Skip to main content
SpringerLink
Log in

Quantitative parametrische Analyse der Kontrastkinetik von Läsionen in der dynamischen MR-Mammographie

Quantitative parametric analysis of contrast-enhanced lesions in dynamic MR mammography

  • Originalien
  • Published:
Der Radiologe Aims and scope Submit manuscript

Zusammenfassung

Zielsetzung

Ziel der prospektiven Studie war die Evaluierung der quantitativen parametrischen Analyse der Kontrastkinetik von Läsionen in der MR-Mammographie.

Material und Methoden

Bei 137 Patientinnen wurden insgesamt 183 kontrastierte Läsionen in der MR-Mammographie identifiziert. Histopathologisch abgeklärt wurden 82 Läsionen, bei 101 Läsionen erfolgte eine MR-mammographische Verlaufskontrolle. Die Kontrastkinetik der Läsionen wurden quantitativ, pixelbasiert analysiert und die initiale Signalintensität durch die Farbintensitäten (hell, mittel, dunkel) sowie der postinitiale Signalverlauf durch Farben (blau, grün, rot) kodiert. Zum Abschluss folgten eine ROC-Analyse und ein logistisches Regressionsmodell.

Ergebnisse

Maligne Läsionen zeigten eine signifikant größere Anzahl hell-, mittel- und dunkelroter, hell- und mittelgrüner Pixel als benigne Läsionen, diese zeigten eine signifikant größere Anzahl hell-, mittel- und dunkelblauer Pixel als maligne. Die größten Flächen unter den ROC-Kurven wurden für mittelrote Pixel (AUC=0,782) und mittelgrüne Pixel (AUC=0,733) erreicht. Ein logistisches Regressionsmodell aus den Parametern mittelrote und mittelgrüne Pixel vermag eine maligne Läsion mit einer Sensitivität von 60,7% und einer Spezifität von 83,6% richtig zu diagnostizieren.

Schlussfolgerungen

Die Quantifizierung der kontrastkinetischen Parameter ermöglicht die objektive Analyse des Kontrastmittelverhaltens maligner und benigner Läsionen. Durch dieses neue Auswerteverfahren lässt sich möglicherweise eine Erhöhung der Spezifität der MR-Mammographie erreichen. Sie bedarf jedoch noch weiterer Entwicklungen, um für die standardisierte Analyse kontrastierter Läsionen in der MR-Mammographie eingesetzt werden zu können.

Abstract

Purpose

The aim of the study was an evaluation of the quantitative parametric analysis of contrast-enhanced lesions in dynamic MR mammography.

Material and methods

In 137 patients, 183 contrast-enhanced lesions were identified in dynamic MR mammography. In 82 lesions histopathology was performed and in 101 lesions follow-up MR mammography was carried out. The contrast kinetics of lesions was analyzed quantitatively, on a pixel-by-pixel basis. The initial signal enhancement was coded by color intensity (bright, medium, dark), the post-initial signal enhancement was coded by color hue (blue, green, red). ROC analysis and logistic regression were performed.

Results

Malignant lesions showed a significantly higher number of bright red, medium red and dark red, bright green and medium green pixels than benign lesions. Benign lesions showed a significantly higher number of bright blue, medium blue and dark blue pixels than malignant lesions. The highest areas under the ROC curves (AUC) were found for medium red (AUC=0.782) and medium green pixels (AUC=0.733). A regression model with medium red and medium green pixels allows diagnosis of malignant lesions with a sensitivity of 60.7% and a specificity of 83.6%.

Conclusions

The quantification of contrast-enhanced lesions allows objective analysis of the signal intensities in malignant and benign lesions. Therefore, this method might increase the specificity of MR mammography. Further developments are necessary before this method can be used for routine analysis of contrast-enhancing lesions in MR mammography.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1
Abb. 2
Abb. 3
Abb. 4

Literatur

  1. Morris EA (2002) Breast cancer imaging with MRI. Radiol Clin North Am 40: 443–466

    Article  PubMed  Google Scholar 

  2. Kuhl CK, Mielcareck P, Klaschik S et al. (1999) Dynamic breast MR imaging: are signal intensity time course data useful for differential diagnosis of enhancing lesions? Radiology 211: 101–110

    PubMed  CAS  Google Scholar 

  3. Kuhl CK (2000) MRI of breast tumors. Eur Radiol 10: 46–58

    Article  PubMed  CAS  Google Scholar 

  4. Fischer U (2000) Lehratlas der MR-Mammographie. Thieme, Stuttgart New York

  5. Vomweg TW, Teifke A, Schreiber WG et al. (2002) Combination of low and high resolution T1-weighted sequences for improved evaluation of morphologic criteria in dynamic contrast enhanced MRI of the breast. Rofo 174: 1445–1449

    PubMed  CAS  Google Scholar 

  6. Degani H, Gusis V, Weinstein D et al. (1997) Mapping pathophysiological features of breast tumors by MRI at high spatial resolution. Nat Med 3: 780–782

    Article  PubMed  CAS  Google Scholar 

  7. Furman-Haran E, Grobgeld D, Kelcz F, Degani H (2001) Critical role of spatial resolution in dynamic contrast-enhanced breast MRI. J Magn Reson Imaging 13: 862–867

    Article  PubMed  CAS  Google Scholar 

  8. Weinstein D, Strano S, Cohen P et al. (1999) Breast fibroadenoma: mapping of pathophysiologic features with three-time-point, contrast-enhanced MR imaging – pilot study. Radiology 210: 233–240

    PubMed  CAS  Google Scholar 

  9. Holland AE, Hendrick RE, Jin H et al. (2000) Correlation of high-resolution breast MR imaging with histopathology; validation of a technique. J Magn Reson Imaging 11: 601–606

    Article  PubMed  CAS  Google Scholar 

  10. Kuhl CK, Bieling HB, Lutterbey G et al. (1996) Standardization and acceleration of quantitative analysis of dynamic MR mammographies via parametric images and automatized ROI definition. Rofo 164: 475–482

    PubMed  CAS  Google Scholar 

  11. Mussurakis S, Buckley DL, Coady AM et al. (1996) Observer variability in the interpretation of contrast enhanced MRI of the breast. Br J Radiol 69: 1009–1016

    Article  PubMed  CAS  Google Scholar 

  12. Furman-Haran E, Grobgeld D, Degani H (1997) Dynamic contrast-enhanced imaging and analysis at high spatial resolution of MCF7 human breast tumors. J Magn Reson 128: 161–171

    Article  PubMed  CAS  Google Scholar 

  13. Kelcz F, Furman-Haran E, Grobgeld D, Degani H (2002) Clinical testing of high-spatial-resolution parametric contrast-enhanced MR imaging of the breast. AJR Am J Roentgenol 179: 1485–1492

    PubMed  Google Scholar 

  14. Hauth EAM, Stockamp C, Maderwald S et al. (2007) Evaluation of the three-time-point method for diagnosis of breast lesions in contrast-enhanced MR mammography. Clin Imaging, in press

  15. Fischer U, Helbich T (Hrsg) (2006) ACR BI-RADS®. Illustrierte Anleitung zur einheitlichen Befunderstellung von Mammographie, Mammasonographie, MR Mammographie. Deutsche Ausgabe des Breast Imaging and Reporting Data System (BI-RADS) des American College of Radiology, 2. Aufl. Thieme, Stuttgart

  16. Kuhl CK, Bieling HB, Gieseke J et al. (1997) Healthy premenopausal breast parenchyma in dynamic contrast-enhanced MR imaging of the breast: normal contrast enhancement and cyclical-phase dependency. Radiology 203: 137–144

    PubMed  CAS  Google Scholar 

  17. Achenbach T, Vomweg T, Heussel CP et al. (2003) Computergestützte Diagnostik in der Thoraxradiologie – aktuelle Schwerpunkte und Techniken. Rofo 175: 1471–1481

    PubMed  CAS  Google Scholar 

  18. Ciatto S, Ambrogetti D, Bonardi R et al. (2004) Comparison of two commercial systems for computer-assisted detection (CAD) as an aid to interpreting screening mammograms. Radiol Med (Torino) 107: 480–488

    Google Scholar 

  19. Cupples TE, Cunningham JE, Reynolds JC (2005) Impact of computer-aided detection in a regional screening mammography program. AJR Am J Roentgenol 185: 944–950

    Article  PubMed  Google Scholar 

  20. Obenauer S, Sohns C, Werner C, Grabbe E (2005) Retrospective analysis of a computer-aided detection (CAD) system in full-field digital mammography in correlation to tumor histology. Rofo 177: 1103–1109

    PubMed  CAS  Google Scholar 

  21. Birdwell RL, Bandodkar P, Ikeda DM (2005) Computer-aided detection with screening mammography in a university hospital setting. Radiology 236: 451–457

    Article  PubMed  Google Scholar 

  22. Khoo LA, Taylor P, Given-Wilson RM (2005) Computer-aided detection in the United Kingdom National Breast Screening Programme: prospective study. Radiology 237: 444–449

    Article  PubMed  Google Scholar 

  23. Szabo BK, Wiberg MK, Bone B, Aspelin P (2004) Application of artificial neural networks to the analysis of dynamic MR imaging features of the breast. Eur Radiol 14: 1217–1225

    Article  PubMed  Google Scholar 

  24. Vomweg TW, Teifke A, Kauczor HU et al. (2005) Self-organizing neural networks for automatic detection and classification of contrast (media) enhancement of lesions in dynamic MR-mammography. Rofo 177: 703–713

    PubMed  CAS  Google Scholar 

  25. Wood C (2005) Computer aided detection (CAD) for breast MRI. Technol Cancer Res Treat 4: 49–53

    PubMed  Google Scholar 

  26. Chen W, Giger ML, Lan L, Bick U (2004) Computerized interpretation of breast MRI. Investigation of enhancement-variance dynamics. Med Phys 31: 1076–1082

    Article  PubMed  Google Scholar 

Download references

Interessenkonflikt

Die korrespondierende Autorin gibt an, dass kein Interessenkonflikt besteht.

Author information

Authors and Affiliations

  1. Institut für Diagnostische und Interventionelle Radiologie und Neuroradiologie, Universitätsklinikum Essen, Hufelandstr. 55, 45122, Essen, Deutschland

    E.A.M. Hauth, S. Maderwald & M. Forsting

  2. Praxis für Radiologie, Neuroradiologie und Nuklearmedizin, Marien-Hospital Wesel, Wesel, Deutschland

    H. Jaeger

  3. CAD Sciences, White Plains, New York, New York, USA

    A. Mühler

  4. Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Essen, Essen, Deutschland

    R. Kimmig

Authors
  1. E.A.M. Hauth
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. H. Jaeger
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. S. Maderwald
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. A. Mühler
    View author publications

    You can also search for this author in PubMed Google Scholar

  5. R. Kimmig
    View author publications

    You can also search for this author in PubMed Google Scholar

  6. M. Forsting
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to E.A.M. Hauth.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Hauth, E., Jaeger, H., Maderwald, S. et al. Quantitative parametrische Analyse der Kontrastkinetik von Läsionen in der dynamischen MR-Mammographie. Radiologe 48, 593–600 (2008). https://doi.org/10.1007/s00117-007-1562-0

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00117-007-1562-0

Schlüsselwörter

Keywords

Search

Navigation