫(yī)師）根據(jù)Kaiser 評(píng)分系統(tǒng)解讀所有檢查結(jié)果，出現(xiàn)分歧時(shí)協(xié)商達(dá)成一致。該評(píng)分系統(tǒng)包括5個(gè)獨(dú)立的診斷標(biāo)準(zhǔn)，即毛刺征、時(shí)間-信號(hào)強(qiáng)度曲線（time-signal intensity curve, TIC）類型、病變邊緣、內(nèi)部強(qiáng)化模式及瘤周水腫。兩位診斷醫(yī)師均不知道病理結(jié)果和BI-RADS 分級(jí)，計(jì)算并記錄每個(gè)病變的最終Kaiser 評(píng)分。Kaiser 評(píng)分系統(tǒng)的流程圖如圖1所示。

1.3.2 疼痛程度 采用疼痛數(shù)字評(píng)分法(NRS)評(píng)估患者術(shù)后6 h、術(shù)后第1天、術(shù)后第2天、術(shù)后第3天的疼痛程度。NRS 是用數(shù)字式0～10代替文字來(lái)表示疼痛的程度，0 為無(wú)疼痛;1～3分為輕度疼痛，不影響患者夜間睡眠;4 ～6為中度疼痛，輕度影響患者夜間睡眠;7～10為重度疼痛，患者不能入睡或者睡眠中痛醒。

1.4 統(tǒng)計(jì)學(xué)分析

從圖3可以看出，對(duì)任何一種彈-靶組合，隨著彈丸速度的增加，坑深I(lǐng)c與坑徑dc之比最終都會(huì)趨近于0.5的漸近值，即形成半球形的彈坑。

2 結(jié)果

2.1 臨床資料

本研究采用隨機(jī)對(duì)照研究中的配對(duì)設(shè)計(jì)方法評(píng)估了Kaiser 評(píng)分、ADC 值和兩者聯(lián)合在乳腺BI-RADS 4 類病變?cè)\斷中的效能，結(jié)果顯示在乳腺BI-RADS 4 類病變中，Kiser 評(píng)分診斷效能高于ADC 值，可以減少臨床不必要的活檢，聯(lián)合應(yīng)用Kaiser 評(píng)分和ADC值并不能顯著提高診斷效能。本研究為國(guó)內(nèi)首次在BI-RADS 4 類病變中同時(shí)應(yīng)用Kaiser 評(píng)分和ADC 值，并對(duì)兩者的診斷效能做出比較。

所有MRI原始數(shù)據(jù)傳到AW 4.2后處理工作站，應(yīng)用Functool 軟件進(jìn)行后處理，感興趣區(qū)（region of interest, ROI）包括病灶的實(shí)性區(qū)域，避開壞死、囊變或出血的區(qū)域，避開纖維腺體及血管，測(cè)量每個(gè)ROI的ADC值及TIC，重復(fù)測(cè)量?jī)纱?，以平均值作為最終數(shù)據(jù)。測(cè)量ADC 值時(shí)，于DWI 序列上病變明顯高信號(hào)處勾畫ROI。動(dòng)態(tài)對(duì)比增強(qiáng)掃描采用乳腺容積成像即VIBRANT技術(shù)，第一期為蒙片，在第二或三期病變?cè)缙诿黠@強(qiáng)化時(shí)勾畫ROI 測(cè)量TIC。背景實(shí)質(zhì)增強(qiáng)（background parenchymal enhancement, BPE）即乳腺M(fèi)RI 圖像上正常實(shí)質(zhì)的強(qiáng)化，由兩位高年資醫(yī)生（診斷醫(yī)師1為工作經(jīng)驗(yàn)30年的主任醫(yī)師；診斷醫(yī)師2為工作經(jīng)驗(yàn)15年的副主任醫(yī)師）依據(jù)DCE-MRI 圖像按照BI-RADS 系統(tǒng)分為4類：少量、輕度、中度、重度，分別代表＜25%、25%～50%、51%～75%、＞75%的腺體組織強(qiáng)化。

2.2 Kaiser評(píng)分與ADC值診斷效能分析

Kaiser 評(píng)分與ADC 值診斷結(jié)果見表1。惡性病變的Kaiser 評(píng)分高于良性病變，ADC 值低于良性病變，差異具有統(tǒng)計(jì)學(xué)意義（

＜0.05），結(jié)果見表2。對(duì)于所有病變、腫塊型強(qiáng)化病變，Kaiser 評(píng)分的AUC 均高于ADC值的AUC，差異具有統(tǒng)計(jì)學(xué)意義（

＜0.001），但在非腫塊病變中，差異無(wú)統(tǒng)計(jì)學(xué)意義（

=0.152）。Kaiser評(píng)分+的AUC在所有病變、腫塊及非腫塊型強(qiáng)化病變中均高于ADC值的AUC，差異具有統(tǒng)計(jì)學(xué)意義（

＜0.05）。在所有病變、腫塊及非腫塊型強(qiáng)化病變中，Kaiser 評(píng)分與Kaiser 評(píng)分+AUC 比較，差異均不具有統(tǒng)計(jì)學(xué)意義，結(jié)果見表3、圖3。依據(jù)BI-RADS 系統(tǒng)將BPE分為4類，比較Kaiser、Kaiser+與ADC值的AUC，結(jié)果見圖4、表3。在BPE 1～4類乳腺中，Kaiser評(píng)分的AUC 均高于ADC 值的AUC，這表明Kaiser 評(píng)分在診斷BI-RADS 4類病變時(shí)不受BPE影響。

2.3 Kaiser 評(píng)分與ADC 值準(zhǔn)確度、敏感度、特異度比較

Kaiser評(píng)分是Baltzer等

提出的一種病變分類算法，基于常規(guī)T2WI 壓脂序列及DCE-MRI 序列，應(yīng)用了五個(gè)獨(dú)立的形態(tài)學(xué)及動(dòng)態(tài)增強(qiáng)相關(guān)的特征，范圍從1到11，提供了病變的惡性可能性，分?jǐn)?shù)≤4時(shí)可以在很大程度上排除惡性，評(píng)分高則需要活檢，評(píng)分結(jié)果不受設(shè)備參數(shù)及增強(qiáng)掃描期相影響

，易于推廣。相對(duì)于BI-RADS系統(tǒng)僅做到使診斷報(bào)告標(biāo)準(zhǔn)化，Kaiser評(píng)分可以作為診斷依據(jù)輔助評(píng)估病變良惡性。Kaiser評(píng)分的診斷標(biāo)準(zhǔn)符合BI-RADS

，觀察者間一致性良好，即使不同觀察者的個(gè)人評(píng)分不同，但最終是否需要活檢的最終結(jié)果是一致的，且重復(fù)性高

。Kaiser評(píng)分敏感性高，在高危女性中，采用4 作為病變的閾值可以避免超過45% BI-RADS 4 類的病灶進(jìn)行不必要的活檢

，并且可以對(duì)X 線表現(xiàn)為可疑惡性的鈣化進(jìn)行風(fēng)險(xiǎn)分層，降低58.3%～65.3%不必要的定向活檢

。Rong 等

得出結(jié)論，對(duì)比增強(qiáng)乳腺X 線攝影技術(shù)與Kaiser 評(píng)分結(jié)合有助于診斷BI-RADS 4A 類病變，可以避免75.8%～82.1%不必要的良性乳腺病變活檢。王珊等

的研究表明，Kaiser評(píng)分對(duì)BI-RADS 4類非腫塊樣強(qiáng)化病變具有較高的敏感性和準(zhǔn)確性，與本研究結(jié)果一致。對(duì)于BI-RADS 3-5 類病變中性質(zhì)不明確的病灶，Kaiser 評(píng)分也可以輔助診斷，提高診斷準(zhǔn)確性，避免45.2%～60.8%的活檢

。

3 討論

128 例患者病例共165 個(gè)病灶，其中腫塊樣病灶111 個(gè)，非腫塊樣病灶54 個(gè)；惡性67 個(gè)，良性98 個(gè)。惡性病灶中，浸潤(rùn)性導(dǎo)管癌27 個(gè)，導(dǎo)管原位癌17 個(gè)，導(dǎo)管內(nèi)乳頭狀癌5 個(gè)，導(dǎo)管原位癌伴浸潤(rùn)性導(dǎo)管癌8 個(gè)，浸潤(rùn)性小葉癌4 個(gè)，包裹性乳頭狀癌1 個(gè)，浸潤(rùn)性篩狀癌1 個(gè)，浸潤(rùn)性癌伴黏液分化1 個(gè)，黏液癌2 個(gè)，浸潤(rùn)性微乳頭狀癌1 個(gè)；良性病灶中，纖維腺瘤37 個(gè)，導(dǎo)管內(nèi)乳頭狀瘤25 個(gè)，腺病17 個(gè)，肉芽腫性乳腺炎7 個(gè)，炎癥4 個(gè)，硬化性腺病4 個(gè)，良性葉狀腫瘤3個(gè)，良性肌上皮瘤1個(gè)。典型病例見圖2。

3.1 DWI在乳腺病變?cè)\斷中的應(yīng)用

本研究結(jié)果顯示，Kaiser評(píng)分對(duì)于BI-RADS 4類病變的診斷效能高于ADC 值，而且Kaiser 評(píng)分不受BPE 影響，在每個(gè)亞組均表現(xiàn)出良好的鑒別能力。研究證實(shí)

，中重度BPE的女性患者DCE-MRI的敏感度低于輕微及輕度BPE的女性，高BPE可能會(huì)導(dǎo)致假陽(yáng)性或假陰性

，且高BPE可能是乳腺癌的獨(dú)立危險(xiǎn)因素

。Kaiser 評(píng)分與ADC 值兩者的結(jié)合較單獨(dú)Kaiser 評(píng)分診斷效能并未見顯著提高。當(dāng)Kaiser評(píng)分＜3時(shí)，對(duì)BI-RADS 4 類病變的診斷未出現(xiàn)假陰性結(jié)果；當(dāng)Kaiser 評(píng)分＞9 時(shí)，對(duì)BI-RADS 4 類病變的診斷未出現(xiàn)假陽(yáng)性結(jié)果。當(dāng)評(píng)分取截?cái)嘀? 時(shí)，敏感度、特異度、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值分別為97.0%、60.2%、62.5%、96.7%。對(duì)于腫塊、非腫塊強(qiáng)化病變，Kaiser評(píng)分診斷效能均高于ADC值，但診斷非強(qiáng)化病變的特異性較其他研究低

，這可能是由于本研究中非腫塊病變較少，且多數(shù)為良性。Kaiser評(píng)分診斷的2例假陰性均為非腫塊強(qiáng)化，均為導(dǎo)管原位癌，在評(píng)估Kaiser 評(píng)分時(shí)TIC 為流出型，被評(píng)價(jià)為4 分，這是因?yàn)閷?dǎo)管原位癌病灶區(qū)域基底膜周圍有多少不等的新生血管，所以TIC形式多樣，其中平臺(tái)型最常見，且在導(dǎo)管原位癌診斷中TIC類型差異無(wú)統(tǒng)計(jì)學(xué)意義

。

3.2 Kaiser評(píng)分在乳腺病變?cè)\斷中的應(yīng)用

對(duì)于所有病變，Kaiser評(píng)分與ADC值診斷一致性較差（Kappa=0.192,95%

：0.039～0.345，

=0.013），Kaiser評(píng)分的準(zhǔn)確度（124/165,75%）高于ADC值的準(zhǔn)確度（90/165,55%），但差異無(wú)統(tǒng)計(jì)學(xué)意義（

＞0.05）。Kaiser 評(píng)分的敏感度（65/67,97.0%）、特異度（59/98,60.2%）均高于ADC值的敏感度（53/67,79.1%）、特異度（37/98,37.8%），差異具有統(tǒng)計(jì)學(xué)意義（

＜0.001）。根據(jù)ROC 曲線確定約登指數(shù)，確定Kaiser 評(píng)分評(píng)估BI-RADS 4類病變良惡性的截?cái)嘀禐?，截?cái)嘀祵?duì)應(yīng)的敏感度為97.0%（65/67），特異度為60.2%（59/98），陽(yáng)性預(yù)測(cè)值為62.5%（65/104），陰性預(yù)測(cè)值為96.7%（59/61）。對(duì)于所有病變應(yīng)用Kaiser評(píng)分可以減少不必要的活檢。

數(shù)據(jù)分析采用SPSS 25.0 及MedCalc 20.0（Medcalc Software）軟件處理，服從正態(tài)分布的計(jì)量資料以（

ˉ±

）表示，組間比較采用獨(dú)立樣本

檢驗(yàn)，應(yīng)用配對(duì)卡方檢驗(yàn)比較敏感度、特異度，采用Kappa值評(píng)價(jià)兩種方法是否具有一致性。使用logistic回歸聯(lián)合Kaiser評(píng)分與ADC值作為一個(gè)新的預(yù)測(cè)指標(biāo)Kaiser+。診斷效能采用受試者工作特征（receiver operating characteristic, ROC）曲線評(píng)估，應(yīng)用準(zhǔn)確度、敏感度、特異度、陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值評(píng)估診斷價(jià)值，應(yīng)用DeLong檢驗(yàn)比較曲線下面積（area under the curve, AUC），

＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

3.3 Kaiser 評(píng)分、ADC 值及兩者聯(lián)合在BI-RADS 4 類病變?cè)\斷效能分析

DWI 是一種功能MRI 技術(shù)，被廣泛應(yīng)用于評(píng)估乳腺病變，可以提高M(jìn)RI的診斷準(zhǔn)確性

，在臨床上可以通過其定量參數(shù)ADC 值評(píng)估組織中水分子的擴(kuò)散程度

。在惡性病變中，由于腫瘤細(xì)胞增殖、細(xì)胞外空間受壓，擴(kuò)散受限，導(dǎo)致DWI 信號(hào)增高，相應(yīng)的ADC值降低。作為一種定量診斷工具，ADC 值在初步評(píng)估乳腺病變良惡性方面表現(xiàn)良好，但ADC值容易受到病變成分及掃描參數(shù)的影響，并且對(duì)于那些表現(xiàn)為T2WI或DWI等信號(hào)、非腫塊強(qiáng)化或存在廣泛壞死的病變，測(cè)量其數(shù)值困難，導(dǎo)致其診斷效能下降，易出現(xiàn)假陰性結(jié)果；另外，某些病變?nèi)琊ひ喊?，表現(xiàn)為ADC值升高，與良性病變相似，單獨(dú)依靠ADC值容易誤診

。

3.4 不足與展望

本研究有一定的局限性：第一，由于乳腺病變?cè)缙诤Y查的普及，Kaiser 評(píng)分為10、11 分的病變較少，且由于選擇偏倚導(dǎo)致本研究BI-RADS 4 類病變惡性率（40.6%）高于文獻(xiàn)報(bào)道

，陽(yáng)性預(yù)測(cè)值會(huì)偏高，后續(xù)研究中將嚴(yán)格掌握研究對(duì)象的納入與排除標(biāo)準(zhǔn)，增加樣本量。第二，在測(cè)量ADC值時(shí)沒有評(píng)估病灶的大小，病灶較小會(huì)導(dǎo)致ADC 值測(cè)量不準(zhǔn)確，最近的研究證實(shí)Kaiser 評(píng)分可以用來(lái)評(píng)估小于5 mm 的病灶

，這可能影響結(jié)果，后續(xù)研究可以將病灶按照大小進(jìn)行分層分析。第三，在二維圖像上勾畫ROI忽略了病變異質(zhì)性的影響，這可以通過使用ITK-SNAP 軟件進(jìn)一步勾畫三維容積ROI盡量避免。

在農(nóng)業(yè)食品系統(tǒng)的演變下，拉美地區(qū)經(jīng)歷了超市迅速崛起、跨國(guó)化和鞏固整合。與20世紀(jì)90年代初的低市場(chǎng)占有率相反，如今超市已越來(lái)越多地占據(jù)拉美國(guó)家的農(nóng)業(yè)食品經(jīng)濟(jì)，引起了供應(yīng)鏈的深刻轉(zhuǎn)換。

綜上所述，Kaiser評(píng)分對(duì)于BI-RADS 4類病變的診斷效能高于ADC 值，有望降低不必要的穿刺活檢率。與單純的Kaiser 評(píng)分相比，聯(lián)合應(yīng)用Kaiser 評(píng)分和ADC 值不能顯著提高BI-RADS 4 類病變的診斷效能。

媽媽的玩法對(duì)我有極大的吸引力。我纏著問：“你還會(huì)玩什么？”媽媽指著樓下的柳林說(shuō)：“你看，隨處都可以玩：吹柳笛、吹柳哨、做彈弓、編柳帽……”

全體作者均聲明無(wú)利益沖突。

[1] Leithner D, Wengert G, Helbich T, et al. MRI in the assessment of BI-RADS

4 lesions[J]. Top Magn Reson Imaging, 2017, 26(5):191-199.DOI:10.1097/RMR.0000000000000138.

[2] Bickel H, Pinker K, Polanec S, et al. Diffusion-weighted imaging of breast lesions: region-of-interest placement and different ADC parameters influence apparent diffusion coefficient values[J]. Eur Radiol,2017,27(5):1883-1892.DOI:10.1007/s00330-016-4564-3.

[3] Clauser P, Krug B, Bickel H, et al. Diffusion-weighted imaging allows for downgrading MR BI-RADS 4 lesions in contrast-enhanced MRI of the breast to avoid unnecessary biopsy[J]. Clin Cancer Res, 2021,27(7):1941-1948.DOI:10.1158/1078-0432.CCR-20-3037.

[4] Zhang M, Horvat JV, Bernard-Davila B, et al. Multiparametric MRI model with dynamic contrast-enhanced and diffusion-weighted imaging enables breast cancer diagnosis with high accuracy[J]. J Magn Reson Imaging,2019,49(3):864-874.DOI:10.1002/jmri.26285.

[5] Strigel RM,Burnside ES,Elezaby M,et al.Utility of BI-RADS assessment category 4 subdivisions for screening breast MRI[J].AJR Am J Roentgenol,2017,208(6):1392-1399.DOI:10.2214/AJR.16.16730.

[6] An YY, Liu C, Zhang HX, et al. Diagnostic value of Kaiser score for BI-RADS 4 lesions on MRI[J]. Zhejiang Med J, 2021, 43(5): 511-515.DOI:10.12056/j.issn.1006-2785.2021.43.5.2020-3139.安永玉,劉暢,張宏霞,等.Kaiser 評(píng)分對(duì)MRI 乳腺影像報(bào)告與數(shù)據(jù)系統(tǒng)4 類病灶的診斷價(jià)值[J]. 浙江醫(yī)學(xué), 2021, 43(5): 511-515. DOI:10.12056/j.issn.1006-2785.2021.43.5.2020-3139.

[7] Grippo C, Jagmohan P, Helbich TH, et al. Correct determination of the enhancement curve is critical to ensure accurate diagnosis using the Kaiser score as a clinical decision rule for breast MRI[J/OL]. Eur J Radiol, 2021 [2022-05-30]. https://doi.org/10.1016/j.ejrad.2021.109630.DOI:10.1016/j.ejrad.2021.109630.

[8] Wengert GJ,Pipan F,Almohanna J,et al.Impact of the Kaiser score on clinical decision-making in BI-RADS 4 mammographic calcifications examined with breast MRI[J]. Eur Radiol, 2020, 30(3): 1451-1459.DOI:10.1007/s00330-019-06444-w.

[9] Milos RI, Pipan F, Kalovidouri A, et al. The Kaiser score reliably excludes malignancy in benign contrast-enhancing lesions classified as BI-RADS 4 on breast MRI high-risk screening exams[J]. Eur Radiol,2020,30(11):6052-6061.DOI:10.1007/s00330-020-06945-z.

[10] Iima M, Honda M, Sigmund EE, et al. Diffusion MRI of the breast:current status and future directions[J]. J Magn Reson Imaging, 2020,52(1):70-90.DOI:10.1002/jmri.26908.

[11] Dijkstra H,Dorrius MD,Wielema M,et al.Quantitative DWI implemented after DCE-MRI yields increased specificity for BI-RADS 3 and 4 breast lesions[J]. J Magn Reson Imaging, 2016, 44(6): 1642-1649. DOI:10.1002/jmri.25331.

[12] Istomin A, Masarwah A, Okuma H, et al. A multiparametric classification system for lesions detected by breast magnetic resonance imaging[J/OL]. Eur J Radiol, 2020 [2022-05-30]. https://doi.org/10.1016/j.ejrad.2020.109322.DOI:10.1016/j.ejrad.2020.109322.

[13] Bitencourt AG, Graziano L, Osório CA, et al. MRI features of mucinous cancer of the breast: correlation with pathologic findings and other imaging methods[J]. AJR Am J Roentgenol, 2016, 206(2):238-246.DOI:10.2214/AJR.15.14851.

[14] Baltzer PAT, Dietzel M, Kaiser WA.A simple and robust classification tree for differentiation between benign and malignant lesions in MR-mammography[J]. Eur Radiol, 2013, 23(8): 2051-2060. DOI:10.1007/s00330-013-2804-3.

[15] Woitek R, Spick C, Schernthaner M, et al. A simple classification system (the Tree flowchart) for breast MRI can reduce the number of unnecessary biopsies in MRI-only lesions[J]. Eur Radiol, 2017, 27(9):3799-3809.DOI:10.1007/s00330-017-4755-6.

[16] Baltzer P,Krug KB,Dietzel M.Evidence-based and structured diagnosis in breast MRI using the Kaiser score[J/OL]. Rofo, 2022 [2022-05-30]. https://www.thieme-connect.com.DOI:10.1055/a-1829-5985.

[17] Dietzel M, Baltzer PAT. How to use the Kaiser score as a clinical decision rule for diagnosis in multiparametric breast MRI: a pictorial essay[J].Insights Imaging,2018,9(3):325-335.DOI:10.1007/s13244-018-0611-8.

[18] Marino MA,Clauser P,Woitek R,et al.A simple scoring system for breast MRI interpretation: does it compensate for reader experience?[J]. Eur Radiol,2016,26(8):2529-2537.DOI:10.1007/s00330-015-4075-7.

[19] Istomin A, Masarwah A, Vanninen R, et al. Diagnostic performance of the Kaiser score for characterizing lesions on breast MRI with comparison to a multiparametric classification system[J/OL]. Eur J Radiol, 2021[2022-05-30].https://doi.org/10.1016/j.ejrad.2021.109659.DOI:10.1016/j.ejrad.2021.109659.

[20] Rong X, Kang Y, Xue J, et al. Value of contrast-enhanced mammography combined with the Kaiser score for clinical decision-making regarding tomosynthesis BI-RADS 4A lesions[J/OL]. Eur Radiol, 2022 [2022-05-30].https://doi.org/10.1007/s00330-022-08810-7.DOI:10.1007/s00330-022-08810-7.

[21] Wang S,Li JY,Zheng H,et al.Analysis on Kaiser sore in diagnostic value of BI-RADS 4 types of breast non-masses enhancement[J]. J Clin Radiol,2021,40(12):2282-2286.DOI:10.13437/j.cnki.jcr.2021.12.010.王珊,李建玉,鄭慧,等.Kaiser評(píng)分對(duì)乳腺BI-RADS 4類非腫塊樣強(qiáng)化病灶的診斷價(jià)值分析[J].臨床放射學(xué)雜志,2021,40(12):2282-2286.DOI:10.13437/j.cnki.jcr.2021.12.010.

[22] Jajodia A, Sindhwani G, Pasricha S, et al. Application of the Kaiser score to increase diagnostic accuracy in equivocal lesions on diagnostic mammograms referred for MR mammography[J/OL]. Eur J Radiol,2021[2022-05-30].https://doi.org.10.1016/j.ejrad.2020.109413.DOI:10.1016/j.ejrad.2020.109413.

[23] Telegrafo M, Rella L, Stabile Ianora AA, et al. Effect of background parenchymal enhancement on breast cancer detection with magnetic resonance imaging[J]. Diagn Interv Imaging, 2016, 97(3): 315-320.DOI:10.1016/j.diii.2015.12.006.

[24] Jung Y, Jeong S, Kim JY, et al. Correlations of female hormone levels with background parenchymal enhancement and apparent diffusion coefficient values in premenopausal breast cancer patients: effects on cancer visibility[J/OL]. Eur J Radiol, 2020 [2022-05-30]. https://doi.org/10.1016/j.ejrad.2020.108818.DOI:10.1016/j.ejrad.2020.108818.

[25] Zhang H, Guo LL, Tao WJ, et al. Possible breast cancer risk related to background parenchymal enhancement at breast MRI: a meta-analysis study[J].Nutr Cancer,2021,73(8):1371-1377.DOI:10.1080/01635581.2020.1795211.

[26] Zhang B, Feng LL, Wang L, et al. Kaiser score for diagnosis of breast lesions presenting as non-mass enhancement on MRI[J]. Nan Fang Yi Ke Da Xue Xue Bao,2020,40(4):562-566.DOI:10.12122/j.issn.1673-4254.2020.04.18.

[27] Nadrljanski MM, Markovi? BB, Milo?evi? Z?. Breast ductal carcinoma in situ: morphologic and kinetic MRI findings[J]. Iran J Radiol,2013,10(2):99-102.DOI:10.5812/iranjradiol.4876.

[28] Lee JM, Ichikawa L, Valencia E, et al. Performance benchmarks for screening breast MR imaging in community practice[J]. Radiology,2017,285(1):44-52.DOI:10.1148/radiol.2017162033.

[29] Dietzel M, Krug B, Clauser P, et al. A multicentric comparison of apparent diffusion coefficient mapping and the Kaiser score in the assessment of breast lesions[J]. Invest Radiol, 2021, 56(5): 274-282.DOI:10.1097/RLI.0000000000000739.019-06444-w.