两种兴趣区域放置方法的比较,用于对显微扩散系数图的历史图分析,用于质瘤分类

科学领域:

• 放射学和成像科学 放射学和成像科学
• 神经瘤学神经瘤学
• 医学物理 医学物理

背景情况:

• 精确地将质瘤分为低级 (LGG) 和高级 (HGG),对于治疗计划和预后至关重要.
• 在磁共振成像 (MRI) 中显微扩散系数 (ADC) 映射提供了对组织微观结构的洞察力.
• 对ADC图的历史图分析 (HA) 可以量化内异质性,可能有助于质瘤分级.

研究的目的:

• 评估显微扩散系数 (ADC) 地图的组图分析 (HA) 的实用性,以区分低级质瘤 (LGG) 和高级质瘤 (HGG).
• 为了比较两个感兴趣区域 (ROI) 放置策略的诊断性能:包括整个瘤,而不是排除囊和瘤区域.

主要方法:

• 在使用3T对比度增强MRI对54名带有 supratentorial质瘤 (18个LGG,36个HGG) 的患者进行了回顾性分析.
• 使用两种ROI方法从ADC地图中计算直方形参数 (平均值,中位数,最大值,最小值,曲率,斜率,值,sd,mpp,均性和比率).
• 在LGG和HGG组之间进行参数的统计比较,然后进行接收器运行特征 (ROC) 曲线分析,以确定最佳切割值,灵敏度和特异性.

主要成果:

• 除了囊性/性部分 (ROI 2) 的方法在区分质瘤等级方面表现出优异的性能,而不是包括整个瘤 (ROI 1).
• 几个参数,包括相对ADC中位数 (rADC中位数),相对ADC平均值 (rADC平均值) 和相对ADC正像素平均值 (rADC mpp),在两种ROI方法中显示了LGG和HGG之间的显著差异.
• 在ROI 2中,rADC中位数,rADC mpp和rADC平均值对质瘤分级表现出高灵敏度和特异性,截止值 (灵敏度,特异性) 分别为1.81 (83.3%,91.7%),1.74 (83.3%,91.7%) 和1.81 (83.3%,91.7%).

结论:

• 对ADC地图的历史图分析是分类质瘤的宝贵工具.
• 从ROI中排除囊性和死性成分可以提供比分析整个瘤更准确的分级结果.
• 相对ADC中位数,rADC mpp和rADC平均值是最有效的参数,用于区分质瘤等级,当不包括囊/瘤区域时.