分享:
分享到微信朋友圈
X
经验交流
肾透明细胞癌与肾嗜酸性细胞腺瘤的MRI纹理分析与鉴别
吴国华 刘海静 王丽坤

Cite this article as: Wu GH, Liu HJ, Wang LK. MRI texture analysis and identification of clear cell renal cell carcinoma and renal oncocytoma[J]. Chin J Magn Reson Imaging, 2021, 12(5): 77-80.本文引用格式:吴国华, 刘海静, 王丽坤. 肾透明细胞癌与肾嗜酸性细胞腺瘤的MRI纹理分析与鉴别[J]. 磁共振成像, 2021, 12(5): 77-80. DOI:10.12015/issn.1674-8034.2021.05.017.


[摘要] 目的 探究磁共振成像(magnetic resonance imaging,MRI)纹理分析在肾透明细胞癌(clear-cell renal cell carcinomas,ccRCC)与肾嗜酸性细胞腺瘤(renal oncocytoma,RO)中鉴别价值。材料与方法 对2012年5月至2019年11月期间收治的42例ccRCC与15例RO患者资料予以回顾性分析,分别作为ccRCC组与RO组,患者接受MRI常规扫描与增强扫描后行纹理扫描分析。ccRCC与RO鉴别三维纹理特征选择频率,MRI纹理分析鉴别ccRCC与RO诊断效能,ccRCC与RO患者COM纹理参数比较,COM纹理参数在ccRCC与RO患者鉴别上价值分析。结果 ccRCC与RO鉴别所筛选纹理特征多来自共生矩阵(co occurrence matrix,COM),ccRCC与RO鉴别中肾实质增强T1加权成像(T1 weighted imaging,T1WI)序列筛选出层间纹理特征最多;通过非线性判别分析方法进行MRI纹理分析来鉴别ccRCC与RO,在肾实质期增强纹理特征诊断效能最佳,诊断敏感度、特异度以及准确度分别为92.86%、73.33%以及87.72%;ccRCC组患者T1WI增强COM纹理参数如熵、逆差距以及相关显著低于RO患者(P<0.05),而对比与能量差异无统计学意义(P>0.05);受试者工作特征 (receiver operating characteristic,ROC)曲线应用COM纹理参数熵、逆差距、相关鉴别ccRCC与RO患者曲线下面积(area under curve,AUC)分别为0.883、0.752、0.806,熵在鉴别ccRCC与RO患者价值最佳,敏感度与特异度分别为88.5%和83.6%。结论 MRI纹理分析尤其是COM可以有效鉴别出ccRCC与RO。
[Abstract] Objective To explore the identification value of magnetic resonance imaging (MRI) texture analysis in clear-cell renal cell carcinoma (ccRCC) and renal oncocytoma (RO). Materials andMethods The data of 42 ccRCC patients (ccRCC group) and 15 RO patients (RO group) who were admitted to the hospital from May 2012 to November 2019 were retrospectively analyzed. After patients underwent routine MRI scan and enhanced scan, texture scan analysis was conducted. The selection frequency of three-dimensional texture features was identified by ccRCC and RO. The diagnostic efficiency of ccRCC and RO was identified by MRI texture analysis. COM texture parameters were compared between ccRCC and RO patients. The identification value of COM texture parameters in ccRCC and RO patients was analyzed.Results The texture features screened by ccRCC and RO identification were mostly from the co-occurrence matrix (COM). In the identification of ccRCC and RO, interlayer texture features screened by renal parenchymal enhancement T1 weighted imaging (T1WI) sequence were the most. By nonlinear discriminant analysis, the diagnostic efficiency of MRI texture analysis for identifying ccRCC and RO in terms of enhancement texture features during renal parenchymal stage was the best, its diagnostic sensitivity, specificity and accuracy were 92.86%, 73.33% and 87.72%, respectively. T1WI enhancement COM texture parameters such as entropy, homogeneity and correlation in ccRCC group were significantly lower than those in RO patients (P<0.05), while there had no significant difference in the contrast and energy (P>0.05). The receiver operating characteristic (ROC) curve analysis showed that the area under curve (AUC) values of COM texture parameters such as entropy, homogeneity and correlation for identifying ccRCC and RO patients were 0.883, 0.752 and 0.806, respectively. The value of entropy for identifying ccRCC and RO was the best, its sensitivity and specificity were 88.5% and 83.6%, respectively.Conclusions MRI texture analysis, especially COM, can effectively identify ccRCC and RO.
[关键词] 肾脏;肾透明细胞癌;肾嗜酸性细胞腺瘤;磁共振成像;纹理分析
[Keywords] kidney;clear-cell renal cell carcinoma;renal oncocytoma;magnetic resonance imaging;texture analysis

吴国华 *   刘海静    王丽坤   

河北省邯郸市中心医院CT室,邯郸 056001

吴国华,E-mail:wuguohua0704@163.com

全体作者均声明无利益冲突。


收稿日期:2020-11-25
接受日期:2021-03-25
DOI: 10.12015/issn.1674-8034.2021.05.017
本文引用格式:吴国华, 刘海静, 王丽坤. 肾透明细胞癌与肾嗜酸性细胞腺瘤的MRI纹理分析与鉴别[J]. 磁共振成像, 2021, 12(5): 77-80. DOI:10.12015/issn.1674-8034.2021.05.017.

       肾透明细胞癌(clear-cell renal cell carcinomas,ccRCC)为肾细胞癌(renal cell carcinoma,RCC)中常见类型,RCC中有近75%~80%患者为ccRCC,患者主要接受根治性手术进行治疗[1]。肾嗜酸性细胞腺瘤(renal oncocytoma,RO)则是一种少见肾脏囊实性肿瘤,其治疗主要采用保肾手术,患者预后较好[2]。由于ccRCC以及RO均属于血流丰富占位性病变,所以两者影像表现存在相似之处,诊断鉴别存在一定难度,所以ccRCC以及RO术前诊断鉴别较为重要[3]。MRI为两者术前无创性诊断重要手段,但是目前研究表明磁共振成像(magnetic resonance imaging,MRI)在ccRCC以及RO诊断鉴别上准确率仍有待进一步提高[4]。三维纹理分析经由在影像中获取体素灰度或者像素信息来反映患者病灶组织情况定量分析技术,通过分析可以获得丰富空间信息,经由不同病变部位组织特性改善鉴别效能[5]。本研究应用MRI纹理分析进行ccRCC以及RO鉴别,以明确其在ccRCC以及RO鉴别中应用价值。

1 材料与方法

1.1 一般资料

       对我院2012年5月至2019年11月期间收治42例ccRCC与15例RO患者资料予以回顾性分析,分别作为ccRCC组与RO组,纳入标准:(1)病理穿刺或者手术前行MRI扫描,内容包含常规、增强扫描以及增强扫描纹理分析;(2)病理组织学检测证实患者ccRCC或者RO病情;(3) MRI检查与病理检查时间不超过14 d;(4)各项资料完整。排除标准:(1)进行MRI扫描前即已接受治疗者;(2)患者病变显示为纯囊性,影响最终分析结果。本研究经过本单位医学伦理委员会批准,免除受试者知情同意。ccRCC组中男29例,女13例;年龄49~85岁,平均(62.52±12.34)岁。RO组中男10例,女5例;年龄51~83岁,平均(61.63±11.22)岁。两组患者一般资料之间比较未发现存在统计学意义(P>0.05)。

1.2 方法

       患者扫描应用Discovery 750型号3.0 T MR扫描仪(美国GE公司),冠状位T2加权成像(T2 weighted imaging,T2WI)相关参数设置:回波时间、旋转时间、层间距、视野、层厚、矩阵分别为1800 ms、91 ms、1.95 mm、38 cm×38 cm、6.5 mm、179×179。轴位多期增强T1加权成像(T1 weighted imaging,T1WI):应用脂肪抑制三期容积内插体部序列进行检查,回波时间、旋转时间、层间距、视野、层厚、矩阵分别为3.95 ms、1.92 ms、0 mm、28.5 cm×38.0 cm、3 mm、168×320;回波平面成像轴位扩散加权成像(diffusion-weighted imaging,DWI)回波时间、旋转时间、层间距、视野、层厚、矩阵、相位视野、激发次数分别为800 ms、7 ms、1 mm、393 cm×294 cm、3 mm、192×115、90%、2次,扩散敏感系数b值为0、400、600 s/mm2。将剂量为0.1 mmol/kg对比剂Gd-DTPA以2 mL/s速度采用静脉团注方式由肘部注入,随后注入15 mL生理盐水,在注入结束后30~40 s进行皮髓质期扫描,在70~80 s时进行肾实质期扫描,在3 min时进行延迟期扫描。

       纹理分析具体方式:将MRI扫描获取多期增强T1WI图像上传至MaZda软件中,经过数据处理培训医师手动分层后依据病灶边界进行感兴趣区勾画,标准为感兴趣区边界需要距离病灶边界1~2 cm,勾画好所有感兴趣区后将所有层面感兴趣区融合,以组成全病灶感兴趣区。所有纹理特征均需要在提取前行灰阶标准化以避免对比度以及图像亮度影响,标准化图像灰度范围应该在(μ-3σ,μ+3σ)范围,其中μ与σ分别为平均灰度值、标准差。依次从每个层面感兴趣区获得直方图、游程长矩阵(run length matrix,RLM)、梯度以及共生矩阵(co occurrence matrix,COM)四大类一共314个纹理特征,直方图:包括9个纹理特征,为平均值、峰度、方差、偏度、百分位数值(1%、10%、50%、90%以及100%);RLM:包括25个纹理特征,为长短游程权重、灰阶不均匀性、游程长度不均匀性、游程分数(方向0°、45°、90°、135°、Z);梯度:包括5个纹理特征,为非零梯度、梯度偏度、平均梯度、梯度方差、梯度峰度;COM:包括275个纹理特征,为平方和、熵和、角二阶矩、均和、对比度、均差、相关、逆差距、熵、变异数差(方向0°、45°、90°、135°、Z)、熵差。采用Fisher系数、交互信息、分类错误概率联合平均相关系数特征选择算法进行ccRCC与RO鉴别,并筛选出鉴别能力最佳前30个纹理特征,上述三种方法各提取10个纹理特征,其中Fisher系数为特征间散布和类方差比值,其值越大,显示该特征鉴别能力越佳;交互信息表示二个及以上随机变量之间相关性测度,其值越大显示特征项与类别之间相关性越高;分类错误概率联合平均相关系数则表示最小分类误差与平均相关系数,其值越低,显示该特征鉴别能力越佳。

1.3 观察指标

       ccRCC与RO鉴别三维纹理特征选择频率,MRI纹理分析鉴别ccRCC与RO诊断效能,ccRCC与RO患者COM纹理参数比较,COM纹理参数在ccRCC与RO患者鉴别上价值分析。

1.4 统计学方法

       本研究中数据通过SPSS 20.0软件进行分析处理,计量资料应用t检验进行差异对比,表示为(均数±标准差),诊断效能应用受试者工作特征 (receiver operating characteristic,ROC)曲线分析,P<0.05为差异有统计学意义。

2 结果

2.1 ccRCC与RO鉴别三维纹理特征选择频率

       ccRCC与RO鉴别纹理特征选择频率见表1,可见所筛选纹理特征多来自COM。ccRCC与RO鉴别依据RLM以及COM层间三维纹理特征选择频率见表2,可见ccRCC与RO鉴别中层间纹理特征最多者为肾实质增强T1WI序列。

表1  ccRCC与RO鉴别三维纹理特征选择频率
表2  ccRCC与RO鉴别依据RLM以及COM层间三维纹理特征选择频率

2.2 MRI纹理分析鉴别ccRCC与RO诊断效能

       MRI纹理分析鉴别ccRCC与RO非线性判别分析肾实质期增强纹理特征诊断效能最佳,诊断敏感度、特异度以及准确度分别为92.86%、73.33%以及87.72% (表3)。

表3  MR增强T1WI纹理分析鉴别ccRCC与RO诊断效能

2.3 ccRCC与RO患者COM纹理参数比较

       ccRCC组患者T1WI增强COM纹理参数如熵、逆差距以及相关显著低于RO患者(P<0.05),而对比与能量差异无统计学意义(P>0.05),两组患者T1WI与T2WI纹理参数比较均无统计学意义(P>0.05;表4)。

表4  ccRCC与RO患者COM纹理参数比较(x¯±s)

2.4 COM纹理参数在ccRCC与RO患者鉴别上价值分析

       ROC曲线应用COM纹理参数熵、逆差距、相关鉴别ccRCC与RO患者AUC分别为0.883、0.752、0.806,熵在鉴别ccRCC与RO患者价值最佳,敏感度与特异度分别为88.5%和83.6% (表5)。

表5  COM纹理参数在ccRCC与RO患者鉴别上价值分析

2.5 ccRCC与RO MRI常规影像学表现

       ccRCC MRI影像学表现:T1WI上显示为等低信号,T2WI显示为等高信号,病灶相对较大,存在明显坏死以及囊变,出血时可见不均匀高信号,DWI则主要为稍高信号 (图1A~C),病理检查可见癌细胞为多角形或者圆形,细胞核较小且胞浆为透明状,明显可以观察到薄壁血管形成网状间隔(图1D)。

       RO MRI影像学表现:T1WI上显示为等低信号,部分中央存在低信号裂状瘢痕,T2WI显示为稍高信号,病灶内部存在混杂高信号,DWI则主要为等信号(图2A~C),病理检查可以观察到细胞显示为巢状排列,胞浆内部存在嗜酸性颗粒,处于细胞中央胞核显示为圆形,染色质分布均匀(图2D)。

图1  ccRCC MRI常规影像学表现(65岁,女性)。A~C分别为T1WI、T2WI、DWI序列,箭所示为病灶信号情况,D为病理检查结果(HE ×200)
图2  RO MRI常规影像学表现(60岁,男性)。A~C分别为T1WI、T2WI、DWI序列,箭所示为病灶信号情况,D为病理检查结果(HE ×200)

3 讨论

       ccRCC为来源于肾近曲小管肿瘤,病灶内部血管分布丰富,为常见血运丰富肾脏肿瘤,较易使下腔静脉以及肾静脉受到累及,其发病率高,恶性程度大,一般需要进行切除手术进行治疗[6, 7]。RO则是源自肾集合管以及远曲小管进展较慢良性肿瘤,不会出现恶性增殖,因此不会使血管受到累及,病灶会超出肾脏界线,多为单侧或者单发病灶,一般应用病灶剔除或者局部切除进行治疗[8]。ccRCC与RO病理性质、手术治疗方案以及预后存在差异,因此在治疗前进行准确鉴别意义重大。陈上超等[9]研究显示ccRCC与RO鉴别应用MSCT可以通过三期强化CT值、增强廓清率等信息进行诊断。另有研究中应用CT增强纹理分析进行ccRCC与RO鉴别,显示CT增强纹理分析中能量、熵以及标准差等相关参数在鉴别中有重要价值[10]

       纹理分析作为可以直接反映病灶组织像素灰度情况的技术,经由计算机帮助数据分析处理可以获得肉眼难以发现的信息,有效反映病灶一致性,其在分辨肿瘤性质、病理分级以及治疗效果评估上具有重要指导意义[11, 12]。周智等[13]采用MRI增强三维纹理分析可以有效鉴别ccRCC、乳头状肾细胞癌以及嫌色肾细胞癌等肾细胞癌亚型,诊断效能优异。目前尚未有ccRCC与RO应用MRI纹理分析进行两者鉴别研究。本研究中ccRCC与RO诊断鉴别应用MRI纹理分析,MRI纹理分析从全病灶感兴趣区中提取314个纹理特征,其中COM筛选纹理特征最多,而肾实质增强T1WI序列选择COM层间三维纹理特征最多,与Fetit等[14]研究结果相似,该研究认为层间纹理特征筛选数量有限主要受层间隔影响,但是各个层面筛选空间信息可以充分改善纹理分析鉴别能力。本研究中MRI纹理分析鉴别ccRCC与RO非线性判别分析肾实质期增强纹理特征诊断效能最佳,诊断敏感度、特异度以及准确度分别为92.86%、73.33%及87.72%,显示MRI纹理分析中提取信息可以有效鉴别ccRCC与RO,提高鉴别价值。国外研究者在ccRCC以及非ccRCC患者鉴别区分中应用了MRI纹理参数,各参数如熵、偏度等对于ccRCC以及非ccRCC鉴别诊断AUC值均高于0.8,显示MRI纹理参数在ccRCC以及非ccRCC上优异鉴别价值[15]。由于COM筛选纹理特征最多,所以本研究比较了ccRCC与RO患者COM纹理参数差异,ccRCC组患者T1WI增强COM纹理参数如熵、逆差距以及相关显著低于RO患者。熵显示像素强度情况非均匀性、复杂程度以及不规则性,显示了病灶异质性;逆差距则显示纹理规则情况,纹理越乱其值越小,表明图像不均匀;相关则反映了局部灰度相关情况,图像矩阵像素均匀度越高,其值越大[16, 17, 18]。ccRCC组患者熵、逆差距以及相关等参数与病灶组织病理变化有关,ccRCC患者病灶内部相对于RO患者纹理分布复杂、随机且无规律,其异质性更强[19]。王绎忱等[20]研究中不同病理类型肾细胞癌应用全病灶MRI纹理分析,应用均匀度、能量以及熵等纹理分析指标有效反映肿瘤病灶像素分布随机性、不均匀性,ccRCC异质性越高,能量、均匀度越差,同时熵值越大,这与ccRCC病灶恶性程度越高,患者预后不佳特性一致。Hoang等[21]研究认为MRI直方图像可用于鉴别肾脏良恶性病变,纹理特征可以为RCC辨别提供有效参考依据,其用于诊断ccRCC与RO敏感度、特异度以及准确度分别为67.3%,88.9%以及79.3%,是鉴别肾小肿块病变有效方式。国外研究者在RCC、低脂血管平滑肌脂肪瘤以及RO鉴别中应用了MRI纹理分析,MRI纹理分析各参数对于三种肿瘤分类鉴别能力均较高,AUC值均超过0.8,因此该研究认为MRI纹理分析是鉴别三种肿瘤有效无创性手段[22]。ROC曲线应用COM纹理参数熵、逆差距、相关鉴别ccRCC与RO患者AUC分别为0.883、0.752、0.806,熵在鉴别ccRCC与RO患者价值最佳,敏感度与特异度分别为88.5%和83.6%,显示COM纹理参数熵、逆差距、相关用于鉴别ccRCC与RO价值优异。

       综上,ccRCC与RO采用MRI纹理分析可以为两者辨别提供有效影像信息依据,鉴别价值优异。但是作为回顾性研究,纳入研究病例数尤其是RO病例数较少,可能会对研究结果有一定影响,同时本研究仅进行了多期增强T1WI序列纹理分析,其后应进行多序列纹理分析以探究最优鉴别纹理特征。

1
Jingushi K, Kashiwagi Y, Ueda Y, et al. High miR-122 expression promotes malignant phenotypes in ccRCC by targeting occludin[J]. Int J Oncol, 2017, 51(1): 289-297. DOI: 10.3892/ijo.2017.4016.
2
Shackelford RE, Abdulsattar J, Wei EX, et al. Increased nicotinamide phosphoribosyltransferase and cystathionine-β-synthase in renal oncocytomas, renal urothelial carcinoma, and renal clear cell carcinoma[J]. Anticancer Res, 2017, 37(7): 3423-3427. DOI: 10.21873/anticanreS.11709.
3
Chen F, Gulati M, Hwang D, et al. Voxel-based whole-lesion enhancement parameters: a study of its clinical value in differentiating clear cell renal cell carcinoma from renal oncocytoma[J]. Abdom Radiol, 2017, 42(2): 552-560. DOI: 10.1007/s00261-016-0891-8.
4
张丽青, 韩志江. 最大径≤3 cm的乏脂肪肾脏血管平滑肌脂肪瘤与肾透明细胞癌的MRI鉴别[J]. 临床放射学杂志, 2019, 38(1): 134-137. DOI: CNKI:SUN:LCFS.0.2019-01-031.
Zhang LQ, Han ZJ. Value of MRI in the differentiation between angiomyolipomas with minimal fat and clear cell renal cell carcinoma whose maximum diameter is less than 3 cm[J]. J Clin Radiol, 2019, 38(1): 134-137. DOI: CNKI:SUN:LCFS.0.2019-01-031.
5
Lisson CS, Lisson CG, Flosdorf K, et al. Diagnostic value of MRI-based 3D texture analysis for tissue characterisation and discrimination of low-grade chondrosarcoma from enchondroma: a pilot study[J]. Eur Radiol, 2018, 28(2): 468-477. DOI: 10.1007/s00330-017-5014-6.
6
Lushun Y, Guang Z, Liang C, et al. Identification of key genes and pathways in human clear cell renal cell carcinoma (ccRCC) by co-expression analysis[J]. Int J Biol Sci, 2018, 14(3): 266-279. DOI: 10.7150/ijbs.23574.
7
Wang W, Cao K, Jin S, et al. Differentiation of renal cell carcinoma subtypes through MRI-based radiomics analysis[J]. Eur Radiol, 2020, 30(10): 5738-5747. DOI: 10.1007/s00330-020-06896-5.
8
Wobker SE, Williamson SR. Modern pathologic diagnosis of renal oncocytoma[J]. J Kidney Cancer VHL, 2017, 4(4): 1-12. DOI: 10.15586/jkcvhl.2017.96.
9
陈上超, 陈宇, 杨运俊, 等. MSCT对肾脏嗜酸细胞腺瘤和透明细胞癌的鉴别诊断价值[J]. 中国临床医学影像杂志, 2020, 31(2): 123-127. DOI: CNKI:SUN:LYYX.0.2020-02-015.
Chen SC, Chen Y, Yang YJ, et al. Differentiation of renal oncocytoma and clear-cell renal cell carcinomas by MSCT[J]. J Chin Clin Med Imag, 2020, 31(2): 123-127. DOI: CNKI:SUN:LYYX.0.2020-02-015.
10
耿莉, 纵瑞龙, 徐凯. CT增强纹理分析鉴别肾嗜酸性细胞腺瘤和肾透明细胞癌的价值[J]. 实用放射学杂志, 2019, 35(9): 1472-1475. DOI: 10.3969/j.issn.1002-1671.2019.09.023.
Geng L, Zong RL, Xu K. The value of CT-enhanced texture analysis in differential diagnosis between renal oncocytoma and clear cell renal cell carcinoma[J]. J Pract Radiol, 2019, 35(9): 1472-1475. DOI: 10.3969/j.issn.1002-1671.2019.09.023.
11
MacKay JW, Murray PJ, Kasmai B, et al. Subchondral bone in osteoarthritis: association between MRI texture analysis and histomorphometry[J]. Osteoarthritis Cartilage, 2017, 25(5): 700-707. DOI: 10.1016/j.joca.2016.12.011.
12
Mirestean CC, Pagute O, Buzea C, et al. Radiomic machine learning and texture analysis - new horizons for head and neck oncology[J]. Maedica (Bucur), 2019, 14(2): 126-130. DOI: 10.26574/maedica.2019.14.2.126.
13
周智, 陈杰, 潘靓, 等. 纹理分析在MRI动态增强扫描鉴别肾细胞癌亚型中的应用研究[J]. 磁共振成像, 2019, 10(7): 525-529. DOI: 10.12015/issn.1674-8034.2019.07.009.
Zhou Z, Chen J, Pan L, et al. Application of texture analysis in dynamic contrast-enhanced MRI for differentiation of renal cell carcinoma subtypes[J]. Chin J Magn Reson Imag, 2019, 10(7): 525-529. DOI: 10.12015/issn.1674-8034.2019.07.009.
14
Fetit AE, Novak J, Rodriguez D, et al. Radiomics in paediatric neuro-oncology: a multicentre study on MRI texture analysis[J]. NMR Biomed, 2018, 31(1): 1-13. DOI: 10.1002/nbm.3781.
15
Goyal A, Razik A, Kandasamy D, et al. Role of MR texture analysis in histological subtyping and grading of renal cell carcinoma: a preliminary study[J]. Abdom Radiol (NY), 2019, 44(10): 3336-3349. DOI: 10.1007/s00261-019-02122-z.PMID:31300850.
16
王波涛, 刘刚, 樊文萍, 等. 纹理特征分析在肝囊肿及肝血管瘤磁共振成像鉴别诊断中的价值[J]. 中国医学科学院学报, 2017, 39(2): 169-176. DOI: 10.3881/j.issn.1000-503X.2017.02.002.
Wang BT, Liu G, Fan WP, et al. Value of texture feature analysis in the differential diagnosis of hepatic cyst and hemangioma in magnetic resonance imaging[J]. Acta Acad Med Sin, 2017, 39(2): 169-176. DOI: 10.3881/j.issn.1000-503X.2017.02.002.
17
Meyer HJ, Schob S, Höhn AK, et al. MRI texture analysis reflects histopathology parameters in thyroid cancer: a first preliminary study[J]. Transl Oncol, 2017, 10(6): 911-916. DOI: 10.1016/j.tranon.2017.09.003.
18
Cui E, Li Z, Ma C, et al. Predicting the ISUP grade of clear cell renal cell carcinoma with multiparametric MR and multiphase CT radiomics[J]. Eur Radiol, 2020, 30(5): 2912-2921. DOI: 10.1007/s00330-019-06601-1.
19
Ramkumar S, Ranjbar S, Ning S, et al. MRI-based texture analysis to differentiate sinonasal squamous cell carcinoma from inverted papilloma[J]. AJNR Am J Neuroradiol, 2017, 38(5): 1019-1025. DOI: 10.3174/ajnr.A5106.
20
王绎忱, 张瑾, 张连宇, 等. 全病灶MRI纹理分析鉴别不同病理类型肾细胞癌[J]. 放射学实践, 2018, 33(8): 785-788. DOI: 10.13609/j.cnki.1000-0313.2018.08.004.
Wang YC, Zhang J, Zhang LY, et al. Whole-lesion MRI texture analysis in differentiating different histopathological subtype of renal cell carcinoma[J]. Radiol Pract, 2018, 33(8): 785-788. DOI: 10.13609/j.cnki.1000-0313.2018.08.004.
21
Hoang UN, Mirmomen SM, Meirelles O, et al. Assessment of multiphasic contrast-enhanced MR textures in differentiating small renal mass subtypes[J]. Abdom Radiol (NY), 2018, 43(12): 3400-3409. DOI: 10.1007/s00261-018-1625-x.
22
Razik A, Goyal A, Sharma R, et al. MR texture analysis in differentiating renal cell carcinoma from lipid-poor angiomyolipoma and oncocytoma[J]. Br J Radiol, 2020, 93(1114): 1-42 DOI: 10.1259/bjr.20200569.

上一篇 扩散加权成像评估肝外胆管癌血管生成及分化程度
下一篇 长骨未分化多形性肉瘤的影像学表现(附20例报告)
  
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