论文部分内容阅读
第一部分基于扩散峰度成像技术的肿瘤全体积纹理分析模型在子宫颈癌的初步研究目的:探讨基于扩散峰度成像(diffusion kurtosis imaging,DKI)功能参数图的肿瘤全体积纹理分析在宫颈癌组织学亚型和病理分级中的价值。材料与方法:自2018年3月至2019年9月前瞻性收集于我院就诊的初诊宫颈癌患者76例,于我院行盆腔MRI扫描,包含功能成像序列DKI及常规扩散加权成像序列(diffusion weighted imaging,DWI)。基于肿瘤全体积感兴趣区(volume of interest,VOI)在DKI及DWI的功能参数图上提取纹理特征,功能参数图主要包括:平均峰度系数图(mean kurtosis,MK),轴向峰度图(axial kurtosis,Ka),径向峰度图(radical kurtosis,Kr),平均扩散速率图(mean diffusivity,MD),各向异性分数图(fractional anisotropy,FA)以及表观扩散系数图(apparent diffusion coefficient,ADC)。应用Mann-Whitney U检验,Pearson相关系数及受试者工作特征曲线(receiver operating characteristic,ROC)分析选取每个功能参数图中最具代表性的纹理特征,采用多因素logistic回归分析进一步筛选,构建单一功能参数图及多功能参数图联合的诊断模型。此外,采用传统感兴趣区(region of interest,ROI)勾画方法,进行常规DKI及DWI序列定量参数的计算与评估。结果:基于Ka图,Kr图,FA图及MD图构建的多功能参数图联合诊断模型,在宫颈鳞癌及腺癌中的鉴别诊断效能最高,曲线下面积((area underthe curve,AUC)为0.932。单一功能参数图构建的诊断模型中,Kr模型鉴别宫颈癌组织学亚型的诊断效能最高,AUC为0.828。在鉴别宫颈癌病理分级中,经过特征筛选及模型构建,仅MK90th百分位数在鉴别宫颈鳞癌组的病理分级中有意义,AUC为0.701。此外,DKI及DWI序列基于单层面ROI获得的传统定量参数中,仅MD,FA及ADC平均值在宫颈鳞癌与宫颈腺癌组之间的差异具有统计学意义(P<0.05)。结论:基于DKI功能参数图像的肿瘤全体积纹理分析有助于宫颈癌组织学亚型的鉴别,并为宫颈鳞癌的病理分级提供有效的鉴别诊断信息。第二部分基于多b值扩散加权成像技术在进展期子宫颈癌同步放化疗预后模型构建的可行性研究目的:探讨多b值扩散加权成像序列(diffusion weighted imaging,DWI)基于双指数模型参数预测进展期宫颈癌行同步放化疗(concurrent chemoradiotherapy,CCRT)后肿瘤复发的价值,并联合传统预后相关指标构建宫颈癌预后综合预测模型。材料与方法:自2014年3月至2019年11月,前瞻性收集初诊宫颈活检提示为癌的患者,在治疗前于我院行盆腔MRI检查,包含多b值DWI序列,并对在我院接受CCRT治疗的宫颈癌患者进行随访观察,最终随访纳入研究86例进展期宫颈癌患者。本研究的终点事件为出现肿瘤复发或转移,研究时间为肿瘤的无病生存期(disease free survival,DFS),随访截点为2020年12月。收集患者治疗前影像相关资料及临床资料:包括多b值DWI序列基于双指数模型得到的扩散参数(true diffusion coefficient,D)及灌注参数(perfusion fraction,f;pseudo-diffusion coefficient,D*),传统影像学指标(肿瘤最大径,可疑淋巴结转移[lymph node metastasis,LNM],肿瘤局部侵犯范围)以及临床预后指标(年龄,临床FIGO分期[International Federation of Gynecological,FIGO],肿瘤病理亚型,鳞状细胞癌抗原水平[serum levels ofsquamous cell carcinoma antigen,SCC-Ag],血红蛋白水平)。采用单因素及多因素Cox 比例风险回归分析评估以上指标与宫颈癌DFS之间的相关性,并构建多因素联合预后预测模型,与2018版最新临床FIGO分期系统评估宫颈癌预后的价值进行比较。采用最大选择检验法确定连续变量预测2年内肿瘤复发的最佳阈值。采用Kaplan-Meier生存曲线及log-rank对数秩检验比较不同预测因子组及不同风险组宫颈癌2年DFS之间的差异。结果:入组患者的中位随访时间为700.5天。f,LNM及SCC-Ag是进展期宫颈癌行CCRT治疗后肿瘤复发的独立预测因子(HR:<0.001,4.553,1.036;P=0.018,<0.001,0.046)。基于f,肿瘤最大径,LNM及SCC-Ag构建的联合预后预测模型的预测能力最高(c-index:0.753),优于临床FIGO2018分期系统的预测能力(c-index:0.618)。将f及SCC-Ag纳入临床FIGO2018分期系统中,模型预测能力显著提高(c-index:0.712 vs.0.618)。此外,依据预后预测因子制定肿瘤复发风险评分系统,将患者分为低风险,中风险及高风险组,其在预测宫颈癌接受CCRT治疗后2年无病生存期具有统计学意义。结论:多b值DWI序列基于双指数模型得到的灌注参数-f值有望成为进展期宫颈癌行CCRT治疗后出现肿瘤复发的预测指标,为临床医师提供有价值的参考信息,协助传统临床预后指标预测患者预后。第三部分 基于多b值扩散加权成像技术构建多变量诊断模型鉴别子宫腺癌起源的可行性研究目的:探讨多b值扩散加权成像(diffusion weighted imaging,DWI)序列基于双指数模型获得的定量参数鉴别宫颈腺癌与子宫内膜癌的价值,以及该序列在提高常规MRI技术鉴别子宫腺癌起源的能力。材料与方法:前瞻性收集80例经病理学证实的初诊宫颈腺癌或子宫内膜癌患者,在治疗前行盆腔MRI检查,包含多b值DWI序列。在常规MRI图像(T2加权序列及增强扫描序列)上评估肿瘤的形态学特征,包括肿瘤位置,肿瘤灌注,肿瘤边缘强化,侵犯肌层深度及宫颈基质环信号中断。采用Fisher精确检验法比较形态学特征在两组之间的差异,采用两样本独立t检验或Mann-Whitney U检验比较单指数模型得到的扩散参数(ADCstandard)和双指数模型得到的扩散参数(true diffusion coefficient,D)及灌注参数(perfusion fraction,f;pseudo-diffusion coefficient,D*)在两组之间的差异,采用logistic回归分析构建多个鉴别诊断模型,包括形态学模型,定量诊断模型及联合诊断模型。使用ROC曲线评估以上研究变量及模型的诊断效能,并进行两两比较。结果:在所有形态学特征中,除肿瘤边缘强化特征外,肿瘤位置,肿瘤灌注,侵犯肌层深度及宫颈基质环信号中断在宫颈腺癌与子宫内膜癌之间均有显著差异(P<0.05),其中肿瘤位置鉴别子宫腺癌起源的诊断效能最高,AUC为0.891。在单指数模型及双指数模型得到的定量参数中,f值的诊断效能最高,最佳阈值为0.261时,其AUC值为0.837。此外,基于logistic回归分析,以肿瘤位置,ADCstandard值和f值构建的联合诊断模型鉴别子宫腺癌起源的诊断效能明显升高(AUC=0.967),其灵敏度,特异度及准确性最高,分别为88.1%,100.0%及91.3%,其次为形态学诊断模型(AUC=0.928)及定量诊断模型(ADCstandard联合f:AUC=0.876;D联合 f:AUC=0.874)。结论:多b值DWI序列基于单指数模型及双指数模型获得的参数有助于提高传统形态学特征在鉴别宫颈腺癌和子宫内膜癌中的价值,联合诊断模型有望成为临床上鉴别子宫腺癌起源的影像学工具,补充鉴别诊断信息,有助于临床制定治疗决策。