传统的,时间依赖的,连续的随机走路扩散加权成像模型在3.0T的乳腺病变的微结构特征:前性分析
Xue Li1,2, Yinqiao Yi3, Yanglei Wu4
1Department of Radiology, Beijing Hospital, National Center of Gerontology, Institute of Geriatric Medicine, Chinese Academy of Medical Sciences, Beijing, P.R. China.
Medical physics
|September 5, 2025
概括
像CTRW和td-dMRI这样的先进扩散模型在区分乳腺病变和预测Ki-67水平方面表现有前途,在诊断准确性方面优于传统的ADC映射.
科学领域:
- 医学成像
- 癌症学
- 生物物理
背景情况:
- 通过描述组织微观结构,先进的扩散模型对于改善乳腺癌的评估至关重要.
- 传统的明显扩散系数 (ADC) 映射在分辨乳腺病变方面存在局限性.
研究的目的:
- 评估单指数ADC,时间依赖扩散MRI和连续时间随机步行 (CTRW) 模型的诊断效用.
- 评估这些模型区分乳腺病变和预测Ki-67表达水平的能力.
主要方法:
- 使用常规DWI,CTRW和td- dMRI对53名怀疑乳腺病变的患者进行前性研究.
- 分析包括ADC指标,CTRW组图参数 (时间/空间异质性,异常扩散) 和td-dMRI微结构参数.
- 进行了统计比较 (曼 - 惠特尼U,邦费罗尼校正) 和物流回归与ROC分析.
主要成果:
- td-dMRI和CTRW参数显示良性病变与恶性病变之间存在显著的区别 (调整后的p < 0. 05).
- 综合的CTRW指标实现了最高的诊断效率 (AUC=0. 975),超过了传统的DWI.
- 从ADC,CTRW (α) 和td- dMRI的扩散指标与Ki-67表达有显著的相关性 (ρ = 0. 39- 0. 62).
结论:
- 传统DWI,td-dMRI和CTRW映射的扩散参数显示了对乳腺病变微观结构的特征.
- 与传统的ADC映射相比,CTRW和td-dMRI提供了更好的诊断性能.
- 需要在更大的队列中进一步验证以确认临床效用.
