目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)成像与表观扩散系数(apparent diffusion coefficient,ADC)在评估直肠癌肿瘤出芽(tumor budding,TB)等级中的价值。材料与方法回顾性分析了121例直肠癌患者的临床及影像...目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)成像与表观扩散系数(apparent diffusion coefficient,ADC)在评估直肠癌肿瘤出芽(tumor budding,TB)等级中的价值。材料与方法回顾性分析了121例直肠癌患者的临床及影像资料,根据病理TB计数进行分组,分为中-低级别组和高级别组,对比两组间APT值及ADC值;采用组内相关系数(intra-class correlation coefficient,ICC)对观察者间所测数据的一致性进行检测。应用二元logistic回归整体输入法分析变量与直肠癌TB等级的相关性。采用受试者工作特征(receiver operating characteristic,ROC)曲线分析差异有统计学意义的参数以及其联合后的评估效能,计算曲线下面积(area under the curve,AUC)及其95%置信区间,以及对应的阈值、敏感度、特异度。采用DeLong检验比较各AUC的差异。采用Spearman相关性分析方法来分析各参数与TB的相关性。结果121例直肠癌患者中中-低级别组69例,高级别组52例。2位医师测量的APT值及ADC值结果一致性良好(ICC分别为0.925、0.877)。中-低级别直肠癌TB组的APT值(2.068%±0.588%)低于高级别TB组(3.167%±0.592%)(P<0.001);中-低级别直肠癌TB组的ADC值[(1.064±0.131)×10^(-3)mm^(2)/s]高于高级别TB组[(0.903±0.138)×10^(-3)mm^(2)/s]。在多变量分析中,APT值[比值比:15.079(95%CI:4.822~47.154)]和ADC值[比值比:0.004(95%CI:0.001~0.228)]是预测TB等级的独立危险因素。APT、ADC及两者联合评估直肠癌TB等级的AUC分别为0.916、0.821、0.918。DeLong检验结果显示ADC值与APT值、两者联合后评估TB等级的AUC间差异有统计学意义(P=0.024、0.004)。决策曲线显示两者联合后较单独使用APT及ADC值具有更高的临床价值。APT值与TB等级呈中度正相关(r=0.713,P<0.001),ADC值与TB等级呈中度负相关(r=-0.550,P<0.001)。结论APT和ADC值均能够术前有效评估直肠癌的TB等级,两者联合应用可提高诊断效能。展开更多
目的 探讨表观扩散系数平均值(mean apparent diffusion coefficient,ADCmean)联合前列腺特异性抗原密度(prostate specific antigen density,PSAD)对前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)≥...目的 探讨表观扩散系数平均值(mean apparent diffusion coefficient,ADCmean)联合前列腺特异性抗原密度(prostate specific antigen density,PSAD)对前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)≥3分临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的预测价值。材料与方法 回顾性分析2022年2月至2024年8月期间我院行前列腺MRI检查PI-RADS评分≥3分且有病理组织学检查患者的临床资料和影像资料。选择最高PI-RADS评分且最大病灶的最大层面勾画感兴趣区(region of interest,ROI),测量病灶的ADCmean和表观扩散系数最小值(min apparent diffusion coefficient,ADCmin)。单因素和多因素logistic回归分析筛选出预测csPCa的最佳临床和影像指标,采用受试者工作特征(receiver operating characteristics,ROC)曲线比较最佳临床和影像预测模型及两者联合模型的诊断效能,计算曲线下面积(area under the curve,AUC)、敏感度和特异度,并行DeLong检验。结果 本研究共纳入csPCa患者75例(48.39%),非csPCa患者80例(51.61%)。csPCa组的年龄、总前列腺特异性抗原(total prostate specific antigen,tPSA)、游离前列腺特异性抗原(free prostate specific antigen,fPSA)、PSAD大于非csPCa组,csPCa组的前列腺体积(prostate volume,PV)、fPSA和tPSA比值(f/t)、ADCmin、ADCmean均小于非csPCa组,差异具有统计学意义(均P<0.05)。逐步logistic回归筛选和ROC曲线分析,获得预测csPCa的最佳临床指标为PSAD和影像指标ADCmean,AUC分别为0.846、0.898,PSAD诊断阈值为0.307 ng/mL2,敏感度为66.67%,特异度为91.25%,ADCmean诊断阈值为773.5 mm2/s,敏感度为86.67%,特异度为85.00%,两者联合模型的AUC高达0.925。DeLong检验比较联合模型与单一模型的AUC差异有统计学意义(P<0.05),联合模型预测csPCa的敏感性和特异度分别为86.67%和88.75%。结论 ADCmean对PI-RADS≥3分csPCa的预测效能优于ADCmin,与PSAD的联合模型能进一步提高对PI-RADS≥3分csPCa的预测价值,对临床诊疗具有指导意义。展开更多
文摘目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)成像与表观扩散系数(apparent diffusion coefficient,ADC)在评估直肠癌肿瘤出芽(tumor budding,TB)等级中的价值。材料与方法回顾性分析了121例直肠癌患者的临床及影像资料,根据病理TB计数进行分组,分为中-低级别组和高级别组,对比两组间APT值及ADC值;采用组内相关系数(intra-class correlation coefficient,ICC)对观察者间所测数据的一致性进行检测。应用二元logistic回归整体输入法分析变量与直肠癌TB等级的相关性。采用受试者工作特征(receiver operating characteristic,ROC)曲线分析差异有统计学意义的参数以及其联合后的评估效能,计算曲线下面积(area under the curve,AUC)及其95%置信区间,以及对应的阈值、敏感度、特异度。采用DeLong检验比较各AUC的差异。采用Spearman相关性分析方法来分析各参数与TB的相关性。结果121例直肠癌患者中中-低级别组69例,高级别组52例。2位医师测量的APT值及ADC值结果一致性良好(ICC分别为0.925、0.877)。中-低级别直肠癌TB组的APT值(2.068%±0.588%)低于高级别TB组(3.167%±0.592%)(P<0.001);中-低级别直肠癌TB组的ADC值[(1.064±0.131)×10^(-3)mm^(2)/s]高于高级别TB组[(0.903±0.138)×10^(-3)mm^(2)/s]。在多变量分析中,APT值[比值比:15.079(95%CI:4.822~47.154)]和ADC值[比值比:0.004(95%CI:0.001~0.228)]是预测TB等级的独立危险因素。APT、ADC及两者联合评估直肠癌TB等级的AUC分别为0.916、0.821、0.918。DeLong检验结果显示ADC值与APT值、两者联合后评估TB等级的AUC间差异有统计学意义(P=0.024、0.004)。决策曲线显示两者联合后较单独使用APT及ADC值具有更高的临床价值。APT值与TB等级呈中度正相关(r=0.713,P<0.001),ADC值与TB等级呈中度负相关(r=-0.550,P<0.001)。结论APT和ADC值均能够术前有效评估直肠癌的TB等级,两者联合应用可提高诊断效能。
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 探讨表观扩散系数平均值(mean apparent diffusion coefficient,ADCmean)联合前列腺特异性抗原密度(prostate specific antigen density,PSAD)对前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)≥3分临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的预测价值。材料与方法 回顾性分析2022年2月至2024年8月期间我院行前列腺MRI检查PI-RADS评分≥3分且有病理组织学检查患者的临床资料和影像资料。选择最高PI-RADS评分且最大病灶的最大层面勾画感兴趣区(region of interest,ROI),测量病灶的ADCmean和表观扩散系数最小值(min apparent diffusion coefficient,ADCmin)。单因素和多因素logistic回归分析筛选出预测csPCa的最佳临床和影像指标,采用受试者工作特征(receiver operating characteristics,ROC)曲线比较最佳临床和影像预测模型及两者联合模型的诊断效能,计算曲线下面积(area under the curve,AUC)、敏感度和特异度,并行DeLong检验。结果 本研究共纳入csPCa患者75例(48.39%),非csPCa患者80例(51.61%)。csPCa组的年龄、总前列腺特异性抗原(total prostate specific antigen,tPSA)、游离前列腺特异性抗原(free prostate specific antigen,fPSA)、PSAD大于非csPCa组,csPCa组的前列腺体积(prostate volume,PV)、fPSA和tPSA比值(f/t)、ADCmin、ADCmean均小于非csPCa组,差异具有统计学意义(均P<0.05)。逐步logistic回归筛选和ROC曲线分析,获得预测csPCa的最佳临床指标为PSAD和影像指标ADCmean,AUC分别为0.846、0.898,PSAD诊断阈值为0.307 ng/mL2,敏感度为66.67%,特异度为91.25%,ADCmean诊断阈值为773.5 mm2/s,敏感度为86.67%,特异度为85.00%,两者联合模型的AUC高达0.925。DeLong检验比较联合模型与单一模型的AUC差异有统计学意义(P<0.05),联合模型预测csPCa的敏感性和特异度分别为86.67%和88.75%。结论 ADCmean对PI-RADS≥3分csPCa的预测效能优于ADCmin,与PSAD的联合模型能进一步提高对PI-RADS≥3分csPCa的预测价值,对临床诊疗具有指导意义。
文摘目的联合常规MRI及表观扩散系数(apparent diffusion coefficient,ADC)图的影像组学特征构建多参数MRI影像组学模型术前预测胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)淋巴结转移(lymph node metastasis,LNM),并与建立的常规MRI影像组学模型和临床模型比较预测效能,探索基于ADC图影像组学的附加价值。材料与方法218例PDAC按照7∶3的比例随机分为训练集和验证集。纳入临床及常规影像特征构建临床影像学模型。提取常规MRI图像(T1WI、T2WI、动脉期图像及门静脉期图像)及ADC图的影像组学特征。在训练集中采用最小绝对收缩和选择算子筛选出与LNM最相关的特征用于模型构建。构建基于常规MRI影像组学模型(影像组学模型1)和联合常规MRI和ADC图的影像组学模型(影像组学模型2)。使用受试者工作特征曲线下面积(area under the curve,AUC)评估模型预测效能。采用DeLong检验比较模型间的AUC值的差异是否有统计学意义。校准曲线评估模型的准确性。决策曲线分析评估模型的临床价值。结果临床影像学模型、影像组学模型1、影像组学模型2术前预测LNM的AUC值在训练集和验证集中分别是0.741和0.674、0.818和0.702、0.854和0.839。影像组学模型2术前预测LNM的AUC值高于临床影像学模型(训练集P=0.009,验证集P=0.023)及影像组学模型1(训练集P=0.044,验证集P=0.041),差异均具有统计学意义。影像组学模型1的预测效能与临床影像学模型相比,差异不具有统计学意义(训练集P=0.095,验证集P=0.759)。三个模型的校准曲线均显示预测值与实际值具有较好的一致性。决策曲线显示影像组学模型2比影像组学模型1和临床影像学模型具有更高的净效益。结论联合常规MRI及ADC图构建的多参数MRI影像组学模型具有术前预测PDAC患者LNM的潜能,且其效能优于常规MRI影像组学模型及临床影像学模型。
文摘目的探讨表观扩散系数(apparent diffusion coefficient,ADC)鉴别诊断肺癌脑转移瘤组织学分型的价值及其与Ki-67增殖指数之间的关系。材料与方法回顾性分析经手术病理证实的20例小细胞肺癌脑转移瘤和41例非小细胞肺癌脑转移瘤患者的资料,并测定其Ki-67增殖指数。在ADC图上测量肿瘤实性部分的最小ADC值(the minimum ADC,ADCmin)、平均ADC值(the mean ADC,ADCmean)及对侧正常脑白质ADC值,并计算相对ADCmin(relative ADCmin,rADCmin)及相对ADCmean(relative ADCmean,rADCmean)。对比分析二者ADC值的差异,绘制受试者工作特征(receiver operating characteristic,ROC)曲线评价ADC值的鉴别诊断价值,并计算ADC值与Ki-67增殖指数之间的相关性。结果小细胞肺癌脑转移瘤组的ADCmin、ADCmean、rADCmin及rADCmean值均小于非小细胞肺癌脑转移瘤组,组间差异均具有统计学意义(P<0.05)。各ADC值均能对小细胞肺癌脑转移瘤及非小细胞肺癌脑转移瘤进行有效鉴别,其中rADCmean值的鉴别诊断效能最好,曲线下面积(area under the curve,AUC)为0.950[95%置信区间(confidence interval,CI):0.907~0.994],最佳截断值为0.955,相应的敏感度和特异度分别为96.23%、83.87%,准确度为91.67%。小细胞肺癌脑转移瘤组的Ki-67增殖指数大于非小细胞肺癌脑转移瘤组,组间差异具有统计学意义(P<0.05)。61例肺癌脑转移瘤患者的ADCmin、ADCmean、rADCmin及rADCmean值均与Ki-67增殖指数呈不同程度的负相关(r=-0.506、r=-0.480、r=-0.569、r=-0.541)。结论ADC值可以对肺癌脑转移瘤的组织学分型进行鉴别诊断,并可以预测Ki-67增殖指数的表达水平。
