编辑推荐：
当前乳腺癌鉴别诊断中，传统 IVIM 需多 b 值且 ROI 分析繁琐。本研究开发 IDf 指数图（结合 D′和 f′阈值），通过双色彩 b800 叠加实现可视化评估。结果显示，其诊断准确率与传统联合 ROI 分析相当（0.927 vs 0.937，p=0.157），显著简化临床流程。
在乳腺癌的影像诊断领域，精准区分良恶性病变一直是临床关注的核心问题。传统的扩散加权成像（DWI）通过表观扩散系数（ADC）分析虽已广泛应用，但单独使用时对复杂病变（如囊肿、血肿等）的鉴别能力有限。体素内不相干运动（IVIM）分析虽能分离扩散和灌注效应，提供 “真实” 扩散系数（D）、灌注分数（f）等参数，但其常规分析需依赖多 b 值扫描和繁琐的感兴趣区域（ROI）定量分析，不仅耗时，且参数稳定性易受低灌注组织（如正常纤维腺体）影响，难以在临床常规中快速推广。
为解决这一困境，德国波恩大学医院（University Hospital Bonn）的研究团队开展了一项针对简化 IVIM 技术的创新研究。他们开发了一种基于 D′（简化 IVIM 扩散系数）和 f′（简化 IVIM 灌注分数）阈值的联合二进制指数图（IDf），通过双色彩 b800 叠加成像（红色代表恶性体素，绿色代表良性体素），实现了乳腺病变的可视化评估。该研究成果发表在《Scientific Reports》，为乳腺癌的无创诊断提供了新的技术路径。
研究采用回顾性分析，纳入 126 例女性患者的 191 个乳腺病变（86 例良性，105 例恶性），利用 1.5T MRI 获取 4 个 b 值（0、50、250、800 s/mm2）的 DWI 数据。通过自定义 MATLAB 软件计算 D′和 f′参数图，并基于 ROC 分析确定最佳阈值（D′cut=1229.2×10-6 mm2/s，f′cut=40.5×10-3），构建 IDf 指数图。视觉评估标准为：b800 图像透亮度增高区域内若存在红色热点（非边缘聚集的红色体素）则判为恶性，否则为良性。
研究结果
定量分析与视觉评估的准确性
IDf 的曲线下面积（AUC=0.936）显著高于单独 ID（AUC=0.857）和 If（AUC=0.906），诊断准确率达 92.7%，与传统联合 ROI 分析 D′和 f′的准确率（93.7%）无显著差异（p=0.157）。两者误判率相近（IDf：8/105 恶性，6/86 良性；D′&f′：6/105 恶性，6/86 良性），表明视觉评估可替代定量分析。
视觉评估的可靠性
两名观察者对 IDf 的视觉评估显示，组内相关系数（ICCintra=0.950）和组间相关系数（ICCinter=0.967）均达优秀水平，且重复评估一致性高，证实了该方法的稳定性。
对复杂病变的鉴别能力
在液体填充性病变（如囊肿、血肿）中，IDf 通过低灌注分数（f′）与恶性病变的高灌注热点有效区分，避免了传统 D 值分析因低扩散值导致的误判，尤其对临床难以鉴别的复杂囊肿准确率提升显著。
研究结论与意义
本研究证实，IDf 指数图的双色彩可视化评估可替代传统 IVIM 的联合 ROI 定量分析，在不降低诊断准确性的前提下，显著简化了临床操作流程。该方法通过直观的红色热点识别恶性病变，不仅缩短了诊断时间，还为穿刺活检靶点定位提供了可视化依据（灌注热点常为肿瘤活性最高区域）。此外，简化 IVIM 技术仅需少量 b 值，减少了扫描时间，提升了参数稳定性，更适合临床常规应用。
尽管研究存在依赖经验丰富阅片者、简化模型未完全涵盖所有 IVIM 参数等局限性，但其创新性地将复杂定量分析转化为可视化评估，为乳腺癌的早期诊断和精准治疗提供了高效工具，有望推动 DWI 在乳腺影像中的独立应用，减少对动态对比增强 MRI（DCE-MRI）的依赖，具有重要的临床转化价值。
