0 引言

       乳腺癌是女性最常见的恶性肿瘤之一，MRI在乳腺肿瘤诊断及疗效评估中发挥着重要作用，扩散加权成像（diffusion weighted imaging, DWI）作为一种传统的MRI功能成像方法，其结合动态对比增强（dynamic contrast-enhanced, DCE）成像可以改善乳腺病变的分类，从而减少良性病变的不必要活检^{[1, 2]}。大量研究证实，通过单指数DWI模型拟合得到的表观扩散系数（apparent diffusion coefficient, ADC）值在区分乳腺良恶性病变中作用显著^{[3, 4]}，但在复杂的细胞结构内，水分子的扩散并不服从高斯分布。分数阶微积分（fractional-order calculus, FROC）模型是近年来研究非高斯分布扩散方法中逐渐受到关注的一种DWI模型，其提供了一组新的参数，包括异常扩散系数（D）、体素内扩散异质性参数（β）和空间参数（μ）^{[5, 6]}，D值能反映水分子实际扩散过程，β值与组织微观结构的异质性和复杂性呈负相关，μ值与水分子的平均扩散长度呈负相关。既往研究^[7]表明，与单指数DWI和扩散峰度成像（diffusion kurtosis imaging, DKI）相比，FROC-DWI中的β值在鉴别前列腺癌和前列腺增生、移行带内病灶中具有更大优势，对肿瘤组织的微观结构和异质性变化更为敏感。并且FROC模型DWI在脑肿瘤^{[8, 9]}、宫颈癌^[10]、膀胱癌^[11]、前列腺癌^{[7, 12]}、肝癌^{[13, 14, 15]}及肝纤维化^[16]等表征方面表现出了巨大潜力，FROC模型DWI对乳腺病变研究报道尚少^{[17, 18]}，既往应用较小高b值（b=1 500 s/mm²）和较少b值（4个）进行的FROC模型DWI研究中，ADC值的诊断效能高于FROC-DWI衍生参数^[17]；然而，WANG等^[18]研究认为FROC模型DWI衍生参数D值和μ值在乳腺良恶性病变鉴别中表现出了较好的诊断效能。因此，FROC-DWI衍生参数在乳腺病变中的应用价值仍具有一定争议，尚需要进一步探讨。

       FROC模型DWI中b值设置较多，序列扫描时间长，在一定程度上限制了其在科研和临床中的应用。近年来，MRI信号采集方法中提出了一种多层同时（simultaneous multi-slice, SMS）快速采集技术，该技术允许一次扫描同时激发多个层面，其提供的扫描加速度大约与同时采集的层数数量成正比，从而缩短扫描时间，提高MRI图像采集效率。研究表明，SMS技术越来越多地常规应用于单次激发平面回波成像（single-shot echo planar imaging, SSEPI）DWI中，主要为颅脑^[19]、腹部^[20]及乳腺^{[21, 22]}等器官，以达到保持相同图像质量和ADC值一致性的同时，缩短扫描时间。但是将SMS技术应用于乳腺多b值DWI的研究非常少，目前还没有应用SMS技术结合FROC-DWI进行乳腺病变的研究。因此，本研究的目的是评估和探讨FROC模型DWI结合SMS加速技术的图像质量和其衍生参数对乳腺良恶性病变的诊断能力，并通过优化扫描方案，使FROC模型DWI能常规应用于乳腺良恶性病变的科研和临床中。

1 材料与方法

1.1 临床资料

       回顾性收集2021年1月至2022年12月在我院接受乳腺MRI扫描的234例女性患者资料，纳入标准：（1）年龄大于18岁；（2）乳腺MRI中具有完整的两组DWI图像。排除标准：（1）既往有乳腺病变放疗、化疗或手术史；（2）病变无手术或穿刺活检病理证实；（3）乳腺MRI扫描未在术前两周内完成者；（4）MRI图像质量很差，伪影严重影响图像判读；（5）病变短径小于5 mm；（6）乳腺炎性病变。最后共纳入124例患者（141个病变）纳入本研究，患者年龄25~71（46.76±9.60）岁。根据病理结果分为良性病变组（n=52）和恶性病变组（n=89）。本研究遵守《赫尔辛基宣言》，经安庆市立医院伦理委员会批准，免除受试者知情同意，批准文号：医学伦审（2022）第3号。

1.2 MRI检查方法

       采用3.0 T MR扫描仪（Magnetom Skyra, Siemens Healthcare）结合乳腺专用16通道相控阵线圈进行乳腺MRI扫描。所有患者DWI序列（14个b值）均扫描两组，第一组为应用常规单次激发平面回波成像（single-shot echo planar imaging, SSEPI）-DWI，参数为：FOV 360.0 mm×227.5 mm，层厚4 mm，层间距0.4 mm，TR 7 800 ms，TE 87 ms，矩阵190×190，b值（激励次数）0（1）、50（1）、80（1）、100（1）、150（1）、200（1）、400（1）、600（1）、800（1）、1 000（2）、1 500（2）、2 000（2）、2 500（3）、3 000（3）s/mm²，扫描时间7 min 48 s；第二组为SSEPI-DWI结合SMS技术（SMS-SSEPI-DWI）成像，除TR、TE、SMS加速因子和扫描时间与第一组不同外，其他参数基本一致，不同参数为：TR 3 800 ms，TE 88 ms，SMS加速因子2，扫描时间3 min 55 s；其他扫描序列包括：轴位T2WI脂肪抑制序列（TR 5 000 ms，TE 81 ms，FOV 340 mm×340 mm、矩阵384×384、层厚4 mm，层间距1 mm）、轴位T1WI动态增强序列（TR 4.50 ms，TE 1.58 ms，FOV 340 mm×340 mm、矩阵384×256、层厚1 mm，包括1期蒙片及6期增强序列）。

1.3 图像分析

       图像扫描完成后，将两组原始DWI图像上传至MR Station工作站中Body DiffusionLab（BoDiLab）后处理软件进行处理，分别计算DWI单指数模型及FROC模型各参数结果。

       DWI单指数模型是利用b=0和1 000 s/mm²拟合得到ADC值（×10^-3 mm²/s），拟合公式见式（1），FROC模型拟合公式见式（2）。

       其中，Sb和S0分别为b值为1 000和0 s/mm²时图像信号强度值。Gd、δ和∆分别是扩散梯度的振幅、脉冲宽度（δ=25.66 ms）和梯度间隔（∆=30.13 ms）^[23]。通过公式计算得到三个参数：扩散系数D（μm²/ms）、体素内扩散异质性参数β（无单位，0<β≤1）、空间常数μ（μm）。本研究中，利用Levenberg-Marquardt非线性拟合算法，将14个b值得到的扩散图像逐体素拟合到FROC模型上，生成三个参数图，其反映了组织内水分子扩散、微观结构的异质性和复杂性、水分子的平均扩散长度等。

       由一名具有5年（主治医师）和另一名具有12年（副主任医师）乳腺MRI诊断经验的放射科医师，在未知病理结果情况下分别对图像进行分析，以动态增强序列作为参考，选取病变信号强度对比最佳的SSEPI-DWI图像手动绘制容积感兴趣区（volume of interest, VOI）并保存，避开囊变坏死及出血区域，软件自动将勾画的VOI传递到各参数图上并得出计算结果，每位医师对病变进行两次测量并取平均值，将两位医师测量结果的平均值再进行平均值计算，并作为各参数的最后结果。SMS-SSEPI-DWI序列的测量采用SSEPI-DWI保存的VOI作为感兴趣区测量，并记录计算结果。

       两位医师在未知序列参数及病理结果情况下，分别对两组DWI图像伪影、图像锐利度、病灶显著性及整体图像质量，采用5分法（1分：非常差，图像伪影严重，图像锐利度及病变显示极差，整体图像质量不能满足诊断；2分：较差，图像伪影较大，图像锐利度及病变显示差，整体图像质量差但能满足诊断；3分：基本满意，图像伪影、图像锐利度及病变显示可接受，整体图像质量基本满足诊断；4分：很好，图像伪影较小，图像锐利度较好，病变显示清晰，整体图像质量较好；5分：最佳，图像无伪影，图像锐利度及病变显示良好，整体图像质量优）进行等级评估^[24]，取两位医师评估平均值作为最后结果。

1.4 统计学分析

       采用SPSS 23.0软件和Medcale 20.0软件对图像进行统计学分析，所有近似符合正态分布的定量参数以x¯±s表示，呈偏态分布的定量参数采用M（P25, P75）表示。定量临床资料、两组DWI衍生定量参数及图像质量评分根据正态性检验结果，使用独立样本t检验或Mann-Whitney U检验进行比较；对乳腺良恶性病变之间有统计学差异的定量参数值进行受试者工作特性（receiver operating characteristic, ROC）曲线分析，根据各参数曲线下面积（area under the curve, AUC）进行诊断效能评估，并应用DeLong方法对各组间AUC进行比较。应用Bland-Altman图评估两组DWI衍生参数间的一致性。观察者间应用组内相关系数（intra-class correlation coefficient, ICC）进行比较，ICC≤0.20：非常差的一致性；>0.20~0.40：较差的一致性；>0.40~0.60：中等的一致性；>0.60~0.80：较好的一致性；>0.80~1.00：非常好的一致性。P<0.05为差异具有统计学意义。

2 结果

2.1 临床资料结果

       124例患者（141个病变）中，左乳病变74个，右乳病变67个，病变分布差异无统计学意义（t=2.93，P=0.98）。乳腺良性病变52个，包括：纤维腺瘤27个、乳腺腺病15个、导管内乳头状瘤9个、分叶状肿瘤1个，年龄25~64（43.77±13.11）岁；乳腺恶性病变89个，包括：浸润性乳腺癌79个、黏液癌1个，腺样囊性癌1个、导管内乳头状瘤1个、导管原位癌7个，年龄27~71（49.13±15.71）岁；乳腺良恶性患者间年龄差异无统计学意义（t=7.51，P=0.18）。

2.2 两名观察者间一致性检验

       两名观察者对两组DWI序列衍生参数及图像质量定性评估均具有较好的一致性（ICC均>0.75），SSEPI-DWI ICC范围为0.78~0.95，SMS-SSEPI-DWI ICC范围为0.79~0.98。

2.3 SSEPI-DWI和SMS-SSEPI-DWI序列间图像质量及一致性比较

       两组DWI序列图像质量定性评估结果见表1，两组DWI序列在图像伪影、图像锐利度、病灶显著性及整体图像质量方面差异均无统计学意义（P>0.05）（图1）。Bland-Altman图（图2）显示两组序列衍生的相对应参数差值平均值及95%的一致性界限分别为：ADC值（-0.02，-0.26~0.22），D值（-0.02，-0.31~0.26）、μ值（-0.18，-1.10~0.74）、β值（-0.00，-0.09~0.09）。

点击查看大图

图1  女，28岁，右侧乳腺纤维腺瘤。1A~1D：常规SSEPI-DWI图像及定量参数图；1A：常规SSEPI-DWI图像（b=1 000 s/mm²），1B~1D分别为D、β、μ参数图，D=1.13 μm²/ms、β=0.87、μ=3.02 μm。1E~1H为SMS-SSEPI-DWI图像及定量参数图；1E：SMS-SSEPI-DWI图像（b=1 000 s/mm²），1F~1H：D、β、μ参数图，D=1.15 μm²/ms、β=0.88、μ=3.1 μm。两组DWI图像（1A、1E）在图像伪影、图像锐利度、病灶显著性及整体图像质量评分均为4分。SSEPI：单次激发平面回波成像；DWI：扩散加权成像；SMS：多层同时；D：扩散系数；β：体素内扩散异质性参数；μ：空间常数。
Fig. 1  Female, 28-year-old, fibroadenoma of the right breast. 1A-1D: Conventional SSEPI-DWI image and quantitative parametric maps; 1A: Conventional SSEPI-DWI image (b=1 000 s/mm²); 1B-1D: D, β and μ map, respectively, D=1.13 μm²/ms, β=0.87, μ=3.02 μm. 1E-1H: SMS-SSEPI-DWI image and quantitative parametric maps; 1E: SMS-SSEPI-DWI image (b=1 000 s/mm²); 1F-1H: D, β and μ map, respectively, D=1.15 μm²/ms, β=0.88, μ=3.1 μm. The scores of image artifact, image sharpness, lesion conspicuity and overall image quality of the two groups of DWI images (1A, 1E) are all 4 points. SSEPI: single-shot echo planar imaging; DWI: diffusion weighted imaging; SMS: simultaneous multi-slice; D: diffusion coefficient; β: intravoxel diffusion heterogeneity parameter; μ: spatial parameter.

点击查看大图

图2  Bland-Altman图显示SSEPI-DWI和SMS-SSEPI-DWI序列中ADC（2A）、D（2B）、β（2C）、μ（2D）值均表现出极佳的一致性，绿色线为平均值，红色虚线为95%的一致性界限上下限。SSEPI：单次激发平面回波成像；DWI：扩散加权成像；SMS：多层同时；ADC：表观扩散系数；D：扩散系数；β：体素内扩散异质性参数；μ：空间常数。
Fig. 2  Bland-Altman plots show the minimal bias (green line) of ADC (2A), D (2B), β (2C), μ (2D) values between SSEPI-DWI and SMS-SSEPI-DWI sequences. The red dotted line is the upper and lower limits of the 95% limits of agreement. SSEPI: single-shot echo planar imaging; DWI: diffusion weighted imaging; SMS: simultaneous multi-slice; ADC: apparent diffusion coefficient; D: diffusion coefficient; β: intravoxel diffusion heterogeneity parameter; μ:spatial parameter.

点击查看表格

表1  SSEPI-DWI和SMS-SSEPI-DWI序列图像质量特征比较
Tab. 1  Comparisons of results of image quality features between SSEPI-DWI and SMS-SSEPI-DWI sequences

2.4 SSEPI-DWI和SMS-SSEPI-DWI序列衍生参数对乳腺良恶性病变诊断比较

       两组DWI序列衍生的ADC、D、μ、β值平均值见表2和图3。乳腺良恶性病变的ADC、D、μ、β值在两组DWI序列间差异无统计学意义（P>0.05）（图3）。恶性病变的ADC、D、β值均低于良性组，且差异具有统计学意义（P<0.05），恶性病变的μ值高于良性组，差异具有统计学意义（P<0.05）。

点击查看大图

图3  ADC（3A）、D（3B）、β（3C）、μ（3D）值箱式图。SSEPI：单次激发平面回波成像；DWI：扩散加权成像；SMS：多层同时；ADC：表观扩散系数；D：扩散系数；β：体素内扩散异质性参数；μ：空间常数；ns：差异无统计学意义。
Fig. 3  Boxplots of ADC (3A)、D (3B)、β (3C)、μ (3D) values. SSEPI: single-shot echo planar imaging; DWI: diffusion weighted imaging; SMS: simultaneous multi-slice; ADC: apparent diffusion coefficient; D: diffusion coefficient; β: intravoxel diffusion heterogeneity parameter; μ: spatial parameter; ns: no significance.

点击查看表格

表2  乳腺良恶性病变在SSEPI-DWI和SMS-SSEPI-DWI序列衍生参数比较
Tab. 2  Comparison of DWI parameters between benign and malignant breast lesions in SSEPI-DWI and SMS-SSEPI-DWI sequences

2.5 诊断效能评估

       两组DWI序列中ADC、D、μ、β值ROC分析结果见表3和图4，在SSEPI-DWI序列中，当ADC、D、μ、β值截值为0.98×10^-3 mm²/s、0.97 μm2/ms、3.09 μm、0.82时，诊断敏感度为87.10%、90.32%、82.32%、93.55%，特异度为76.00%、81.00%、53.00%、66.00%，D值AUC最大，β值诊断敏感性最高，D值特异性最高。在SMS-SSEPI-DWI序列中，当ADC、D、μ、β值截值为1.04×10^-3 mm²/s、0.92 μm²/ms、3.38 μm、0.82时，诊断敏感度为83.87%、85.87%、78.06%、89.65%，特异度为82.00%、84.00%、74.00%、72.00%，D值AUC亦最大，β值诊断敏感性最高，D值特异性最高。DeLong检验显示两组DWI序列内μ值ROC曲线性能与ADC、D、β值差异均有统计学意义（P<0.05），两组DWI序列间μ值ROC曲线性能无统计学意义（P>0.05），两组序列内及序列间的ADC、D、β值ROC曲线性能均无统计学意义（P>0.05）。

点击查看大图

图4  SSEPI-DWI（4A）和SMS-SSEPI-DWI（4B）序列的ADC、D、β、μ值对乳腺良恶性病变的ROC曲线分析。SSEPI：单次激发平面回波成像；DWI：扩散加权成像；SMS：多层同时；ADC：表观扩散系数；D：扩散系数；β：体素内扩散异质性参数；μ：空间常数。
Fig. 4  Receiver operating characteristic curves (ROC) of ADC、D、β、μ value with SSEPI-DWI (4A) and SMS-SSEPI-DWI (4B) sequences for differentiating benign and malignant breast lesions. SSEPI: single-shot echo planar imaging; DWI: diffusion weighted imaging; SMS: simultaneous multi-slice; ADC: apparent diffusion coefficient; D: diffusion coefficient; β: intravoxel diffusion heterogeneity parameter; μ: spatial parameter.

点击查看表格

表3  SSEPI-DWI和SMS-SSEPI-DWI序列ROC分析比较
Tab. 3  Comparisons of ROC analysis between SSEPI-DWI and SMS-SSEPI-DWI sequences

3 讨论

       本研究表明，SSEPI-DWI和SMS-SSEPI-DWI序列得到的ADC值和FROC模型衍生参数（D、β、μ值）均可以用于区分乳腺良恶性病变，并且良恶性病变之间参数存在显著差异。SMS-SSEPI-DWI序列衍生的ADC值和FROC模型衍生参数（D、β、μ值）与SSEPI-DWI序列参数值具有高度一致性，并且对乳腺良恶性病变鉴别诊断效能相仿，但扫描时间却缩短了49.8%。

3.1 FROC模型DWI对乳腺良恶性病变的评估

       DWI单指数模型因其扫描时间短、后处理简单，在临床应用最为广泛^[25]，宋美娜等^[25]研究认为乳腺恶性病变的ADC值低于良性病变，与本研究的结果一致，但基于高斯分布假设获得的ADC值并不能很好地表征肿瘤异质性环境下的非高斯扩散行为。近年来，能反应组织灌注、扩散、代谢和组织异质性的多模型DWI和其他功能成像陆续报道用于乳腺病变的研究^{[26, 27, 28, 29, 30]}。

       FROC是一种基于非高斯分布的扩散模型，其提供了三个参数（D、β和μ）来反映组织结构异质性信息。在本研究中，反映扩散系数的D值通过模型拟合更多（14个b值）、更高（b=3 000 s/mm²）的b值来计算获得，可以更准确地反映实际扩散过程。本研究结果显示乳腺恶性病变的D值低于良性病变，这与传统单指数模型得到的ADC值趋势相似，恶性病变内细胞结构较致密，对水分子扩散限制更大，从而使D值减低，这与既往FROC模型对乳腺肿瘤^{[17, 18]}、肺肿瘤^[31]、高低级别肾肿瘤^[32]等的研究结果基本一致，但本研究结果表明，D值的AUC、敏感度和特异度均大于ADC值，D值比ADC值展示出了更好的鉴别诊断能力，其可能成为潜在的影像学标志之一。

       β值是FROC模型获得的一个新参数，它与组织微观结构的异质性和复杂性呈负相关，β值越小，表明组织异质性程度越大^{[5, 8, 9]}。SUI等^[8]报道儿童高级别脑肿瘤的β值明显低于低级别脑肿瘤，表明高级别肿瘤内的组织异质性程度更高。本研究中，乳腺恶性病变的β值低于乳腺良性病变，且差异具有统计学意义，这与既往的研究结果具有相同趋势，其反映了乳腺恶性病变内部均匀性降低，细胞形状较良性病变更不规则，病变的内部组织结构复杂性和异质性更高。本研究中，与其他指标相比，β值对乳腺良恶性病变的诊断敏感性最高，其表明组织的异质性可能是良恶性病变的主要差别之一。

       另一参数μ值也是FROC模型特有的参数，在FROC模型开发中，D值和μ值之间具有一定相关性，μ值与水分子的平均扩散长度呈负相关^{[5, 6]}。但既往的研究中，μ值表现出了一些相反的结果。SUI等^{[8, 9]}对儿童脑肿瘤和成人胶质瘤的研究中，高级别脑肿瘤的μ值均低于低级别脑肿瘤，μ值具有预测肿瘤分级的作用。在LUO等^[31]对肺结节研究中，恶性肺结节的μ值高于良性结节，鳞状细胞癌的μ值高于腺癌，且差异具有统计学意义。但在LIU等^[7]的研究中，μ值在前列腺增生和前列腺癌之间没有差异，前列腺癌的μ值大于前列腺增生。在本研究中，乳腺恶性病变的μ值大于良性病变，差异具有统计学意义，其可能反映了乳腺恶性病变由于肿瘤细胞无限增殖，水分子的扩散有限，平均扩散长度较短，这与WANG等^[18]研究结果基本一致。但本研究中μ值诊断效能低于ADC值、D值和β值，且具有统计学差异。μ值结果的不确定性可能和既往研究对象的异质性、扫描设备和参数等因素不同有关，后续需要更多研究者进行进一步探索。

3.2 SMS技术在FROC模型中的应用价值

       SSEPI-DWI由于其对运动不敏感和快速成像的优点，一直都是临床主流的乳腺DWI扫描技术，随着多b值DWI在临床研究中越来越多，其扫描时间长、图像信噪比低的缺点较为突出。为了进一步加快MRI扫描速度，人们开发了SMS技术和压缩感知（compressed sensing, CS）技术等来缩短MRI扫描时间，然而，CS技术在DWI成像中的应用非常有限^[33]。SMS技术是采用多波段复合射频脉冲（radiofrequency, RF）同时激发多个层面，并利用线圈灵敏度、梯度或RF编码的信息来重建出多层图像，显著缩短扫描时间，或在相同扫描时间下能获得更多层数^{[19, 20, 21]}。迄今为止，仅在少数研究中报道了SSEPI-DWI结合SMS技术在乳腺成像中的应用^{[21, 34, 35]}。

       MACHIDA等^[35]对55例乳腺良恶性肿瘤的单指数DWI研究中，SMS-SSEPI-DWI在采集时间缩短的同时，能获得比SSEPI-DWI更好的视觉评估，且ADC值具有一致性。本研究中，应用2倍加速因子的SMS-SSEPI-DWI序列，其图像定性评估参数在SSEPI-DWI和SMS-SSEPI-DWI序列中差异均无统计学意义，与既往的研究结果基本一致^{[21, 35]}。分段读出平面回波成像（readout-segmented EPI, rs-EPI）是乳腺DWI中一种新的成像技术，它能部分克服图像磁敏感伪影和几何变形，但其成像时间长^{[36, 37]}。TANG等^[37]比较了多模型SSEPI和SMS-rs EPI DWI（8个b值，最高b值2 000 s/mm²）在乳腺中的应用，在采集时间相同时，虽然总体诊断效能基本相仿，但SMS-rs EPI DWI序列为了达到缩短时间的目的，TR被大大缩短（TR 2 350 ms），这和欧洲乳腺放射学会对乳腺DWI序列中TR时间至少大于3 000 ms的推荐存在一定差异^[38]。本研究由于采用了14个b值，且最高b值为3 000 s/mm²，为平衡图像质量及患者耐受性，选择了应用SSEPI-DWI进行多b值DWI研究，SMS-SSEPI-DWI和SSEPI-DWI FROC模型衍生参数比较显示ADC、D、β和μ值均表现出非常好的一致性，但扫描时间从7 min 48 s（SSEPI-DWI）缩短至了3 min 55 s（SMS-SSEPI-DWI），时间缩短了约49.8%。

3.3 本研究的局限性

       首先，本研究是基于单中心和单设备的设计，FROC模型和SMS技术作为MR功能成像新方法，尚需要多中心和多种MR设备试验来验证本研究的结论；其次，小于5 mm的乳腺病灶未被纳入本研究，其可能导致FROC衍生参数的诊断准确性具有一定偏倚；第三，本研究中SMS-SSEPI-DWI序列的SMS层面加速因子只设置了2，其他研究表明，更高加速因子亦具有一定的临床应用价值，后续我们将对更高加速因子的乳腺DWI新模型进行探索；第四，FROC模型作为一种探讨组织结构异质性研究新技术，其参数值与组织病理、生理细胞结构密切相关，因此，乳腺良恶性肿瘤的不同亚型可能会影响其研究结果，在后续的研究中，我们将进一步细分探讨FROC模型在不同乳腺癌亚型和良性肿瘤分类内的诊断价值。

4 结论

       综上所述，使用基于非高斯分布的FROC扩散成像模型来识别乳腺良恶性病变具有可行性，FROC模型衍生参数D值和β值表现出比ADC值更好的潜在诊断效能。SMS-SSEPI-DWI与SSEPI-DWI序列相比较，在保持图像质量相当及相关衍生参数诊断性能一致的前提下，明显缩短图像扫描时间，这可能有利于未来应用多b值DWI对乳腺病变进行临床诊断及科学研究。