目的：　　近年来，乳腺癌已成为北美地区女性罹患比率最高的恶性肿瘤，在我国亦以每年2％-7%的速度递增，成为我国女性第二位最常见的恶性肿瘤，第六位最常见的恶性肿瘤致死原因。因此乳腺疾病良、恶性诊断一直是临床工作的重点、难点。多 b值弥散加权成像是近年来新兴起的一种功能磁共振检查方法，该技术更客观的反映了组织中水分子的运动情况，并且通过不同模型后处理可以得到多个功能参数，已有研究发现这些参数在乳腺疾病诊断中具有一定的作用，但尚存在诸多有待探讨的问题。首先，作为一项新的功能磁共振检查方法，应用于乳腺疾病诊断的研究相对较少，大多采用一种后处理模型，且样本量比较小，结论还需进一步证实。尚缺乏利用不同后处理模型，全面评估乳腺病变的研究。其二，利用不同后处理模型所得各参数的稳定性和可重复性需要系统的探讨，以便为其临床应用提供基础。其三，各参数鉴别乳腺良、恶性病变的诊断效能、诊断阈值有待临床大样本研究证实。其四，多 b值弥散加权成像提供了更多反映疾病功能特征的参数，在此基础上，仅仅利用单一参数进行诊断无法充分发挥多参数的潜力，因此很有必要寻找多参数联合的方式并评估其在乳腺疾病诊断中的价值。本课题拟使用多 b值弥散加权成像鉴别乳腺良、恶性疾病，包含多种后处理模型。为了与传统 DWI相比较，单指数模型DWI也进行了相同的分析。本研究从三个方面对上述四个问题进行探索研究，包括：（1）多b值DWI双指数模型、拉伸指数模型与传统DWI单指数模型在乳腺疾病诊断中参数的可重复性研究；（2）多b值DWI双指数模型、拉伸指数模型与传统DWI单指数模型在乳腺良、恶性病变中各参数值差异性的研究；（3）多 b值DWI双指数模型、拉伸指数模型与传统DWI单指数模型单个参数和多个参数联合鉴别乳腺良、恶性疾病的研究。　　方法：　　实验一：103位病人共计113例病变的表观弥散系数（apparent diffusion coefficient, ADC）、真弥散系数(tissue diffusivity, D)、伪弥散系数(pseudo-diffusion coefficient, D*)、灌注分数(perfusion fraction, f)、分布弥散系数(distributed diffusion coefficient, DDC)和阿尔法(alpha,α)值进行了同一观察者、不同观察者共计三次测量。使用组内相关系数(The intraclass correlation coefficient, ICC)的单因素随机效应模型和两因素随机效应模型分别评估观察者内、观察者间复测信度。　　实验二：采用自身对照设计，对103位病人共计113例病变术前行3.0T乳腺磁共振、传统弥散加权成像（b=0 s/mm2，b=1000 s/mm2）、多b值弥散加权成像（共计12个b值，b=0,25,75,100,300,500,800,1000,1200,2000,3000s/mm2）检查。通过术后病理或长期随访确诊。统计分析乳腺良、恶性病变的表观弥散系数（apparent diffusion coefficient, ADC）、真弥散系数(tissue diffusivity, D)、伪弥散系数(pseudo-diffusion coefficient, D*)、灌注分数(perfusion fraction, f)、分布弥散系数(distributed diffusion coefficient, DDC)和阿尔法(alpha,α)值。采用配对t检验比较良性病变与自身正常腺体、恶性病变与自身正常腺体各参数有无统计学差异，采用两样本t检验比较良、恶性组各参数有无统计学差异，如果数据不满足正太分布和方差齐性，则Mann-Whitney U test代替t检验。　　实验三：103位病人共计113例病变的病理结果或长期随访结果（良性病人）为金标准，对各项参数鉴别乳腺良、恶性病变进行诊断实验。使用受试者工作类型曲线(Receiver-operating characteristic, ROC)分析单个参数的诊断效能及曲线下面积（area under the curve, AUC），利用尤登指数(youden index, YI)法确定相应参数最佳的诊断敏感度、特异度以及参数阈值。使用串联/并联诊断试验(serial/parallel test)、Losistic回归分析(Logistic regression)探讨多参数联合诊断乳腺良、恶性疾病的诊断效率。　　结果：　　实验一：传统的DWI单指数模型中，ADC值的观察者间ICCinter为0.937(95%CI:0.910-0.956)，观察者内ICCintra为0.950(95%CI:0.928-0.965)；双指数模型中D值的观察者间 ICCinter为0.951(95% CI:0.929-0.966)，观察者内 ICCintra为0.958(95%CI:0.939-0.971)；D*值的观察者间 ICCinter为0.776(95% CI:0.691-0.840)，观察者内ICCintra为0.675(95% CI:0.561-0.764)；f值的观察者间 ICCinter为0.943(95%CI:0.918-0.960)，观察者内ICCintra为0.925(95%CI:0.893-0.948)；拉伸指数模型中DDC值的观察者间ICCinter为0.947(95%CI:0.924-0.963)，观察者内ICCintra为0.942(95%CI:0.917-0.959)；α值的观察者间 ICCinter为0.928(95% CI:0.898-0.950)，观察者内ICCintra为0.928(95%CI:0.897-0.950)。　　实验二：良性病变的ADC值、D值、D*值、f值、DDC值、α值分别为：1.441±0.374×10-3mm2/s、0.773±0.224×10-3mm2/s、3.410(2.830,4.205)×10-3mm2/s、57.0±15.2%、1.527±0.432×10-3mm2/s、0.820±0.111。良性病人正常对照腺体的ADC值、D值、D*值、f值、DDC值、α值分别为：1.796±0.249×10-3mm2/s、0.936±0.196×10-3mm2/s、2.790(2.600,3.095)×10-3mm2/s、65.7±11.9%、1.813±0.334×10-3mm2/s、0.892±0.067。恶性病变的ADC值、D值、D*值、f值、DDC值、α值分别为：1.058±0.252×10-3mm2/s、0.553±0.132×10-3mm2/s、4.255(3.475,5.125)×10-3mm2/s、39.5±12.1%、1.035±0.416×10-3mm2/s、0.723±0.066。恶性病人正常对照腺体的ADC值、D值、D*值、f值、DDC值、α值分别为：1.740±0.277×10-3mm2/s、0.876±0.172×10-3mm2/s、2.970(2.715,3.673)×10-3mm2/s、62.3±11.0%、1.806±0.330×10-3mm2/s、0.861±0.081。良性病变组和良性病人正常腺体对照组各参数差异均具有统计学意义，P<0.05。恶性病变组和恶性病人正常腺体对照组各参数差异均具有统计学意义，P<0.05。良性病变组和恶性病变组各参数差异均具有统计学意义，P<0.05。　　实验三：运用单个参数区别乳腺良恶性病变，传统单指数模型的ADC值的最佳敏感度为75.5%，特异度为78.3%，诊断阈值为：1.200×10-3mm2/s，AUC为0.819（95%CI：0.741-0.898）；双指数模型中，D值的最佳敏感度为84.9%，特异度为76.7%，诊断阈值为：0.604×10-3mm2/s，AUC为0.820（95% CI：0.736-0.903）；D*值曲线下面积AUC为0.308（95%CI：0.210-0.407），小于0.500，不具有临床诊断价值；f值的最佳敏感度为84.9%，特异度为71.7%，诊断阈值为：44.5%, AUC为0.836（95%CI：0.762-0.911）；拉伸指数模型中DDC值的最佳敏感度为77.4%，特异度为78.3%，诊断阈值为：1.235×10-3mm2/s, AUC为0.795（95% CI：0.710-0.880）；α值的最佳敏感度为79.5%，特异度为73.3%，诊断阈值为：0.748, AUC为0.788（95% CI：0.698-0.877）。将每个入组病人的某两个参数作为协变量，良、恶性结果作为应变量，进行二元Logistic回归分析，得到相应的P值，该P值进行ROC分析后，联合使用D、f参数Logistic(D, f)的最佳敏感度为84.9%，特异度为75.0%，诊断阈值为0.390， AUC为0.849（95%CI：0.777-0.922）；联合使用DDC、α的最佳敏感度为84.9%，80.0%，诊断阈值为0.407；AUC为0.841（95%CI：0.761-0.921）。若将D、f值进行串联诊断试验，可以使敏感度提升到97.7%，特异度为55.0%；若将D、f值进行并联诊断试验，可以使特异度提升到93.4%，敏感度为72.1%。　　结论：　　多 b值弥散加权成像通过不同的后处理模型，可以得到反映病变更多的功能学指标，可以在不需要引入外源性对比剂间接的评估感兴趣区内水分子弥散、血流灌注等多方面信息。多 b值弥散加权成像运用于乳腺良、恶性疾病的诊断，其参数有着显著的统计学差异。除了D*值外，其余各参数拥有良好的观察者内、观察者间可重复性。单个使用D值、f值、DDC值、α值区别乳腺良、恶性疾病，均拥有临床诊断价值。联合使用多个参数区别乳腺良、恶性疾病提供了一种新的诊断模式，有潜在的临床价值。