分享:
分享到微信朋友圈
X
综述
磁共振成像技术在垂体瘤检出、诊断及疗效评估中的研究进展
王梦珂 白岩 冯芹 张梦焕 王梅云

Cite this article as: Wang MK, Bai Y, Feng Q, et al. Research progress of magnetic resonance imaging technology in the detection, diagnosis and efficacy evaluation of pituitary tumors[J]. Chin J Magn Reson Imaging, 2021, 12(1): 85-88.本文引用格式:王梦珂, 白岩, 冯芹, 等. 磁共振成像技术在垂体瘤检出、诊断及疗效评估中的研究进展[J]. 磁共振成像, 2021, 12(1): 85-88. DOI:10.12015/issn.1674-8034.2021.01.019.


[摘要] 随着磁共振成像技术的发展,垂体瘤的检出率越来越高,尤其是微小垂体瘤。磁共振成像技术可以检出垂体瘤,并可对其性质和临床治疗的反应及预后进行评估。不同的磁共振检查方法也会提高垂体瘤诊断率或对垂体瘤不同性质进行更好的评估,比如人工智能及影像组学方法可以探测肿瘤的软硬度,表观扩散系数值与肿瘤软硬度一致性具有相关性,磁化转移成像能够鉴别泌乳素瘤与无功能腺瘤,3.0 T较1.5 T磁共振对垂体瘤的检出率更高,新的磁共振成像技术如磁共振弹性成像可以确定垂体瘤软硬度,为手术提供重要的指标。同时,不同的检查技术也可以作为治疗方法效果的预测及疾病的预后。
[Abstract] With the development of magnetic resonance imaging technology, the detection rate of pituitary tumors is getting higher and higher, especially small pituitary tumors. Magnetic resonance imaging technology can detect pituitary tumors, and evaluate its nature, response to clinical treatment and prognosis. Different MRI examination methods will also increase the diagnosis rate of pituitary tumors or better evaluate the different nature of pituitary tumors. For example, artificial intelligence and imaging radiomics methods can detect the hardness of tumors. The apparent diffusion coefficient value is correlated with the consistency of tumor softness and hardness; Magnetization transfer imaging can distinguish prolactinoma from non-functioning adenoma; 3.0 T has a higher detection rate of pituitary tumors than 1.5 T MRI. New magnetic resonance imaging techniques such as magnetic resonance elastography can determine the hardness of pituitary tumors and provide important indicators for surgery. Meanwhile, different inspection techniques can also be used to predict the effects of treatment methods and the prognosis of diseases.
[关键词] 垂体瘤;磁共振成像;磁共振弹性成像;人工智能;影像组学
[Keywords] pituitary tumor;magnetic resonance imaging;magnetic resonance elastography;artificial intelligence;imageomics

王梦珂 1   白岩 2   冯芹 1   张梦焕 1   王梅云 2*  

1 郑州大学人民医院医学影像科,郑州 450003

2 河南省人民医院医学影像科,郑州 450003

*通信作者:王梅云, E-mail: mywang@ha.edu.cn

作者利益冲突声明:全体作者均声明无利益冲突。


基金项目: 国家自然科学基金项目 81720108021 河南省科技攻关计划项目 182102310496
收稿日期:2020-09-18
接受日期:2020-11-30
DOI: 10.12015/issn.1674-8034.2021.01.019
本文引用格式:王梦珂, 白岩, 冯芹, 等. 磁共振成像技术在垂体瘤检出、诊断及疗效评估中的研究进展[J]. 磁共振成像, 2021, 12(1): 85-88. DOI:10.12015/issn.1674-8034.2021.01.019.

       垂体瘤是鞍区常见的肿瘤,可有周围结构的侵犯,而磁共振成像(magnetic resonance imaging,MRI)是最为常用的垂体瘤影像学检查方法。MRI可以明确显示垂体瘤的范围、侵犯范围及其与周围组织的关系。1.5 T磁共振可以检出垂体瘤,但其阳性率较低,且不能对垂体瘤进行有效的病理亚型分类,因此在肿瘤治疗方法的选择及预后评估方面价值有限,但是改变磁共振参数如视野(field of view,FOV)、场强强度等可以提高垂体瘤的检出率及确诊率,甚至其软硬度及分类,依据肿瘤图像的质地、侵犯范围等影像学特征,磁共振图像可以为鞍区病变提供鉴别诊断[1, 2]。同时术中磁共振为肿瘤的切除范围提供了新的影像图像,可以扩大或缩小手术范围,提高术后生存率[3]。磁共振参数特征也可以为垂体瘤的预后提供信息[4, 5]。运用影像组学方法可以无创地鉴别鞍区病变性质,而磁共振弹性成像(magnetic resonance elastography,MRE)可以更准确地提供肿瘤软硬度信息,可以有效地指导治疗方法的选择。

       因此,优化磁共振参数、采用新的MRI技术及影像组学和人工智能等方法可以帮助提高垂体瘤的检出率,并更准确地确定肿瘤侵犯范围和肿瘤软硬度,从而对肿瘤治疗效果及疾病预后评估提供重要信息。

       笔者对磁共振成像在垂体瘤的检出、诊断及疗效评估中的研究进展进行综述。

1 人工智能及影像组学

       影像组学是人工智能的一个子集,把医学图像转化为量化的数据特征,通过对大量影像数据的提取筛选,运用机器学习、向量机建造等建立最佳特征模型,对垂体瘤进行分类、侵犯范围、肿瘤一致性及术后缓解程度评估[6, 7, 8, 9],同时,影像组学也可评估肿瘤的侵袭性[7,10, 11]

       Zhang等[6]进行回顾性研究,使用支持向量机建造模型,受试者操作特征进行验证,进行T1、T2及T1增强对比,通过感兴趣区(regions of interests,ROI)的勾画,数据特征提取,组内验证分析,从T1和增强对比中提取数据分析,将提取特征分为四组,即肿瘤信号;肿瘤形状和大小;纹理特征;小波特征。将T1和增强T1进行标准化,然后支持向量机与T1和T1增强进行合并,并进行最小冗余最大相关性运算,做出影像组学模型,从而在术前对零细胞腺瘤(null cell adenomas,NCAs)及无功能垂体瘤进行分类,指导术前用药或NCAs敏感的放疗。

       Niu等[7]通过研究对Knosp分级二、三级进行了术前海绵窦侵犯分析。运用最小值绝对收敛和选择算子计算,从T1、T2及T1增强对比高通量数据中选取最佳代表性特征,五重交叉法进行验证,得到影像组学,运用多变量回归分析海绵窦侵犯与临床-影像组学间的关系。经验证,T1增强最终作为最佳的影像组学评估海绵窦侵犯程度。在Knosp分级三级中,准确率为75.6%。同时,该研究还发现影像组学与临床放射学危险因素结合的列线图比单独的影像组学或临床放射学危险因素能更好地预测海绵窦侵犯程度。Liu等[11]对垂体瘤动态增强数据进行数据提取,采用纹理分析,评估垂体瘤的血管增殖性与侵袭性。根据ROC分析,总模型即体积分数和比率常数特征是区分侵袭性与非侵袭性肿瘤的最佳特征集,其敏感度和特异度分别为94.4%、90.6%。

       Ki-67与垂体瘤侵袭性有关,Ugga等[10]运用特征选择方法选择最适合的特征子集以判断利用机器学习算法得到垂体瘤的可侵袭性,与病理玻片观察到的Ki-67“热点”比较,发现机器学习对垂体瘤高增殖或低增殖分类准确度达91.67%。

       Zeynalova等[9]运用机器学习进行垂体瘤一致性评估。首先进行特征提取,由于病人数量较少,该研究并没有设置验证组,但是进行了类似于验证效果的复杂的嵌套交叉验证,之后进行维度削减,建立基于机器学习的直方图。机器学习评估得到的结果和信号强度比(signal intensity ratio,SIR)分别与术者评估的垂体瘤软硬度进行比较,并与病理结果进行比较,结果得出机器学习AUC为0.71,而SIR的AUC为0.551,且关于两者之间的对比分析也具有统计学意义。机器学习分析肿瘤一致性较信号强度比具有更高的准确性。Cuocolo等[12]通过把T2数据进行筛选重组,利用递归特征消除法选出最佳子集,建立机器学习模型,评估肿瘤与经鼻窦手术获得的结果的一致性。结果显示准确度为93%,敏感度为100%,特异度为87%。因此,机器学习对垂体大腺瘤软硬度分型具有较高的价值。

       Fan等[8]对浸润性功能性腺瘤患者进行T1、T2及增强对比图像分析,通过各种算法排除冗余数据选择最佳放射学特征集,定义为一个放射学模型,以代表能预测术后恢复的影像数据,先在对照组中进行该最佳集选择,然后在实验组中进行验证,结果在验证组中有43.6%的准确预测术后缓解。该研究为手术方案及术前是否要进行额外治疗以及要进行怎样的药物干涉提供了新的依据,帮助进行预后及制定个性化治疗方案。

       因此,大量实验证明,影像组学具有高效的确定疾病性质的效能,在确定好特征集后,能较准确、敏感地评估疾病性质,但是影像组学要求数据量大以及多中心性以达到具有参考作用的效果。

2 MRI不同参数及序列的应用

       不同的磁共振参数影响影像结果,不同的参数可以使扫描聚焦在垂体而非整个大脑。以库欣病(Cushing disease)为例,通过比较不同的扫描参数尤其是层厚、场强、FOV、重复时间(repetition time,TR)、回波时间(echo times,TE),增强剂的使用与否等发现未被检查到的垂体瘤。自旋回波(spin-echo,SE)序列运用了较短的TR、TE时间,FOV较小者比较大者检出垂体瘤的阳性率更高;TR、TE值较小者比TR、TE值较大者阳性率更高;稳态破坏性梯度回返采集(spoiled gradient recalled acquisition in the steady state,SPGR)能更大概率检出垂体瘤,但同时也有更大的假阳性率[13]。磁化转移成像(magnetization transfer,MT)能够鉴别泌乳素瘤与无功能腺瘤,且能够作为术后残留肿瘤的检查方法;DWI可以提示肿瘤内胶原含量及肿瘤软硬度;MRS可以根据肿瘤内部所含物质及量的不同,鉴别出肿瘤分类及分级。而其他的一些磁共振序列则由于其局限性并没有广泛应用于垂体瘤的检查[14]

       Bette等[15]运用磁共振鉴别垂体瘤各分类与鞍区囊性病变,但是由于生长激素腺瘤与促肾上腺皮质激素腺瘤发病率较少,并没有足够的数据进行研究,该研究未发现垂体各分类腺瘤与鞍区囊性病变具有统计学差异。同时该研究再次证明了之前的研究发现,即激素分泌肿瘤占垂体瘤的大部分,生长激素腺瘤表现为T2低信号、颗粒状、鞍内及鞍下侵犯;促肾上腺皮质激素腺瘤罕见,肿瘤较小,局限于鞍区内,多无鞍区周围侵犯,而鞍区囊性病变表现为囊性成分,T2高信号,鞍区周围扩张侵犯。该研究并未鉴别出鞍区囊性病变与垂体瘤囊性变,盖因数据较少,未有统计学意义。有研究通过比较T2肿瘤/脑白质信号比发现,质软组信号比高于质韧组与混合组。这就为垂体瘤手术方式的选择提供了依据[16]

       Kim等[17]对52例垂体大腺瘤患者进行了T1、T2及动态增强,其中43例无功能性腺瘤,9例功能性腺瘤,均为大腺瘤,经磁共振成像及二次手术证实19例患者术后有肿瘤残留,多显示为结节状增强,厚度为7.5 mm。而33例为术后改变,多表现为周围性增强,厚度均值为1.6 mm。经曲线分析显示3.9 mm为残余肿瘤的诊断精确度。鉴于脑血流量可以评估垂体大腺瘤的血供情况,所以扩散加权成像(diffusion weighted imaging,DWI)、灌注加权成像(perfusion weighted imaging,PWI)在垂体瘤术后残留方面有很大的研究价值。

       表观扩散系数(apparent diffusion coefficient,ADC)值可以预测肿瘤软硬度一致性。经过组织病理、T2成像、DWI成像及手术结果进行比较,Pierallini等[18]研究发现,细胞量多或纤维基质含量高、胶原含量越高、ADC值越大者硬度越大。而Hughes等[2]以T2为研究对象发现,T2低信号与肿瘤一致性并没有相关性;DWI的ADC值研究发现ADC与肿瘤术后残留相关,并不能预测肿瘤软硬度。之前的研究结论不一,可能与其磁共振参数不同,以及病例数目不同有关。

       MRI可以显示垂体巨腺瘤对周围结构的破坏,但不能显示其是否具有侵袭性。Conficoni等[19]通过观察肿瘤组织切片Ki67具有阳性细胞核的肿瘤百分比,ADC通过水分子运动显示组织细胞生物学行为,建立ADC与Ki67-Li之间的联系,发现ADC对肿瘤是否具有侵袭性或增生性具有预测价值,结果发现Ki67-Li与ADC呈负相关。以非侵袭性检查方法代替侵袭性活检预测肿瘤生物学行为,便于操作,也为病人的下一步治疗做出指导。

       尽管MRI是垂体瘤检查方法的首选,但其对功能性小垂体瘤如促肾上腺皮质激素(adrenocorticotropin,ACTH)腺瘤的检出率只有40%,而垂体瘤的术后缓解与术前磁共振图像上的肿瘤可视性密切相关,因此,提高垂体瘤的检出率有助于改善疾病预后。Chittiboina等[20]研究发现SPGR序列比SE能更大概率(10%~15%的提高)检出ACTH腺瘤相关的垂体小腺瘤。SPGR对体积较小的垂体瘤敏感度较高,可以提高小垂体瘤的阳性检出率。

       因此,MRI参数的改变可以有效地提高垂体瘤的检出率,并可以为预后判断提供较多的信息。扫描时根据肿瘤大小或信号强度高低变换扫描参数,可为临床提供较为丰富的疾病信息,甚至可以检出不易被观察到的病变,从而为疾病及时治疗提供方法,改善病人预后。

       MRE是一种通过剪切波传输入脑,经过相位编码探测脑部组织弹性的一种新的磁共振检查方法。目前,一种新的弹性反演方法运用于此,使其可以提供更为复杂的组织内部构成,在临床的应用更为普遍[21]。MRE通过探测垂体瘤的软硬度,为临床提供不同的手术方法。

       有小部分垂体瘤质地较硬,影响手术时间与方式,提前预测肿瘤质地对垂体巨腺瘤的手术切除具有重要的指导意义,MRE通过动态剪切波测量组织并计算可明确肿瘤的软硬度。在Hughes等[2]的研究中,通过对10个病人的研究,其中一例测得质地较硬,最终病理确定是腺样转移癌,而另一例有较高的MRE值,发现其肿瘤内有囊性部分。这对MRE的研究有较大的帮助。此研究病例数较少,因此,有待于进行更进一步的研究以更好地确定MRE在垂体瘤及其病理方面的应用。同一时间,Sylvester等[3]报道了1例极其罕见腺样囊性癌垂体转移。垂体转移瘤的影像学特征表现与垂体大腺瘤的影像学表现相似,为哑铃征,垂体柄增厚、海绵窦侵犯、蝶鞍周围硬化。虽然此例腺样囊性癌的垂体转移表现并没有哑铃征,但其他的影像学表现与垂体大腺瘤较为相似。而MRE测得该转移瘤质硬,可作为垂体大腺瘤与转移瘤的一个鉴别点。当然,我们需要更多的数据来进行研究证明。

       Bertalan等[22]进行的MRE实验证明,在小鼠大脑内,当呼吸骤停,大脑缺氧时,大脑组织硬度增大,当心脏骤停时,会加剧大脑硬度。当人类大脑缺氧低氧时,是否会出现类似现象有待于进一步研究,然而其对人类临床研究具有一定的指导意义。

       通过改变磁共振参数发现,优化的磁共振参数可以提高鞍区病变的检出率以及鞍区病变的鉴别,同时为肿瘤性质、肿瘤侵犯范围、肿瘤预后等提供丰富的信息。

3 1.5 T磁共振和3T磁共振及更高场强应用的比较

       1.5 T场强较场强更小者对垂体瘤的检出率更高[13]。且场强越大,其空间分辨率越高,因此能更准确地显示垂体瘤对周围组织的侵犯程度。

       对于ACTH垂体瘤,Vitale等[23]比较发现3.0 T较1.5 T磁共振对垂体瘤的检出率更高。Varrassi等[14]也做了类似研究,发现3.0 T较1.5 T具有更好的空间分辨率,能提供更好的垂体肿瘤观察及微小结构的改变,动态增强成像可以检出体积较小的垂体瘤。更有研究者运用更高分辨率的7.0 T磁共振进行垂体瘤检测,能够检查出较低场强未检查到的微小肿瘤[24]。同时,PET、MRI的结合对垂体瘤的诊断具有更高的准确性[23]

       前期研究结果显示,软垂体瘤因含有水或囊性部分T2显示为高信号,硬垂体瘤因含有较多的胶原显示为T2低信号[25]。7.0 T具有更高的信噪比和空间分辨率,Yao等[26]采集15例病人的术前肿瘤信号强度和周围的信号强度,与手术医生的软硬度分级进行比较。被手术医生评为“软”的肿瘤表现为高信号,而“硬”的肿瘤表现为低信号,两者之间的差异没有统计学意义,但是软肿瘤较硬肿瘤有较高的体素百分比。同时,该研究还做了病理分析,软肿瘤较硬肿瘤有更高的细胞数与血管数,而胶原含量在两者之间没有统计学差异,影像图像与病理之间具有相关性。

       前期研究在1.5 T、3.0 T磁共振上对垂体瘤进行研究,但受到其低信噪比的限制,并不能很好地观察垂体结构甚至垂体柄[27]。Rutland等[28]发现7.0 T磁共振对分泌功能的垂体瘤具有诊断价值,通过垂体腺瘤及正常垂体的可视化评分,结果显示7.0 T较临床应用场强更明确。具有分泌功能的垂体腺瘤显示更高的T2信号强度,而术前垂体功能低下的垂体瘤的垂体柄弯曲角度较大,相反,没有垂体功能低下的,其垂体柄弯曲角度较小。由于能够显示海绵窦壁,7.0 T可以更精准地进行Knosp分级。术后垂体功能低下与垂体柄的关系有待于进一步研究。

       故而,较高的磁共振场强在提高空间分辨率和信噪比的情况下,给临床提供了更详细的解剖结构及病理信息。

4 MRI在垂体瘤疗效及预后预测方面的价值

       MRI不仅可以检出垂体瘤、确定疾病的各种性质及侵犯范围、程度,而且在疗效评估和预后预测方面具有很大价值。

       近全切除与术后无进展生存期相关,Hlaváč等[29]做了显微镜切除术中磁共振与内镜切除术中磁共振比较,两种手术方式之间没有差别,但是总体有多半在术中磁共振检查后进行了额外肿瘤切除,术中磁共振的应用提高了浸润性垂体瘤的近全切除程度,改善视交叉压迫症状。Feng等[30]发现术中磁共振可以提高对侵袭性垂体瘤的切除率。

       在术中MRI应用之前,临床选择在术后3个月内进行磁共振扫描以确定肿瘤残留体积等,Jones等[31]研究发现场强越高的术中MRI,确定手术切除范围越大。同时,该研究还比较了术中MRI比内镜对残余肿瘤有较大的敏感性,内镜切除术与术中MRI的结合应用较单一的内镜切除有较高的扩大范围切除率。对于功能性垂体腺瘤,应用术中MRI扩大手术切除范围更好地缓解了激素过度分泌的症状。随着术中MRI的扩大应用,越来越多的临床数据有利于进一步做关于有术中MRI及没有做术中MRI的术后控制率的比较。经Sylvester等[3]研究显示,经蝶窦手术通路切除垂体瘤的完整程度并不高,与常规经蝶窦垂体瘤切除术相比,内窥镜检查与术中磁共振结合能够扩大肿瘤切除范围,在并不影响其并发症的情况下,提高术后生存率。

       Bonneville等[4]研究发现,在分泌生长激素的巨腺瘤中,T2信号的强度高低可以预测肿瘤对兰瑞肽自体凝胶药物治疗的反应性,不同信号强度的肿瘤对药物治疗的反应不同,肿瘤变化不一样。低信号强度的肿瘤治疗变化较高信号强度明显。T2信号也可以指示不同的鞍区侵犯范围。Potorac等[5]研究了在促生长激素腺瘤中具有肢端肥大症患者垂体瘤T2信号强度对生长抑素类似物作为首要疗法的反应。垂体瘤T2信号为低信号的病人对生长抑素类似物的反应程度、其肿瘤缩小程度以及血清生长激素、胰岛素样因子降低程度均较垂体瘤T2信号为等或高信号者大。且多个研究发现,T2低信号的肿瘤在术前术后对生长抑素类似物的治疗都较为敏感。垂体瘤内含有稀疏颗粒状常表现为T2高信号,而浓稠颗粒状常表现为低信号。病理与磁共振相结合,能够更好地评估疾病性质和治疗方案及预后。

       在无功能垂体腺瘤中,磁共振纹理可以预测肿瘤复发、预后及发展情况。Galm等[32]采集T1冠状位经过肿瘤的最大层面组织信号,磁共振参数经过对数转换之后,形成低、中、高信号强度,发现在高信号强度中44%的肿瘤有复发风险。

       MRI各种不同序列,可以为垂体瘤的治疗效果评估提供多种信息,并对疾病发展方向做出判断,为疾病的治疗方案的应用提供更多参考,同时为疾病做出预后判断。

5 结论

       磁共振技术的不断发展为垂体瘤检出、诊断及疾病软硬度、侵犯范围等特征提供了较多信息,同时为治疗的反应、肿瘤是否有复发等也提供了影像学可视性。未来全身PET-MRI可以为肿瘤的转移进行全身诊断,而MRE可为垂体瘤术前做好软硬分级,利于手术方式的选择。同时也会出现更多的新技术应用于垂体瘤的分类,为临床诊断治疗提供更多的可能性。

1
Hughes JD, Fattahi N, Van Gompel J, et al. Magnetic resonance elastography detects tumoral consistency in pituitary macroadenomas. Pituitary, 2016, 19(3): 286-292. DOI: 10.1007/s11102-016-0706-5
2
Hughes JD, Retzlaff A, Sims J, et al. Adenoid cystic carcinoma metastatic to the pituitary: a case report and discussion of potential diagnostic value of magnetic resonance elastography in pituitary tumors. World Neurosurg, 2016, 91: 669: e11-669.e6.69E14. DOI: 10.1016/j.wneu.2016.03.044
3
Sylvester PT, Evans JA, Zipfel GJ, et al. Combined high-field intraoperative magnetic resonance imaging and endoscopy increase extent of resection and progression-free survival for pituitary adenomas. Pituitary, 2015, 18(1): 72-85. DOI: 10.1007/s11102-014-0560-2
4
Bonneville F, Rivière LD, Petersenn S, et al. MRI T2 signal intensity and tumor response in patients with GH-secreting pituitary macroadenoma: PRIMARYS post-hoc analysis. Eur J Endocrinol, 2018, EJE-18-0254.R2. [ DOI: ]. DOI: 10.1530/EJE-18-0254
5
Potorac I, Petrossians P, Daly AF, et al. T2-weighted MRI signal predicts hormone and tumor responses to somatostatin analogs in acromegaly. Endocr Relat Cancer, 2016, 23(11): 871-881. DOI: 10.1530/ERC-16-0356
6
Zhang S, Song G, Zang Y, et al. Non-invasive radiomics approach potentially predicts non-functioning pituitary adenomas subtypes before surgery. Eur Radiol, 2018, 28(9): 3692-3701. DOI: 10.1007/s00330-017-5180-6
7
Niu J, Zhang S, Ma S, et al. Preoperative prediction of cavernous sinus invasion by pituitary adenomas using a radiomics method based on magnetic resonance images. Eur Radiol, 2019, 29(3): 1625-1634. DOI: 10.1007/s00330-018-5725-3
8
Fan Y, Liu Z, Hou B, et al. Development and validation of an MRI-based radiomic signature for the preoperative prediction of treatment response in patients with invasive functional pituitary adenoma. Eur J Radiol, 2019,121: 108647. DOI: 10.1016/j.ejrad.2019.108647
9
Zeynalova A, Kocak B, Durmaz ES, et al. Preoperative evaluation of tumour consistency in pituitary macroadenomas: a machine learning-based histogram analysis on conventional T2-weighted MRI. Neuroradiology, 2019, 61(7): 767-774. DOI: 10.1007/s00234-019-02211-2
10
Ugga L, Cuocolo R, Solari D, et al. Prediction of high proliferative index in pituitary macroadenomas using MRI-based radiomics and machine learning. Neuroradiology, 2019, 61(12): 1365-1373. DOI: 10.1007/s00234-019-02266-1
11
Liu YQ, Gao BB, Dong B, et al. Preoperative vascular heterogeneity and aggressiveness assessment of pituitary macroadenoma based on dynamic contrast-enhanced MRI texture analysis. Eur J Radiol, 2020, 129: 109125. DOI: 10.1016/j.ejrad.2020.109125
12
Cuocolo R, Ugga L, Solari D, et al. Prediction of pituitary adenoma surgical consistency: radiomic data mining and machine learning on T2-weighted MRI. Neuroradiology, 2020, 62(12): 1649-1656. DOI: 10.1007/s00234-020-02502-z
13
Chowdhury IN, Sinaii N, Oldfield EH, et al. A change in pituitary magnetic resonance imaging protocol detects ACTH-secreting tumours in patients with previously negative results. Clin Endocrinol (Oxf), 2010, 72(4): 502-506. DOI: 10.1111/j.1365-2265.2009.03646.x
14
Varrassi M, Bellisari FC, Bruno F, et al. High-resolution magnetic resonance imaging at 3 T of pituitary gland: advantages and pitfalls. Gland Surg, 2019, 8(Suppl 3): S208-S215. DOI: 10.21037/gs.2019.06.08
15
Bette S, Butenschön VM, Wiestler B, et al. MRI criteria of subtypes of adenomas and epithelial cysts of the pituitary gland. Neurosurg Rev, 2020, 43(1): 265-272. DOI: 10.1007/s10143-018-1049-7
16
武春雪, 蒙茗, 王政, 等. 磁共振T2WI对垂体腺瘤质地的评估. 磁共振成像, 2017, 8(10): 721-725. DOI: 10.12015/issn.1674-8034.2017.10.001
Wu CX, Meng M, Wang Z, et al. MRI evaluation of pituitary macroadenomas tumor consistency. Chin J Magn Reson Imaging, 2017, 8(10): 721-725. DOI: 10.12015/issn.1674-8034.2017.10.001
17
Kim HY, Kim ST, Kim HJ, et al. Differentiation of postoperative changes and residual tumors in dynamic contrast-enhanced sella MRI after transsphenoidal resection of pituitary adenoma. Medicine (Baltimore), 2019, 98(27): e16089. DOI: 10.1097/MD.0000000000016089
18
Pierallini A, Caramia F, Falcone C, et al. Pituitary macroadenomas: preoperative evaluation of consistency with diffusion-weighted MR imaging: initial experience. Radiology, 2006, 239(1): 223-231. DOI: 10.1148/radiol.2383042204
19
Conficoni A, Feraco P, Mazzatenta D, et al. Biomarkers of pituitary macroadenomas aggressive behaviour: a conventional MRI and DWI 3 T study. Br J Radiol, 2020, 93(1113): 20200321. DOI: 10.1259/bjr.20200321
20
Chittiboina P, Montgomery BK, Millo C, et al. High-resolution (18) F-fluorodeoxyglucose positron emission tomography and magnetic resonance imaging for pituitary adenoma detection in Cushing disease. J Neurosurg, 2015, 122(4): 791-797. DOI: 10.3171/2014.10.JNS14911
21
Barnhill E, Davies PJ, Ariyurek C, et al. Heterogeneous multifrequency direct inversion (hmdi) for magnetic resonance elastography with application to a clinical brain exam. Med Image Anal, 2018, 46: 180-188. DOI: 10.1016/j.media.2018.03.003
22
Bertalan G, Klein C, Schreyer S, et al. Biomechanical properties of the hypoxic and dying brain quantified by magnetic resonance elastography. Acta Biomater, 2020, 101: 395-402. DOI: 10.1016/j.actbio.2019.11.011
23
Vitale G, Tortora F, Baldelli R, et al. Pituitary magnetic resonance imaging in Cushing's disease. Endocrine, 2017, 55(3): 691-696. DOI: 10.1007/s12020-016-1038-y
24
de Rotte AA, van der Kolk AG, Rutgers D, et al. Feasibility of high-resolution pituitary MRI at 7.0 tesla. Eur Radiol, 2014, 24(8): 2005-2011. DOI: 10.1007/s00330-014-3230-x
25
Smith KA, Leever JD, Chamoun RB. Predicting consistency of meningioma by magnetic resonance imaging. J Neurol Surg B Skull Base, 2015, 76(3): 225-229. DOI: 10.1055/s-0034-1543965
26
Yao A, Rutland JW, Verma G, et al. Pituitary adenoma consistency: direct correlation of ultrahigh field 7T MRI with histopathological analysis. Eur J Radiol, 2020, 126: 108931. DOI: 10.1016/j.ejrad.2020.108931
27
Satogami N, Miki Y, Koyama T, Kataoka M, et al. Normal pituitary stalk: high-resolution MR imaging at 3 T. AJNR Am J Neuroradiol, 2010, 31(2): 355-359. DOI: 10.3174/ajnr.A1836
28
Rutland JW, Pawha P, Belani P, et al. Tumor T2 signal intensity and stalk angulation correlates with endocrine status in pituitary adenoma patients: a quantitative 7 tesla MRI study. Neuroradiology, 2020, 62(4): 473-482. DOI: 10.1007/s00234-019-02352-4
29
Hlaváč M, Knoll A, Etzrodt-Walter G, et al. Intraoperative MRI in transsphenoidal resection of invasive pituitary macroadenomas. Neurosurg Rev, 2019, 42(3): 737-743. DOI: 10.1007/s10143-019-01102-7
30
冯晓源,庞浩鹏.术中磁共振成像临床应用进展.磁共振成像, 2014, 5(增刊1): 5-9. DOI: 10.3969/j.issn.1674-8034.2014.05.S1.002
Feng XY, Pang HP. The clinical application of intraoperative MRI, Chin J Magn Reson Imaging, 2014, 5(Suppl 1): 5-9. DOI: 10.3969/j.issn.1674-8034.2014.05.S1.002
31
Jones PS, Swearingen B. Intraoperative MRI for pituitary adenomas. Neurosurg Clin N Am, 2019, 30(4): 413-420. DOI: 10.1016/j.nec.2019.05.003
32
Galm BP, Martinez-Salazar EL, Swearingen B, et al. MRI texture analysis as a predictor of tumor recurrence or progression in patients with clinically non-functioning pituitary adenomas. Eur J Endocrinol, 2018, 179(3): 191-198. DOI: 10.1530/EJE-18-0291

上一篇 FLAIR血管高信号与脑梗死相关性研究进展
下一篇 铁及氧化应激在多发性硬化中的作用机制及其MRI 研究进展
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2