酰胺质子转移成像和扩散加权成像鉴别诊断乳腺良恶性病变

目的 观察MR酰胺质子转移成像（APTWI）和扩散加权成像（DWI）鉴别诊断乳腺良恶性病变的价值，并分析不同参数间的相关性。方法 对65例乳腺病变患者行APTWI及DWI，测量并比较乳腺良恶性病变间平均ADC（ADC_mean）、最小ADC（ADC_min）及非对称磁化转移率[MTRasym（3.5 ppm）]值的差异；采用ROC曲线评估各参数鉴别乳腺良恶性病变的诊断效能，并分析良恶性病变中各参数间的相关性。结果 共70个病灶纳入研究，包括32个良性（良性组）和38个恶性病灶（恶性组）。良性组ADC_mean、ADC_min及MTRasym（3.5 ppm）值均高于恶性组（t=－5.63、－5.94、－0.24，P均<0.05）；ADC_min、ADC_mean及MTRasym（3.5 ppm）鉴别乳腺良恶性病变的AUC分别为0.850、0.827及0.729（P均<0.01）；ADC_min的AUC大于MTRasym（3.5 ppm）值（Z=1.990，P=0.046），其余各参数AUC差异均无统计学意义（P均>0.05）。恶性组MTRasym（3.5 ppm）值与ADC_mean（r=－0.325，P=0.046）和ADC_min值（r=－0.384，P=0.017）均呈负相关；良性组MTRasym（3.5 ppm）值与ADC_min值呈负相关（r=－0.357，P=0.045）。结论 APTWI及DWI均可用于鉴别诊断乳腺良恶性病变；相比DWI，APTWI的诊断效能有待进一步提高。     

不同方法测量扩散峰度成像和体素内不相干运动模型DWI参数诊断乳腺肿块性病变

目的 探讨不同方法测量扩散峰度成像（DKI）及体素内不相干运动（IVIM）模型DWI参数鉴别诊断乳腺良恶性肿块性病变的价值。方法 收集经病理或随访证实的59例乳腺肿块性病变患者（62个病变）。MR检查包括动态增强MRI、IVIM DWI和DKI。分别于动态增强MRI强化最明显处设置ROI,测量其标准扩散系数（ADC_stand）、慢速扩散系数（ADC_slow）、平均峰度值（mean kurtosis,MK）和平均扩散系数（mean diffusion,MD）;于病灶实性部分最大层面沿病变边缘勾画ROI,测量病灶整体的ADC_stand-max、ADC_slow-max、ADC_fast-max、MK-max、MD-max,比较乳腺良恶性病变间各参数的差异,并绘制ROC曲线,比较AUC。结果 62个病变中,良性36个,恶性26个。良恶性病变间ADC_stand、ADC_stand-max、ADC_slow、ADC_slow-max、MK、MK-max、MD、MD-max差异均有统计学意义（P均<0.001）。ROC曲线结果显示ADC_slow联合MK的AUC最大（0.915）,诊断乳腺良恶性病变的敏感度和特异度分别为88.9%和84.6%。ADC_stand与ADC_stand-max（Z=1.465,P=0.143）、ADC_slow与ADC_slow-max（Z=1.013,P=0.311）、MK与MK-max（Z=1.021,P=0.307）、MD与MD-max（Z=1.428,P=0.153）间AUC差异均无统计学意义。结论 各DKI和IVIM DWI参数对鉴别乳腺良恶性肿块具有较高诊断价值,不同测量方法之间鉴别诊断效能无明显差异。     

ADC全容积直方图分析法鉴别乳腺良恶性肿块样病变

目的 探讨ADC全容积直方图分析法鉴别诊断乳腺良恶性肿块样病变的价值。方法 回顾性分析经手术及病理证实的88例乳腺肿块样病变患者,其中恶性57例、良性31例,均接受乳腺MR平扫+动态增强及DWI扫描,测量并记录ADC全容积直方图参数（包括多个百分位ADC值、ADC_min、ADC_max、ADC_mean、偏度、峰度及标准差）及常规平均ADC值。比较乳腺良恶性病变各ADC直方图参数及常规平均ADC值,采用ROC曲线分析评估各参数鉴别良恶性病变的效能。结果 良恶性病变ADC直方图参数（各ADC值、偏度、峰度、标准差）及常规平均ADC值差异均有统计学意义（P均<0.05）;其中第75、90百分位ADC值鉴别良恶性病变的AUC最高,为0.84。ADC直方图参数ADC_mean、第50百分位ADC值鉴别乳腺肿块样病变良恶性的AUC与常规平均ADC值的AUC比较差异均有统计学意义（P均<0.05）。结论 ADC全容积直方图可全面反映病灶整体信息,对鉴别乳腺良恶性病变具有一定价值。     

不同阈值勾画18F-FDG PET/CT心脏肿瘤ROI鉴别其良恶性

目的 评价采用不同阈值勾画¹⁸F-FDG PET/CT图像中病灶ROI鉴别心脏良恶性肿瘤的价值。方法 纳入64例心脏肿瘤患者（65个病灶）,根据病理学或长期随访结果分为良性组（n=27）和恶性组（n=38）。采用3种阈值（Th 2.5、Th 40%和Th bgd）勾画心脏肿物,测量并比较病灶¹⁸F-FDG PET/CT代谢和形态学参数,包括最大标准摄取值（SUV_max）、平均标准摄取值（SUV_mean）、代谢肿瘤体积（MTV）、病灶糖酵解总量（TLG）、最大CT （CT_max）值、平均CT （CT_mean）值及CT值中位数（CT_median）。以多因素Logistic回归分析良、恶性组差异具有统计学意义的参数,绘制受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评价3种阈值诊断心脏良恶性肿瘤的效能。结果 采用3种阈值勾画ROI得到的肿瘤SUV_max一致,其鉴别诊断心脏良恶性肿瘤的AUC均为0.92;良、恶性肿瘤之间SUV_mean、MTV及TLG差异均具有统计学意义（P均<0.05）。根据SUV_mean诊断良、恶性肿瘤时,以阈值Th 40%的诊断效能最佳;以MTV及TLG诊断时,阈值Th 2.5均具最佳效能。多因素Logistic回归结果显示Th 40%与Th bgd诊断效能均较好,且Th bgd的敏感度及准确率均高于Th 40%。结论 根据PET代谢参数可鉴别心脏良恶性肿瘤。SUV_max截断值为6.75时,鉴别心脏良恶性肿瘤具有较好效能;采用多参数评价时,3种阈值中,以Th bgd效能最优。     

常规MRI表现及表观弥散系数直方图分析鉴别Ⅰ型与Ⅱ型上皮性卵巢癌

目的 观察常规MRI表现及表观弥散系数（ADC）直方图分析鉴别Ⅰ、Ⅱ上皮性卵巢癌（EOC）的价值。方法 回顾性分析44例经病理证实EOC患者,比较Ⅰ、Ⅱ型EOC常规MRI定性指标及ADC直方图定量指标的差异;绘制差异有统计学意义指标的鉴别Ⅰ、Ⅱ型EOC的受试者工作特征（ROC）曲线,比较曲线下面积（AUC）的差异。结果 44例EOC中,20例Ⅰ型及24例Ⅱ型,其形态及内部成分差异均有统计学意义（P均<0.05）。Ⅰ型EOC的ADC直方图定量值均高于Ⅱ型（P均<0.01）。常规MRI指标及ADC直方图指标鉴别Ⅰ、Ⅱ型EOC的AUC为0.65~0.97,其中第50百分位数（ADC_50th）及第90百分位数（ADC_90th）的AUC最高,均为0.97;病灶形态与成分的AUC差异无统计学意义（Z=0.54,P>0.05）;病灶形态与ADC最大值（ADC_max）的AUC差异无统计学意义（Z=1.39,P>0.05）,肿瘤成分AUC与ADC_max、ADC_99th差异均无统计学意义（Z=0.89、1.60,P均>0.05）,二者AUC均小于其余ADC直方图定量参数（P均<0.05）;定性指标的联合AUC小于平均ADC值（ADC_mean）及第10百分位数（ADC_10th）、ADC_50th及ADC_90th（Z=2.71、2.37、2.74、2.87,P均<0.05）。结论 ADC直方图分析有助于直观显示EOC内部特性,其定量参数鉴别诊断I、Ⅱ型EOC的效能优于常规MRI。     

DWI鉴别子宫癌肉瘤与Ⅰ级子宫内膜样腺癌

目的 探讨ADC值及DWI相对信号强度（rSI）鉴别诊断子宫癌肉瘤与Ⅰ级子宫内膜样腺癌的价值。方法 经手术病理证实的13例子宫癌肉瘤和23例Ⅰ级子宫内膜样腺癌患者均接受常规MRI及DWI扫描,测量并比较2种肿瘤的平均ADC值（ADC_mean）、最小ADC值（ADC_min）及rSI。结果 子宫癌肉瘤rSI（8.20±1.77）高于Ⅰ级子宫内膜样腺癌（6.95±2.19,P=0.04）。以rSI=7.42为临界值,rSI鉴别诊断子宫癌肉瘤与Ⅰ级子宫内膜样腺癌的ROC曲线下面积为0.71（P<0.05）,敏感度、特异度和准确率分别为69.23%、60.87%和61.11%。子宫癌肉瘤与Ⅰ级子宫内膜样腺癌间ADC_mean和ADC_min差异均无统计学意义（P均>0.05）。结论 ADC值鉴别诊断子宫癌肉瘤与Ⅰ级子宫内膜样腺癌的价值有限,DWI的rSI有助于鉴别。     

多模态磁共振成像诊断乳腺环形强化病变

目的 探讨多模态MRI对动态增强扫描（DCE）表现为环形强化的乳腺病变的诊断价值。方法 回顾性分析经手术病理证实的67例乳腺病变患者的DCE-MRI、DWI资料,病灶DCE-MRI均表现为环形强化。根据病理结果将67例分为良性组和恶性组,比较2组DCE-MRI病灶整体形态学指标、"强化环"形态学指标、时间-信号强度曲线类型、DWI扩散受限分布位置指标、DCE-MRI半定量参数指标及"强化环"多点ADC值的差异。以病理结果为应变量,上述具有统计学差异的指标为自变量,建立Logisitc回归模型构建新的联合参数并评价其诊断效能。结果 良、恶性组间"环形强化"环壁形态（χ²=14.19,P=0.001）、是否具有壁结节（χ²=12.48,P=0.001）、DWI扩散受限分布位置指标（χ²=19.60,P=0.003）差异均有统计学意义;且2组间早期强化率（t=2.35,P=0.02）,峰值达峰时间（T_max;t=-4.66,P=0.007）,ADC_环内（t=1.35,P=0.001）、ADC_环壁值（t=-2.88,P=0.005）差异均有统计学意义。新构建"强化环"形态学指标+DWI扩散受限分布位置+T_max+ADC_环内参数联合诊断乳腺病变性质的约登指数最高为0.83,ROC曲线下面积为0.87,诊断敏感度及特异度分别为91.96%和91.31%。结论 乳腺MR多模态成像对乳腺环形强化病变具有较高的诊断效能。     

18F-FDG PET/CT贝叶斯正则化似然重建算法对肿瘤定量参数的影响

目的 观察贝叶斯正则化似然（BPL）重建算法对恶性肿瘤病灶¹⁸F-FDG PET/CT定量参数的影响。方法 纳入80例恶性肿瘤患者（206个病灶）,采用飞行时间（TOF）+点扩散函数（PSF）+BPL（BPL组）和TOF+PSF（非BPL组）算法重建PET/CT图像,比较组间病灶最大标准摄取值（SUV_max）、平均标准摄取值（SUV_mean）、信号/本底比值（SBR）及肿瘤代谢体积（MTV）;根据直径将病灶分为<10 mm组（n=84）及≥ 10 mm组（n=122）,比较组间定量参数差值。结果 BPL组病灶SUV_max、SUV_mean及SBR均明显高于非BPL组（P均<0.05）,而MTV明显低于非BPL组（P<0.05）。直径<10 mm组病灶SUV_max、SUV_mean及SBR差值均明显大于≥ 10 mm组（P均<0.05）。结论 采用BPL算法得出的肿瘤标准摄取值（SUV）高于其他算法,尤其对于直径<10 mm病灶;基于BPL算法重建图像鉴别诊断良、恶性肿瘤时,应上调SUV阈值。     

体素内不相干运动模型鉴别诊断移行带前列腺癌与基质型前列腺增生

目的 评价体素内不相干运动（IVIM）单指数模型、双指数模型、灌注扩散比（PDR）及拉伸指数模型各参数鉴别诊断移行带前列腺癌（PCa）与基质型良性前列腺增生（S-BPH）的价值。方法 纳入移行带PCa患者（PCa组）及S-BPH患者（S-BPH组）各24例，以不同图像后处理技术分析IVIM图像，获得标准表观弥散系数（ADC_Stand）、快速ADC （ADC_Fast）、慢速ADC （ADC_Slow）、灌注分数（f）、弥散分布指数（DDC）及弥散异质性指数（α），计算PDR。比较组间基本资料及MRI参数差异，以单因素logistic回归分析筛选变量，纳入多因素回归分析，构建鉴别诊断移行带PCa与S-BPH的回归模型；绘制受试者工作特征曲线，计算曲线下面积（AUC），评价MRI参数及回归模型鉴别诊断移行带PCa与S-BPH的价值，并以DeLong检验比较各参数AUC的差异。结果 组间患者年龄、血清前列腺特异性抗原（PSA）水平、前列腺影像报告和数据系统（PI-RADS）评分及病灶面积差异均有统计学意义（P均<0.05）。PCa组ADC_Stand、ADC_Slow、DDC及α均低于S-BPH组（P均<0.05），而ADC_Fast、PDR高于S-BPH组（P均<0.05）。ADC_Stand、ADC_Fast、ADC_Slow、DDC及PDR用于鉴别诊断移行带PCa与S-BPH的效能均较高，AUC分别为0.948、0.966、0.900、0.931及0.965，均优于α效能（P均<0.05）。年龄、PSA、PI-RADS、ADC_Stand、ADC_Fast、ADC_Slow、DDC及α纳入多因素logistic回归分析，所构建回归模型的诊断AUC、敏感度及特异度分别为0.988、95.80%及100%。结论 多数IVIM双指数模型、拉伸指数模型参数鉴别诊断移行带PCa与S-BPH的效能均较高；PDR可作为IVIM模型的重要补充；联合临床与影像学指标构建的预测模型鉴别诊断效能优异。     

多b值DWI在脑胶质瘤治疗后近期评价中的应用

目的 探讨应用多b值DWI中不同b值ADC值评估胶质瘤近期治疗效果及鉴别肿瘤进展的价值。方法 对47例经手术病理证实为脑胶质瘤且接受联合放化疗的患者行常规MRI及多b值DWI（b=0、1 000、2 000、3 000 s/mm²）扫描。分别在5种不同b值组合（b值组合分别为：0、1 000 s/mm²,0、2 000 s/mm²,0、3 000 s/mm²,1 000、3 000 s/mm²,2 000、3 000 s/mm²）的ADC图[ADC_{（1 000/0）}、ADC_{（/2 000/0）}、ADC_{（3 000/0）}、ADC_{（3 000/1 000）}、ADC_{（3 000/2 000）}]中测量病灶的平均和最小ADC值（ADC_mean和ADC_min）,计算其相对值（rADC_mean、rADC_min）。比较治疗后不同反应类型（完全有效、部分有效、稳定、进展）间及进展组与非进展组间ADC值的差异,通过ROC曲线分析不同ADC值诊断肿瘤进展的最佳临界值和诊断效能。结果 ADC_{（3 000/0）}、ADC_{（3 000/1 000）}和ADC_{（3 000/2 000）}图中的rADC_mean在不同反应类型间和进展组与非进展组间差异均有统计学意义（P均<0.05）;ADC_{（3 000/1 000）}和ADC_{（3 000/2 000）}图中的ADC_mean在不同反应类型间和进展组与非进展组间差异均有统计学意义（P均<0.05）。ADC_{（3 000/2 000）}图中ADC_mean和rADC_mean诊断肿瘤进展的曲线下面积最大,分别为0.86和0.84,以ADC_mean=408.65×10^-6 mm²/s和rADC_mean=1.12诊断胶质瘤进展的敏感度、特异度分别为89.3%、71.0%和92.9%、77.4%。结论 通过高b值ADC图中病灶的ADC_mean和rADC_mean可较准确地评估胶质瘤的近期治疗效果,并为鉴别胶质瘤术后肿瘤进展提供有价值的信息。