目的本研究旨在探讨弥散加权成像平均表观扩散系数(MeanADC)和最小表观扩散系数(MinADC)与直肠癌临床病理特征之间的相关性,并评估MeanADC值和MinADC值在预测直肠癌发生的诊断潜力。方法手术前接受常规MR成像和弥散加权成像的直肠癌病例...目的本研究旨在探讨弥散加权成像平均表观扩散系数(MeanADC)和最小表观扩散系数(MinADC)与直肠癌临床病理特征之间的相关性,并评估MeanADC值和MinADC值在预测直肠癌发生的诊断潜力。方法手术前接受常规MR成像和弥散加权成像的直肠癌病例185例,根据弥散加权成像测量直肠癌癌灶的MeanADC值和MinADC值,并研究其与直肠癌T分期、N分期、肿瘤组织学分级、周围神经侵犯、壁外血管侵犯等临床病理特征的相关性。结果直肠癌扩散加权成像MeanADC值、MinADC值与T分期、N分期、肿瘤组织学分级(低分化、中分化、高分化)、周围神经侵犯、壁外血管侵犯有关;与性别、年龄、肿瘤位置无明显关系(P>0.05);与MeanADC值相比,MinADC值在鉴别高分化、低分化直肠癌的诊断效能更高(高分化以0.930×10-3 mm 2/s为截断值,敏感度80%、特异度88%,低分化以0.750×10-3 mm 2/s为截断值,敏感度94.0%、特异度74.1%)。结论MeanADC值和MinADC值均可作为评价直肠癌侵袭性的定量指标,与MeanADC值相比,MinADC值可以作为鉴别肿瘤分化程度更好地预测因子。展开更多
目的探讨表观扩散系数(apparent diffusion coefficient,ADC)值在术前无创性预测子宫内膜癌(endometrial carcinoma,EC)患者子宫肌层浸润(myometrial infiltration,MI)、Ki-67和P53表达水平的可行性。材料与方法回顾性分析兰州大学第二...目的探讨表观扩散系数(apparent diffusion coefficient,ADC)值在术前无创性预测子宫内膜癌(endometrial carcinoma,EC)患者子宫肌层浸润(myometrial infiltration,MI)、Ki-67和P53表达水平的可行性。材料与方法回顾性分析兰州大学第二医院2017年1月至2021年12月期间在术前接受MRI扩散加权成像(diffusion weighted imaging,DWI)检查并在术后经病理证实的105名EC患者临床资料和影像数据,两名独立的放射科医生分别对照MRI增强和DWI图像在ADC图像上测量EC的最大ADC值(ADCmax)、平均ADC值(ADCmean)及最小ADC值(ADCmin)。采用二元logistic回归筛选EC患者的临床信息、ADC值与MI、Ki-67和P53表达的相关性,构建列线图预测模型,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和临床决策曲线(decision curve analysis,DCA)对预测模型进行评价。结果ADCmax、ADCmean和ADCmin与EC患者MI、Ki-67和P53表达水平显著相关(P<0.05),而国际妇产科学联合会(the International Federation of Gynecology and Obstetrics,FIGO)分期仅与EC患者MI和Ki-67表达水平显著相关(P<0.05)。将ADCmax、ADCmean、ADCmin与FIGO分期结合起来构建列线图模型,预测模型、ADCmax、ADCmean、ADCmin和FIGO分期预测MI的ROC曲线下面积(area under the curve,AUC)值分别为0.809、0.707、0.693、0.694和0.599;预测Ki-67表达水平的AUC值分别为0.897、0.879、0.849、0.808和0.550。结合ADCmax、ADCmean、ADCmin构建列线图模型,预测模型、ADCmax、ADCmean和ADCmin预测P53表达水平的AUC值分别为0.665、0.615、0.641和0.654。结论基于ADC值联合FIGO分期构建的列线图预测模型可作为一种有效方法在术前无创性评估EC患者MI、Ki-67和P53表达。展开更多
文摘目的探讨表观扩散系数(apparent diffusion coefficient,ADC)鉴别诊断肺癌脑转移瘤组织学分型的价值及其与Ki-67增殖指数之间的关系。材料与方法回顾性分析经手术病理证实的20例小细胞肺癌脑转移瘤和41例非小细胞肺癌脑转移瘤患者的资料,并测定其Ki-67增殖指数。在ADC图上测量肿瘤实性部分的最小ADC值(the minimum ADC,ADCmin)、平均ADC值(the mean ADC,ADCmean)及对侧正常脑白质ADC值,并计算相对ADCmin(relative ADCmin,rADCmin)及相对ADCmean(relative ADCmean,rADCmean)。对比分析二者ADC值的差异,绘制受试者工作特征(receiver operating characteristic,ROC)曲线评价ADC值的鉴别诊断价值,并计算ADC值与Ki-67增殖指数之间的相关性。结果小细胞肺癌脑转移瘤组的ADCmin、ADCmean、rADCmin及rADCmean值均小于非小细胞肺癌脑转移瘤组,组间差异均具有统计学意义(P<0.05)。各ADC值均能对小细胞肺癌脑转移瘤及非小细胞肺癌脑转移瘤进行有效鉴别,其中rADCmean值的鉴别诊断效能最好,曲线下面积(area under the curve,AUC)为0.950[95%置信区间(confidence interval,CI):0.907~0.994],最佳截断值为0.955,相应的敏感度和特异度分别为96.23%、83.87%,准确度为91.67%。小细胞肺癌脑转移瘤组的Ki-67增殖指数大于非小细胞肺癌脑转移瘤组,组间差异具有统计学意义(P<0.05)。61例肺癌脑转移瘤患者的ADCmin、ADCmean、rADCmin及rADCmean值均与Ki-67增殖指数呈不同程度的负相关(r=-0.506、r=-0.480、r=-0.569、r=-0.541)。结论ADC值可以对肺癌脑转移瘤的组织学分型进行鉴别诊断,并可以预测Ki-67增殖指数的表达水平。
文摘目的本研究旨在探讨弥散加权成像平均表观扩散系数(MeanADC)和最小表观扩散系数(MinADC)与直肠癌临床病理特征之间的相关性,并评估MeanADC值和MinADC值在预测直肠癌发生的诊断潜力。方法手术前接受常规MR成像和弥散加权成像的直肠癌病例185例,根据弥散加权成像测量直肠癌癌灶的MeanADC值和MinADC值,并研究其与直肠癌T分期、N分期、肿瘤组织学分级、周围神经侵犯、壁外血管侵犯等临床病理特征的相关性。结果直肠癌扩散加权成像MeanADC值、MinADC值与T分期、N分期、肿瘤组织学分级(低分化、中分化、高分化)、周围神经侵犯、壁外血管侵犯有关;与性别、年龄、肿瘤位置无明显关系(P>0.05);与MeanADC值相比,MinADC值在鉴别高分化、低分化直肠癌的诊断效能更高(高分化以0.930×10-3 mm 2/s为截断值,敏感度80%、特异度88%,低分化以0.750×10-3 mm 2/s为截断值,敏感度94.0%、特异度74.1%)。结论MeanADC值和MinADC值均可作为评价直肠癌侵袭性的定量指标,与MeanADC值相比,MinADC值可以作为鉴别肿瘤分化程度更好地预测因子。
文摘目的探讨表观扩散系数(apparent diffusion coefficient,ADC)值在术前无创性预测子宫内膜癌(endometrial carcinoma,EC)患者子宫肌层浸润(myometrial infiltration,MI)、Ki-67和P53表达水平的可行性。材料与方法回顾性分析兰州大学第二医院2017年1月至2021年12月期间在术前接受MRI扩散加权成像(diffusion weighted imaging,DWI)检查并在术后经病理证实的105名EC患者临床资料和影像数据,两名独立的放射科医生分别对照MRI增强和DWI图像在ADC图像上测量EC的最大ADC值(ADCmax)、平均ADC值(ADCmean)及最小ADC值(ADCmin)。采用二元logistic回归筛选EC患者的临床信息、ADC值与MI、Ki-67和P53表达的相关性,构建列线图预测模型,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和临床决策曲线(decision curve analysis,DCA)对预测模型进行评价。结果ADCmax、ADCmean和ADCmin与EC患者MI、Ki-67和P53表达水平显著相关(P<0.05),而国际妇产科学联合会(the International Federation of Gynecology and Obstetrics,FIGO)分期仅与EC患者MI和Ki-67表达水平显著相关(P<0.05)。将ADCmax、ADCmean、ADCmin与FIGO分期结合起来构建列线图模型,预测模型、ADCmax、ADCmean、ADCmin和FIGO分期预测MI的ROC曲线下面积(area under the curve,AUC)值分别为0.809、0.707、0.693、0.694和0.599;预测Ki-67表达水平的AUC值分别为0.897、0.879、0.849、0.808和0.550。结合ADCmax、ADCmean、ADCmin构建列线图模型,预测模型、ADCmax、ADCmean和ADCmin预测P53表达水平的AUC值分别为0.665、0.615、0.641和0.654。结论基于ADC值联合FIGO分期构建的列线图预测模型可作为一种有效方法在术前无创性评估EC患者MI、Ki-67和P53表达。
