论文部分内容阅读
目的:探讨基于体素内不相干运动扩散加权成像(intravoxel incoherent motion,IVIM)的D mono、D*mono、f mono的容积ROI直方图分析术前评估肝细胞癌(hepatocellular carcinoma,HCC)病理分化程度的价值。材料与方法:回顾性分析2015年7月～2019年5月于本院进行3.0 T磁共振成像检查且病理证实为肝细胞癌(HCC)的患者51例(52个HCC病灶)(31～76岁,60.77±8.95岁),男41例,女10例。将病理结果“中低分化、低分化HCC病灶”归为低分化HCC组,“高分化、高中分化、中分化HCC病灶”归为非低分化HCC组。最终,低分化HCC组有15个HCC病灶(中低分化n=8、低分化n=7),非低分化HCC组有37个HCC病灶(高分化n=9、高中分化n=13、中分化n=15)。所有患者于手术前行3.0TMR(GE-Signa HDXT)扫描,扫描序列包括T1WI、T2WI、LAVA动态增强扫描(平扫、动脉早期、动脉晚期、门静脉期、平衡期)、DWI(b=0、600s/mm2)和IVIM(b=0、20、50、100、150、200、400、800、1200、2000、3000 s/mm2)。将DWI和IVIM图像传至GE AW4.6工作站,利用functool软件,对DWI图像进行后处理,获得表观扩散系数(apparent diffusion coefficient,ADC)图;对IVIM图像进行后处理,获得双阶单指数模型的三个参数图:慢扩散系数(slow apparent diffusion coefficient mono,D mono)图、快扩散系数(fast apparent diffusion coefficient mono,D*mono)图、灌注分数(perfusionfraction mono,fmono)图。容积ROI直方图分析:将ADC、D mono、D*mono、fmono图导入Omni-Kinetics(下文简称OK)软件。在OK软件中,以该病灶DWI(b=600s/mm2)图像高信号区的轮廓线为参照标准,在ADC图像上病灶的每一层面勾画ROI,然后将这些ROI融合成一个容积ROI;以该病灶的IVIM(b=200s/mm2)图像高信号区的轮廓线为参照标准,在Dmono、D*mono、f mono图像上病灶的每一层面勾画ROI,然后将这些ROI各自融合成一个容积ROI。ROI勾画时包括HCC坏死、出血、囊变区,且尽可能地避开图像上肉眼可见的胆管、大血管。分别计算ADC、D mono、D*mono、fmono值的容积ROI的直方图的参数,包括最小值(minimumvalue,min)、最大值(maximumvalue,max)、均数(mean value,mean)、标准差(standard deviation,std)、方差(variance,var)、全距(range)、偏度(skewness)、峰度(kurtosis)、百分位数(quantile:5th、10th、25th、50th、75th、90th、95th)。传统ROI分析:在AW4.6工作站上,用三个面积等大(复制法保证ROI面积等大)的圆形ROI对ADC、D mono、D*mono、fmono图像上HCC病灶进行测量,ROI勾画时避开HCC坏死、出血、囊变、肉眼可见的胆管、大血管。计算三个ROI值的平均值。由作者前后间隔一个月后重复上述容积ROI直方图和传统ROI的勾画以及记录过程。使用ICC检验来评价前后两次测得数据的一致性,一致性良好则取两次测得结果的平均值进行后续统计分析。使用独立样本t检验或Mann-Whitney U检验比较两组HCC容积ROI直方图参数值、传统ROI测量值的差异。做出ROC曲线,分析诊断效能,并进行诊断效能的对比。结果:(1)同一名观察者前后两次测得容积ROI直方图参数值、传统ROI测量值的一致性良好,ICC值均大于0.75。(2)低分化HCC的ADC-range高于非低分化HCC {(1.650±0.734)(1.227±0.651)×10-3mm2/s,P<0.05},两组间ADC余直方图参数差异无统计学意义(P>0.05)。(3)低分化HCC的D mono-min;mean;5th;10th;25th;50th低于非低分化HCC {(0.134±0.191)×10-3mm2/s与(0.319±0.142)×10-3mm2/s;(0.539±0.106)×10-3mm2/s 与(0.613±0.114)× 1 0-3mm2/s;(0.332±0.101)× 1 0-3mm2/s 与(0.451±0.119)× 1 0-3mm2/s;(0.380±0.093)× 1 0-3mm2/s 与(0.488±0.118)×10-3mm2/s;[0.481(0.364,0.523)]×10-3mm2/s 与[0.552(0.464,0.631)]×10-3mm2/s;(0.539±0.109)×10-3mm2/s 与(0.618±0.115)×10-3mm2/s;P<0.05}。低分化 HCC 的 D mono-std;range 高于非低分化HCC{(0.128±0.055)×10-3mm2/s 与(0.095±0.031)×10-3mm2/s;(0.785±0.333)× 1 0-3mm2/s 与(0.537±0.216)×10-3mm2/s,P<0.05}。两组间Dmono余直方图参数差异无统计学意义(P>0.05)。(4)低分化HCC的D*mono-min低于非低分化HCC{[-34.520(-37.140,0.340)]×10-3mm2/s 与[0.540(-3.265,1.563)]×10-3mm2/s,P<0.05}。D*mono余直方图参数差异无统计学意义(P>0.05)。(5)低分化HCC的fmono-min低于非低分化 HCC {[0.000(0.000,16.485)]%与[14.290(0.000,25.91 5)]%,P<0.05}。fmono余直方图参数差异无统计学意义(P>0.05)。(6)低分化HCC的D mono-传统ROI值低于非低分化HCC {(0.541±0.115)× 10-3mm2/s与(0.624±0.133)×10-3mm2/s,P<0.05}。两组HCC的ADC、D*mono、fmono-传统ROI值差异无统计学意义(P>0.05)。(7)直方图的min值因受图像噪声影响而出现负值,不符合逻辑,故在后续统计分析中未对min值的诊断效能进行分析。(8)ADC-range诊断低分化HCC时ROC曲线下面积、诊断界值、灵敏度、特异度分别为0.668、≥1.202×10-3mm2/s、80.0%、54.1%。(9)Dmono-mean;-5th;-10th;-25th;-50th诊断低分化HCC的ROC曲线下面积、诊断界值、敏感度、特异度分别为0.672、≤0.617×10-3mm2/s、80.0%、51.4%;0.778、≤0.362×10-3mm2/s、66.7%、78.4%;0.768、≤0.479× 10-3mm2/s、93.3%、51.4%;0.721、≤0.534×10-3mm2/s、86.7%、59.5%;0.679、≤0.638×10-3mm2/s、86.7%、45.9%。Dmono-std;range诊断低分化HCC的ROC曲线下面积、诊断界值、敏感度、特异度分别为0.667、≥0.166× 1 0-3mm2/s、40.0%、97.3%;0.737、≥0.624×10-3mm2/s、73.3%、75.7%。(10)Dmono-传统ROI诊断低分化HCC的ROC曲线下面积、诊断界值、敏感度、特异度分别为0.675、≤0.527×10-3 mm2/s、53.3%、81.1%。(11)容积ROI直方图较传统ROI在诊断低分化HCC的ROC曲线的AUC值的差异无统计学意义(P>0.05)。结论:DWI的ADC值、IVIM的D mono容积ROI直方图对HCC的术前病理分化程度有帮助。虽然容积ROI直方图与传统ROI的诊断效能相似,但容积ROI直方图能提供更多的诊断参数,更全面地反应肿瘤的异质性。