表面扩散系数组图分析,以区分纤维细胞脑膜瘤与非纤维细胞脑膜瘤WHO1级脑膜瘤
Tao Han1, Changyou Long2, Xianwang Liu1
1Department of Radiology, Lanzhou University Second Hospital, Lanzhou 730030, China; Second Clinical School, Lanzhou University, Lanzhou 730030, China; Key Laboratory of Medical Imaging of Gansu Province, Lanzhou 730030, China; Gansu International Scientific and Technological Cooperation Base of Medical Imaging Artificial Intelligence, Lanzhou 730030, China.
Clinical imaging
|November 17, 2023
概括
表面扩散系数 (ADC) 组图分析可以帮助区分纤维质脑膜瘤 (FM) 和非纤维质WHO1级脑膜瘤 (nFM). 第99百分点ADC值 (ADCp99) 和瘤位置显示出最好的诊断性能.
科学领域:
- 神经辐射学神经辐射学
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 脑膜瘤是中枢神经系统常见的原发性瘤.
- 在手术前区分纤维质脑膜瘤 (FM) 和非纤维质脑膜瘤 (nFM) 是具有挑战性的.
- 准确的手术前分化可以帮助治疗规划和患者管理.
研究的目的:
- 评估显微扩散系数 (ADC) 历史图分析在区分FM和nFM中的实用性.
- 为了确定能够区分这些脑膜瘤亚型的关键组图参数.
- 评估ADC组织图分析的诊断性能,以确定非侵入性脑膜瘤亚型.
主要方法:
- 对220名经组织病理学确认的FM和nFM患者的回顾性分析.
- 在轴向ADC图像上对整个瘤进行细分,以提取组图参数 (平均值,方差,斜率,曲率,百分位数).
- 多变量逻辑回归和接收器操作特征 (ROC) 曲线分析以确定歧视性参数和诊断效率.
主要成果:
- 与nFM组相比,在FM组中观察到较低的平均值,差异,ADCp50,ADCp90和ADCp99值 (P <0.05).与nFM组相比,在FM组中观察到较低的平均值,差异,ADCp50和ADCp99.
- 多变量分析确定ADCp99 (P < 0.001) 和瘤位置 (P = 0.007) 是最重要的歧视因素.
- 组合模型的AUC为0.817,具有66.4%的灵敏度和83.6%的特异性.
结论:
- ADC 组图分析提供了一种有价值的非侵入性方法来区分 FM 和 nFM.
- ADCp99和瘤位置是这种差异化最有效的参数.
- 这种技术可以帮助在手术前诊断和管理世卫组织1级脑膜瘤.
