分享:
分享到微信朋友圈
X
临床研究
MRI征象预测胎盘植入谱系疾病评分表的临床价值
朱晓曼 邹略 刘鹏 张军

Cite this article as: Zhu XM, Zou L, Liu P, et al. Clinical value of MRI-based scoring system in predicting placenta accreta spectrum disorders[J]. Chin J Magn Reson Imaging, 2021, 12(11): 37-41.本文引用格式:朱晓曼, 邹略, 刘鹏, 等. MRI征象预测胎盘植入谱系疾病评分表的临床价值[J]. 磁共振成像, 2021, 12(11): 37-41. DOI:10.12015/issn.1674-8034.2021.11.008.


[摘要] 目的 探讨MRI征象预测胎盘植入谱系疾病评分表的临床价值。材料与方法 回顾性分析我院收治的102名怀疑胎盘种植异常的孕妇资料。选取MRI征象及临床危险因素共9项内容制订MRI征象预测胎盘植入谱系疾病评分表并进行评分,计算各型胎盘植入的平均总得分。采用单因素方差分析,最小显著性差异法进行组间比较,绘制ROC曲线计算各型胎盘植入的评分界值。结果 102例孕妇中,非植入性35例,总分(2.94±1.28)分;粘连性28例,总分(5.54±1.75)分;植入性32例,总分(9.88±2.37)分;穿透性7例,总分(13.57±1.90)分。各组间评分比较,差异有统计学意义(F=115.688,P<0.05)。ROC曲线显示,非植入性与粘连性胎盘植入间、粘连性胎盘植入与植入性胎盘植入间及植入性胎盘植入与穿透性胎盘植入间评分的平均界值分别为3.5分、7.5分及10.5分。结论 MRI征象评分表对胎盘植入谱系疾病及胎盘植入深度有较好的预测价值。
[Abstract] Objective To investigate the clinical value of MRI-based scoring system in predicting placenta accreta spectrum disorders.Materials and Methods: The data of 102 pregnant women suspected of placenta accreta spectrum disorders in our hospital were analyzed retrospectively. Nine items including MRI signs and clinical risk factors were selected to develop the MRI-based scoring system in predicting placenta accreta spectrum. Calculate average total score of each type of placenta implantation. The variance analysis and least-significant difference were used for comparison among groups and the ROC curve was drawn to calculate the cut-off score of each type of placenta implantation.Results Among 102 pregnant women, there were 35 cases of non-implantation type, score was (2.94±1.28), 28 cases of placenta accreta type, score was (5.54±1.75), 32 cases of placenta increta type, score was (9.88±2.37), and 7 cases of placenta percreta type, score was (13.57±1.90). There was statistically significant difference in scores among all groups (F=115.688, P<0.05). The ROC curve showed that the cut-off score between non-implantation and placenta accreta, between placenta accreta and placenta increta, and between placenta increta and placenta percreta were 3.5, 7.5, and 10.5, respectively.Conclusions MRI-based scoring system has a good value in predicting placenta accreta spectum disorders and depth of placenta imlantation.
[关键词] 胎盘植入谱系疾病;胎盘植入深度;磁共振成像;评分系统:产前诊断
[Keywords] placenta accreta spectrum disorders;depth of placenta implantation;magnetic resonance imaging;scoring system;prenatal diagnosis

朱晓曼    邹略    刘鹏    张军 *  

中国医科大学附属盛京医院放射科,沈阳 110004

张军,E-mail:zhangj1@sj-hospital.org

全体作者均声明无利益冲突。


收稿日期:2021-05-26
接受日期:2021-08-06
DOI: 10.12015/issn.1674-8034.2021.11.008
本文引用格式:朱晓曼, 邹略, 刘鹏, 等. MRI征象预测胎盘植入谱系疾病评分表的临床价值[J]. 磁共振成像, 2021, 12(11): 37-41. DOI:10.12015/issn.1674-8034.2021.11.008.

       胎盘植入谱系疾病(placenta accreta spectrum disorders,PASDs),简称胎盘植入,是胎盘绒毛不同程度侵入子宫肌层,部分或完全不能从子宫肌层分离的现象。其发生率在全球范围内正随着剖宫产数量的急剧上升而逐年增长[1, 2, 3]。临床上根据胎盘绒毛植入子宫壁的深浅程度不同将其分为粘连性胎盘植入、植入性胎盘植入及穿透性胎盘植入三种类型[4]。胎盘植入越深,其妊娠不良结局发生率越高,严重者可造成大出血、子宫切除、泌尿系统损伤甚至母婴死亡等严重后果。因此,产前正确识别胎盘植入并判定胎盘植入深度尤为重要。胎盘植入产前主要诊断方法为超声及磁共振,近年来有学者建立胎盘植入超声评分法对胎盘植入进行量化评分,提高了该病的诊断准确性[5, 6]。MRI对胎盘植入的诊断及植入深度的量化一直没有标准,多数都凭借医生的经验进行主观判断,诊断的准确性差别也很大。因此,有必要建议一种规范有效的MRI评分表将胎盘植入深度的判断进行量化,来提高影像诊断水平,帮助临床医生制订合理的治疗方案。MRI胎盘植入评分表目前国内外研究较少,笔者结合国内外文献,借鉴超声评分法,建立MRI征象评分表并分析其对胎盘植入及植入深度的预测价值,旨在提高胎盘植入谱系疾病的产前诊断水平。

1 材料与方法

1.1 一般资料

       回顾性分析本院2019年1月至2021年1月收治的疑似胎盘种植异常并行产前MRI的孕妇共102例。年龄22~43 (32.04±3.68)岁;孕周20+2~41+1周;经产数0~3次。纳入标准:(1)孕周28~39周;(2)有完整的产前MRI、手术及(或)病理资料。排除标准:(1)胎儿发育畸形者;(2) MRI图像质量差者;(3)临床资料不完整者。本研究经过中国医科大学附属盛京医院医学伦理委员会批准(批准文号:2021PS482K),免除受试者知情同意。

1.2 仪器与方法

       使用Philips Gyroscan Interal 1.5 T超导型磁共振成像仪,4通道及8通道体部相控阵线圈,孕妇仰卧位或侧卧位,足先进,先行孕妇盆腔冠状面定位扫描,再根据胎儿体位行胎盘轴位、矢状位及冠状位扫描。应用Sense技术,T1WI采用梯度回波(turbo field echo,TFE)序列,TR 10 ms,TE 4.6 ms;T2WI采用高分辨率sense单次激发快速自旋回波(sense single shot turbo spin echo,sSSh-TSE)序列,TR 635~640 ms,TE 150 ms;层厚4.5~5.0 mm,层间距4.5~5.0 mm,矩阵256×256,梯度场40 mT/m,切换率150 T/m/s。

1.3 诊断标准

       采取手术与病理相结合的综合诊断作为标准。(1)非胎盘植入:胎盘可自行娩出。(2)粘连性胎盘植入:病理检查胎盘异常粘附于子宫肌层,底蜕膜缺失。手术中胎盘部分会滞留宫腔,需人工剥离,剥离面可有出血,通常量不大。(3)植入性胎盘植入:病理发现绒毛侵入子宫肌层;手术中植入部分不能自行剥离,且人工剥离困难,有大量出血。(4)穿透性胎盘植入:病理检查胎盘绒毛侵犯至子宫浆膜层,有时侵犯邻近盆腔脏器;手术中可直接观察到胎盘突破子宫浆膜层,胎盘无法人工剥离,可发生子宫破裂,大出血。

1.4 影像分析

       在V5.5.6东软PACS工作站上进行图像阅读。由我院2名有丰富产前MRI诊断经验的医生在不知晓手术及病理结果的情况下分别阅片并评分,讨论并达成一致意见。参考国内外文献及相关工作经验,共选取9个方面进行记录及评分,包括剖宫产次数、胎盘位置、T2WI胎盘内低信号条带,胎盘内异常血管,胎盘床异常血管,胎盘信号不均质,胎盘、子宫膨隆,子宫肌层变薄、中断,膀胱壁模糊、中断,MRI征象见图1,评分量表见表1

图1  MRI胎盘植入相关征象 (T2WI,sSSh-TSE序列)。A:前置胎盘,子宫、胎盘膨隆(箭);B:T2WI低信号条带(箭);C:T2WI低信号条带(箭);D:胎盘内异常血管(短箭),胎盘床异常血管,子宫肌层连续性中断(长箭);E:胎盘床异常血管(箭);F:子宫肌层连续性中断(长箭),胎盘内异常血管(短箭),胎盘、子宫膨隆;G:胎盘信号不均质(箭);H:膀胱浆膜面中断(箭)
Fig. 1  MRI signs associated with PASDs (T2WI, sSSh-TSE sequences). A: Placenta previa, uterine/placental bulge (arrow). B: Dark band on T2WI (arrow). C: Dark band on T2WI (arrow). D: Intraplacental abnormal vascularity (short arrow), abnormal vascularization of placental bed, myometrial disruption (long arrow). E: Abnormal vascularization of placental bed (arrow). F: Myometrial disruption (long arrow), intraplacental abnormal vascularity (short arrow), placenta/uterine bulge. G: Heterogeneous placenta (arrow). H: Serosal surface of the bladder disruption (arrow).
表1  MRI征象预测胎盘植入谱系疾病评分表
Tab. 1  MRI-based scoring system for predicting placenta accreta spectrum disorders

1.5 统计学分析

       采用SPSS 20.0软件处理数据,每组计量资料采用x¯±s表示,多个组间均数比较采用单因素方差分析,多重比较采用LSD检验,P<0.05认为差异具有统计学意义;采用ROC曲线计算胎盘植入各分型的诊断评分界值及曲线下面积(area under the curve,AUC),计算其诊断的敏感度、特异度,Youden指数。

2 结果

2.1 评分结果

       102名孕妇经手术及(或)病理证实,非胎盘植入者共35例,胎盘植入者共67例,胎盘植入者中再进行分型,粘连性胎盘植入共28例,植入性胎盘植入共32例,穿透性胎盘植入共7例。各分性的评分值分别为非植入性(2.94±1.28)分,粘连性(5.54±1.75)分,植入性(9.88±2.37)分,穿透性(13.57±1.90)分。各组间评分比较,差异有统计学意义(F=115.688,P<0.05)。

2.2 ROC曲线预测各型胎盘植入MRI评分界值

       非胎盘植入与粘连性胎盘植入的界值为3.5分,敏感度为0.893,特异度为0.696,Youden指数为0.579,曲线下面积为0.884 (95% CI:0.803~0.964);粘连性胎盘植入与植入性胎盘植入的界值为7.5,敏感度为0.875,特异度为0.857,Youden指数为0.732,曲线下面积为0.933 (95% CI:0.872~0.994);植入性胎盘植入与穿透性胎盘植入的界值为10.5分,敏感度为1,特异度为0.625,Youden指数为0.625,曲线下面积为0.884 (95% CI:0.755~1.000;图2)。

图2  MRI征象评分鉴别各类型胎盘植入的ROC曲线。A:基于MRI征象评分鉴别非胎盘植入与粘连性胎盘植入的ROC曲线;B:基于MRI征象评分鉴别粘连性胎盘植入与植入性胎盘植入的ROC曲线;C:基于MRI评分鉴别植入性胎盘植入与穿透性胎盘植入的ROC曲线
Fig. 2  ROC curve for predicting different types of PASDs based on MRI scoring system. A: ROC curve for predicting non-implantation and placenta accrete based on MRI scoring system. B: ROC curve for predicting placenta accreta and placenta increta based on MRI scoring system. C: ROC curve for predicting placenta increta and placenta percreta based on MRI scoring system.

3 讨论

3.1 胎盘植入MRI评分表解读

       本研究参考中华医学会围产医学分会胎盘植入诊治指南(2015)[3]、国际妇产科联盟(International Federation of Gynecology and Obstetrics,FIGO)指南(2018)[7]及2020年,腹部放射学会及欧洲泌尿生殖放射学会联合发布关于胎盘植入的检查共识[8],共选取了七个MRI征象进行评分,包括胎盘内T2WI低信号影,胎盘内异常血管,胎盘床异常血管,胎盘信号不均质、胎盘、子宫膨隆、子宫肌层变薄、中断、膀胱壁模糊、中断。其中,胎盘植入的直接征象包括子宫肌层中断及膀胱壁中断。正常胎盘子宫交界面有三层结构,即内侧T2低信号蜕膜层,中间T2中等信号肌层及外侧T2低信号浆膜层[9]。正常膀胱表面可见看到清晰的T2低信号浆膜层。胎盘植入时可以观察到子宫壁正常结构的中断,如果穿透性胎盘植入侵犯到膀胱,可见观察到膀胱表面T2低信号浆膜层模糊或中断。但由于孕晚期子宫壁菲薄,磁共振上有时很难清晰显示其结构,对于胎盘植入使得子宫壁、膀胱壁连续性中断的直接征象,有时很难准确判断。胎盘植入的间接征象包括胎盘内T2WI低信号影,胎盘内异常血管,胎盘床异常血管,胎盘信号不均质,胎盘、子宫膨隆。Goergen等[10]研究认为,胎盘内T2低信号条带影与胎盘植入继发的出血、梗死引起纤维蛋白沉积有关,胎盘植入越深,低信号影出现越多,面积越大。Derman等[11]研究表明胎盘植入越深、需要的血供越多,胎盘内血管越多、越粗。胎盘床由胎盘子宫界面的底蜕膜及其邻近的子宫肌层构成。胎盘植入孕妇胎盘需要的血供增多,可使胎盘床血管增多、分布异常[12]。胎盘异质性是由胎盘出血、梗死和纤维蛋白沉积等原因导致胎盘信号不均匀,但孕晚期正常胎盘因退变也会出现信号不均匀,有时很难界定是否由胎盘植入引起,相对而言,胎盘明显不均质更易见于胎盘植入人群。虽然这一征象的判断受胎龄及医生主观影响较大,但如果在可疑胎盘植入区域发现此征象仍对诊断有很大作用[13]。正常子宫呈倒置的梨形,胎盘植入会导致胎盘向外膨出,使子宫浆膜面偏离正常位置,子宫失去正常形态呈下宽上窄,但此征象有时也可出现于正常孕妇中。上述征象各自有其优势与不足,需综合判断才能避免对单一征象的过度解读造成误诊漏诊。此外,众多研究表明,前次剖宫产史以及前置胎盘为胎盘植入最重要的高危因素[14, 15],其与胎盘植入的风险关系有大量临床证据支持,因此,笔者把这两项高危因素纳入评分量表中。

       既往学者普遍认为胎盘植入的相关征象出现越多,程度越重,预示胎盘植入发生的可能性越大,植入程度越深,但对MRI判断胎盘植入深度尚没有形成量化标准。本研究通过建立MRI评分表,得出非植入性与粘连性胎盘植入间评分界值是3.5分,粘连性胎盘植入与植入性胎盘植入间评分界值是7.5分,植入性胎盘植入与穿透性胎盘植入间评分界值是10.5分,将胎盘植入深度进行量化,分值越高,胎盘植入的程度越深,与既往学者的研究趋势相似。此评分表对胎盘植入谱系疾病有较好的预测价值。该评分表适用于疑似胎盘植入或有胎盘植入高危因素患者的产前筛查。

3.2 胎盘植入MRI评分表研究现状

       MRI诊断胎盘植入的价值近年来越来越得到重视,与超声相比,MRI不受胎盘位置、羊水量、孕妇体型、腹部肠气等因素的影响,其诊断具有客观性及可重复性[16]。文献中多次报道过MRI诊断胎盘植入[17, 18, 19]。一些学者试图建立胎盘植入MRI诊断评分模型,以期使MRI征象得到量化,提高诊断价值。Ueno等[20]于2016年开发了第一个基于MRI的胎盘植入预测模型,采用Likert量表以1~5分为程度分值对T2WI暗条带、胎盘内异常血管、子宫膨出、胎盘信号不均质、子宫肌层变薄、胎盘向宫颈突入共6个MRI征象分别评分,并相加得到总评分,统计比较显示MRI评分系统对胎盘植入有较好的诊断效能,2019年,Delli Pizzi等[21]利用Likert量表5分制评分法对胎盘植入的八个MRI征象进行评分,建立MRI评分模型,此评分模型对胎盘植入及临床不良妊娠结局有较好的预测效果。国内孟砺实等[22]于2020年利用Likert量表对胎盘植入的七个征象进行5分制评分,提出Likert量表可以预测胎盘植入深度,为MRI诊断胎盘植入深度建立了一种量化模式。但这三项研究都没有整合临床高危因素,且Likert量表5分制评分法相对烦琐且受评价人主观影响较大,评分跨度过大,限制了其应用。

       本研究相对以上研究的优势是同时整合了临床高危因素及MRI征象,评价更加全面,采用0~2分对各征象进行评分,相对5分制量表简化了步骤,更易于在临床推广。虽然笔者及上述国内外各学者建立的胎盘植入评分表各有差异,但都得出结论此评分方法对胎盘植入深度的预测有较好的价值,这提示我们建立规范的胎盘植入MRI评价量表是一种可行的、能够量化胎盘植入深度MRI诊断标准的方法。此外,一些学者还尝试整合超声和MRI征象共同建立评分表判断胎盘植入[23, 24],得到了较好的诊断效能;一些学者利用MRI征象的评分模型同时预测胎盘植入及不良临床结局[25],也取得了较好的效果。这些成果也为我们今后完善研究提供思路,期待未来进一步完善此评分表,有大规模的临床应用。

3.3 研究的局限性

       本研究有一定的局限性。首先对于评分征象的判读还依赖于影像诊断医生的经验,主观性较强,没有做到精确、定量的诊断标准。此外,由于数据是回顾性收集的,纳入对象为产前疑似胎盘植入的患者,纳入对象的选择偏倚可能会影响结果。本研究样本量小,期待未来有多中心大样本研究。

3.4 总结

       综上所述,我们建立基于MRI和临床危险因素的评分表,对预测胎盘植入及分型具有较好的诊断价值。有利于临床医生产前选择合理的治疗方案,减少产后并发症。期待未来有前瞻性的、多中心大样本研究,去验证和完善此评分系统。

[1]
Silver RM. Abnormal placentation placenta previa, vasa previa, and placenta accreta[J]. Obstet Gynecol, 2015, 126(3): 654-668. DOI: 10.1097/aog.0000000000001005.
[2]
Vintzileos AM, Ananth CV, Smulian JC. Using ultrasound in the clinical management of placental implantation abnormalities[J]. Am J Obstet Gynecol, 2015, 213(4): S70-S77. DOI: 10.1016/j.ajog.2015.05.059.
[3]
陈敦金, 杨慧霞. 胎盘植入诊治指南(2015)[J]. 中华妇产科杂志, 2015, 50(12): 970-972. DOI: 10.3760/cma.j.issn.0529-567x.2015.12.020.
Chen DJ, Yang HX. Clinical guideline for diagnosis and treatment of placenta intreta(2015)[J]. Chin J Obstet Gynecol, 2015, 50(12): 970-972. DOI: 10.3760/cma.j.issn.0529-567x.2015.12.020.
[4]
Familiari A, Liberati M, Lim P, et al. Diagnostic accuracy of magnetic resonance imaging in detecting the severity of abnormal invasive placenta: a systematic review and meta-analysis[J]. Acta Obstet Gynecol Scand, 2018, 97(5): 507-520. DOI: 10.1111/aogs.13258.
[5]
Marsoosi V, Ghotbizadeh F, Hashemi N, et al. Development of a scoring system for prediction of placenta accreta and determine the accuracy of its results[J]. J Matern Fetal Neonatal Med, 2020, 33(11): 1824-1830. DOI: 10.1080/14767058.2018.1531119.
[6]
Abu Hashim H, Shalaby EM, Hussien MH, et al. Diagnostic accuracy of the placenta accreta index for placenta accreta spectrum: a prospective study[J]. Int J Gynaecol Obstet, 2021. DOI: 10.1002/ijgo.13610.
[7]
Jauniaux E, Bhide A, Kennedy A, et al. FIGO consensus guidelines on placenta accreta spectrum disorders: Prenatal diagnosis and screening[J]. Int J Gynecol Obstet, 2018, 140(3): 274-280. DOI: 10.1002/ijgo.12408.
[8]
Jha P, Poder L, Bourgioti C, et al. Society of abdominal radiology (SAR) and European society of urogenital radiology (ESUR) joint consensus statement for MR imaging of placenta accreta spectrum disorders[J]. Eur Radiol, 2020, 30(5): 2604-2615. DOI: 10.1007/s00330-019-06617-7.
[9]
Novis MI, Moura APC, Watanabe APF, et al. Placental magnetic resonance imaging: normal appearance, anatomical variations, and pathological findings[J]. Radiol Bras, 2021, 54(2): 123-129. DOI: 10.1590/0100-3984.2020.0010.
[10]
Goergen SK, Posma E, Wrede D, et al. Interobserver agreement and diagnostic performance of individual MRI criteria for diagnosis of placental adhesion disorders[J]. Clin Radiol, 2018, 73(10): 908. e1-908. e9. DOI: 10.1016/j.crad.2018.05.021.
[11]
Derman AY, Nikac V, Haberman S, et al. MRI of placenta accreta: a new imaging perspective[J]. AJR Am J Roentgenol, 2011, 197(6): 1514-1521. DOI: 10.2214/ajr.10.5443.
[12]
Chantraine F, Blacher S, Berndt S, et al. Abnormal vascular architecture at the placental-maternal interface in placenta increta[J]. Am J Obstet Gynecol, 2012, 207(3): 188. e1-9. DOI: 10.1016/j.ajog.2012.06.083.
[13]
Kapoor H, Hanaoka M, Dawkins A, et al. Review of MRI imaging for placenta accreta spectrum: pathophysiologic insights, imaging signs, and recent developments[J]. Placenta, 2021, 104: 31-39. DOI: 10.1016/j.placenta.2020.11.004.
[14]
D'antonio F, Bhide A. Ultrasound in placental disorders[J]. Best Pract Res Clin Obstet Gynaecol, 2014, 28(3): 429-442. DOI: 10.1016/j.bpobgyn.2014.01.001.
[15]
Jauniaux E, Kingdom JC, Silver RM. A comparison of recent guidelines in the diagnosis and management of placenta accreta spectrum disorders[J]. Best Pract Res Clin Obstet Gynaecol, 2021, 72: 102-116. DOI: 10.1016/j.bpobgyn.2020.06.007.
[16]
Srisajjakul S, Prapaisilp P, Bangchokdee S. Magnetic resonance imaging of placenta accreta spectrum: a step-by-step approach[J]. Korean J Radiol, 2021, 22(2): 198-212. DOI: 10.3348/kjr.2020.0580.
[17]
郑慈娜, 杨天和, 林建忠, 等. 胎盘植入的磁共振成像诊断价值[J]. 磁共振成像, 2017, 8(8): 593-597. DOI: 10.12015/issn.1674-8034.2017.08.007.
Zheng CN, Yang TH, Lin JZ, et al. MRI in the diagnosis of placenta accreta[J]. Chin J Magn Reson Imaging, 2017, 8(8): 593-597. DOI: 10.12015/issn.1674-8034.2017.08.007.
[18]
D'antonio F, Iacovella C, Palacios-Jaraquemada J, et al. Prenatal identification of invasive placentation using magnetic resonance imaging: systematic review and meta-analysis[J]. Ultrasound Obstet Gynecol, 2014, 44(1): 8-16. DOI: 10.1002/uog.13327.
[19]
Ishibashi H, Miyamoto M, Shinmoto H, et al. The use of magnetic resonance imaging to predict placenta previa with placenta accreta spectrum[J]. Acta Obstet Gynecol Scand, 2020, 99(12): 1657-1665. DOI: 10.1111/aogs.13937.
[20]
Ueno Y, Maeda T, Tanaka U, et al. Evaluation of interobserver variability and diagnostic performance of developed MRI-based radiological scoring system for invasive placenta previa[J]. J Magn Reson Imaging, 2016, 44(3): 573-583. DOI: 10.1002/jmri.25184.
[21]
Delli Pizzi A, Tavoletta A, Narciso R, et al. Prenatal planning of placenta previa: diagnostic accuracy of a novel MRI-based prediction model for placenta accreta spectrum (PAS) and clinical outcome[J]. Abdom Radiol (NY), 2019, 44(5): 1873-1882. DOI: 10.1007/s00261-018-1882-8.
[22]
孟砺实, 杨正强, 严雨, 等. Likert Scale计分系统在磁共振成像预测胎盘植入深度中的应用价值[J]. 中国医学装备, 2020, 17(8): 79-84. DOI: 10.3969/J.ISSN.1672-8270.2020.08.020.
Meng LS, Yang ZQ, Yan Y, et al. The application value of Likert scale's scoring system in predicting the depth of placental implantation by MRI[J]. China Medical Equipment, 2020, 17(8): 79-84. DOI: 10.3969/J.ISSN.1672-8270.2020.08.020.
[23]
Tanimura K, Morizane M, Deguchi M, et al. A novel scoring system for predicting adherent placenta in women with placenta previa[J]. Placenta, 2018, 64: 27-33. DOI: 10.1016/j.placenta.2018.02.005.
[24]
Knight JC, Lehnert S, Shanks AL, et al. A comprehensive severity score for the morbidly adherent placenta: combining ultrasound and magnetic resonance imaging[J]. Pediatr Radiol, 2018, 48(13): 1945-1954. DOI: 10.1007/s00247-018-4235-4.
[25]
陈练, 陈明, 裴新龙, 等. 基于MRI征象的评分模型预测侵袭性胎盘植入和不良临床结局的价值[J]. 中华围产医学杂志, 2021, 24(1): 32-39. DOI: 10.3760/cma.j.cn113903-20200706-00639.
Chen L, Chen M, Pei XL, et al. Predictive value of MRI image-based scoring model for diagnosis and adverse clinical outcomes of invasive placenta accreta[J]. Chin J Perinat Med, 2021, 24(1): 32-39. DOI: 10.3760/cma.j.cn113903-20200706-00639.

上一篇 基于多参数MRI影像组学信号预测直肠癌KRAS基因突变的研究
下一篇 基于静息态功能磁共振尼古丁依赖者小脑-皮层间功能连接的研究
  
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