用连续时间随机步行扩散模型在高b值下对前列腺癌病变和 Gleason等级进行表征

科学领域:

• 医疗成像医学成像
• 生物物理学的生物物理.
• 在瘤学瘤学.

背景情况:

• 区分前列腺癌 (PCa) 和慢性前列腺炎 (CP) 存在诊断方面的挑战.
• 格里森分级对于PCa预后至关重要.
• 连续时间随机步行扩散 (CTRW) 建模显示了PCa/CP差异化和格里森分级预测的潜力.

研究的目的:

• 在PCa和CP组织中量化CTRW参数 (α,β,Dm) 和明显扩散系数 (ADC).
• 评估CTRW和ADC在区分CP和PCa的诊断价值.
• 评估CTRW和ADC在区分低级PCa病变和高级PCa病变方面的实用性.

主要方法:

• 对31名PCa患者和30名CP患者的前性数据的回顾性分析.
• 使用3.0TMRI扫描仪获取扩散权重成像 (DWI) 数据,具有12个b值.
• 量化CTRW参数和ADC,然后进行统计分析,包括曼-惠特尼U测试,斯皮尔曼相关性,后勤回归和ROC分析.

主要成果:

• 在CP和PCa之间以及低级和高级PCa之间观察到CTRW参数 (α,Dm) 的显著差异 (P<0.001).
• 格里森分级与CTRW参数 (α,Dm) 和ADC (P<0.001) 有显著的相关性.
• 结合CTRW参数 (α,β,Dm) 和ADC,证明了PCa/CP差异化和格里森分级预测的最高诊断效果.

结论:

• CTRW参数 (α,Dm) 和它们的组合对于区分PCa和CP以及区分低级PCa和高级PCa是有价值的.
• CTRW参数和ADC具有可比的诊断性能.
• 结合使用CTRW参数和ADC,在前列腺MRI中提供了强大的诊断能力.