分享:
分享到微信朋友圈
X
临床研究
基于VASARI定量特征的颅内脑室外室管膜瘤病理分级及Ki-67表达预测研究
张宁 赵雪莲 韩欣伶 杨丹 胡万均 张雪 刘宏 张静 刘光耀

本文引用格式:张宁, 赵雪莲, 韩欣伶, 等. 基于VASARI定量特征的颅内脑室外室管膜瘤病理分级及Ki-67表达预测研究[J]. 磁共振成像, 2025, 16(11): 101-108. DOI:10.12015/issn.1674-8034.2025.11.015.


[摘要] 目的 分析颅内脑室外室管膜瘤(intracranial extraventricular ependymoma, IEE)患者术前伦勃朗视觉感受图像(visually accessible Rembrandt images, VASARI)特征表现,探讨基于VASARI特征的视觉评估在预测颅内脑室外室管膜瘤世界卫生组织(World Health Organization, WHO)分级及Ki-67增殖指数的价值。材料与方法 回顾性分析2012年1月至2024年9月兰州大学第二医院进行手术切除并经病理证实的30例IEE患者(WHO 2级18例,3级12例)的临床及术前头颅MRI资料。由两名经验丰富的神经影像医师根据VASARI标准对IEE患者的MRI特征进行评估,通过SPSS 27.0软件分析VASARI特征与WHO分级及Ki-67增殖指数的相关性, 同时运用受试者工作特征(receiver operating characteristic, ROC)曲线来评估其诊断效能。结果 WHO 3级组的VASARI总分(92.00±18.75)显著高于2级组(76.22±18.89,P<0.05)。根据ROC分析结果,VASARI总分鉴别WHO 3级与2级室管膜瘤的曲线下面积(area under the curve, AUC)为0.736(95% CI:0.541~0.931),最佳截断值(cut-off值)≥59.5时敏感度达到94.1%,特异度为30.8%。两组病例在肿瘤囊变率(F8)、强化边缘厚度(F11)和瘤周水肿比例(F14)等特征上差异有统计学意义(P<0.05),其中WHO 3级肿瘤表现出了更高的囊变率、更厚的强化边缘以及更显著的瘤周水肿。VASARI总分与WHO分级(r=0.391,P=0.032)及Ki-67增殖指数(r=0.370,P=0.044)均呈正相关,其预测Ki-67高表达的AUC为0.633(95% CI:0.421~0.845),最佳截断值cut-off值)≥76.5时敏感度为69.2%,特异度为82.4%。结论 VASARI MRI特征(F8、F11、F14及总分)对术前无创区分WHO 2级与3级IEE及预测Ki-67增殖指数具有一定价值,可作为辅助评估工具为临床诊疗提供参考。
[Abstract] Objective To analyze preoperative visually accessible rembrandt images (VASARI) features in patients with intracranial extraventricular ependymoma (IEE) and evaluate their predictive value for world health organization (WHO) grading and Ki-67 proliferation index.Materials and Methods Clinical and preoperative cranial MRI data of 30 pathologically confirmed IEE patients (18 WHO grade 2, 12 grade 3) who underwent surgical resection at Second Hospital of Lanzhou University (January 2012 to September 2024) were retrospectively analyzed. Two experienced neuroradiologists independently evaluated MRI characteristics according to VASARI criteria. SPSS 27.0 was used to analyze correlations between VASARI features and WHO grade/Ki-67 index. Diagnostic efficacy was assessed using receiver operating characteristic (ROC) curves.Results The VASARI total score was significantly higher in WHO grade 3 group (92.00 ± 18.75) versus grade 2 (76.22 ± 18.89, P < 0.05). ROC analysis showed AUC of 0.736 (95% CI: 0.541 to 0.931) for differentiating grade 3 from grade 2 tumors. At optimal cut-off ≥ 59.5, sensitivity was 94.1% and specificity 30.8%. Significant intergroup differences (P < 0.05) existed in cystic change rate (F8), enhancement rim thickness (F11), and peritumoral edema percentage (F14), with grade 3 tumors exhibiting higher cystic rates, thicker enhancement rims, and more extensive edema. VASARI total score positively correlated with WHO grade (r = 0.391, P = 0.032) and Ki-67 index (r = 0.370, P = 0.044). For predicting high Ki-67 expression, AUC was 0.633 (95% CI: 0.421 to 0.845) with 69.2% sensitivity and 82.4% specificity at cut-off ≥ 76.5.Conclusions The VASARI MRI features (F8, F11, F14, and total score) have certain value in non-invasively distinguishing WHO grade 2 from grade 3 IEE preoperatively and in predicting the Ki-67 proliferation index. They can serve as an auxiliary assessment tool to provide reference for clinical diagnosis and treatment.
[关键词] 颅内脑室外室管膜瘤;伦勃朗视觉感受图像;磁共振成像;Ki-67;世界卫生组织分级
[Keywords] intracranial extraventricular ependymoma;visually accessible Rembrandt images;magnetic resonance imaging;Ki-67;World Health Organization grading

张宁 1   赵雪莲 1   韩欣伶 1   杨丹 1   胡万均 1, 2, 3   张雪 1, 2, 3   刘宏 1, 2, 3   张静 1, 2, 3   刘光耀 1, 2, 3*  

1 兰州大学第二医院核磁共振科,兰州 730030

2 甘肃省功能及分子影像临床医学研究中心,兰州 730030

3 甘肃省医用核磁共振装备应用行业技术中心,兰州 730030

通信作者:刘光耀,E-mail:lgy362263779@163.com

作者贡献声明:张静、刘光耀设计本研究的方案,对稿件重要内容进行了修改,其中张静获得了甘肃省科技计划项目(编号:25JRRA1266)的资助;张宁起草和撰写稿件,获取、分析、解释本研究的数据;赵雪莲、韩欣伶、杨丹、胡万均、张雪、刘宏获取、分析、解释本研究的数据,对稿件重要内容进行了修改,其中胡万均获得了的资助;全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 甘肃省科技计划项目 25JRRA623,25JRRA1266
收稿日期:2025-07-13
接受日期:2025-10-09
中图分类号:R445.2  R739.41 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2025.11.015
本文引用格式:张宁, 赵雪莲, 韩欣伶, 等. 基于VASARI定量特征的颅内脑室外室管膜瘤病理分级及Ki-67表达预测研究[J]. 磁共振成像, 2025, 16(11): 101-108. DOI:10.12015/issn.1674-8034.2025.11.015.

0 引言

       室管膜瘤是一种起源于室管膜细胞的罕见神经胶质细胞肿瘤,可发生在中枢神经系统内存在室管膜细胞的部位,典型发病部位位于脊髓中央管、脑室系统以及大脑半球[1, 2]。室管膜瘤在颅内肿瘤中发病率较低,约占所有神经胶质瘤的2%~3%,在原发性中枢神经系统(central nervous system, CNS)肿瘤中的占比约为7%[3, 4]。颅内脑室外室管膜瘤(intracranial extraventricular ependymoma, IEE)在室管膜瘤中更为罕见,病灶位于脑室系统之外,患者临床预后通常较差[5]。然而,这类肿瘤的病理分级至关重要,直接关系到治疗方案的选择、预后及复发风险评估[6]。依据世界卫生组织(World Health Organization, WHO)分级标准,室管膜瘤可分为1级(低级别)、2级(中级别)、3级(高级别/间变性)[7]。在这些亚型中,间变性室管膜瘤(WHO 3级)发病率最低,恶性度最高[8]。IEE易沿脑脊液播散至全脑或脊髓,需要系统评估整个神经轴[9]。间变性室管膜瘤的增殖率较高,更易浸润到周围正常的组织结构[10]。Ki-67增殖指数作为反映肿瘤细胞分裂增殖活性的关键指标,与肿瘤的恶性程度、侵袭性及不良预后密切相关,可为临床评估肿瘤生物学行为提供重要依据[11, 12]。近年来,已有研究证实Ki-67增殖指数在颅内室管膜瘤(包括IEE)预后中的评估价值,其高表达与较高的肿瘤级别及不良预后呈现出相关性[13, 14, 15]。因此,术前无创性评估肿瘤分级及Ki-67增殖指数对于临床制订个体化诊疗方案具有重要意义。伦勃朗视觉感受图像(visually accessible Rembrandt images, VASARI)特征集由美国国家癌症研究所(National Cancer Institute, NCI)于2008年首次建立[16],旨在通过标准化的视觉评估体系对神经胶质瘤的影像学特征进行全面量化分析。该特征集基于常规MRI序列,包括T1加权成像(T1-weighted imaging, T1WI)、T2加权成像(T2-weighted imaging, T2WI)、液体衰减反转恢复(fluid-attenuated inversion recovery, FLAIR)、弥散加权成像(diffusion-weighted imaging, DWI)及对比增强T1加权成像(contrast-enhanced T1-weighted imaging, CE-T1WI),系统提取包括肿瘤位置、形态、强化程度、坏死及瘤周水肿程度在内的30个定量及定性特征,为胶质瘤的诊断、分级和预后评估提供了重要的影像学支撑[17]。然而,目前关于VASARI特征在颅内脑室外室管膜瘤中的应用研究仍较为有限。

       基于此,本研究旨在分析本中心IEE患者的临床与术前MRI资料,采用VASARI标准评估其影像学特征,并探讨其与肿瘤病理分级及Ki-67增殖指数的相关性,为该罕见肿瘤术前无创性分级及个体化治疗决策提供影像学支持。

1 材料与方法

1.1 研究对象

       回顾性分析2012年1月至2024年9月在兰州大学第二医院进行手术切除并经组织病理确诊的IEE患者。纳入标准:(1)病理确诊为WHO 2级与3级颅内脑室外室管膜瘤;(2)术前MRI影像及临床资料完善;(3)无其他颅脑病变。排除标准:MRI图像存在严重运动伪影或金属伪影,影响影像学评估。最终纳入30例患者,包括WHO 2级18例、3级12例。本研究遵守《赫尔辛基宣言》,经兰州大学第二医院伦理委员会批准(伦理批准文号:2025A-698),免除受试者知情同意。

1.2 仪器与方法

       采用德国Siemens Verio 3.0 T MRI设备,配置32通道头颅专用线圈。常规平扫序列包括:轴位及矢状位T1WI、轴位T2WI和液体衰减反转恢复(fluid attenuated inversion recovery, FLAIR)序列。主要扫描参数设定为:层厚5 mm,层间距1 mm,视野240 mm×240 mm,矩阵256×256。DWI采用回波平面成像(echo planar maging, EPI)序列扫描,参数设置为:TR 4500 ms,TE 102 ms,层厚5 mm,层间距1 mm,视野220 mm×220 mm,矩阵256×256,b值为0、1000 s/mm2。增强扫描使用钆喷酸葡胺对比剂,剂量按照0.1 mmol/kg计算,注射对比剂后采用T1 MPRAGE扫描3D影像,并重建各方位二维图像,层厚参数设置与平扫保持一致。

1.3 VASARI特征集提取

       由两名拥有10年以上神经影像诊断经验的主治医师在未获知临床病理结果的前提下,分别依照VASARI特征集评分标准[7]对患者MRI图像进行评估。若评估结果存在分歧,则由第三名资深神经影像医师进行仲裁并达成一致意见。本研究共纳入26项与术前MRI资料相关的指标,包括:肿瘤位置(F1)、肿瘤中心点位置(F2)、脑功能区受累(F3)、强化程度(F4)、强化比例(F5)、未强化比例(F6)、坏死比例(F7)、囊变(F8)、多灶或多中心(F9)、T1WI图像与FLAIR图像信号异常区域面积比值(F10)、强化边缘厚度(F11)、强化边缘清晰度(F12)、未强化边缘清晰度(F13)、水肿比例(F14)、水肿跨中线情况(F15)、出血(F16)、扩散(F17)、软脑膜受累(F18)、室管膜受累(F19)、皮层受累(F20)、深部脑白质受累(F21)、未强化区跨中线情况(F22)、强化区跨中线情况(F23)、颅骨重塑(F25)、病灶横径(F29)和病灶纵径(F30),上述各项指标的分值总和即为VASARI总分。

1.4 病理分析

       由病理科医师根据2021年WHO中枢神经系统肿瘤分类标准,对肿瘤进行病理诊断、分级并测定Ki-67增殖指数。Ki-67增殖指数通过免疫组织化学法测定,手术标本经甲醛水溶液固定、石蜡包埋并切片,使用MIB-1抗体(克隆号MIB-1, Dako;稀释度1∶600)和EnVision™系统进行染色,DAB显色。病理科医师于显微镜下选择肿瘤细胞核染色最密集的区域,通过计算显微镜视野中约400至500个肿瘤细胞中MIB-1阳性肿瘤细胞核的百分比来确定Ki-67增殖指数[18]。在本项研究中,室管膜瘤的Ki-67增殖指数<10%判定为低表达(-),≥10%则为高表达(+)[19, 20, 21]

1.5 统计学分析

       使用SPSS 27.0软件对原始数据进行统计分析采用组内相关系数(inter-class correlation coefficient, ICC)评估两位影像科医师对30例IEE病例VASARI特征评分的一致性水平,ICC≥0.75,一致性高;0.40≤ICC<0.75,一致性较好;ICC<0.40,一致性差。计量资料的正态性分布检验采用Shapiro-Wilk法,符合正态分布的计量资料采用(x¯±s)表示,组间差异分析采用独立样本t检验,不符合正态分布的计量资料以[MQ1,Q3)]表示,组间比较采用Wilcoxon秩和检验。计数资料以频数及百分比表示,组间差异分析采用Fisher确切概率法。VASARI评分总分与室管膜瘤WHO分级的相关性采用Spearman相关性分析,Ki-67增殖指数与VASARI评分总分的相关性采用Pearson相关性分析。P<0.05表示差异具有统计学意义。通过绘制受试者工作特征(receiver operating characteristic, ROC)曲线评估VASARI特征集总分对IEE WHO 2级和WHO 3级IEE的鉴别效能以及Ki-67增殖指数的诊断效能。本研究为回顾性设计,样本量涵盖我院医学影像存档与通信系统(picture archiving and communication system, PACS)系统中所有经手术病理证实且临床、MR影像资料完备的病例(n=30)。为评估当前样本量的统计效力,我们基于主要结局指标——VASARI总分在WHO 2级与3级组间的差异进行事后效能分析,设定显著性水平α为0.05(双侧)。

2 结果

2.1 WHO 2、3级IEE患者的VASARI总分比较及特征分布

       两名影像科医师对30例IEE病例的VASARI评分总分的ICC>0.75,P<0.05,95% CI:0.980~0.996,一致性高。WHO 3级颅内脑室外室管膜瘤患者的VASARI总分(92.00±18.75)高于WHO 2级患者(76.22±18.89),且两组间差异具有统计学意义(P=0.033),见表1。事后效能分析结果显示,以VASARI总分鉴别WHO分级(2级:76.22±18.89,n=18;3级:92.00±18.75,n=12)为主要效应量(均值差=15.78,合并标准差=18.83,效应量Cohen's d=0.84),在α=0.05(双侧)水准下,本研究的统计效能(Power)为90.0%。该值高于80%的经验标准,表明当前样本量足以评估所观测到的组间差异。ROC曲线分析显示,VASARI总分鉴别肿瘤WHO分级的最佳阈值为59.5,其AUC值为0.736(95% CI:0.541~0.931),敏感度为94.1%,特异度为30.8%,见图1A表2;进一步分析显示,VASARI总分与WHO分级呈显著正相关(r=0.391,P=0.032)见图2A。WHO 3级颅内脑室外室管膜瘤的囊变率高于2级(P=0.014),在所有囊实性的肿瘤中,两组的多囊与单囊囊实性占比间差异有统计学意义(P=0.020),多囊囊实性肿瘤均为3级。具体而言,所有多囊性肿瘤(5例)均出现在WHO 3级组中,而单囊性肿瘤(12例)则主要见于WHO 2级组(10例,83.3%)。此外,2级与3级颅内脑室外室管膜瘤在瘤周水肿比例(P=0.009)、强化边缘厚度(P=0.046)的组间差异也有统计学意义,见表1。WHO 3级肿瘤表现出了更高的囊变率、更厚的强化边缘以及更显著的瘤周水肿。WHO 2级IEE病例(图3)表现为边界清晰的囊性病灶(图3A~3B),增强扫描(图3C)显示了肿瘤“薄”的强化边缘(细箭),FLAIR与DWI图像(图3D~3E)显示瘤周斑片状水肿影(白箭);病理检查(图3F)可见假菊形团结构(黑箭)。WHO 3级病例(图4)为多囊囊实性病灶(图4A~4B),增强扫描(图4C)显示了肿瘤“厚”的强化边缘(细箭),FLAIR与DWI图像(图4D~4E)显示瘤周见大片水肿带(白箭);病理显示细胞异型性明显并见坏死区(图4F),更符合高级别肿瘤。

图1  IEE VASARI总分预测肿瘤WHO分级(1A)与Ki-67增殖指数(1B)价值的ROC曲线。IEE:颅内脑室外室管膜瘤;VASARI:伦勃朗视觉感受图像;ROC:受试者工作特征;AUC:曲线下面积。
Fig. 1  ROC curves for the predictive value of IEE VASARI total score for Ki-67 proliferation index (1A) and WHO grade (1B). ROC: receiver operating characteristic; IEE: intracranial extraventricular ependymoma; VASARI: visually accessible Rembrandt images; AUC : area under the curve.
图2  VASARI总分与WHO分级(2A)及Ki-67增殖指数(2B)的相关性散点图。VASARI总分与WHO分级及Ki-67增殖指数呈正相关。VASARI:伦勃朗视觉感受图像。
Fig. 2  Scatterplots showing the correlation between VASARI total score and WHO grade (2A) and Ki-67 proliferation index (2B). The VASARI total score is positively correlated with both WHO grade and Ki-67 proliferation index. VASARI: visually accessible Rembrandt images.
图 3  女,17岁,右侧额叶IEE,WHO分级2级,Ki-67增殖指数5%(低表达),VASARI总分为70。3A~3B分别为T1WI、T2WI图像,病灶呈囊性,表现为长T1长T2信号影,边界清楚、信号不均匀,其内见多发线样分隔影;3C:CE-T1WI图像,肿瘤囊壁及其内分隔强化,囊内容物未见强化,强化边缘(F11,箭)厚度为薄(3分);3D~3E分别为FLAIR、DWI图像,瘤周弥漫斑片状水肿影,FLAIR呈高信号,DWI呈等信号,瘤周水肿(F14,白箭)百分比为34%~67%(5分);3F:病理图(HE ×200)可见肿瘤细胞呈放射状围绕血管分布,形成假菊形团结构(黑箭)。IEE:颅内脑室外室管膜瘤;VASARI为伦勃朗视觉感受图像;CE-T1WI:增强T1加权成像;FLAIR:液体衰减反转恢复成像;DWI:弥散加权成像。
Fig. 3  Female, 17 years old, with right frontal lobe IEE, WHO Grade 2, Ki-67 proliferation index 5% (low expression), and a VASARI total score of 70. 3A-3B: T1WI and T2WI images show a cystic lesion with long T1 and long T2 signalintensity, clear margins, and heterogeneous signal. Multiple linear septations are visible within the lesion. 3C: CE-T1WI image demonstrates enhancement of the tumor cyst wall and internal septations, with no enhancement of the cyst contents. The thickness of the enhancing margin (F11, arrow) is thin (3 points). 3D-3E: FLAIR and DWI images reveal diffuse patchy edema around the tumor. The edema appears hyperintense on FLAIR and isointense on DWI. The percentage of peritumoral edema (F14, white arrow) is 34%-67% (5 points). 3F: Histopathological image (HE × 200) shows tumor cells arranged radially around blood vessels, forming pseudorosette structures (black arrow). IEE: intracranial extraventricular ependymoma; VASARI: visually accessible Rembrandt images; CE-T1WI: contrast-enhanced T1-weighted imaging; FLAIR: fluid-attenuated inversion recovery; DWI: diffusion-weighted imaging.
图4  女,20岁,左侧顶叶IEE,WHO分级3级,Ki-67增殖指数40%(高表达),VASARI总分为87。4A~4B分别为T1WI、T2WI图像,病灶呈多囊囊实性,T1WI呈等稍高信号影伴内部低信号区,T2WI示中央呈高信号、外周呈稍高信号;4C:CE-T1WI图像,病灶呈不均匀花环形强化,强化边缘(F11,箭)厚度为厚(4分);4D~4E分别为FLAIR、DWI图像,瘤周较大范围不规则水肿影,FLAIR呈高信号,DWI呈等信号,瘤周水肿(F14,白箭)百分比为68%~95%(6分);4F:病理图(HE ×200)可见肿瘤细胞呈放射状排列环绕血管生长,形成假菊形团结构(黑箭)及真菊形团结构(红箭),肿瘤细胞排列密集,胞核增大,异型性明显,中央可见大范围坏死区(均匀粉染区域)。IEE:颅内脑室外室管膜瘤;VASARI为伦勃朗视觉感受图像;CE-T1WI:增强T1加权成像;FLAIR:液体衰减反转恢复成像;DWI:弥散加权成像。
Fig. 4  Female, 20 years old, with left parietal lobe IEE, WHO grade 3, Ki-67 proliferation index 40% (high expression), and a VASARI total score of 87. 4A-4B: T1WI and T2WI images show a multicystic and solid lesion. On T1WI, the lesion presents with isointense and slightly high signal intensity accompanied by internal low signal areas. On T2WI, the central region shows high signal intensity, while the periphery exhibits slightly high signal intensity. 4C: CE-T1WI image demonstrates heterogeneous, ring-like enhancement of the lesion. The thickness of the enhancing margin (F11, arrow) is thick (4 points). 4D-4E: FLAIR and DWI images reveal an irregular, extensive area of peritumoral edema. The edema appears hyperintense on FLAIR and isointense on DWI. The percentage of peritumoral edema (F14, white arrow) is 68%-95% (6 points). 4F: Histopathological image (HE × 200) shows tumor cells arranged radially around blood vessels, forming pseudorosette structures (black arrow) and true rosette structures (red arrow). The tumor cells are densely packed with enlarged nuclei, marked atypia, and a large central area of necrosis (uniformly eosinophilic region). IEE: intracranial extraventricular ependymoma; VASARI: visually accessible Rembrandt images; CE-T1WI: contrast-enhanced T1-weighted imaging; FLAIR: fluid-attenuated inversion recovery; DWI: diffusion-weighted imaging.
表1  IEE Ki-67增殖指数与VASARI特征分布
Tab. 1  Distribution of Ki-67 proliferation index and VASARI features in IEE cases
表2  IEE VASARI总分预测肿瘤Ki-67增殖指数与WHO分级价值的效能
Tab. 2  ROC analysis of IEE VASARI total score with respect to Ki-67 proliferation index and tumor grade

2.2 WHO 2、3级IEE患者的Ki-67水平比较

       WHO 2级IEE患者中Ki-67增殖指数高表达病例数为6例,占比为33.3%;低表达为12例,占比为66.7%。WHO 3级患者中Ki-67增殖指数高表达者为11例,占比高达91.7%,低表达者仅1例,占比为8.3%。WHO 3级患者的Ki-67高表达病例数显著高于2级患者,且两组间的差异有统计学意义(P=0.002),见表1。ROC曲线分析显示,VASARI总分鉴别Ki-67水平的最佳阈值为76.5,其AUC值为0.633(95% CI:0.421~0.845),敏感度为69.2%,特异度为82.4%,见图1B表2;进一步分析显示,VASARI总分与Ki-67水平呈显著正相关(r=0.370, P=0.044),见图2B

2.3 VASARI评分与常规临床指标预测Ki-67效能的比较

       为评估VASARI评分相较于术前易获临床指标的预测效能,我们将其与患者年龄、肿瘤最大直径在预测Ki-67高表达方面的效能进行了比较。ROC分析(表3)显示,患者年龄预测Ki-67高表达的AUC为0.376,肿瘤最大径的AUC为0.597,两者诊断效能均有限。相比之下,VASARI评分的预测效能更优(AUC=0.633),其鉴别能力在数值上高于上述常规指标。

表3  不同术前指标预测Ki-67表达的效能比较
Tab. 3  Comparison of the efficacy of different preoperative indicators in predicting Ki-67 expression

3 讨论

       本研究通过分析IEE患者的VASARI MRI特征,讨论了其与WHO分级及Ki-67增殖指数的关系,发现VASARI总分及特征F8、F11、F14在区分高级别与低级别IEE及预测Ki-67高表达方面具有显著意义,且VASARI总分与WHO分级和Ki-67增殖指数均呈正相关。为IEE的术前分级和增殖活性预测提供了重要的影像学依据,具有一定临床参考价值。

3.1 VASARI MRI特征对IEE WHO分级的预测价值

       室管膜瘤属于临床上罕见的中枢神经系统肿瘤类型,随着WHO分级的增高,恶性度越大、临床表现也越明显,但术前分级诊断准确率不高[22, 23]。胶质瘤的准确分级直接影响临床治疗方案制订与患者的生存结局,常规MRI可为其分级诊断提供重要影像学依据,有研究表明MRI-VASARI特征与影像组学特征均能在术前有效预测胶质瘤的分级及基因分型[24, 25]。WHO分级可作为肿瘤治疗和总生存期的预测指标,在为不同患者群体进行个体化治疗过程中起到了关键作用[26]。虽然室管膜瘤的分类正趋向于分子诊断,但WHO分级系统在预后评估中仍具有重要意义。特别是在对IEE进行分级鉴别时,该系统对于指导临床治疗具有重要指导价值[27]。本研究将分析对象限定于WHO 2级与3级IEE,而未纳入WHO 1级病例,主要基于其不同的生物学行为与临床治疗方案。根据WHO中枢神经系统肿瘤分类标准,WHO 1级室管膜瘤通常生长缓慢、预后良好,通过手术即可治愈,而2级及以上的IEE复发率较高,预后较差,并且影像学鉴别诊断较为困难[28, 29]。因此,着重研究较高级别IEE,有助于识别与肿瘤侵袭性和不良预后相关的影像学特征,从而为治疗方案更为复杂、预后差异更大患者提供更精准的术前评估,并为临床决策提供客观依据。WHO 2、3级IEE在影像学表现上存在显著差异,VASARI特征集中的30个特征已被大量基础的高、低WHO分级影像学研究数据集验证为一组有用的影像学特征,且被证明在预测疗效和生存方面具有价值[30, 31, 32]。本研究收集了30例患者的术前MRI图像并分析了相关的26个VASARI指标。研究发现,WHO 3级室管膜瘤的囊变发生率(100%)显著高于2级(61.1%),且差异具有统计学意义(P=0.014)。3级室管膜瘤多表现为囊实性肿块,与施豪波等[22]的研究结果相符,在该研究纳入的16例幕上间变性室管膜瘤病例中,囊实性肿块占比达68%。此外,在所有的囊实性脑室外室管膜瘤中,两组的多囊囊实性与单囊囊实性占比差异也有统计学意义(P=0.020), 多囊囊实性肿瘤均为WHO 3级,而单囊囊实性多发生于WHO 2级脑室外室管膜瘤,这与李亚琳等[33]的研究结论一致。瘤周水肿作为高级别胶质瘤的重要影像学表现,其分子机制尚未完全阐明。然而,已有研究指出术前MRI评估的瘤周水肿程度是幕上高级别胶质瘤患者生存预后的独立预测因素[34]。本研究中两组不同级别的室管膜瘤水肿百分比差异有统计学意义(P=0.009),高级别组的水肿百分比更高。有研究指出MRI增强特征对胶质瘤分级具有很高的价值[35],高级别肿瘤大多表现出不同程度的增强表现,而低级别肿瘤则大多未见明显增强。但在本研究中仅组间强化边缘厚度的差异具有统计学意义(P=0.046),可能与样本量过小及VASARI特征集在特征提取过程中存在的评价主观性有关。两组室管膜瘤的VASARI总分差异具有统计学意义(P=0.033), 且WHO 3级肿瘤的评分总分(92.00±18.75)高于2级(76.22±18.89)。VASARI总分与肿瘤分级之间存在正相关性(r=0.391,P=0.032),值得注意的是,本研究中VASARI总分在鉴别WHO分级方面虽然表现出了较高的敏感度(94.1%),但其特异度相对较低(30.8%)。特异度偏低可能与WHO 3级肿瘤的VASARI特征(如囊变、坏死、水肿)在部分2级肿瘤中有呈现相关,导致影像学特征评估存在重叠。VASARI总分的高敏感性提示其可以作为一种有效的术前筛查工具,能识别出潜在的高级别病变,但其较低的单独应用特异度表明,亟须扩大样本量及结合其他临床及影像学特征进行综合判断。

3.2 VASARI MRI特征对IEE Ki-67增殖指数的预测价值

       Ki-67作为高度敏感的肿瘤细胞增殖标志物,在既往研究中被证实与神经胶质瘤的恶性程度呈正相关,即恶性程度较高的肿瘤会表达出更高水平的Ki-67[36, 37]。然而目前检测胶质瘤Ki-67增殖指数的侵入性方法如活检和术后病理免疫组化检查费用高、耗时长,且样本可能无法全面反映肿瘤情况,同时组织病理学特征虽为肿瘤分级的金标准,但也受限于术后采样和肿瘤异质性的全面反映[20, 38, 39]。本研究中,WHO 2级与3级两组患者的Ki-67增殖指数差异具有统计学意义(P=0.002),且室管膜瘤的Ki-67增殖指数与VASARI特征集评分总分呈正相关(r=0.370,P=0.044),提示Ki-67增殖指数与肿瘤的影像学特征之间存在一定的关联性。VASARI特征集评分总分有助于预测室管膜瘤Ki-67增殖指数,且AUC为0.633。既往有诸多学者通过结合MRI技术以预测肿瘤的Ki-67增殖指数,如CHEN等[40]的研究开发并验证了一个使用基线MRI的深度学习网络建模来预测脑膜瘤患者的Ki-67状态,为早期预测 Ki-67和肿瘤体积增长提供了一种有效的工具。本研究结果显示,虽然常规临床指标预测效能有限,但VASARI评分提供了一定的增量价值。其鉴别效能优于年龄和肿瘤最大直径等基线指标,提示基于MRI的影像组学特征能够获得更深层次的、与肿瘤增殖活性相关的生物学信息。MRI作为一种非侵入性检查手段可以为无创性预测肿瘤的Ki-67增殖指数提供价值[41, 42]。周佳南等[43]将常规MRI与DWI、动态对比增强MRI(dynamic contrast-enhanced MRI, DCE-MRI)及磁共振波谱(magnetic resonance spectroscopy, MRS)等多模态多参数高级MRI技术相结合,构建了胶质瘤Ki-67增殖指数预测模型,研究发现高级MRI技术及其衍生的定量和定性参数在预测Ki-67增殖指数方面展现出了显著优于常规MRI序列的效能。VASARI特征集在提取MRI图像特征过程中涵盖了T1WI、T2WI、T2-FLAIR、DWI以及CE-TIWI序列,可为Ki-67预测模型的建立提供更为丰富的定量信息。

3.3 局限性

       本研究存在一定的局限性。首先,样本量较小且为单中心研究,本研究纳入的WHO 2级和3级IEE患者仅为30例,可能影响原始数据的统计分析,导致部分影像学特征在不同分级之间的差异无统计学意义。其次,本研究主要关注了IEE的MRI影像学特征、病理分级和Ki-67增殖指数,未结合分子标志物如异柠檬酸脱氢酶(isocitrate dehydrogenase, IDH)突变、O6-甲基鸟嘌呤-DNA-甲基转移酶(O6-methylguanine-DNA methyltransferase, MGMT)甲基化等进行综合分析,没有对肿瘤生物学行为进行更为全面的认识。此外,本研究所有影像数据均源于同一台3.0 T MRI扫描仪。保证了扫描参数的一致性,但不同场强(1.5 T vs. 3.0 T)、不同制造商的设备在硬件性能和成像序列上存在差异,可能影响本研究模型在外部队列中的泛化能力。

4 结论

       综上,本研究指出VASARI特征集的部分指标及总分在鉴别WHO 2级与3级IEE及预测Ki-67增殖指数方面表现出了一定的辅助价值。尽管其鉴别效能有待进一步多中心、多设备研究验证,但可作为一种术前辅助评估工具,为临床诊疗提供影像学依据。

[1]
BADARY A, KURDI S Z, ALMEALAWY Y F, et al. Intracranial ependymoma: a retrospective analysis of clinical features, treatment modalities, and long‐term outcome[J]. Aging Med, 2024, 7(6): 679-688. DOI: 10.1002/agm2.12378.
[2]
欧阳红, 刘冰芳, 白玉萍, 等. 成人室管膜瘤MRI表现及ADC值与Ki67增殖指数相关性研究[J]. 中国医学计算机成像杂志, 2021, 27(6): 478-481. DOI: 10.19627/j.cnki.cn31-1700/th.2021.06.002.
OUYANG H, LIU B F, BAI Y P, et al. MRI Findings and Correlation Analysis of ADC Value and Ki67 Proliferative Index in Adult Ependymoma[J]. Chinese Computed Medical Imaging, 2021, 27(6): 478-481. DOI: 10.19627/j.cnki.cn31-1700/th.2021.06.002.
[3]
YAO Y, FU Y, ZHOU G, et al. Nomogram incorporating preoperative MRI-VASARI features for differentiating intracranial extraventricular ependymoma from glioblastoma[J]. Quant Imaging Med Surg, 2024, 14(3): 2255-2266. DOI: 10.21037/qims-23-1148.
[4]
ZARE A, ZARE A, HAJIKARIMLOO B, et al. Radiosurgery for central nervous system ependymomas: a systematic review and meta-analysis[J]. J Neurooncol, 2025, 174: 315-327. DOI: 10.1007/s11060-025-05076-z.
[5]
HE H, LONG Q, LI L, et al. Ensemble learning‐based pretreatment MRI radiomic model for distinguishing intracranial extraventricular ependymoma from glioblastoma multiforme[J/OL]. NMR Biomed, 2024, 37(12): e5242 [2025-07-13]. https://doi.org/10.1002/nbm.5242. DOI: 10.1002/nbm.5242.
[6]
XING Z, ZHOU X, XIAO Z, et al. Comparison of Conventional, Diffusion, and Perfusion MRI Between Low-Grade and Anaplastic Extraventricular Ependymoma[J]. AJR Am J Roentgenol, 2020, 215(4): 978-984. DOI: 10.2214/AJR.20.22764.
[7]
LOMBARDI G, DELLA PUPPA A, PIZZI M, et al. An overview of intracranial ependymomas in adults[J/OL]. Cancers, 2021, 13(23): 6128 [2025-07-13]. https://doi.org/10.3390/cancers13236128. DOI: 10.3390/cancers13236128.
[8]
HSU H I, HSU S S, CHUNG W Y, et al. Adult posterior fossa anaplastic ependymoma, case series and literature review[J]. World Neurosurg, 2022, 158: 205-209. DOI: 10.1016/j.wneu.2021.11.074.
[9]
LI L, FU Y, ZHANG Y, et al. Magnetic resonance imaging findings of intracranial extraventricular ependymoma: a retrospective multi‐center cohort study of 114 cases[J]. Cancer Med, 2023, 12(15): 16195-16206. DOI: 10.1002/cam4.6279.
[10]
GILBERT M R, YUAN Y, WU J, et al. A phase II study of dose-dense temozolomide and lapatinib for recurrent low-grade and anaplastic supratentorial, infratentorial, and spinal cord ependymoma[J]. Neuro Oncol, 2021, 23(3): 468-477. DOI: 10.1093/neuonc/noaa240.
[11]
白洁, 李笑然, 卢洁. 一体化18F-FET PET/MR联合动脉自旋标记预测脑胶质瘤异柠檬酸脱氢酶(IDH)基因型及Ki-67指数[J]. 中国医学影像技术, 2024, 40(10): 1476-1480. DOI: 10.13929/j.issn.1003-3289.2024.10.005.
BAI J, LI X R, LU J. Integrated 18F-FET PET/MR combined with arterial spin labeling for predicting isocitrate dehydrogenase (lDH) genotype and Ki-67 index of glioma[J]. Chinese Journal of Medical Imaging Technology, 2024, 40(10): 1476-1480. DOI: 10.13929/j.issn.1003-3289.2024.10.005.
[12]
饶定才, 鲁芳, 周丽雯, 等. 基于多序列MRI影像组学预测脑胶质瘤Ki-67表达水平[J]. 放射学实践, 2024, 39(8): 1014-1020. DOI: 10.13609/j.cnki.1000-0313.2024.08.005.
RAO D C, LU F, ZHOU L W, et al. Prediction of Ki-67 expression level in gliomas based on multi-sequence MRI radiomics[J]. Radiologic Practice, 2024, 39(8): 1014-1020. DOI: 10.13609/j.cnki.1000-0313.2024.08.005.
[13]
LIM K Y, LEE K, SHIM Y, et al. Molecular subtyping of ependymoma and prognostic impact of Ki-67[J]. Brain Tumor Pathol, 2022, 39(1): 1-13. DOI: 10.1007/s10014-021-00417-y.
[14]
ZHAO F, WU T, WANG L M, et al. Survival and Prognostic Factors of Adult Intracranial Ependymoma: A Single-institutional Analysis of 236 Patients[J]. Am J Surg Pathol, 2021, 45(7): 979-987. DOI: 10.1097/PAS.0000000000001669.
[15]
IQNEIBI S, NAZZAL J, OWDA B, et al. Immunohistochemical Expression of p27Kip1, p57Kip2, Cyclin D1, Nestin, and Ki-67 in Ependymoma[J/OL]. Brain Sci, 2022, 12(2): 282 [2025-07-13]. https://doi.org/10.3390/brainsci12020282. DOI: 10.3390/brainsci12020282.
[16]
National Cancer Institute. Cancer Imaging Program (CIP)[EB/OL]. https://dctd.cancer.gov/programs/cip.
[17]
SETYAWAN N H, CHORIDAH L, NUGROHO H A, et al. Beyond invasive biopsies: using VASARI MRI features to predict grade and molecular parameters in gliomas[J/OL]. Cancer Imaging, 2024, 24(1): 3 [2025-07-13]. https://doi.org/10.1186/s40644-023-00638-8. DOI: 10.1186/s40644-023-00638-8.
[18]
HU Y, ZHANG K. Noninvasive assessment of Ki-67 labeling index in glioma patients based on multi-parameters derived from advanced MR imaging[J/OL]. Front Oncol, 2024, 14: 1362990 [2025-07-13]. https://doi.org/10.3389/fonc.2024.1362990. DOI: 10.3389/fonc.2024.1362990.
[19]
陈煜豪, 陈德基, 陈满, 等. DSC-PWI与脑胶质瘤分级及Ki-67表达应用研究[J]. 中国CT和MRI杂志, 2023, 21(2): 4-6. DOI: 10.3969/j.issn.1672-5131.2023.02.003.
CHEN Y H, CHEN D J, CHEN M, et al. Application of DSC-PWl in Grading and Ki-67 Expression of Glioma[J]. Chinese Journal of CT and MRI, 2023, 21(2): 4-6. DOI: 10.3969/j.issn.1672-5131.2023.02.003.
[20]
樊建坤, 程勇, 黄欢, 等. T2-FLAIR影像组学预测WHO Ⅱ~Ⅲ级胶质瘤Ki-67表达水平[J]. 中国医学影像学杂志, 2023, 31(4): 315-320. DOI: 10.3969/j.issn.1005-5185.2023.04.003.
FAN J K, CHENG Y, HUANG H, et al. Prediction of Ki-67 Index Expression Level in WHO Grade Ⅱ-Ⅲ Gliomasby Radiomics Based on T2-Fluid Attenuated Inversion Recovery[J]. Chinese Journal of Medical Imaging, 2023, 31(4): 315-320. DOI: 10.3969/j.issn.1005-5185.2023.04.003.
[21]
叶梅萍, 杨波, 朱正阳, 等. 基于MRI特征预测胶质瘤Ki-67表达分级[J]. 临床放射学杂志, 2023, 42(1): 6-13. DOI: 10.13437/j.cnki.jcr.2023.01.037.
YE M P, YANG B, ZHU Z Y, et al. Prediction of Glioma Ki-67 Expression Grading Based on MRI Features[J]. Journal of Clinical Radiology, 2023, 42(1): 6-13. DOI: 10.13437/j.cnki.jcr.2023.01.037.
[22]
施豪波, 赵闽宁, 余一凡, 等. 颅内间变性室管膜瘤的多层螺旋CT和MRI表现及诊断[J]. 分子影像学杂志, 2021, 44(4): 608-611. DOI: 10.12122/j.issn.1674-4500.2021.04.07.
SHI H B, ZHAO M N, YU Y F, et al. Diagnostic analysis and imaging findings of MSCT and MRI in intracranial anaplastic meningioma[J]. Journal of Molecular Imaging, 2021, 44(4): 608-611. DOI: 10.12122/j.issn.1674-4500.2021.04.07.
[23]
DENG J, XUE C, LIU X, et al. Differentiating between adult intracranial medulloblastoma and ependymoma using MRI[J/OL]. Clin Radiol, 2023, 78(3): e288-e293 [2025-07-13]. https://doi.org/10.1016/j.crad.2022.11.016. DOI: 10.1016/j.crad.2022.11.016.
[24]
孟琳琳. MRI VASARI特征分析及影像组学在弥漫性胶质瘤分级、ATRX基因状态预测中的应用研究[D]. 济南: 山东大学, 2023. DOI: 10.27272/d.cnki.gshdu.2023.000587.
MENG L L. Analysis of MRI VASARI Characteristics and Application of imagomics in Diffuse Glioma Grading and Prediction of ATRX Gene Status[D]. Jinan: Shandong University, 2023. DOI: 10.27272/d.cnki.gshdu.2023.000587.
[25]
陈晓华, 张若弟, 周云舒, 等. 基于多序列MRI影像组学联合VASARI特征预测胶质瘤IDH1突变状态[J]. 放射学实践, 2024, 39(9): 1138-1145. DOI: 10.13609/j.cnki.1000-0313.2024.09.004.
CHEN X H, ZHANG R D, ZHOU Y S, et al. Predicting the lDH1 mutation status of gliomas based on multi-sequence MRI radiomics combined with VASARl features[J]. Radiologic Practice, 2024, 39(9): 1138-1145. DOI: 10.13609/j.cnki.1000-0313.2024.09.004.
[26]
XU G, LI C, WANG Y, et al. Correlation between preoperative inflammatory markers, Ki-67 and the pathological grade of glioma[J/OL]. Medicine, 2021, 100(36): e26750 [2025-07-13]. https://doi.org/10.1097/MD.0000000000026750. DOI: 10.1097/MD.0000000000026750.
[27]
LOPEZ-RIVERA V, DONO A, ABDELKHALEQ R, et al. Treatment trends and overall survival in patients with grade II/III ependymoma: the role of tumor grade and location[J/OL]. Clin Neurol Neurosurg, 2020, 199: 106282 [2025-07-13]. https://doi.org/10.1016/j.clineuro.2020.106282. DOI: 10.1016/j.clineuro.2020.106282.
[28]
HAN Z, KANG P, ZHANG H, et al. Prognostic value of H3K27me3 in children with ependymoma[J/OL]. Pediatr Blood Cancer. 2020;67(3): e28121 [2025-07-13]. https://doi.org/10.1002/pbc.28121. DOI: 10.1002/pbc.28121.
[29]
ZHAO L, JIANG Y, WANG Y, et al. Case Report: Sellar Ependymomas: A Clinic-Pathological Study and Literature Review[J/OL]. Front Endocrinol (Lausanne), 2021, 12: 551493 [2025-07-13]. https://doi.org/10.3389/fendo.2021.551493. DOI: 10.3389/fendo.2021.551493.
[30]
GOODKIN O, WU J, PEMBERTON H, et al. Structured reporting of gliomas based on VASARI criteria to improve report content and consistency[J/OL]. BMC Med Imaging, 2025, 25: 99 [2025-07-13]. https://doi.org/10.1186/s12880-025-01603-6. DOI: 10.1186/s12880-025-01603-6.
[31]
SACLI-BILMEZ B, FIRAT Z, TOPCUOGLU O M, et al. Identifying overall survival in 98 glioblastomas using VASARI features at 3T[J]. Clin Imaging, 2023, 93: 86-92. DOI: 10.1016/j.clinimag.2022.10.011.
[32]
RUFFLE J K, MOHINTA S, BARUTEAU K P, et al. VASARI-auto: Equitable, efficient, and economical featurisation of glioma MRI[J/OL]. NeuroImage Clin, 2024, 44: 103668 [2025-07-13]. https://doi.org/10.1016/j.nicl.2024.103668. DOI: 10.1016/j.nicl.2024.103668.
[33]
李亚琳, 姜兵, 蒋锡丽, 等. 脑实质室管膜瘤MRI表现与病理对照分析[J]. 中国CT和MRI杂志, 2023, 21(10): 20-22. DOI: 10.3969/j.issn.1672-5131.2023.10.007.
LI Y L, JIANG B, JIANG X L, et al. MRI Imaging Features and Pathological Analysis of Intraparenchymal Ependymoma[J]. Chinese Journal of CT and MRI, 2023, 21(10): 20-22. DOI: 10.3969/j.issn.1672-5131.2023.10.007.
[34]
陈科宇, 江普查. 瘤周水肿与人脑高级别胶质瘤预后的相关性[J]. 中国临床神经外科杂志, 2021, 26(5): 352-353, 359. DOI: 10.13798/j.issn.1009-153X.2021.05.011.
CHEN K Y, JIANG P C. Correlation between peritumoral edema of high-grade glioma andpatients' prognoses[J]. Chinese Journal of Clinical Neurosurgery, 2021, 26(5): 352-353, 359. DOI: 10.13798/j.issn.1009-153X.2021.05.011.
[35]
CAMPOS L G, OLIVEIRA F H, ANTUNES Á C M, et al. Evaluation of glial tumors: correlation between magnetic resonance imaging and histopathological analysis[J/OL]. Radiol Bras, 2024, 57: e20240025 [2025-07-13]. https://doi.org/10.1590/0100-3984.2024.0025. DOI: 10.1590/0100-3984.2024.0025.
[36]
RUDÀ R, BRUNO F, PELLERINO A, et al. Ependymoma: evaluation and management updates[J]. Curr Oncol Rep, 2022, 24: 985-993. DOI: 10.1007/s11912-022-01260-w.
[37]
曹恩栋, 吕志异, 蔡海平, 等. JMJD6与Ki67在胶质瘤中的表达及相关性[J]. 中国神经精神疾病杂志, 2022, 48(11): 681-686. DOI: 10.3969/j.issn.1002-0152.2022.11.007.
CAO E D, LU Z Y, CAI H P, et al. Expression of JMJD6 and Ki67 and their correlation with pathological grade in glioma[J]. Chinese Journal of Nervous and Mental Diseases, 2022, 48(11): 681-686. DOI: 10.3969/j.issn.1002-0152.2022.11.007.
[38]
杨日辉, 范伟雄, 董婷, 等. 多序列MR影像组学融合模型预测胶质瘤分级的价值[J]. 中国医学物理学杂志, 2023, 40(5): 545-549. DOI: 10.3969/j.issn.1005-202X.2023.05.004.
YANG R H, FAN W X, DONG T, et al. Predictive value of multi-sequence MRI radiomics fusion model for glioma grading[J]. Chinese Journal of Medical Physics, 2023, 40(5): 545-549. DOI: 10.3969/j.issn.1005-202X.2023.05.004.
[39]
LAI C, LONG J R, LARSEN B T, et al. Percutaneous biopsy of musculoskeletal tumors and the potential for needle tract seeding: technical considerations, current controversies, and outcomes[J]. Skeletal Radiol, 2023, 52(3): 505-516. DOI: 10.1007/s00256-022-04187-2.
[40]
CHEN C, ZHAO Y, CAI L, et al. A multi-modal deep learning model for prediction of Ki-67 for meningiomas using pretreatment MR images[J/OL]. NPJ Precis Oncol, 2025, 9(1): 21 [2025-07-13]. https://doi.org/10.1038/s41698-025-00811-1. DOI: 10.1038/s41698-025-00811-1.
[41]
张羽, 柴荣鑫, 王得志. DWI、IVIM及DCE-MRI参数与软组织肿瘤Ki-67表达相关性的研究[J]. 磁共振成像, 2024, 15(10): 136-140, 147. DOI: 10.12015/issn.1674-8034.2024.10.023.
ZHANG Y, CHAI R X, WANG D Z. Study on the correlation between DWl, lVlM, and DCE-MRI parameters and Ki-67 expression in soft tissue tumors[J]. Chin J Magn Reson Imaging, 2024, 15(10): 136-140, 147. DOI: 10.12015/issn.1674-8034.2024.10.023.
[42]
BHUIYAN E H, KHAN M M, HOSSAIN S A, et al. Classification of glioma grade and Ki-67 level prediction in MRI data: A SHAP-driven interpretation[J/OL]. Comput Med Imaging Graph, 2025, 124: 102578 [2025-07-13]. https://doi.org/10.1016/j.compmedimag.2025.102578. DOI: 10.1016/j.compmedimag.2025.102578.
[43]
周佳南, 朱正阳, 田传帅, 等. 多模态多参数磁共振成像在脑胶质瘤Ki-67表达中的研究[J]. 磁共振成像, 2024, 15(5): 34-40. DOI: 10.12015/issn.1674-8034.2024.05.007.
ZHOU J N, ZHU Z Y, TIAN C S, et al. Research of Ki-67 expression in glioma by multimodal multi-parameter magnetic resonance imaging[J]. Chin J Magn Reson Imaging, 2024, 15(5): 34-40. DOI: 10.12015/issn.1674-8034.2024.05.007.

上一篇 常规MRI特征联合T1WI增强直方图分析鉴别胶质母细胞瘤和4级星形细胞瘤
下一篇 多时相自由呼吸实时电影成像在心脏磁共振左心室功能评估中的应用
  
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