共查询到13条相似文献,搜索用时 667 毫秒
1.
目的 观察动态增强MRI (DCE-MRI)定量及半定量参数鉴别诊断前列腺中央腺体T2WI低信号病变的价值。 方法 收集59例存在前列腺中央腺体T2WI低信号病变患者,其中前列腺癌患者32例(前列腺癌组),前列腺增生伴慢性炎症患者15例(增生伴慢性炎症组),高级别上皮内瘤变(HGPIN)患者12例(HGPIN组),测量并比较其DCE-MRI定量及半定量参数:容积转运常数(K trans)、速率常数(K ep)、血管外细胞外容积分数(V e)、对比剂血浆容积(V p)、达峰时间(TTP)、最大浓度(Conc max)、最大斜率(Slope max)和时间-浓度曲线下面积(AUTC),绘制ROC曲线,分析各参数诊断前列腺癌的效能。 结果 前列腺癌组、增生伴慢性炎症组与HGPIN组间K trans、K ep、V e、V p、TTP及Slope max差异均有统计学意义( P均<0.05),其中前列腺癌组与HGPIN组间K trans、K ep、V e、Slope max及TTP差异均有统计学意义( P均<0.05),前列腺癌组与增生伴慢性炎症组间V p及TTP差异有统计学意义( P均<0.05),HGPIN组与增生伴慢性炎症组间K trans、K ep、V p及TTP差异均有统计学意义( P均<0.05)。ROC曲线显示TTP、K trans及K ep值诊断前列腺癌的曲线下面积(AUC)分别为0.743、0.735和0.721,两两比较差异均无统计学意义( P均>0.05),但均大于V e值诊断前列腺癌的AUC ( P均<0.05)。 结论 DCE-MRI参数TTP、K trans和K ep可于前列腺中央腺体T2WI低信号病变中有效鉴别诊断前列腺癌。 相似文献
2.
目的 探讨动态增强MRI(DCE-MRI)定量参数全域直方图鉴别诊断乳腺导管原位癌(DCIS)与 DCIS伴微浸润(DCIS-Mi)的价值。 方法 收集41例DCIS-Mi和37例DCIS患者,术前行DCE-MRI,计算容积转运常数(K trans)、速率常数(K ep)、血浆容积分数(V p),并记录其全域直方图参数,包括平均值、中位数及10%、25%、50%、75%、90%分位数(P 10、P 25、P 50、P 75、P 90)。比较DCIS-Mi和DCIS组间各参数差异,并分析最佳参数的诊断效能。 结果 DCIS-Mi组K trans参数中的平均值及各百分位数,K ep参数中的平均值、中位数、P 50、P 75、P 90,V p参数中的平均值、中位数、P 25、P 50、P 75均高于DCIS组( P均<0.05)。 Logistic回归结果显示K trans平均值、K trans-P 25、K trans-P 50、K trans-P 75、K trans-P 90、K ep-P 50、K ep-P 75、K ep-P 90、V p平均值、V p-P 75为诊断DCIS-Mi的最佳变量,且其诊断DCIS-Mi的ROC曲线AUC均>0.80。联合变量 Logistic回归模型具有最高的AUC(0.968),其临界值、敏感度和特异度分别为2.152、0.962和0.947。 结论 DCE-MRI全域直方图分析能量化反映肿瘤特征,准确诊断及鉴别诊断乳腺DCIS与DCIS-Mi。 相似文献
3.
目的 比较乳腺动态增强MRI定量和半定量血流动力学参数鉴别诊断乳腺病变良恶性的效能。 方法 采用杂合动态增强MR序列对59例患者共66个乳腺病变进行扫描,获得半定量参数和定量参数。半定量参数为时间-信号强度曲线(TIC)、初始增强曲线下面积(IAUGC)、最大增强斜率(MaxSlope)、对比增强比率(CER)及正向增强积分(PEI);定量参数为前向容积转移常数(K trans)、反向容积转移常数(K ep)和每单位体积组织的血管外细胞外间隙容积(V e)。以非参数检验比较良恶性病变间各参数的差异,并绘制ROC曲线,分析其诊断效能。 结果 66个乳腺病变中,恶性31个(恶性组),良性35个(良性组),2组间K trans、K ep、TIC、IAUGC、MaxSlope差异均有统计学意义( P均<0.05),V e、PEI、CER差异无统计学意义( P均>0.05);K trans、K ep、TIC、IAUGC、MaxSlope的AUC均>0.7。半定量参数联合诊断乳腺病变良恶性的AUC较单个参数均有显著提高( P均<0.05);定量参数联合后的AUC较K trans无显著提高( P=0.134),较K ep和V e有显著提高( P均<0.001)。半定量联合与定量参数联合诊断诊断乳腺病变良恶性的AUC差异无统计学意义( P=0.614)。 结论 K trans、K ep、TIC、IAUGC及MaxSlope对鉴别诊断乳腺良恶性病变具有较高效能;多参数联合,乳腺动态增强MRI半定量和定量参数诊断效能相似。 相似文献
4.
目的 探讨动态增强MRI(DCE-MRI)定量参数对不典型乳腺癌和纤维腺瘤的鉴别诊断价值。 方法 收集经病理证实的不典型乳腺癌30例(不典型乳腺癌组)和纤维腺瘤32例(纤维腺瘤组)患者。对所有患者均进行DCE-MR检查,获取血流动力学参数容量转移常数(K trans)、速率常数(K ep)、血管外细胞外间隙容积分数(V e)、血浆分数(V p),比较两组各参数的统计学差异,并评价其诊断效能。 结果 不典型乳腺癌组K trans、K ep、V e、V p分别为(1.49±0.55)min -1、(0.70±0.02)min -1、0.78±0.19、0.26±0.13,纤维腺瘤组K trans、K ep、V e、V p分别为(0.64±0.23)min -1、(0.30±0.23)min -1、0.63±0.25、0.33±0.14;两组间K trans、V e、K ep差异有统计学意义( P均<0.01),V p差异无统计学意义( P=0.05)。K trans、K ep、V e诊断不典型乳腺癌和纤维腺瘤的曲线下面积分别为0.94、0.88、0.68,敏感度为86.7%、86.7%、83.3%,特异度为93.7%、81.2%、46.9%。 结论 DCE-MRI可准确评估病变的微循环,对纤维腺瘤和不典型乳腺癌的诊断及鉴别诊断具有较高的临床应用价值。 相似文献
5.
目的 探讨动态增强磁共振成像(DCE-MRI)量化评估胰腺灌注的可行性。 方法 将68名健康志愿者分为青年组、中年组和老年组。对所有志愿者均行DCE-MRI,将数据传至Research-DCEMRI Tool诊断分析工作站,计算胰腺灌注的定量参数:容积转运常数(K trans)、间质-血浆速率常数(K ep)、间质容积(V e)和血浆容积(V p)。采用两独立样本 t检验和单因素方差分析评估不同性别、年龄组和胰腺部位的灌注参数。 结果 不同性别志愿者K trans、K ep、V e和V p差异均无统计学意义( P均>0.05);老年组V e高于青年组和中年组( P=0.036、0.001);胰头区V p高于胰体部和胰尾部( P=0.011、0.023)。 结论 DCE-MRI可无创、较稳定、定量评估胰腺灌注情况。胰腺DCE-MRI定量灌注参数不随性别差异而不同,但随年龄和胰腺部位的不同而有差异。 相似文献
6.
目的 探讨动态增强磁共振(DCE-MRI)定量参数评估儿童先天性胆总管囊肿(CCC)所致肝纤维化的价值。 方法 纳入33例CCC致肝纤维化患儿(病例组),以14例无肝肾疾患儿童为对照组。采集肝脏DCE-MRI后,拟合Tofts模型,获得参数K trans、K ep及V e,观察不同肝纤维化分期定量参数差异及其相关性,以ROC曲线分析各参数诊断肝纤维化的AUC和最佳截界值。 结果 K trans、K ep在不同纤维化亚组间差异均有统计学意义( P均<0.05),且随肝纤维化程度增加而下降( r=-0.764、-0.720, P均<0.05);V e在不同纤维化亚组中差异无统计学意义( P>0.05),与肝纤维化程度无明显相关( r=-0.249, P>0.05)。K trans、K e判别正常与肝纤维化、轻度与重度肝纤维化的AUC分别为0.949、0.748和0.933、0.731,截界值分别为0.239、0.186和1.814、1.663。 结论 DCE-MRI定量灌注参数K trans、K ep对诊断儿童CCC致肝纤维化及其分期具有一定价值。 相似文献
7.
目的 探讨DWI和动态对比增强MRI(DCE-MRI)定量参数诊断子宫内膜癌浸润深度的价值。 方法 回顾性分析45例经手术病理证实为子宫内膜样腺癌患者的资料,均于术前1~2周接受常规MRI及DWI、DCE-MRI。根据病理结果按子宫内膜癌肌层浸润深度分为无或浅肌层浸润组( n=25)和深肌层浸润组( n=20),比较2组间ADC值及DCE-MRI定量参数值(K trans、K ep、V e)的差异;绘制ROC曲线,评价有统计学差异的参数诊断子宫内膜癌肌层浸润深度的效能。 结果 子宫内膜癌深肌层浸润组K trans值高于无或浅肌层浸润组,差异有统计学意义( P=0.016),2组间ADC值、K ep、V e差异均无统计学意义( P均>0.05)。K trans诊断子宫内膜癌肌层浸润深度的ROC曲线下面积为0.735( P=0.007),以K trans=0.355/min为临界值,诊断子宫内膜癌肌层浸润深度的敏感度、特异度分别为80.0%、60.0%。 结论 DCE-MRI定量参数中,K trans值有助于评估子宫内膜癌肌层侵犯深度。 相似文献
8.
目的 探讨动态对比增强MRI (DCE-MRI)鉴别低级别与高级别前列腺癌的价值。 方法 回顾性分析经前列腺癌根治术后病理证实并于术前接受前列腺DCE-MRI的26例前列腺癌患者的资料,根据病理结果分为低级别组( n=10)和高级别组( n=16),测量并比较2组间前列腺癌转运常数(K trans)、速率常数(K ep)及血管外细胞外间隙体积百分数(V e)的差异,绘制ROC曲线,评价各参数值鉴别低级别与高级别前列腺癌的诊断效能,并分析各参数与Gleason评分的相关性。 结果 低级别前列腺癌组K trans、K ep及V e值分别为(0.22±0.07)/min、(1.24±0.57)/min和0.21±0.08,高级别组分别为(0.36±0.10)/min、(1.82±0.66)/min和0.21±0.10,2组间K trans及K ep值差异均有统计学意义( P均<0.05),V e值差异无统计学意义( P=0.994)。K trans、K ep值区分前列腺高级别癌和低级别癌的ROC曲线下面积分别为0.872和0.737。前列腺癌K trans、K ep、V e值与Gleason评分均无相关( P均>0.05)。 结论 DCE-MRI定量参数K trans和K ep有助于鉴别低级别与高级别前列腺癌。 相似文献
9.
目的 评价动态对比增强MRI(DCE-MRI)放射状采集容积内插屏气检查(Radial-VIBE)序列定量参数预测膀胱癌病理学分级的价值。 方法 前瞻性纳入60例经术后病理证实为膀胱尿路上皮癌的膀胱癌患者,将其分为低级别组( n=36)和高级别组( n=24)。比较组间DCE-MRI参数,包括容积转运常数( Ktrans)、速率常数( Kep)、血管外细胞外间隙容积(V e)及对比剂浓度-时间曲线下初始面积(IAUC)的差异;采用组内相关系数(ICC)评价观察者间测量结果的一致性。采用Spearman秩相关分析评价各参数与膀胱癌病理分级的相关性。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价各参数预测高级别膀胱癌的效能。 结果 观察者间测量定量参数 Ktrans、 Kep、V e及IAUC结果的一致性良好( ICC=0.82、0.83、0.83、0.85, P均<0.05)。高级别组 Ktrans、 Kep及IAUC均显著高于低级别组( P均<0.05),V e显著低于低级别组( P<0.05)。 Ktrans、 Kep及IAUC均与病理分级呈正相关( r=0.61、0.54、0.29, P均<0.05),V e与病理分级呈负相关( r=-0.36, P<0.05)。 Ktrans、 Kep及IAUC预测高级别尿路上皮癌的AUC分别为0.86、0.82及0.67。 结论 DCE-MRI Radial-VIBE序列定量参数 Ktrans、 Kep、Ve及IAUC可辅助预测膀胱癌病理学分级。 相似文献
10.
目的 评价动态对比增强MRI (DCE-MRI)定量参数容积转运常数(K trans)、血管外细胞外容积分数(V e)和血浆容积分数(V p)分级诊断脑胶质瘤的价值。 方法 于PubMed、Embase、CNKI、万方、维普数据库检索截止至2017年10月发表的有关DCE-MRI对胶质瘤分级诊断的中英文文献,以Meta分析方法评价DCE-MRI对胶质瘤的分级诊断效能。 结果 共纳入27篇文献(中文13篇,英文14篇)、1 079例患者。DCE-MRI定量参数K trans、V e、V p对胶质瘤分级诊断的汇总敏感度为0.86、0.85、0.81,汇总特异度为0.83、0.85、0.79,对应汇总ROC曲线的AUC为0.91、0.92、0.86。 结论 K trans、V e、V p对胶质瘤术前分级诊断具有较高诊断效能,其中K trans、V e可信度较高。 相似文献
11.
目的 观察阴囊内腺瘤样瘤的声像图表现,并分析超声误诊原因。 方法 回顾性分析15例经手术病理证实的阴囊内腺瘤样瘤患者的术前超声资料,并与病理结果对照,分析其超声表现及误诊原因。 结果 15例阴囊内腺瘤样瘤中,8例位于附睾尾部,5例位于附睾头部,2例位于睾丸;3例超声误诊为炎性改变,3例误诊为囊肿,2例误诊为恶性肿瘤,7例未定性。超声表现为实性(12例)或囊性(3例)肿块。实性肿块中,7例边界清晰、形态规则,5例边界欠清晰;其中6例内部回声均匀,6例内部回声欠均匀,可见无回声及点状强回声。囊性肿块均为多囊,其内可见分隔。15例中,8例可探及血流信号,7例未见明显血流信号。 结论 阴囊内腺瘤样瘤的超声表现缺乏特异性,结合病史及其他影像学手段有助于减少误诊。 相似文献
12.
目的 探讨不同分子亚型乳腺癌动态对比增强MRI(DCE-MRI)定量参数及其与预后因子的关系。 方法 回顾性分析78例乳腺浸润性癌患者治疗前的MRI,测量定量参数K trans、K ep和V e。测定免疫组化指标ER、PR和HER-2,并对分子亚型进行归类。比较不同分子亚型间及雌激素受体(ER)、孕激素受体(PR)、人类表皮生长因子受体(HER-2)不同表达状态时的DCE-MRI定量参数。 结果 最终68例入组,其中Luminal A型24例,Luminal B型19例,HER-2+型10例,三阴性乳腺癌(TNBC)15例。K ep值在不同分子亚型间差异有统计学意义( P<0.01)。Luminal A型和TNBC的K trans、K ep和V e值的差异均有统计学意义( P均<0.05)。4个亚型中,TNBC的K trans和K ep值最大,V e值最小。ER-者K ep值高于ER+者;PR-者K ep值亦高于PR+者,PR-者与PR+者K trans差异有统计学意义。 结论 通过K trans、K ep和V e值可鉴别Luminal A型乳腺癌和TNBC;不同分子亚型及不同ER、PR表达状态的乳腺癌的K ep值不同。 相似文献
13.
PurposeThis study aimed to investigate the diagnostic performance of quantitative DCE-MRI for characterizing ovarian tumors. MethodsWe prospectively assessed the differences of quantitative DCE-MRI parameters (Ktrans, kep, and ve) among 15 benign, 28 borderline, and 66 malignant ovarian tumors; and between type I (n = 28) and type II (n = 29) of epithelial ovarian carcinomas (EOCs). DCE-MRI data were analyzed using whole solid tumor volume region of interest (ROI) method, and quantitative parameters were calculated based on a modified Tofts model. The non-parametric Kruskal–Wallis test, Mann–Whitney U test, Pearson’s chi-square test, intraclass correlation coefficient (ICC), variance test, and receiver operating characteristic curves (ROC) were used for statistical analysis. ResultsThe largest Ktrans and kep values were observed in ovarian malignant tumors, followed by borderline and benign tumors (all P < 0.001). Kep was the better parameter for differentiating benign tumors from borderline and malignant tumors, with a sensitivity of 89.3% and 95.5%, a specificity of 86.7% and 100%, an accuracy of 88.4% and 96.3%, and an area under the curve (AUC) of 0.94 and 0.992, respectively, whereas Ktrans was better for differentiating borderline from malignant tumors with a sensitivity of 60.7%, a specificity of 78.8%, an accuracy of 73.4%, and an AUC of 0.743. In addition, a combination with kep could further improve the sensitivity to 78.9%. The median Ktrans and kep values were significantly higher in type II than in type I EOCs. ConclusionDCE-MRI with volume quantification is a technically feasible method, and can be used for the differentiation of ovarian tumors and for discriminating between type I and type II EOCs. 相似文献
|