淋巴瘤分类与多参数纹理分析DWI和PET成像在霍奇金和非霍奇金淋巴瘤:一个试点研究研究

科学领域:

• 放射学和医学成像学 医学成像学
• 在瘤学瘤学.
• 生物物理学的生物物理.

背景情况:

• 淋巴结的表征对于淋巴瘤诊断和亚型化至关重要.
• 传统的MRI和PET/CT在区分淋巴瘤亚型方面存在局限性.
• 像扩散加权成像 (DWI) 这样的定量成像技术为改进表征提供了潜力.

研究的目的:

• 调查纹理分析在量化Intravoxel不连贯运动扩散皮质成像 (IVIM-DKI) 参数中的实用性,以表征淋巴结.
• 为了区分恶性和良性淋巴结.
• 区分霍奇金淋巴瘤 (HL) 和非霍奇金淋巴瘤 (NHL) 亚型.

主要方法:

• 对21名淋巴瘤患者 (13名HL,8名NHL) 的前性分析,使用1.5TMRI,9个b值和全身FDG-PET/CT.
• 使用IDTV模型估计IVIM-DKI参数,以及ADC和SUV地图.
• 从成像参数中提取31个纹理特征 (全球和二级).
• 开发一种机器学习分类器,以使用接收器操作曲线下的区域 (AUROC) 来评估诊断准确性.

主要成果:

• 对IVIM-DKI参数和ADC的纹理分析显示,在区分恶性和良性淋巴结时,其准确性非常好 (AUROC 0.95-0.99).
• 邻近灰色色差异矩阵 (NGTDM) 特性显示出最高的诊断性能.
• 在ADC,D,D*和f中,灰色水平共发生矩阵 (GLCM) 和灰色水平运行长度矩阵 (GLRLM) 的特征实现了0.98的AUROC来区分HL与NHL.

结论:

• 对IVIM-DKI参数的纹理分析表明,对淋巴瘤的特征有很大的潜力.
• 使用总变异 (TV) 正规化的定量IVIM-DKI分析显示在临床淋巴瘤评估中具有广泛的适用性.
• 这种方法可以提高诊断准确度,并有助于淋巴瘤亚型的分化.