目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)参数对喉癌术后放疗短期预后的评估价值。方法本研究采用病例-对照研究设计方案,选取浙江省湖州市中心医院放射科2021年1月至2023年12...目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)参数对喉癌术后放疗短期预后的评估价值。方法本研究采用病例-对照研究设计方案,选取浙江省湖州市中心医院放射科2021年1月至2023年12月收治的127例喉癌患者为研究对象,患者接受不同肿瘤处理方式后进行根治性放疗。根据患者术后放疗肿瘤是否复发分为复发组(50例)和未复发组(77例),比较2组患者DCE-MRI参数[容量转移常数(volume transfer constant,Ktrans)、速率常数(rateconstant,Kep)、细胞外血管外间隙容积比(volumefractionofextracellular extravascular space,Ve)]及临床资料,采用多因素Logistic回归模型分析喉癌患者术后放疗短期预后的影响因素。采用受试者工作特征(receiver operating characteristic,ROC)及其曲线下面积(area under the curve,AUC)评估DCE-MRI参数对喉癌患者术后放疗短期预后的预测效能。结果复发组患者手术切缘阳性、术前病灶最大径≥4 cm、溃疡型病灶、N分期为N1~N3期、分期为晚期(Ⅲ、Ⅳ)占比均高于未复发组(P<0.05);复发组的Ktrans、Kep高于未复发组,Ve低于未复发组(P<0.05);多因素Logistic回归分析显示,手术切缘为阳性、N分期为N1~N3期、Ktrans、Kep是喉癌术后放疗短期预后的独立危险因素,Ve是保护因素(P<0.05);ROC结果显示,Ktrans、Kep、Ve三参数联合应用和五指标联合应用的Logistic回归模型诊断喉癌术后放疗短期预后的AUC(95%CI)分别为0.920(0.858~0.961)、0.923(0.862~0.963),三参数联合应用较单独应用的AUC明显提高(P<0.05),与五指标联合应用的AUC比较无差异。结论DCE-MRI参数Ktrans、Kep、Ve与喉癌术后放疗短期预后密切相关,Ktrans、Kep、Ve联合对喉癌患者术后放疗短期预后具有较好的预测效能。展开更多
目的基于动态对比增强MRI(dynamic contrast-enhanced MRI,DCE-MRI)和扩散峰度成像(diffusion kurtosis imaging,DKI)参数图构建影像组学模型,评估其在预测三阴性乳腺癌(triple-negative breast cancer,TNBC)中的应用价值。材料与方法...目的基于动态对比增强MRI(dynamic contrast-enhanced MRI,DCE-MRI)和扩散峰度成像(diffusion kurtosis imaging,DKI)参数图构建影像组学模型,评估其在预测三阴性乳腺癌(triple-negative breast cancer,TNBC)中的应用价值。材料与方法回顾性分析165例乳腺癌患者病例资料,根据患者的病理结果分为非TNBC组(120例)和TNBC组(45例)。所有患者术前均接受DCE-MRI和DKI检查。按照8∶2的比例随机分为训练集(n=132)和测试集(n=33)。在第2期DCE-MRI图像、平均扩散峰度值(mean kurtosis,MK)和平均扩散率(mean diffusivity,MD)参数图中勾画出病变区域的三维感兴趣区(three-dimensional region of interest,3D ROI),并提取影像组学特征。使用K最佳、最小冗余最大相关(max-relevance and min-redundancy,mRMR)以及最小绝对收缩和选择算子回归(least absolute shrinkage and selection operator,LASSO)算法依次对特征进行降维和选择,然后,通过逻辑回归(logistic regression,LR)分类器分别建立第2期DCE-MRI模型、DKI参数图模型(MD+MK、MD、MK)及联合模型(DCE-MRI+MD+MK),并采用5折交叉验证法验证模型的稳定性。模型的预测性能通过受试者工作特征(receiver operating characteristic,ROC)曲线和曲线下面积(area under the curve,AUC)进行评估,并使用DeLong检验分析模型间的统计学差异。最后,通过决策曲线分析(decision curve analysis,DCA)评估影像组学模型在临床中的应用价值。结果从每个序列3D ROI中分别提取了2286个影像组学特征,从第2期DCE-MRI、MD+MK、MD、MK及DCE-MRI+MD+MK中分别选取了8、9、12、7、21个特征与TNBC相关。第2期DCE-MRI模型、MD+MK模型、MD模型和MK模型在测试集的AUC分别为0.810、0.769、0.676、0.625;联合模型(DCE-MRI+MD+MK)在测试集中的AUC是0.884,其准确率、敏感度和特异度分别为78.8%、79.2%和77.8%。最后,把临床特征与影像组学特征进行联合建立列线图模型。结果表明,影像组学联合模型(DCE-MRI+MD+MK)优于MD+MK模型、MD模型、MK模型及第2期DCE-MRI模型,但与列线图模型的AUC和DCA差异无统计学意义(P>0.05),表明影像组学联合模型(DCE-MRI+MD+MK)能够在临床实践中提供与列线图模型相似的诊断性能。结论基于DCE-MRI联合DKI参数图的影像组学联合模型(DCE-MRI+MD+MK)及列线图模型可以在术前有效地预测TNBC,有助于临床对TNBC的诊断、制订治疗方案及改善预后。展开更多
目的探讨前列腺特异性抗原密度(prostate specific antigen density,PSAD)联合多参数磁共振成像(multi-parameter magnetic resonance imaging,mp-MRI)在临床显著性前列腺癌(clinically significant prostate cancer,csPCa)诊断中的价...目的探讨前列腺特异性抗原密度(prostate specific antigen density,PSAD)联合多参数磁共振成像(multi-parameter magnetic resonance imaging,mp-MRI)在临床显著性前列腺癌(clinically significant prostate cancer,csPCa)诊断中的价值。材料与方法回顾性分析105例疑诊为PCa并取得病理结果患者的临床及影像资料。术前均行mp-MRI检查、前列腺特异性抗原(prostate specific antigen,PSA)检测。根据病理及Gleason评分,将患者分为csPCa和非csPCa两组,比较两组间PSAD和mp-MRI的表观扩散系数(apparent diffusion coefficient,ADC)值、开始强化时间(T0)、短暂增强时间、流入速率(wash in rate,WIR)等参数的差异,采用二元logistic回归构建联合诊断模型,运用受试者工作特征(receiver operating characteristic,ROC)曲线评估各参数及构建模型诊断csPCa的效能。结果csPCa组的ADC、T0低于非csPCa组,WIR、PSAD、短暂增强时间高于非csPCa,差异均有统计学意义(P<0.05)。PSAD、ADC、WIR单独诊断csPCa的ROC曲线下面积(area under the curve,AUC)及95%置信区间分别为0.902(0.829~0.952)、0.890(0.814~0.942)、0.812(0.724~0.882),具有较高的诊断效能,临床诊断界值分别为0.47 ng/(mL·cm^(3))、0.82×10-3 mm^(2)/s、50.33 s^(-1),敏感度分别为79.1%、67.4%、100.0%,特异度分别为100.0%、100.0%、54.8%。PSAD、ADC、WIR任意两参数(WIR+PSAD、ADC+PSAD、WIR+ADC)及多参数(WIR+PSAD+ADC)联合诊断csPCa的AUC、敏感度、特异度分别为:0.929(0.862~0.970)、83.7%、96.8%;0.940(0.877~0.977)、90.7%、91.9%;0.935(0.870~0.974)、79.1%、95.2%;0.955(0.896~0.986)、90.7%、91.9%。ROC曲线对比分析显示WIR+PSAD+ADC、ADC+PSAD、WIR+ADC联合模型与ADC、WIR单参数诊断csPCa的AUC差异均具有统计学意义(P<0.05);WIR+PSAD联合模型与WIR单独诊断csPCa的AUC差异具有统计学意义(P<0.05)。结论PSAD联合mp-MRI对csPCa具有较高的诊断价值,其主要指标构建的诊断模型可用于预测csPCa。展开更多
目的探讨动态对比增强MRI(dynamic contrast-enhancement MRI,DCE-MRI)瘤周血管特征结合瘤内血流动力学参数在乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类肿瘤中的鉴别诊断价值。材料与方法回顾性分...目的探讨动态对比增强MRI(dynamic contrast-enhancement MRI,DCE-MRI)瘤周血管特征结合瘤内血流动力学参数在乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类肿瘤中的鉴别诊断价值。材料与方法回顾性分析2018年8月至2023年3月于大连医科大学附属第一医院行乳腺MRI检查为BI-RADS 4类且病理结果明确肿瘤的女性病例102例,其中良性组43例,恶性组59例。记录患者年龄、病灶最大径(dmax)、乳腺DCE-MRI基本影像学特征、瘤周血管特征及瘤内血流动力学参数值。通过单因素和多因素logistic回归分析比较两组间多参数的差异,利用受试者工作特征(receiver operating characteristic,ROC)曲线以及曲线下面积(area under the curve,AUC)分析瘤周血管特征指标与瘤内参数值联合应用对BI-RADS 4类乳腺良恶性两组肿瘤鉴别的诊断效能。应用DeLong检验对AUC进行比较。结果乳腺良性组和恶性组病例在年龄、dmax、背景实质强化(background parenchymal enhancement,BPE)、纤维腺体组织量(fibroglandular tissue,FGT)、瘤周相邻血管征(adjacent vascular sign,AVS)数目、瘤周血管最大径、患侧瘤周与健侧同一象限血管直径差值(△d)、瘤周血管出现期相以及瘤内容积转移常数(volume transfer constant,K^(trans))、速率常数(flux rate constant,K_(ep))、最大增强斜率(maximum slope of increase,MSI)和时间-信号强度曲线(time-signal intensity curve,TIC)类型的差异均具有统计学意义(P<0.05),而病变位置、信号增强率(signal enhancement ratio,SER)和血管外细胞外间隙容积比(volume fraction of extravascular extra vascular space,V_(e))差异无统计学意义(P>0.05)。通过多因素logistic回归分析结果显示,△d、dmax、MSI和K^(trans)为区分两组间的独立影响因素,其中优势比最大的是MSI值(AUC为0.923)。将瘤周血管特征△d分别与dmax、MSI和K^(trans)进行两者联合模型比较,以△d与MSI联合模型的诊断效能最高(AUC为0.933,敏感度和特异度分别为93.2%和83.7%),且△d联合MSI与△d联合K^(trans)比较的差异具有统计学意义(P=0.001);其他联合指标在两两比较时差异无统计学意义(P>0.05),联合模型高于单独MSI模型的诊断效能。结论瘤周血管特征指标(△d)联合瘤内半定量(MSI)血流动力学参数对评价BI-RADS 4类乳腺肿瘤具有较好的鉴别诊断价值。展开更多
目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)与动态对比增强磁共振成像(dynamic contrast enhanced MRI,DCE-MRI)序列评估宫颈癌神经周围侵犯(perineural invasion,PNI)的价值。材料与方法回顾性分析36例行盆腔3.0 ...目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)与动态对比增强磁共振成像(dynamic contrast enhanced MRI,DCE-MRI)序列评估宫颈癌神经周围侵犯(perineural invasion,PNI)的价值。材料与方法回顾性分析36例行盆腔3.0 T MRI检查(包括APTw、DCE-MRI序列)且手术病理证实为宫颈癌的患者病例及影像资料,其中有PNI(PNI组)12例,无PNI(NPNI组)24例。由两位观察者分别测量病灶的APT值与DCE-MRI定量参数值,包括容积转移分数(volume transfer constant,K^(trans))、速率常数(exchange rate between EES and blood plasma,K_(ep))、血管外细胞外间隙容积分数(extravascular volume fraction,V_(e))以及血浆容积分数(capillary plasma volume,V_(p))。采用组内相关系数(intra-class correlation coefficient,ICC)检验2位观察者对各参数值测量结果的一致性;采用Kolmogorov-Smirov检验数据是否符合正态分布,通过两独立样本t检验或Mann-Whitney U检验比较两组间参数值的差异,采用受试者工作特征(receiver Operating Characteristic,ROC)曲线评估有差异参数诊断PNI效能,获得相应的曲线下面积(area under the curve,AUC)、阈值、敏感度和特异度。采用二元logistic回归计算有差异参数的联合诊断效能,DeLong检验进行各参数和联合参数AUC比较,Spearman相关分析检测APT值和有差异DCE-MRI参数间的相关性。结果两位观察者测得的APT值及K^(trans)值、K_(ep)值、V_(e)值、V_(p)值结果一致性良好,ICC均>0.75。两组间的APT值和V_(p)值差异有统计学意义(P<0.05),K^(trans)、K_(ep)、V_(e)差异无统计学意义(P>0.05)。PNI组的APT值(2.89%±0.72%)和V_(p)值[7.80×10^(-3)(6.80×10^(-3),1.14×10^(-2))]均大于NPNI组[APT值2.31%±0.71%;V_(p)值4.19×10^(-3)(2.04×10^(-3),7.35×10^(-3))]。评估宫颈癌PNI时,APT值和V_(p)值的AUC分别为0.717、0.785,阈值分别为2.7%及6.46×10^(-3),敏感度及特异度分别为66.7%及75.0%、83.3%及75.0%;APT值联合V_(p)值后的AUC为0.792,APT值、V_(p)值与两者联合后的AUC之间差异无统计学意义(P>0.05)。APT值与V_(p)值无相关性(r=0.219,P=0.198)。结论APTw序列及DCE-MRI的定量参数均能有效预测宫颈癌PNI,具有一定临床应用价值。展开更多
文摘目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)参数对喉癌术后放疗短期预后的评估价值。方法本研究采用病例-对照研究设计方案,选取浙江省湖州市中心医院放射科2021年1月至2023年12月收治的127例喉癌患者为研究对象,患者接受不同肿瘤处理方式后进行根治性放疗。根据患者术后放疗肿瘤是否复发分为复发组(50例)和未复发组(77例),比较2组患者DCE-MRI参数[容量转移常数(volume transfer constant,Ktrans)、速率常数(rateconstant,Kep)、细胞外血管外间隙容积比(volumefractionofextracellular extravascular space,Ve)]及临床资料,采用多因素Logistic回归模型分析喉癌患者术后放疗短期预后的影响因素。采用受试者工作特征(receiver operating characteristic,ROC)及其曲线下面积(area under the curve,AUC)评估DCE-MRI参数对喉癌患者术后放疗短期预后的预测效能。结果复发组患者手术切缘阳性、术前病灶最大径≥4 cm、溃疡型病灶、N分期为N1~N3期、分期为晚期(Ⅲ、Ⅳ)占比均高于未复发组(P<0.05);复发组的Ktrans、Kep高于未复发组,Ve低于未复发组(P<0.05);多因素Logistic回归分析显示,手术切缘为阳性、N分期为N1~N3期、Ktrans、Kep是喉癌术后放疗短期预后的独立危险因素,Ve是保护因素(P<0.05);ROC结果显示,Ktrans、Kep、Ve三参数联合应用和五指标联合应用的Logistic回归模型诊断喉癌术后放疗短期预后的AUC(95%CI)分别为0.920(0.858~0.961)、0.923(0.862~0.963),三参数联合应用较单独应用的AUC明显提高(P<0.05),与五指标联合应用的AUC比较无差异。结论DCE-MRI参数Ktrans、Kep、Ve与喉癌术后放疗短期预后密切相关,Ktrans、Kep、Ve联合对喉癌患者术后放疗短期预后具有较好的预测效能。
文摘目的基于动态对比增强MRI(dynamic contrast-enhanced MRI,DCE-MRI)和扩散峰度成像(diffusion kurtosis imaging,DKI)参数图构建影像组学模型,评估其在预测三阴性乳腺癌(triple-negative breast cancer,TNBC)中的应用价值。材料与方法回顾性分析165例乳腺癌患者病例资料,根据患者的病理结果分为非TNBC组(120例)和TNBC组(45例)。所有患者术前均接受DCE-MRI和DKI检查。按照8∶2的比例随机分为训练集(n=132)和测试集(n=33)。在第2期DCE-MRI图像、平均扩散峰度值(mean kurtosis,MK)和平均扩散率(mean diffusivity,MD)参数图中勾画出病变区域的三维感兴趣区(three-dimensional region of interest,3D ROI),并提取影像组学特征。使用K最佳、最小冗余最大相关(max-relevance and min-redundancy,mRMR)以及最小绝对收缩和选择算子回归(least absolute shrinkage and selection operator,LASSO)算法依次对特征进行降维和选择,然后,通过逻辑回归(logistic regression,LR)分类器分别建立第2期DCE-MRI模型、DKI参数图模型(MD+MK、MD、MK)及联合模型(DCE-MRI+MD+MK),并采用5折交叉验证法验证模型的稳定性。模型的预测性能通过受试者工作特征(receiver operating characteristic,ROC)曲线和曲线下面积(area under the curve,AUC)进行评估,并使用DeLong检验分析模型间的统计学差异。最后,通过决策曲线分析(decision curve analysis,DCA)评估影像组学模型在临床中的应用价值。结果从每个序列3D ROI中分别提取了2286个影像组学特征,从第2期DCE-MRI、MD+MK、MD、MK及DCE-MRI+MD+MK中分别选取了8、9、12、7、21个特征与TNBC相关。第2期DCE-MRI模型、MD+MK模型、MD模型和MK模型在测试集的AUC分别为0.810、0.769、0.676、0.625;联合模型(DCE-MRI+MD+MK)在测试集中的AUC是0.884,其准确率、敏感度和特异度分别为78.8%、79.2%和77.8%。最后,把临床特征与影像组学特征进行联合建立列线图模型。结果表明,影像组学联合模型(DCE-MRI+MD+MK)优于MD+MK模型、MD模型、MK模型及第2期DCE-MRI模型,但与列线图模型的AUC和DCA差异无统计学意义(P>0.05),表明影像组学联合模型(DCE-MRI+MD+MK)能够在临床实践中提供与列线图模型相似的诊断性能。结论基于DCE-MRI联合DKI参数图的影像组学联合模型(DCE-MRI+MD+MK)及列线图模型可以在术前有效地预测TNBC,有助于临床对TNBC的诊断、制订治疗方案及改善预后。
文摘目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)定量参数直方图特征联合表观弥散系数(apparent diffusion coefficient,ADC)预测局部晚期宫颈癌(locally advanced cervical cancer,LACC)放化疗疗效的价值。材料与方法于甘肃省人民医院回顾性分析2017年1月至2023年12月88例LACC同步放化疗患者的临床及影像资料,前瞻性收集2023年12月至2024年5月15例LACC患者。按照实体瘤临床疗效评价标准(response evaluation criteria in solid tumor,RECIST)v1.1将患者分为显著反应组与非显著反应组。在DCE-MRI图像上选择肿瘤最大层面全肿瘤轮廓作为感兴趣区(region of interest,ROI)获得转运常数(volume transport constant,K^(trans))、血管外细胞外间隙容积分数(extravascular extracellular volume fraction,Ve)、速率常数(rate constant,K^(ep))原始频数表,导入IBM SPSS Statistics 27软件计算直方图特征,103例患者基于时间序列分层分割策略分为训练集88例,验证集15例,利用机器学习筛选最优DCE-MRI定量参数直方图特征并计算灌注参数评分(DCEscore);同时在ADC图测量ADC值。构建DCE直方图特征模型、ADC值及联合模型预测LACC放化疗疗效。采用受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和决策曲线评估模型效能。比较临床参数及直方图特征在LACC患者放化疗疗效显著反应组及非显著反应组间差异,单因素及多因素回归分析筛选宫颈癌放化疗疗效独立危险因素。结果基于DCE-MRI定量参数直方图特征模型预测LACC患者放化疗疗效训练集、验证集ROC曲线下面积(area under the curve,AUC)分别为0.922、0.841;ADC值预测LACC患者放化疗疗效训练集、验证集AUC为0.835、0.705;DCEscore联合ADC值预测LACC患者放化疗疗效效能最佳,训练集、验证集AUC为0.943、0.909。临床参数中,身体质量指数(body mass index,BMI)在显著反应组及非显著反应组之间差异具有统计学意义(P=0.032)。单因素逻辑回归分析结果表明BMI、DCEscore、ADC是LACC放化疗疗效的影响因素(OR值分别为1.264、277.9、0.001;P值分别为0.008、<0.001、0.002),多因素逻辑回归筛选DCEscore及ADC值是宫颈癌放化疗疗效的独立危险因素(OR值分别为518.2、0.002;P值分别为<0.001、0.007)。结论基于DCE-MRI定量参数直方图特征联合ADC值构建的联合模型能够治疗前预测宫颈癌放化疗疗效,提示DCE-MRI定量参数直方图特征联合ADC值可能为LACC患者精准医疗提供一种无创评估方法。
文摘目的 探讨基于动态对比增强磁共振成像(dynamic contrast enhancement magnetic resonance imaging,DCE-MRI)药代动力学参数直方图特征预测前列腺癌(prostate cancer,PCa)内分泌治疗反应的价值。材料与方法 回顾性分析2018年1月至2023年10月河西学院附属张掖人民医院(中心1)和2020年2月至2023年2月甘肃省人民医院(中心2)PCa患者在内分泌治疗前2周的临床、影像资料,将中心1收集的105例病例按7∶3的比例分为训练集(73例)和内部验证集(32例),将中心2收集的47例病例作为外部验证集。选取DCE-MRI原始图像,通过Siemens Syngo.via工作站获得药代动力学参数容积转运常数(volume transfer contrast,Ktrans)、速率常数(rate contrast,Kep)、血管外细胞外容积分数(extravascular extracellular volume fraction,Ve)伪彩图。在3D Slicer软件中参照轴位T2WI在药代动力学参数伪彩图上逐层勾画全前列腺腺体感兴趣区(region of interest,ROI)后提取直方图特征,经最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)降维筛选出8个最优特征并计算直方图特征。采用单因素及后向多因素logistic回归分析内分泌治疗反应良好组和不良组的独立预测因素,并构建临床模型、直方图特征模型、联合模型。采用受试者工作特性曲线、校准曲线和决策曲线评价模型的效能,通过DeLong检验评估各模型曲线下面积(area under the curve,AUC),最后基于联合模型的独立预测因素绘制列线图。结果 训练集、内部验证集和外部验证集中治疗反应良好组和不良组之间Gleason评分、MRI-T分期、直方图特征差异均存在统计学意义(P<0.001)。后向多因素logistic回归分析显示Gleason评分(OR=0.925,95%CI:0.859~0.958,P=0.038)、MRI-T分期(OR=0.871,95%CI:0.800~0.949,P=0.002)及直方图特征(OR=0.096,95%CI:0.056~0.137,P<0.001)是PCa内分泌治疗反应的独立预测因素;临床模型在训练集、内部验证集及外部验证集的AUC分别为0.857(95%CI:0.774~0.939)、0.953(95%CI:0.888~0.996)、0.808(95%CI:0.676~0.941);直方图特征模型在训练集、内部验证集及外部验证集的AUC为0.874(95%CI:0.769~0.951)、0.816(95%CI:0.664~0.967)、0.674(95%CI:0.517~0.831);联合模型在训练集、内部验证集及外部验证集的AUC为0.951(95%CI:0.906~0.994)、0.973(95%CI:0.922~0.995)、0.830(95%CI:0.699~0.960);决策曲线和校准曲线分析表明,联合模型具有良好的临床应用价值和稳定性;DeLong检验及NRI值显示联合模型的预测效能优于临床模型和直方图特征模型。结论 DCE-MRI药代动力学参数直方图特征是预测PCa内分泌治疗反应的独立预测因素,联合模型在预测PCa内分泌治疗反应方面具有较好的价值,为临床治疗决策提供了新的思路。
文摘目的探讨前列腺特异性抗原密度(prostate specific antigen density,PSAD)联合多参数磁共振成像(multi-parameter magnetic resonance imaging,mp-MRI)在临床显著性前列腺癌(clinically significant prostate cancer,csPCa)诊断中的价值。材料与方法回顾性分析105例疑诊为PCa并取得病理结果患者的临床及影像资料。术前均行mp-MRI检查、前列腺特异性抗原(prostate specific antigen,PSA)检测。根据病理及Gleason评分,将患者分为csPCa和非csPCa两组,比较两组间PSAD和mp-MRI的表观扩散系数(apparent diffusion coefficient,ADC)值、开始强化时间(T0)、短暂增强时间、流入速率(wash in rate,WIR)等参数的差异,采用二元logistic回归构建联合诊断模型,运用受试者工作特征(receiver operating characteristic,ROC)曲线评估各参数及构建模型诊断csPCa的效能。结果csPCa组的ADC、T0低于非csPCa组,WIR、PSAD、短暂增强时间高于非csPCa,差异均有统计学意义(P<0.05)。PSAD、ADC、WIR单独诊断csPCa的ROC曲线下面积(area under the curve,AUC)及95%置信区间分别为0.902(0.829~0.952)、0.890(0.814~0.942)、0.812(0.724~0.882),具有较高的诊断效能,临床诊断界值分别为0.47 ng/(mL·cm^(3))、0.82×10-3 mm^(2)/s、50.33 s^(-1),敏感度分别为79.1%、67.4%、100.0%,特异度分别为100.0%、100.0%、54.8%。PSAD、ADC、WIR任意两参数(WIR+PSAD、ADC+PSAD、WIR+ADC)及多参数(WIR+PSAD+ADC)联合诊断csPCa的AUC、敏感度、特异度分别为:0.929(0.862~0.970)、83.7%、96.8%;0.940(0.877~0.977)、90.7%、91.9%;0.935(0.870~0.974)、79.1%、95.2%;0.955(0.896~0.986)、90.7%、91.9%。ROC曲线对比分析显示WIR+PSAD+ADC、ADC+PSAD、WIR+ADC联合模型与ADC、WIR单参数诊断csPCa的AUC差异均具有统计学意义(P<0.05);WIR+PSAD联合模型与WIR单独诊断csPCa的AUC差异具有统计学意义(P<0.05)。结论PSAD联合mp-MRI对csPCa具有较高的诊断价值,其主要指标构建的诊断模型可用于预测csPCa。
文摘目的探讨动态对比增强MRI(dynamic contrast-enhancement MRI,DCE-MRI)瘤周血管特征结合瘤内血流动力学参数在乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类肿瘤中的鉴别诊断价值。材料与方法回顾性分析2018年8月至2023年3月于大连医科大学附属第一医院行乳腺MRI检查为BI-RADS 4类且病理结果明确肿瘤的女性病例102例,其中良性组43例,恶性组59例。记录患者年龄、病灶最大径(dmax)、乳腺DCE-MRI基本影像学特征、瘤周血管特征及瘤内血流动力学参数值。通过单因素和多因素logistic回归分析比较两组间多参数的差异,利用受试者工作特征(receiver operating characteristic,ROC)曲线以及曲线下面积(area under the curve,AUC)分析瘤周血管特征指标与瘤内参数值联合应用对BI-RADS 4类乳腺良恶性两组肿瘤鉴别的诊断效能。应用DeLong检验对AUC进行比较。结果乳腺良性组和恶性组病例在年龄、dmax、背景实质强化(background parenchymal enhancement,BPE)、纤维腺体组织量(fibroglandular tissue,FGT)、瘤周相邻血管征(adjacent vascular sign,AVS)数目、瘤周血管最大径、患侧瘤周与健侧同一象限血管直径差值(△d)、瘤周血管出现期相以及瘤内容积转移常数(volume transfer constant,K^(trans))、速率常数(flux rate constant,K_(ep))、最大增强斜率(maximum slope of increase,MSI)和时间-信号强度曲线(time-signal intensity curve,TIC)类型的差异均具有统计学意义(P<0.05),而病变位置、信号增强率(signal enhancement ratio,SER)和血管外细胞外间隙容积比(volume fraction of extravascular extra vascular space,V_(e))差异无统计学意义(P>0.05)。通过多因素logistic回归分析结果显示,△d、dmax、MSI和K^(trans)为区分两组间的独立影响因素,其中优势比最大的是MSI值(AUC为0.923)。将瘤周血管特征△d分别与dmax、MSI和K^(trans)进行两者联合模型比较,以△d与MSI联合模型的诊断效能最高(AUC为0.933,敏感度和特异度分别为93.2%和83.7%),且△d联合MSI与△d联合K^(trans)比较的差异具有统计学意义(P=0.001);其他联合指标在两两比较时差异无统计学意义(P>0.05),联合模型高于单独MSI模型的诊断效能。结论瘤周血管特征指标(△d)联合瘤内半定量(MSI)血流动力学参数对评价BI-RADS 4类乳腺肿瘤具有较好的鉴别诊断价值。
文摘目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)与动态对比增强磁共振成像(dynamic contrast enhanced MRI,DCE-MRI)序列评估宫颈癌神经周围侵犯(perineural invasion,PNI)的价值。材料与方法回顾性分析36例行盆腔3.0 T MRI检查(包括APTw、DCE-MRI序列)且手术病理证实为宫颈癌的患者病例及影像资料,其中有PNI(PNI组)12例,无PNI(NPNI组)24例。由两位观察者分别测量病灶的APT值与DCE-MRI定量参数值,包括容积转移分数(volume transfer constant,K^(trans))、速率常数(exchange rate between EES and blood plasma,K_(ep))、血管外细胞外间隙容积分数(extravascular volume fraction,V_(e))以及血浆容积分数(capillary plasma volume,V_(p))。采用组内相关系数(intra-class correlation coefficient,ICC)检验2位观察者对各参数值测量结果的一致性;采用Kolmogorov-Smirov检验数据是否符合正态分布,通过两独立样本t检验或Mann-Whitney U检验比较两组间参数值的差异,采用受试者工作特征(receiver Operating Characteristic,ROC)曲线评估有差异参数诊断PNI效能,获得相应的曲线下面积(area under the curve,AUC)、阈值、敏感度和特异度。采用二元logistic回归计算有差异参数的联合诊断效能,DeLong检验进行各参数和联合参数AUC比较,Spearman相关分析检测APT值和有差异DCE-MRI参数间的相关性。结果两位观察者测得的APT值及K^(trans)值、K_(ep)值、V_(e)值、V_(p)值结果一致性良好,ICC均>0.75。两组间的APT值和V_(p)值差异有统计学意义(P<0.05),K^(trans)、K_(ep)、V_(e)差异无统计学意义(P>0.05)。PNI组的APT值(2.89%±0.72%)和V_(p)值[7.80×10^(-3)(6.80×10^(-3),1.14×10^(-2))]均大于NPNI组[APT值2.31%±0.71%;V_(p)值4.19×10^(-3)(2.04×10^(-3),7.35×10^(-3))]。评估宫颈癌PNI时,APT值和V_(p)值的AUC分别为0.717、0.785,阈值分别为2.7%及6.46×10^(-3),敏感度及特异度分别为66.7%及75.0%、83.3%及75.0%;APT值联合V_(p)值后的AUC为0.792,APT值、V_(p)值与两者联合后的AUC之间差异无统计学意义(P>0.05)。APT值与V_(p)值无相关性(r=0.219,P=0.198)。结论APTw序列及DCE-MRI的定量参数均能有效预测宫颈癌PNI,具有一定临床应用价值。
文摘目的旨在评估动态对比增强磁共振成像(dynamic contrast-enhancement magnetic resonance imaging,DCE-MRI)结合扩散加权成像(diffusion weighted imaging,DWI)在预测前列腺癌(prostate cancer,PCa)Ki-67表达和Gleason评分中的诊断效能。材料与方法回顾性分析了2019年1月至2023年10月自贡市第四人民医院收治的66例PCa患者的临床及影像资料。结合T2WI、DWI序列和由DWI自动计算出的表观扩散系数(apparent diffusion coeffieient,ADC),在DCE-MRI图像上手动勾画肿瘤感兴趣区(region of interest,ROI),计算ROI药代动力学参数,包括容积转运常数(volume transfer contrast,K^(trans))、速率常数(rate contrast,K_(ep))、血管外细胞外容积分数(extravascular extracellular volume fraction,Ve),并测量ADC值。根据靶向穿刺病理诊断Gleason评分和Ki-67表达水平,分为Ki-67高表达组(Ki-67>10%)和低表达组(Ki-67≤10%),Gleason评分低级别(GG 1~2)和高级别(GG 3~5)组。组间差异比较使用两独立样本t检验或非参数检验,采用Spearman相关分析评价DCE-MRI参数和ADC值与Ki-67、Gleason评分的相关性,并建立logistic回归模型,通过受试者工作特征(receiver operating characteristic,ROC)曲线评估诊断效能。结果ADC值与Ki-67表达、Gleason评分均呈负相关(P<0.001),K^(trans)、K_(ep)、Ve与Ki-67表达均呈正相关(P<0.001),K^(trans)、K_(ep)与Gleason评分均呈正相关(P<0.001)。Ki-67高、低表达组K^(trans)、K_(ep)、Ve、ADC值比较差异均具有统计学意义(P<0.01),Gleason评分高、低级别组K^(trans)、K_(ep)、ADC值比较差异均具有统计学意义(P<0.01);Ki-67表达的ROC曲线分析显示,联合模型K^(trans)+K_(ep)+Ve+ADC诊断效能最好,曲线下面积(area under the curve,AUC)为0.940;Gleason评分分级的ROC曲线分析显示,联合模型K^(trans)+K_(ep)+ADC诊断效能最好,AUC为0.861。结论DCE-MRI的药代动力学参数和ADC值相结合,在预测PCa的Ki-67表达和Gleason评分中显示出高诊断效能。联合使用DCE-MRI定量参数与ADC值可提高PCa病理分级和生物侵袭性的预测准确性。
文摘目的探讨基于动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)和扩散加权成像(diffusion-weighted imaging,DWI)的瘤内及瘤周影像组学预测乳腺癌人表皮生长因子受体2(human epidermal growth factor receptor-2,HER-2)状态的价值。材料与方法回顾性分析246例经术后病理证实的乳腺癌患者的临床及影像学资料,按7∶3比例随机分为训练组和验证组。采用ITK-SNAP软件手动勾画病灶瘤内感兴趣区,使用PHIgo-AK软件进行瘤周的扩展并提取瘤内及瘤周的影像组学特征。采用最小冗余最大相关(max-relevance and min-redundancy,mRMR)算法等选择DCE-MRI、DWI瘤内及瘤周的最优特征数。分别建立单序列及联合序列的影像组学模型,采用受试者工作特征(receiveroperating characteristic,ROC)曲线对各模型的预测效能进行分析,并计算曲线下面积(area under the curve,AUC),选出预测效能最高的模型,在训练组中从临床及常规影像学特征中通过单因素logistic回归筛选出预测HER-2状态的独立危险因素,结合预测效能最高模型的影像组学标签评分(radiomic score,rad-score)建立融合模型,并以诺模图(nomogram)展示,采用AUC值,决策曲线分析(decision curve analysis,DCA)评估模型的效能及临床价值。结果基于DCE-MRI和DWI瘤内及瘤周的影像组学联合模型预测HER-2状态的AUC值在训练组和验证组分别为0.953和0.948,效能最高。肿瘤最大径是区分乳腺癌HER-2状态的独立危险因素,最终结合rad-score和肿瘤最大径建立的融合模型对乳腺癌HER-2状态有良好的预测效能,在训练组的AUC值为0.961,验证组为0.958。结论基于DCE-MRI和DWI瘤内及瘤周的影像组学方法对乳腺癌HER-2状态的预测具有良好的价值。
