分享:
分享到微信朋友圈
X
综述
磁敏感加权成像在脑胶质瘤中的应用进展
于旭东 谭艳

Cite this article as: YU X D, TAN Y. Advances in the application of susceptibility weighted imaging in brain gliomas[J]. Chin J Magn Reson Imaging, 2024, 15(6): 133-137.本文引用格式:于旭东, 谭艳. 磁敏感加权成像在脑胶质瘤中的应用进展[J]. 磁共振成像, 2024, 15(6): 133-137. DOI:10.12015/issn.1674-8034.2024.06.020.


[摘要] 脑胶质瘤是中枢神经系统最常见的恶性肿瘤,其鉴别诊断、术前病理分级、基因分型、术前规划、术后疗效评估对实施个体化治疗具有重要意义。磁敏感加权成像(susceptibility weighted imaging, SWI)是利用不同组织间磁敏感差异成像的技术,能够清楚显示脑胶质瘤内引流静脉及出血产物。本综述介绍了SWI的基本技术原理,以及SWI在脑胶质瘤的诊断、治疗和影像组学方面的应用和研究进展,将为脑胶质瘤的诊断、治疗以及预后评估等提供更多的参考依据。
[Abstract] Gliomas are the most common malignant tumors of the central nervous system. Their differential diagnosis, preoperative pathological grading, genetic typing, preoperative planning, and postoperative efficacy evaluation are of great significance for the implementation of personalized treatment. Susceptibility weighted imaging (SWI) is a technology that uses the differences in magnetic susceptibility between different tissues to create images, which can clearly show draining veins and hemorrhagic products within gliomas. This review introduces the basic technical principles of SWI, as well as its applications and research progress in the diagnosis, treatment, and radiomics of gliomas, providing more reference points for the diagnosis, treatment, and prognosis assessment of gliomas.
[关键词] 脑胶质瘤;磁敏感加权成像;磁共振成像;影像组学;肿瘤内磁敏感信号
[Keywords] brain glioma;susceptibility weighted imaging;magnetic resonance imaging;radiomics;intra-tumoral susceptibility signals

于旭东 1   谭艳 2*  

1 山西医科大学医学影像学院,太原 030001

2 山西医科大学第一医院影像科,太原 030001

通信作者:谭艳,E-mail:tanyan123456@sina.com

作者贡献声明::谭艳拟定本综述的写作思路,并对稿件重要的智力内容进行了修改,获得了国家自然科学基金项目和山西省卫生健康委留学人员科研项目的资助;于旭东起草和撰写稿件,获取、分析并解释本综述的参考文献;全体作者都同意最后的修改稿发表,都同意对本研究的所有方面负责,确保本综述的准确性和诚信。


基金项目: 国家自然科学基金项目 82071893,82371941 山西省卫生健康委留学人员科研项目 2023-186
收稿日期:2024-03-03
接受日期:2024-06-03
中图分类号:R445.2  R730.264 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2024.06.020
本文引用格式:于旭东, 谭艳. 磁敏感加权成像在脑胶质瘤中的应用进展[J]. 磁共振成像, 2024, 15(6): 133-137. DOI:10.12015/issn.1674-8034.2024.06.020.

0 引言

       磁敏感加权成像(susceptibility weighted imaging, SWI)是利用组织间磁敏感差异进行成像的MRI技术,具有高分辨率、高信噪比的特点,能够无创地显示肿瘤内出血、钙化以及新生血管的生长情况并显示肿瘤内磁敏感信号的强度[1]。脑胶质瘤是起源于脑神经胶质细胞的肿瘤,占原发性神经系统肿瘤的40%,是神经系统中最常见、疗效最差的恶性肿瘤,具有侵袭性生长、易复发的特点[2]。本综述介绍了SWI的基本技术原理,以及SWI在脑胶质瘤的诊断、治疗和影像组学方面的应用和研究进展,为脑胶质瘤的诊断、治疗以及预后评估等提供更多的参考依据。

1 SWI技术原理

       SWI对组织进行高分辨率、完全流动补偿的三维采集,获得幅值图和相位图,相位图在复数域进行低通滤过,提取相位信息进行归一化处理,产生相位蒙片,再利用幅值图与相位蒙片多次相乘获得磁敏感对比更突出的图像,即SWI图。对SWI图进行薄块重建和最小密度投影(minimum intensity projection, minIP),获得mIP图[3, 4, 5]。SWI具有分辨率高、噪声小等优点,但无法精确量化组织间磁化率差异,而定量磁敏感图(quantitative susceptibility mapping, QSM)在梯度回波序列的基础上,对获得的相位图进行解缠绕和去除背景场等预处理,得到反映局部磁场变化的场图,并结合特有的重建算法,得出磁敏感图像,之后采用从场到源的反演计算降低图像噪声及伪影干扰,得到QSM参数图。QSM将磁化率从定性研究导向定量研究[6]。SWI及进一步衍生的QSM可以为临床提供更多有价值的信息[7]

       SWI作为一种评估脑胶质瘤的非侵入性工具,其检测微出血和血管能力为胶质瘤的评估提供了新的见解。这些微出血和肿瘤内血管被称为肿瘤内磁敏感信号(intra-tumoral susceptibility signals, ITSS)[8],被定义为SWI图像上肿瘤内部低信号的细线状或点状结构[9]。ITSS分为0~3级:0级,无ITSS;1级,1~5个点状或细微线状ITSS;2级,6~10个点状或细微线状ITSS;3级,11个以上点状或细微线状ITSS。

2 SWI在脑胶质瘤诊断中的应用

       脑胶质瘤是中枢神经系统发病率最高的恶性肿瘤,预后极差,严重影响患者的生存质量[10]。因此早期诊断、分级、鉴定基因分型对临床方案制订具有指导意义。

2.1 SWI在脑胶质瘤鉴别诊断中的应用

       当前,脑胶质瘤的影像学诊断主要通过MRI常规扫描、增强扫描方式进行,同时还会使用其他MRI序列,如灌注成像、弥散张量成像等也被用来辅助脑胶质瘤的鉴别诊断[11]。然而,对于某些在影像学上具有相似特征疾病的区分,这些方法仍然面临一定的局限性[12]。SWI能够显示肿瘤瘤体内的血管和微小出血,并使用ITSS进行分级,对脑胶质瘤的鉴别诊断有重要意义。SWI已经在脑胶质瘤与原发性中枢神经系统淋巴瘤(primary central nervous system lymphoma, PCNSL)、脑转移瘤(brain metastases, BM)等疾病的鉴别诊断中取得了一定的进展。

       高级别胶质瘤(high-grade gliomas, HGGs)与脑内单发BM通常难以区分,YANG等[13]研究发现,BM病灶周边的小髓静脉通常终止于肿瘤边缘,而所有HGG与PCNSL病灶则有小髓静脉穿过肿瘤,SWI可以检测深部脑结构中的小髓静脉,利用这一特征,可以鉴别BM、HGG和PCNSL,具有较高的敏感度(76.9%)、特异度(100%)和准确率(89.7%)。BOZDAG等[14]研究发现HGG的ITSS分级较BM明显更高,ITSS>2级能够区分HGG和BM,敏感度为65.22%,特异度为73.53%,并且,随着胶质瘤级别的增加,ITSS级别也会增加,这有助于进一步鉴别诊断。BM易出现囊变、出血,这对于使用ITSS分级鉴别BM构成一定程度挑战。有研究发现,HGG与BM内ITSS不仅存在数量上差异,在形态上也存在差异,相比较高级别胶质瘤内粗大的点、条状的ITSS,转移瘤内ITSS多表现为颗粒状、细点状[15]。综合上述研究,当HGG与BM在常规MRI上难以鉴别时,使用SWI观察小髓静脉形态对二者具有鉴别意义。当瘤内ITSS分级较高时,应优先考虑HGG,若肿瘤内囊变、出血较为严重,则可通过观察瘤内ITSS形态对二者加以区分。

       HGG与PCNSL均呈明显的侵袭性生长方式,在影像学特征上表现通常相似,因此在常规MRI图像上难以鉴别,特别是对于出现坏死、出血的非典型PCNSL[16]。脑胶质瘤主要治疗方式为手术切除,脑淋巴瘤则以化疗为主,明确鉴别诊断对于选择准确的治疗方案至关重要[17]。BHATTACHARJEE等[18]对95例胶质母细胞瘤(glioblastoma, GBM)(n=48)及PCNSL(n=47)患者SWI图像进行研究,发现3个基于SWI的影像学特征,PCNSL内的薄线性不间断血管,GBM内的肿瘤内微血管破裂和出血,并以此使用LR分类器区分GBM和PCNSL,AUC=0.99,证明此3个特征可以用于两者的鉴别诊断。SAINI等[19]研究发现PCNSL患者的ITSS评分显著低于GBM患者, 以ITSS3级为界预测病灶种类,AUC为0.8,敏感度和特异度分别为74.3%和76.7%,这说明可利用SWI中ITSS对PCNSL与GBM进行有效的鉴别诊断。由此可见,SWI在鉴别GBM和PCNSL方面具备一定优势,有助于提供准确的诊断信息,从而指导治疗决策改善患者预后。

2.2 SWI在脑胶质瘤分级诊断中的应用

       WHO将脑胶质瘤分为4级,这种分级反映了肿瘤的侵袭性、生长速度和治疗复杂性[20]。肿瘤级别越高,侵袭性越强,肿瘤内的血管密度和瘤体内的微出血也会增加[21]。SWI可以显示肿瘤内的血管结构和微出血,并可通过ITSS进行量化,为评估肿瘤的恶性程度和侵袭性提供更精确的信息。YANG等[22]比较不同级别脑胶质瘤的ITSS分级发现,3级脑胶质瘤的ITSS分级水平较4级脑胶质瘤显著降低(P<0.001),2级与3级脑胶质瘤之间ITSS分级水平也显著不同(P=0.002)。SAINI等[23]研究同样表明2级和4级、3级和4级脑胶质瘤间的ITSS评分差异具有统计学意义,不同的是他们认为2级和3级脑胶质瘤的ITSS评分差异无统计学意义,笔者认为2级与3级脑胶质瘤的组织学分化是相对主观的,这可能是导致结果不同的原因。XU等[24]研究发现HGGs内ITSS水平显著高于低级别胶质瘤(low-grade gliomas, LGGs)(Z=4.05,P<0.01),同时以ITSS 1.5级为临界值区分HGGs与LGGs,AUC=0.826。BHATTACHARJEE等[25]采用基于R2*值的ITSS定量算法对ITSS中的出血进行过滤,特异性地寻找并定量ITSS血管体积作为ITSS评分内容,此方法区分2和3级(敏感度87.44%,特异度98.41%,AUC=0.93)、2和4级(敏感度97.15%,特异度94.12%,AUC=0.94)、3和4级(敏感度98.72%,特异度92.31%,AUC=0.98)脑胶质瘤时均具有良好诊断效能。

       以上研究均针对成年患者,GAUDINO等[26]研究发现,使用ITSS对儿童胶质瘤分级与成人结果略有不同,在总体人群中,ITSS分级为0级与低级别肿瘤相关,ITSS分级为2级与高级别肿瘤相关(P=0.002),在单独的星形细胞瘤中,未发现ITSS与肿瘤分级有强烈相关性(P=0.245),这可能是因为儿童星形细胞瘤中毛细胞星形细胞瘤和中线胶质瘤较多,在ITSS上可能表现出更大的差异。

       SWI和ITSS作为评估工具,在脑胶质瘤的分级和鉴别诊断中显示出了重要价值,补充了传统MRI在脑胶质瘤分级中的不足,尤其在区分高级别与低级别肿瘤方面。然而,这些工具在儿童胶质瘤的应用中可能需要不同的解释。由于大多数研究发表于2021年之前,所使用的仍然是WHO 2016版中枢神经系统肿瘤分类。未来研究方向可能包括阐明ITSS在儿童胶质瘤分级方面的作用以及使用2021版标准对脑胶质瘤进行分级。

2.3 SWI在预测脑胶质瘤基因分型中的应用

       脑胶质瘤的分子标志物在临床实践中具有重要意义[27]。对脑胶质瘤基因分型进行预测不仅能提高诊断和治疗的精准度,还能优化预后评估和临床治疗方案的选择,从而改善患者的治疗效果和生存质量。

       YANG等[28]预测异柠檬酸脱氢酶(isocitrate dehydrogenase, IDH)突变型LGGs 1p/19q编码状态,研究发现,ITSS分级水平IDHmut-codel LGGs显著高于IDHmut-noncodel(1p/19q缺失)LGGs(P=0.001),SWI与常规MRI、DWI、动态磁敏感对比灌注加权成像数据结合预测IDH突变LGGs 1p/19q基因缺失状态的AUC值为0.88,敏感度、特异度分别为80.36%、78.57%。KONG等[29]评估了ITSS与IDH1和MGMT等分子标记在胶质瘤表型中的关系,发现IDH1突变和MGMT甲基化胶质瘤中的ITSS数量明显低于IDH1野生型和未甲基化MGMT的胶质瘤。

       综合上述研究可知,SWI和ITSS能够一定程度上预测脑胶质瘤的基因分型,对于指导临床决策和预测预后有一定意义。但是当前相关研究较少,需要进一步的研究来评估SWI在脑胶质瘤基因分型中的潜在作用。

3 SWI在脑胶质瘤治疗中的作用

3.1 SWI在脑胶质瘤术前规划的价值

       手术切除仍然是脑胶质瘤的主要治疗方法,观察胶质瘤的边界和浸润区对制订手术计划至关重要[30]。注射钆剂后进行SWI扫描,与原先SWI图像对比,变化部分称为对比剂诱导相移(contrast-induced phase shifts, CIPs)[31],FAHRENDORF等[32]研究发现,未使用对比剂SWI显示的ITSS为微出血、血管病变和坏死区,CIPs为肿瘤侵袭浸润区域,可能是血脑屏障破坏,对比剂渗漏造成的。同时,BLASIAK等[33]使用超顺磁纳米氧化铁作为对比剂,对小鼠胶质瘤动物模型注射,发现在SWI图像上肿瘤边缘-核心和肿瘤边缘-脑区之间的磁敏感差异性增加,能够更加准确地诊断肿瘤边缘。由此可见,CIPs可以作为无创手段来检测肿瘤的边界与侵袭范围。TANJI等[34]发现ITSS分级是脑肿瘤立体定向活检术后出血的预测因素,ITSS分级高特别是ITSS3级的胶质瘤患者,应选择内镜下切开活检术或开颅活检术,而不是肿瘤立体定向活检术。

       综上所述,SWI及相关技术为脑胶质瘤的手术规划提供了重要的影像学信息。通过这些技术,医生可以更好地诊断肿瘤的范围,了解手术的风险,有助于选择合适的手术方式并提高其的精确性和安全性。

3.2 SWI对脑胶质瘤术后放化疗疗效评估的作用

       化疗是脑胶质瘤术后后续治疗的重要组成部分,替莫唑胺是神经胶质瘤治疗的首选化疗药物[35]。研究人员[36]发现,在GBM患者接受术后化疗的过程中,肿瘤内SWI的低信号数量变化早于肿瘤体积变化,说明SWI低信号数量可能作为观察GBM早期进展的生物标志物。由于HGG浸润性生长的生物特性,大多数的患者在术后放疗后会复发[37],放射损伤在增强扫描时也会出现强化,所以常规MRI在区分肿瘤复发与放射损伤方面存在一定限制[38],而这决定是否继续放疗或者再次手术切除。QIN等[39]以proDSI(SWI低信号在增强扫描强化部分中所占比率)为标准,对42名HGG患者展开研究,发现以proDSI=0.21为截断值,对于HGG复发和放疗损伤诊断效果最好(AUC=0.8,敏感度87%,特异度88%)。

       以上研究表明,SWI 技术在监测脑胶质瘤治疗后的早期进展以及区分复发与放疗损伤中具有重要应用价值,通过检测SWI图像低信号数量变化,能够更早地发现肿瘤进展,并利用 proDSI 标准有效区分复发与放射损伤,从而优化治疗决策。

4 基于SWI的脑胶质瘤相关影像组学研究进展

       影像组学是一种医学图像分析方法,通过从医学影像中提取大量定量特征并进行分析,旨在辅助疾病诊断、预后预测和治疗效果评估[40]。它将影像数据转化为高维特征数据,并通过统计学和机器学习技术进行分析和建模,再通过训练和验证评估其预测和泛化能力[41]。医生使用传统的MRI评估脑胶质瘤时,存在主观性强和可重复性差的问题,一定程度上影响了诊断结果,影像组学为解决上述问题提供了新的视角。

       朱正阳等[42]使用多种机器学习算法构建了基于SWI的影像组学模型,用于预测IDH基因突变,其中逻辑回归-最小绝对收缩和选择算子模型的AUC和准确率分别为0.880和85.7%。赵琪瑞等[43]构建了影像组学模型对弥漫性胶质瘤IDH1基因进行预测,结果显示基于SWI的肿瘤实质区支持向量机模型AUC为0.75,联合SWI与T1对比增强序列构建的肿瘤瘤体区支持向量机模型AUC为0.90。

       综上,基于SWI的影像组学在预测脑胶质瘤基因分型方面取得了一定的进展,但是当前基于SWI的影像组学在胶质瘤方面的研究较少,同时研究结果均缺乏外部验证,模型性能还有待接下来的研究进一步评估。

5 局限性与展望

       SWI技术仍然存在一些局限性:(1)当前量化ITSS的方法尚不明确,只考虑ITSS最多的层面,还是考虑整个肿瘤ITSS总数尚无明确标准;(2)SWI扫描时间长,对运动伪影敏感,这限制了SWI在临床的使用范围;(3)不同厂家设备处理后的图像存在差异,不同场强的MRI系统对于ITSS检测的灵敏度也不同;(4)在空气与组织交界处出现伪影,在钙化密集部位出现混叠,限制对病变的评估。

       上述局限性也带来了新的研究方向:(1)过去研究中普遍使用ITSS最多的层面进行评估,未来应建立ITSS标准使其从半量化过渡到完全可量化。影像组学也为解决此问题提供了新的视角,影像组学可以对整个病灶提取影像特征[44],而不是单一层面,同时影像组学还可以避免医生在对ITSS分级时的主观性问题。(2)评估局灶性的肿瘤时,可以将SWI的扫描范围局限在肿瘤区域,来缩短扫描时间,人工智能的发展也有助于SWI缩短扫描时间,改善图像质量[45]。目前已有多篇文献报道MRI术中成像的作用[46, 47, 48],暂时没有发现SWI与之相关报道,这可能归因于SWI扫描时间过长,同时也提供了未来的研究方向。(3)当前建议相同的患者在相同的MRI系统下展开研究,也需要进一步研究来确立相同的标准来进行SWI扫描,建立可重复性模式。(4)注射钆剂的对比增强SWI当前研究较少,理论上这可以在单一序列中同时提供SWI和增强扫描的效果,具备广阔研究前景。(5)QSM能够区分SWI低信号中的出血与血管[49],这可以更精确地评估脑胶质瘤的血管微环境[50],这对预测肿瘤分级、基因分型、治疗效果意义重大,需要进一步研究。

6 小结

       SWI在脑胶质瘤的鉴别诊断、病理分级和基因分型具有重要意义,同时能够为脑胶质瘤的术前规划和术后疗效评估提供帮助,在相关的影像组学方面也有初步研究进展。随着SWI技术的进一步发展和深入研究,SWI有望被纳入脑胶质瘤的常规影像学检查,为脑胶质瘤临床管理提供更加精确和全面的影像学信息。

[1]
MARTÍN-NOGUEROL T, SANTOS-ARMENTIA E, RAMOS A, et al. An update on susceptibility-weighted imaging in brain gliomas[J/OL]. Eur Radiol, 2024 [2024-03-03]. https://link.springer.com/article/10.1007/s00330-024-10703-w. DOI: 10.1007/s00330-024-10703-w.
[2]
VAN DEN BENT M J, GEURTS M, FRENCH P J, et al. Primary brain tumours in adults[J]. Lancet, 2023, 402(10412): 1564-1579. DOI: 10.1016/S0140-6736(23)01054-1.
[3]
RUBIN A, WASZCZUK Ł, TRYBEK G, et al. Application of susceptibility weighted imaging (SWI) in diagnostic imaging of brain pathologies - a practical approach[J/OL]. Clin Neurol Neurosurg, 2022, 221: 107368 [2024-03-03]. https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(23)01054-1/abstract. DOI: 10.1016/S0140-6736(23)01054-1.
[4]
LIU S, BUCH S, CHEN Y, et al. Susceptibility-weighted imaging: current status and future directions[J]. NMR Biomed, 2017, 30(4): 383-390. DOI: 10.1111/jon.12360.
[5]
马小丹, 夏万泓, 张英魁. 磁敏感加权成像技术在出血性卒中中的应用[J]. 中国卒中杂志, 2022, 17(8): 901-904. DOI: 10.3969/j.issn.1673-5765.2022.08.017.
MA X D, XIA W H, ZHANG Y K. The Application of Susceptibility Weighted Imaging in Cerebral Hemorrhage[J]. Chin J Stroke, 2022, 17(8): 901-904. DOI: 10.3969/j.issn.1673-5765.2022.08.017.
[6]
张其华, 谭艳. 磁共振定量磁敏感图在中枢神经系统的研究进展[J]. 磁共振成像, 2022, 13(1): 151-153, 70. DOI: 10.12015/issn.1674-8034.2022.01.035.
ZHANG Q H, TAN Y. MRI quantitative susceptibility mapping: research advances in central nervous system[J]. Chin J Magn Reson Imaging, 2022, 13(1): 151-153, 170. DOI: 10.12015/issn.1674-8034.2022.01.035.
[7]
JEON B U, YU I K, KIM T K, et al. Susceptibility-weighted imaging as a distinctive imaging technique for providing complementary information for precise diagnosis of neurologic disorder[J]. Taehan Yongsang Uihakhoe Chi, 2021, 82(1): 99-115. DOI: 10.3348/jksr.2020.0054.
[8]
HSU C C, WATKINS T W, KWAN G N, et al. Susceptibility-weighted imaging of glioma: Update on current imaging status and future directions[J]. J Neuroimaging, 2016, 26(4): 383-390. DOI: 10.1111/jon.12360.
[9]
PARK M J, KIM H S, JAHNG G H, et al. Semiquantitative assessment of intratumoral susceptibility signals using non-contrast-enhanced high-field high-resolution susceptibility-weighted imaging in patients with gliomas: comparison with MR perfusion imaging[J]. AJNR Am J Neuroradiol, 2009, 30(7): 1402-1408. DOI: 10.3174/ajnr.A1593.
[10]
涂佳琪, 朱凤平, 李郁欣. 磁敏感加权成像在脑胶质瘤诊疗中的应用进展[J]. 国际医学放射学杂志, 2023, 46(4): 414-416. DOI: 10.19300/j.2023.Z20320.
TU J Q , ZHU F P , LI Y X. Advances in the application of susceptibility-weighted imaging in the diagnosis and treatment of brain gliomas[J]. International Journal of Medical Radiology, 2023, 46(4): 414-416. DOI: 10.19300/j.2023.Z20320.
[11]
SZEKERES D, JETTY S N, SONI N. The role of multiparametric MRI in diagnosing and grading glioma[J]. Neurol India, 2023, 71(6): 1274-1275. DOI: 10.4103/0028-3886.391347.
[12]
GU S, QIAN J, YANG L, et al. Multiparametric MRI radiomics for the differentiation of brain glial cell hyperplasia from low-grade glioma[J/OL]. BMC Med Imaging, 2023, 23(1): 116 [2024-05-28]. https://bmcmedimaging.biomedcentral.com/articles/10.1186/s12880-023-01086-3. DOI: 10.1186/s12880-023-01086-3.
[13]
YANG S H, HONG C T, TSAI F Y, et al. Anatomical relationships between medullary veins and three types of deep-seated malignant brain tumors as detected by susceptibility-weighted imaging[J]. J Chin Med Assoc, 2020, 83(2): 164-169. DOI: 10.1097/JCMA.0000000000000235.
[14]
BOZDAĞ M, ER A, ÇINKOOĞLU A, et al. Diagnostic role of apparent diffusion coefficient combined with intratumoral susceptibility signals in differentiating high-grade gliomas from brain metastases[J]. Neuroradiol J, 2021, 34(3): 169-179. DOI: 10.1177/1971400920980164.
[15]
王微微, 牛田力, 苗延巍, 等. SWI对星形细胞瘤分级及与单发转移瘤鉴别诊断的价值[J]. 磁共振成像, 2015, 6(4): 246-252. DOI: 10.3969/j.issn.1674-8034.2015.04.002.
WANG W W, NIU T L, MIAO Y W, et al. SWI study on astrocytoma grading and differential diagnosis of astrocytoma and solitary metastases[J]. Chin J Magn Reson Imaging, 2015, 6(4): 246-252. DOI: 10.3969/j.issn.1674-8034.2015.04.002.
[16]
CHENG G, ZHANG J. Imaging features (CT, MRI, MRS, and PET/CT) of primary central nervous system lymphoma in immunocompetent patients[J]. Neurol Sci, 2019, 40(3): 535-542. DOI: 10.1007/s10072-018-3669-7.
[17]
DU X, HE Y, LIN W. Diagnostic accuracy of the diffusion-weighted imaging method used in association with the apparent diffusion coefficient for differentiating between primary central nervous system lymphoma and high-grade glioma: Systematic review and meta-analysis[J/OL]. Front Neurol, 2022, 13: 882334 [2024-05-28]. https://www.frontiersin.org/journals/neurology/articles/10.3389/fneur.2022.882334/full. DOI: 10.3389/fneur.2022.882334.
[18]
BHATTACHARJEE R, GUPTA M, SINGH T, et al. Role of intra-tumoral vasculature imaging features on susceptibility weighted imaging in differentiating primary central nervous system lymphoma from glioblastoma: a multiparametric comparison with pathological validation[J]. Neuroradiology, 2022, 64(9): 1801-1818. DOI: 10.1007/s00234-022-02946-5.
[19]
SAINI J, KUMAR GUPTA P, AWASTHI A, et al. Multiparametric imaging-based differentiation of lymphoma and glioblastoma: using T1-perfusion, diffusion, and susceptibility-weighted MRI[J/OL]. Clin Radiol, 2018, 73(11): 986.e7-e15 [2024-05-28]. https://www.clinicalradiologyonline.net/article/S0009-9260(18)30395-7/abstract. DOI: 10.1016/j.crad.2018.07.107.
[20]
FIGARELLA-BRANGER D, APPAY R, METAIS A, et al. The 2021 WHO classification of tumours of the central nervous system[J]. Ann Pathol, 2022, 42(5): 367-382. DOI: 10.1016/j.annpat.2021.11.005.
[21]
HANGEL G, SCHMITZ-ABECASSIS B, SOLLMANN N, et al. Advanced MR techniques for preoperative glioma characterization: Part 2[J]. J Magn Reson Imaging, 2023, 57(6): 1676-1695. DOI: 10.1002/jmri.28663.
[22]
YANG X, XING Z, SHE D, et al. Grading of IDH-mutant astrocytoma using diffusion, susceptibility and perfusion-weighted imaging[J/OL]. BMC Med Imaging, 2022, 22(1): 105 [2024-05-29]. https://bmcmedimaging.biomedcentral.com/articles/10.1186/s12880-022-00832-3. DOI: 10.1186/s12880-022-00832-3.
[23]
SAINI J, GUPTA P K, SAHOO P, et al. Differentiation of grade Ⅱ/Ⅲ and grade Ⅳ glioma by combining "T1 contrast-enhanced brain perfusion imaging" and susceptibility-weighted quantitative imaging[J]. Neuroradiology, 2018, 60(1): 43-50. DOI: 10.1007/s00234-017-1942-8.
[24]
XU J, XU H, ZHANG W, et al. Contribution of susceptibility- and diffusion-weighted magnetic resonance imaging for grading gliomas[J]. Exp Ther Med, 2018, 15(6): 5113-5118. DOI: 10.3892/etm.2018.6017.
[25]
BHATTACHARJEE R, GUPTA R K, PATIR R, et al. Quantitative vs. semiquantitative assessment of intratumoral susceptibility signals in patients with different grades of glioma[J]. J Magn Reson Imaging, 2020, 51(1): 225-233. DOI: 10.1002/jmri.26786.
[26]
GAUDINO S, MARZIALI G, PEZZULLO G, et al. Role of susceptibility-weighted imaging and intratumoral susceptibility signals in grading and differentiating pediatric brain tumors at 1.5 T: a preliminary study[J]. Neuroradiology, 2020, 62(6): 705-713. DOI: 10.1007/s00234-020-02386-z.
[27]
LOUIS D N, PERRY A, WESSELING P, et al. The 2021 WHO Classification of Tumors of the Central Nervous System: a summary[J]. Neuro Oncol, 2021, 23(8): 1231-1251. DOI: 10.1093/neuonc/noab106.
[28]
YANG X, LIN Y, XING Z, et al. Predicting 1p/19q codeletion status using diffusion-, susceptibility-, perfusion-weighted, and conventional MRI in IDH-mutant lower-grade gliomas[J]. Acta Radiol, 2021, 62(12): 1657-1665. DOI: 10.1177/0284185120973624.
[29]
KONG L W, CHEN J, ZHAO H, et al. Intratumoral susceptibility signals reflect biomarker status in gliomas[J/OL]. Sci Rep, 2019, 9(1): 17080 [2024-05-28]. https://www.nature.com/articles/s41598-019-53629-w. DOI: 10.1038/s41598-019-53629-w.
[30]
MATSUMAE M, NISHIYAMA J, KURODA K. Intraoperative MR Imaging during Glioma Resection[J]. Magn Reson Med Sci, 2022, 21(1): 148-167. DOI: 10.2463/mrms.rev.2021-0116.
[31]
HORI M, ISHIGAME K, KABASAWA H, et al. Precontrast and postcontrast susceptibility-weighted imaging in the assessment of intracranial brain neoplasms at 1.5 T[J]. Jpn J Radiol, 2010, 28(4): 299-304. DOI: 10.1007/s11604-010-0427-z.
[32]
FAHRENDORF D, SCHWINDT W, WöLFER J, et al. Benefits of contrast-enhanced SWI in patients with glioblastoma multiforme[J]. Eur Radiol, 2013, 23(10): 2868-2879. DOI: 10.1007/s00330-013-2895-x.
[33]
BLASIAK B, LANDRY J, TYSON R, et al. Molecular susceptibility weighted imaging of the glioma rim in a mouse model[J]. J Neurosci Methods, 2014, 226: 132-138. DOI: 10.1016/j.jneumeth.2014.01.034.
[34]
TANJI M, MINEHARU Y, SAKATA A, et al. High intratumoral susceptibility signal grade on susceptibility-weighted imaging: a risk factor for hemorrhage after stereotactic biopsy[J]. J Neurosurg, 2023, 138(1): 120-127. DOI: 10.3171/2022.4.JNS212505.
[35]
HOU X, DU H, DENG Y, et al. Gut microbiota mediated the individualized efficacy of Temozolomide via immunomodulation in glioma[J/OL]. J Transl Med, 2023, 21(1): 198 [2024-05-29]. https://translational-medicine.biomedcentral.com/articles/10.1186/s12967-023-04042-5. DOI: 10.1186/s12967-023-04042-5.
[36]
VAN LEYEN K, ROELCKE U, GRUBER P, et al. Susceptibility and tumor size changes during the time course of standard treatment in recurrent glioblastoma[J]. J Neuroimaging, 2019, 29(5): 645-649. DOI: 10.1111/jon.12631.
[37]
JIANG S, EBERHART C G, LIM M, et al. Identifying recurrent malignant glioma after treatment using amide proton transfer-weighted MR imaging: A validation study with image-guided stereotactic biopsy[J]. Clin Cancer Res, 2019, 25(2): 552-561. DOI: 10.1158/1078-0432.CCR-18-1233.
[38]
BODENSOHN R, FORBRIG R, QUACH S, et al. MRI-based contrast clearance analysis shows high differentiation accuracy between radiation-induced reactions and progressive disease after cranial radiotherapy[J/OL]. ESMO Open, 2022, 7(2): 100424 [2024-05-29]. https://www.esmoopen.com/article/S2059-7029(22)00045-X/fulltext. DOI: 10.1016/j.esmoop.2022.100424.
[39]
QIN J, YU Z, YAO Y, et al. Susceptibility-weighted imaging cannot distinguish radionecrosis from recurrence in brain metastases after radiotherapy: a comparison with high-grade gliomas[J/OL]. Clin Radiol, 2022, 77(8): e585-e591 [2024-05-30]. https://www.clinicalradiologyonline.net/article/S0009-9260(22)00234-3/abstract. DOI: 10.1016/j.crad.2022.05.005,
[40]
梁芳蓉, 杨蕊梦. MRI影像组学在胶质瘤术前分级预测中的研究进展[J]. 广州医药, 2024, 55(3): 221-230. DOI: 10.3969/j.issn.1000-8535.2024.03.002.
LIANG F R, YANG R M. Advancement in MRI radiomics for preoperative glioma grading prediction[J]. Guangzhou Medical Journal, 2024, 55(3): 221-230. DOI: 10.3969/j.issn.1000-8535.2024.03.002
[41]
BRANCATO V, CERRONE M, LAVITRANO M, et al. A systematic review of the current status and quality of radiomics for glioma differential diagnosis[J/OL]. Cancers (Basel), 2022, 14(11): 2731 [2024-05-30]. https://www.mdpi.com/2072-6694/14/11/2731. DOI: 10.3390/cancers14112731
[42]
朱正阳, 沈靖菲, 陈思璇, 等. 磁敏感加权成像不同影像组学模型预测胶质瘤IDH基因突变[J]. 山东大学学报(医学版), 2023, 61(12): 44-50. DOI: 10.6040/j.issn.1671-7554.0.2023.0770
ZHU Z Y, SHEN J F, CHEN S X, et al. Prediction of isocitrate dehydrogenase mutation in glioma with different radiomic models based on susceptibility-weighted imaging[J]. Journal of Shandong University (Health Sciences), 2023, 61(12): 44-50. DOI: 10.6040/j.issn.1671-7554.0.2023.0770
[43]
赵琪瑞. 基于SWI与CE-T1WI影像组学的Nomogram模型对弥漫性胶质瘤IDH1基因型预测的研究[D]. 昆明: 昆明医科大学, 2022. DOI: 10.27202/d.cnki.gkmyc.2022.001009.
ZHAO Q R. Study on the predictive value of the nomogram based on SWI and CE-T1WI radiomics for IDH1 genotype off diffuse glioma[D]. Kunming: Kunming Medical University, 2022. DOI: 10.27202/d.cnki.gkmyc.2022.001009.
[44]
GILLIES R J, KINAHAN P E, HRICAK H. Radiomics: Images are more than pictures, they are data[J]. Radiology, 2016, 278(2): 563-577. DOI: 10.1148/radiol.2015151169.
[45]
GENC O, MORRISON M A, VILLANUEVA-MEYER J E, et al. DeepSWI: Using deep learning to enhance susceptibility contrast on T2*-weighted MRI[J]. J Magn Reson Imaging, 2023, 58(4): 1200-1210. DOI: 10.1002/jmri.28622.
[46]
CHOWDHURY T, ZEILER F A, SINGH G P, et al. The role of intraoperative MRI in awake neurosurgical procedures: A systematic review[J]. Front Oncol, 2018, 8: 434 [2024-05-29]. https://www.frontiersin.org/journals/oncology/articles/10.3389/fonc.2018.00434/full. DOI: 10.3389/fonc.2018.00434.
[47]
MUTCHNICK I, MORIARTY T M. Intraoperative MRI in pediatric neurosurgery-an update[J]. Transl Pediatr, 2014, 3(3): 236-246. DOI: 10.3978/j.issn.2224-4336.2014.07.09.
[48]
FUJII Y, OGIWARA T, WATANABE G, et al. Intraoperative low-field magnetic resonance imaging-guided tumor resection in glioma surgery: Pros and cons[J]. J Nippon Med Sch, 2022, 89(3): 269-276. DOI: 10.1272/jnms.JNMS.2022_89-301.
[49]
ZHANG S, LIU Z, NGUYEN T D, et al. Clinical feasibility of brain quantitative susceptibility mapping[J]. Magn Reson Imaging, 2019, 60: 44-51. DOI: 10.1016/j.mri.2019.04.003.
[50]
FUSHIMI Y, NAKAJIMA S, SAKATA A, et al. Value of quantitative susceptibility mapping in clinical neuroradiology[J]. J Magn Reson Imaging, 2024, 59(6): 1914-1929. DOI: 10.1002/jmri.29010.

上一篇 成人弥漫性内生型脑桥胶质瘤伴椎管内播散一例并文献复习
下一篇 针刺四关穴治疗轻度认知障碍多模态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