明亮的扩散信号:对于多和真空神经元瘤的敏感和特定的放射生物标志物
Arim Pak1, Hye Jeong Choi2, Sung-Hye You1
1Department of Radiology, Anam Hospital, Korea University College of Medicine, Seoul, South Korea.
Journal of neuroradiology = Journal de neuroradiologie
|January 3, 2024
概括
精确区分多节和真空化神经元瘤 (MVNT) 和失胚性神经上皮瘤 (DNET) 对于治疗至关重要. 明亮的扩散信号和皮质干涉的缺失是区分这些脑瘤的可靠成像发现.
科学领域:
- 神经辐射学神经辐射学
- 神经瘤学神经瘤学
- 医学成像医学成像
背景情况:
- 在指导患者治疗方面,精确区分多和真空化神经元瘤 (MVNT) 和失胚性神经上皮瘤 (DNET) 是至关重要的.
- 使用T2WI和扩散权重成像 (DWI) 的放射性评估可以帮助区分这些相似的脑瘤.
研究的目的:
- 开发和验证放射性诊断模型,以区分MVNT与DNET.
- 确定T2WI和DWI的关键成像特征,以准确区分MVNT和DNET.NET.
主要方法:
- 对56名被诊断为MVNT (n=37) 或DNET (n=19) 的患者进行了回顾性分析,这些患者接受了脑部MRI,包括T2WI和DWI.
- 图像特征的定性和定量评估,包括泡的出现,皮质参与,明亮的扩散信号,以及正常化的DWI (nDWI) 和明显扩散系数 (nADC) 值.
- 使用详尽的千平方自动交互探测器 (CHAID) 算法开发诊断树模型,以确定显著的成像发现.
主要成果:
- 明亮的扩散信号 (准确率94.64%) 和皮质干涉的缺失 (准确率92.86%) 显示出高的诊断准确性和观察者间可靠性.
- 标准化DWI (nDWI) 在MVNT与DNET相比显著更高 (p < 0.001),尽管观察者之间的协议是公平的 (ICC=0.321).
- 开发的诊断树模型使用视觉评估参数实现了98.21% (55/56) 的整体准确性.
结论:
- 明亮的扩散信号和皮质干涉的缺失是准确和可靠的成像发现,用于区分MVNT和DNET.
- 结合这些简单,直观的成像特征的诊断模型可以准确地区分MVNT和DNET,帮助临床决策.
更多相关视频
10:58Transposon Mediated Integration of Plasmid DNA into the Subventricular Zone of Neonatal Mice to Generate Novel Models of Glioblastoma
Published on: February 22, 2015
13.0K
12:24Computed Tomography-guided Time-domain Diffuse Fluorescence Tomography in Small Animals for Localization of Cancer Biomarkers
Published on: July 17, 2012
12.4K
