目的探讨小视野扩散峰度成像(reduced field-of-view diffusion kurtosis imaging,rFOV-DKI)技术在鉴别子宫内膜样腺癌组织学分级中的潜力。材料与方法本研究共纳入48例经病理证实的子宫内膜样腺癌患者。依据国际妇产科联盟(The Interna...目的探讨小视野扩散峰度成像(reduced field-of-view diffusion kurtosis imaging,rFOV-DKI)技术在鉴别子宫内膜样腺癌组织学分级中的潜力。材料与方法本研究共纳入48例经病理证实的子宫内膜样腺癌患者。依据国际妇产科联盟(The International Federation of Gynecology and Obstetrics,FIGO)分级法,受试者分为低级别组(G1、G1~2和G2,n=30)和高级别组(G3,n=18)。所有受试者均于3.0 T MRI扫描仪下行常规盆腔平扫加增强及rFOV-DKI序列扫描。参照常规矢状位T2加权图像在rFOV-DKI序列图像手动勾画感兴趣区(region of interest,ROI)。计算ROI的扩散峰度成像(diffusion kurtosis imaging,DKI)衍生参数,包括平均扩散率(mean diffusivity,MD)、轴向扩散率(axial diffusivity,Da)、径向扩散率(radial diffusivity,Dr)、平均峰度(mean kurtosis,MK)、轴向峰度(axial kurtosis,Ka)和径向峰度(radial kurtosis,Kr)。比较分析各rFOV-DKI参数在低级别组和高级别组间的差异,同时采用受试者工作特征(receiver operating characteristic,ROC)曲线方法评估每个参数的诊断性能。采用DeLong方法对比各参数ROC曲线下面积(area under the curve,AUC)的差异。结果低级别组MD、Da和Dr的平均值[(0.93±0.08)μm^(2)/ms、(1.14±0.10)μm^(2)/ms、(0.83±0.08)μm^(2)/ms]高于高级别组的平均值[(0.80±0.08)μm^(2)/ms、(1.05±0.07)μm^(2)/ms、(0.74±0.06)μm^(2)/ms;P<0.05],而MK、Ka和Kr的平均值(1.15±0.10、1.36±0.10、0.97±0.13)则低于高级别组(1.33±0.11、1.64±0.11、1.08±0.09)(P<0.05)。Ka值在区分低级别组和高别级组时具有最高的诊断准确性,ROC曲线下面积(area under the curve,AUC)为0.98(95%CI:0.89~1.00),其次是MK[AUC=0.90(95%CI:0.78~0.97)]和MD[AUC=0.88(95%CI:0.76~0.96)]。MK与Ka和MD的AUC间差异均没有统计学意义(Z=1.81和0.53,P=0.07和0.59),而Ka和MD的AUC间差异具有统计学意义(Z=2.40,P=0.02)。在所有DKI衍生参数中,Ka在区分低级别组和高级别组方面表现最好,截断值为1.46,敏感度和特异度分别为100%和90%。结论基于非高斯扩散加权模型的rFOV-DKI可作为区分子宫内膜样腺癌组织学分级的潜在影像学工具,用于子宫内膜样腺癌的无创术前分级。展开更多
目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)定量参数联合小视野弥散加权成像在甲状腺良恶性结节鉴别中的应用价值。材料与方法收集2022年1月至2023年10月于滨州医学院附属医院诊...目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)定量参数联合小视野弥散加权成像在甲状腺良恶性结节鉴别中的应用价值。材料与方法收集2022年1月至2023年10月于滨州医学院附属医院诊治并经手术病理证实为甲状腺结节的患者38例(52个结节),将其分为良性结节组和恶性结节组。术前患者均行3.0 T MRI扫描,包括常规MRI、小视野弥散加权成像(b值取0、800 s/mm^(2))和DCE-MRI检查,并测量其表观弥散系数(apparent diffusion coefficient,ADC)值和DCE-MRI定量参数,包括对比剂容积转运常数(volume transport constant,K^(trans))、速率常数(rate constant,K_(ep))、血管外细胞外间隙容积分数(extravascular extracellular volume fraction,V_(e))。对甲状腺良恶性结节组的ADC、K_(ep)、V_(e)、K^(trans)采用独立样本t检验分析,以P<0.05为差异有统计学意义,后将差异有统计学意义的变量进行逐步logistic回归模型分析,得到甲状腺良恶性结节的独立预测因素,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线分析ADC、K^(trans)独立诊断模型及ADC与K^(trans)联合诊断模型的诊断效能。结果良性结节组平均ADC值、K^(trans)值、K_(ep)值分别为(1.659±0.370)×10^(-3)mm^(2)/s、(0.427±0.214)min^(-1)、(0.966±0.225)min^(-1),恶性结节组平均ADC值、K^(trans)值、K_(ep)值分别为(1.182±0.195)×10^(-3)mm^(2)/s、(0.178±0.073)min^(-1)、(0.600±0.248)min^(-1)。良性结节组的ADC、K^(trans)、K_(ep)值均高于恶性结节组,差异均有统计学意义(P<0.001)。经过独立样本t检验及逐步logistic回归分析显示,ADC值和K^(trans)差异具有统计学意义(P<0.05),是鉴别甲状腺结节良恶性的独立预测因子。单独ADC值曲线下面积(area under the curve,AUC)为0.915、单独K^(trans)值AUC为0.827。ADC值与K^(trans)联合诊断模型AUC为0.973,较二者单独应用明显增高,联合诊断模型诊断效能最高。经DeLong检验,联合诊断模型与单独K^(trans)诊断差异存在统计学意义(P<0.05)。ADC值与K^(trans)联合诊断模型在鉴别甲状腺良恶性结节中敏感度为97.3%,较ADC、K^(trans)更高,特异度为84.6%,较ADC值更高。结论ADC值和K^(trans)是鉴别甲状腺良恶性结节的重要参数,两者联合诊断可提高临床诊断准确性,为术前诊断提供重要依据。展开更多
脑肿瘤作为一种常见的中枢神经系统疾病,其早期诊断和精确治疗对于提高患者生存质量和延长生存期至关重要。然而,传统的MRI技术在分辨率和对比度上存在局限,导致对脑肿瘤的识别和边界划分存在一定困难。7 T MRI技术能够清晰显示脑肿瘤...脑肿瘤作为一种常见的中枢神经系统疾病,其早期诊断和精确治疗对于提高患者生存质量和延长生存期至关重要。然而,传统的MRI技术在分辨率和对比度上存在局限,导致对脑肿瘤的识别和边界划分存在一定困难。7 T MRI技术能够清晰显示脑肿瘤的微观结构,从而更准确地识别肿瘤类型和分级。此外,7 T MRI在动态监测肿瘤生长、评估肿瘤微环境以及指导手术切除方面也展现出巨大潜力。本文综述了7 T MRI在脑肿瘤研究中的应用进展,并探讨了7 T MRI技术在脑肿瘤研究中面临的挑战和未来的发展方向,旨在为临床医生和研究人员提供参考和指导。展开更多
文摘目的探讨小视野扩散峰度成像(reduced field-of-view diffusion kurtosis imaging,rFOV-DKI)技术在鉴别子宫内膜样腺癌组织学分级中的潜力。材料与方法本研究共纳入48例经病理证实的子宫内膜样腺癌患者。依据国际妇产科联盟(The International Federation of Gynecology and Obstetrics,FIGO)分级法,受试者分为低级别组(G1、G1~2和G2,n=30)和高级别组(G3,n=18)。所有受试者均于3.0 T MRI扫描仪下行常规盆腔平扫加增强及rFOV-DKI序列扫描。参照常规矢状位T2加权图像在rFOV-DKI序列图像手动勾画感兴趣区(region of interest,ROI)。计算ROI的扩散峰度成像(diffusion kurtosis imaging,DKI)衍生参数,包括平均扩散率(mean diffusivity,MD)、轴向扩散率(axial diffusivity,Da)、径向扩散率(radial diffusivity,Dr)、平均峰度(mean kurtosis,MK)、轴向峰度(axial kurtosis,Ka)和径向峰度(radial kurtosis,Kr)。比较分析各rFOV-DKI参数在低级别组和高级别组间的差异,同时采用受试者工作特征(receiver operating characteristic,ROC)曲线方法评估每个参数的诊断性能。采用DeLong方法对比各参数ROC曲线下面积(area under the curve,AUC)的差异。结果低级别组MD、Da和Dr的平均值[(0.93±0.08)μm^(2)/ms、(1.14±0.10)μm^(2)/ms、(0.83±0.08)μm^(2)/ms]高于高级别组的平均值[(0.80±0.08)μm^(2)/ms、(1.05±0.07)μm^(2)/ms、(0.74±0.06)μm^(2)/ms;P<0.05],而MK、Ka和Kr的平均值(1.15±0.10、1.36±0.10、0.97±0.13)则低于高级别组(1.33±0.11、1.64±0.11、1.08±0.09)(P<0.05)。Ka值在区分低级别组和高别级组时具有最高的诊断准确性,ROC曲线下面积(area under the curve,AUC)为0.98(95%CI:0.89~1.00),其次是MK[AUC=0.90(95%CI:0.78~0.97)]和MD[AUC=0.88(95%CI:0.76~0.96)]。MK与Ka和MD的AUC间差异均没有统计学意义(Z=1.81和0.53,P=0.07和0.59),而Ka和MD的AUC间差异具有统计学意义(Z=2.40,P=0.02)。在所有DKI衍生参数中,Ka在区分低级别组和高级别组方面表现最好,截断值为1.46,敏感度和特异度分别为100%和90%。结论基于非高斯扩散加权模型的rFOV-DKI可作为区分子宫内膜样腺癌组织学分级的潜在影像学工具,用于子宫内膜样腺癌的无创术前分级。
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)定量参数联合小视野弥散加权成像在甲状腺良恶性结节鉴别中的应用价值。材料与方法收集2022年1月至2023年10月于滨州医学院附属医院诊治并经手术病理证实为甲状腺结节的患者38例(52个结节),将其分为良性结节组和恶性结节组。术前患者均行3.0 T MRI扫描,包括常规MRI、小视野弥散加权成像(b值取0、800 s/mm^(2))和DCE-MRI检查,并测量其表观弥散系数(apparent diffusion coefficient,ADC)值和DCE-MRI定量参数,包括对比剂容积转运常数(volume transport constant,K^(trans))、速率常数(rate constant,K_(ep))、血管外细胞外间隙容积分数(extravascular extracellular volume fraction,V_(e))。对甲状腺良恶性结节组的ADC、K_(ep)、V_(e)、K^(trans)采用独立样本t检验分析,以P<0.05为差异有统计学意义,后将差异有统计学意义的变量进行逐步logistic回归模型分析,得到甲状腺良恶性结节的独立预测因素,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线分析ADC、K^(trans)独立诊断模型及ADC与K^(trans)联合诊断模型的诊断效能。结果良性结节组平均ADC值、K^(trans)值、K_(ep)值分别为(1.659±0.370)×10^(-3)mm^(2)/s、(0.427±0.214)min^(-1)、(0.966±0.225)min^(-1),恶性结节组平均ADC值、K^(trans)值、K_(ep)值分别为(1.182±0.195)×10^(-3)mm^(2)/s、(0.178±0.073)min^(-1)、(0.600±0.248)min^(-1)。良性结节组的ADC、K^(trans)、K_(ep)值均高于恶性结节组,差异均有统计学意义(P<0.001)。经过独立样本t检验及逐步logistic回归分析显示,ADC值和K^(trans)差异具有统计学意义(P<0.05),是鉴别甲状腺结节良恶性的独立预测因子。单独ADC值曲线下面积(area under the curve,AUC)为0.915、单独K^(trans)值AUC为0.827。ADC值与K^(trans)联合诊断模型AUC为0.973,较二者单独应用明显增高,联合诊断模型诊断效能最高。经DeLong检验,联合诊断模型与单独K^(trans)诊断差异存在统计学意义(P<0.05)。ADC值与K^(trans)联合诊断模型在鉴别甲状腺良恶性结节中敏感度为97.3%,较ADC、K^(trans)更高,特异度为84.6%,较ADC值更高。结论ADC值和K^(trans)是鉴别甲状腺良恶性结节的重要参数,两者联合诊断可提高临床诊断准确性,为术前诊断提供重要依据。
文摘脑肿瘤作为一种常见的中枢神经系统疾病,其早期诊断和精确治疗对于提高患者生存质量和延长生存期至关重要。然而,传统的MRI技术在分辨率和对比度上存在局限,导致对脑肿瘤的识别和边界划分存在一定困难。7 T MRI技术能够清晰显示脑肿瘤的微观结构,从而更准确地识别肿瘤类型和分级。此外,7 T MRI在动态监测肿瘤生长、评估肿瘤微环境以及指导手术切除方面也展现出巨大潜力。本文综述了7 T MRI在脑肿瘤研究中的应用进展,并探讨了7 T MRI技术在脑肿瘤研究中面临的挑战和未来的发展方向,旨在为临床医生和研究人员提供参考和指导。
基金National Natural Science Foundation of China (No. 61905031)Opening Fund from State Key Lab of Optical Technologies on Nano-Fabrication and Micro-Engineering,Institute of Optics and ElectronicsChinese Academy of Sciences (No.SKLOTNM-KFKT-201802)。
