分享:
分享到微信朋友圈
X
临床研究
高分辨率T2WI融合小视野高清弥散加权成像在直肠癌术前T分期中的应用价值
符帅 朱攀 胡美玉 李文儒 陈昶 关依霖 潘希敏

Cite this article as: FU S, ZHU P, HU M Y, et al. Value of high-resolution T2-weighted imaging fused with field-of-view optimized and constrained undistorted single-shot diffusion-weighted imaging in preoperative T staging of rectal cancer[J]. Chin J Magn Reson Imaging, 2026, 17(9): 129-135, 143.本文引用格式:符帅, 朱攀, 胡美玉, 等. 高分辨率T2WI融合小视野高清弥散加权成像在直肠癌术前T分期中的应用价值[J]. 磁共振成像, 2026, 17(9): 129-135, 143. DOI:10.12015/issn.1674-8034.2026.09.017.


[摘要] 目的 探讨高分辨率T2加权成像(high-resolution T2-weighted imaging, HR-T2WI)融合小视野高清弥散加权成像(field-of-view optimized and constrained undistorted single-shot diffusion-weighted imaging, Focus-DWI)对直肠癌术前T分期的诊断价值。材料与方法 本研究为回顾性诊断准确性研究,纳入2022年7月至2024年1月中山大学附属第六医院收治的99例直肠癌患者的MRI资料,包括横轴位HR-T2WI、Focus-DWI及两者融合图像T2WI-Fusion。以术后病理结果为金标准,由4名放射科医生(高、低年资各2名)分别基于HR-T2WI与T2WI-Fusion独立评估直肠癌术前T分期。采用加权Kappa检验评估与病理结果的一致性,计算诊断敏感度、特异度、准确率、阳性预测值、阴性预测值,并绘制受试者工作特征(receiver operating characteristic, ROC)曲线以及计算曲线下面积(area under the curve, AUC),采用DeLong检验比较两种序列AUC的差异。结果 术后病理结果显示:≤T2期49例、T3期35例、T4期15例。基于HR-T2WI,4名医生对≤T2期、T3期、T4期诊断的AUC分别为0.765~0.847、0.628~0.710、0.717~0.840,Kappa值为0.611~0.751,高年资医生诊断一致性(Kappa值为0.676~0.751)优于低年资医生(Kappa值为0.611~0.616)。采用T2WI-Fusion后,各期AUC分别提升至0.858~0.949、0.769~0.890、0.864~0.970,Kappa值提升至0.784~0.910。DeLong检验显示,两种序列的AUC差异均有统计学意义(均P<0.05)。高、低年资医生的诊断一致性均显著提升,且低年资医生的诊断效能与一致性提升更为明显。结论 HR-T2WI与Focus-DWI的融合图像T2WI-Fusion可显著提高直肠癌术前T分期准确率,具有较高临床应用价值。
[Abstract] Objective To investigate the diagnostic value of high-resolution T2-weighted imaging (HR-T2WI) fused with field-of-view optimized and constrained undistorted single-shot diffusion-weighted imaging (Focus-DWI) in the preoperative T staging of rectal cancer.Materials and Methods This retrospective diagnostic accuracy study included MRI data of 99 patients with rectal cancer who were admitted to the Sixth Affiliated Hospital of Sun Yat-sen University from July 2022 to January 2024. The imaging data included axial HR-T2WI, Focus-DWI, and their fused images (T2WI-Fusion). With postoperative pathological findings as the gold standard, four radiologists (two senior and two junior) independently evaluated the preoperative T staging based on HR-T2WI and T2WI-Fusion, respectively. Weighted Kappa statistics were used to assess agreement with pathological results. Diagnostic sensitivity, specificity, accuracy, positive predictive value, and negative predictive value were then calculated. Receiver operating characteristic (ROC) curves were plotted to obtain the area under the curve (AUC), and the DeLong test was employed to compare the differences in AUC between the two sequences.Results The postoperative pathological T staging results for the 99 patients were as follows: 49 cases of ≤ T2 stage, 35 cases of T3 stage, and 15 cases of T4 stage. When using HR-T2WI alone, the AUCs of the four radiologists for diagnosing ≤ T2, T3, and T4 stages were 0.765 to 0.847, 0.628 to 0.710, and 0.717 to 0.840, respectively, with Kappa values ranging from 0.611 to 0.751. Senior radiologists showed better diagnostic agreement (0.676 to 0.751) than junior radiologists (0.611 to 0.616). After applying T2WI-Fusion, the AUCs for each T stage increased to 0.858 to 0.949, 0.769 to 0.890, and 0.864 to 0.970, respectively, and the Kappa values increased to 0.784 to 0.910. The DeLong test showed that the differences in AUC between the two sequences were statistically significant (all P < 0.05). Diagnostic consistency improved significantly for both senior and junior radiologists, with junior radiologists experiencing a more marked enhancement in both diagnostic performance and consistency.Conclusions The fused T2WI-Fusion images combining HR-T2WI and Focus-DWI can significantly improve the accuracy of preoperative T staging for rectal cancer and have high clinical application value.
[关键词] 直肠癌;高分辨率磁共振成像;小视野高清弥散加权成像;术前分期
[Keywords] rectal cancer;high-resolution magnetic resonance imaging;field-of-view optimized and constrained undistorted single-shot diffusion-weighted imaging;preoperative staging

符帅 1, 2   朱攀 1, 2   胡美玉 1, 2   李文儒 1, 2   陈昶 1, 2   关依霖 1, 2   潘希敏 1, 2*  

1 中山大学附属第六医院放射诊断科,广州 510655

2 广州市黄埔区中六生物医学创新研究院,广州 510655

通信作者:潘希敏,E-mail:panxm9@mail.sysu.edu.cn

作者贡献声明::潘希敏设计本研究的方案,对稿件重要内容进行了修改,对本研究图像进行了图像融合处理;符帅起草和撰写稿件,获取、分析和解释本研究的数据;朱攀、胡美玉、李文儒、关依霖、陈昶获取、分析或解释本研究的数据,对稿件重要内容进行了修改,其中李文儒获得了广东省自然科学基金项目支持;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: 广东省自然科学基金项目 2021A1515011795
收稿日期:2026-04-15
接受日期:2026-08-12
中图分类号:R445.2  R735.37 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.09.017
本文引用格式:符帅, 朱攀, 胡美玉, 等. 高分辨率T2WI融合小视野高清弥散加权成像在直肠癌术前T分期中的应用价值[J]. 磁共振成像, 2026, 17(9): 129-135, 143. DOI:10.12015/issn.1674-8034.2026.09.017.

0 引言

       直肠癌是常见的胃肠道恶性肿瘤之一,在我国发病率和死亡率均位居前列,且呈现年轻化趋势[1, 2, 3]。直肠癌的主要治疗方式是手术切除,可辅以放疗、化疗或免疫治疗等[4, 5]。目前,临床上主要依据肿瘤浸润程度以及淋巴结转移等情况予以相应治疗。因此,术前准确分期对于制订有效的治疗策略和改善患者预后至关重要。

       高分辨率磁共振(magnetic resonance imaging, MRI)是直肠癌术前评估的重要工具[6, 7, 8]。其中,高分辨率T2加权成像(high-resolution T2-weighted imaging, HR-T2WI)可提供精细解剖细节,准确显示肿瘤浸润程度和范围[9, 10, 11];弥散加权成像(diffusion-weighted imaging, DWI)能反映肿瘤细胞结构信息和组织内水分子的扩散能力,具有较高的病变检出敏感度[12, 13, 14]。然而,传统单激发回波平面成像DWI易受肠道气体及呼吸运动影响,产生严重伪影、图像变形及失真等问题[15, 16]。更重要的是,传统DWI与HR-T2WI在空间位置上存在明显错位,导致临床诊断时需反复对照不同序列,效率低且易引入主观偏差。近年来,小视野高清弥散加权成像(field-of-view optimized and constrained undistorted single-shot diffusion-weighted imaging, Focus-DWI)采用二维选择性激励射频技术,通过缩小激励视野减少相位编码步数,可显著缩短回波链长度,从而有效减少图像伪影及扭曲变形、提升空间分辨率和图像质量,有利于显示微小病变[17, 18, 19]。尽管HR-T2WI与Focus-DWI在直肠癌评估中均具有重要价值,但单一序列仍无法同时提供精准的解剖定位与功能信息。通过图像融合,可有效整合两种序列的优势,实现多模态信息的协同互补。已有研究证实,多模态MRI融合技术可提升图像质量与诊断效率,增强病变识别能力[20, 21, 22]。然而,目前关于HR-T2WI与Focus-DWI融合图像在直肠癌术前T分期中的应用研究尚少,且现有研究多聚焦于融合技术本身的可行性验证,缺乏基于不同年资医生的系统评估。

       基于此,本研究将HR-T2WI与Focus-DWI进行图像融合,通过图像后处理软件进行精确空间配准,实现解剖与功能信息的“像素级”整合,避免多序列反复对照带来的主观偏差,提升诊断效率与准确率。此外,本研究纳入高、低年资两组医生进行独立评估,重点分析融合图像对低年资医生诊断准确率及一致性的提升作用,旨在为融合技术在基层医院及低年资医生中的推广应用提供依据。

1 材料与方法

1.1 研究对象

       本研究为诊断准确性研究,回顾性分析2022年7月到2024年1月在中山大学附属第六医院接受直肠癌根治术的患者。纳入标准:(1)经组织病理学证实为直肠腺癌;(2)肿瘤下缘距离肛缘15 cm以内;(3)术前均进行了磁共振横轴位HR-T2WI和Focus-DWI(b值=50、1200 s/mm2)序列扫描;(4)有完整的术后病理学资料。排除标准:(1)术前接受过新辅助放化疗;(2)有其他恶性肿瘤史或合并其他恶性肿瘤;(3)横轴位HR-T2WI或Focus-DWI图像质量差。本研究遵守《赫尔辛基宣言》,经中山大学附属第六医院伦理委员会批准,免除受试者知情同意,批准文号:2023ZSLYEC-313。

1.2 检查设备与方法

       所有患者均采用GE Discovery 750w(通用电气公司,美国)3.0 T磁共振扫描仪采集图像。扫描前患者需空腹至少4 h,并做清肠准备。扫描时患者取仰卧位,盆腔上方放置沙袋,以减少呼吸所造成的伪影。使用36通道相控阵体部线圈,线圈中心位于耻骨联合,扫描序列包括高分辨率冠状位、矢状位、横轴位HR-T2WI以及Focus-DWI,其中横轴位定位为垂直于肿瘤所在肠管长轴,Focus-DWI序列横轴位定位与HR-T2WI保持一致。各序列扫描参数如下:HR-T2WI序列,TR=3800 ms,TE=102 ms,层厚3 mm,层间距0.3 mm,矩阵320×256,视野200 mm×200 mm;Focus-DWI序列,TR=4500 ms,TE=76 ms,层厚3 mm,层间距0.3 mm,矩阵140×70,视野200 mm×100 mm,b值=50、1200 s/mm2

1.3 图像处理与分析

       本研究采用GE Discovery 750w 3.0 T后处理工作站(AW4.7),选择图像数据后打开Reformat软件,选择Integrated Registration(整合配准)融合模块,实现HR-T2WI与Focus-DWI序列融合。该方法是一种像素级图像融合方法,通过计算不同序列图像上对应像素点灰度值的加权和,再将所得的灰度值用于融合图像的重建。其中,像素融合加权系数由工作站后台算法迭代自动优化,空间配准选用基于灰度互信息的刚性配准算法完成全自动配准。配准后通过Validate模块进行多维度验证,在直肠壁、邻近膀胱壁、系膜淋巴结特征解剖点位放置3对同源标记,软件自动统计平均配准误差,同时采用棋盘格叠加、透明度融合、三平面MPR重建核查,以平均配准误差≤1 mm且直肠壁、邻近膀胱壁、系膜淋巴结解剖轮廓连续吻合为合格标准。具体流程如下:扫描完成后,所有图像自动传至后处理工作站,在工作站中选择横轴位HR-T2WI及高b值的Focus-DWI(b=1200 s/mm2)两个序列进行自动融合,选择Rainbow ColorMap获得融合彩色图像T2WI-Fusion(图1)。图像质量由2名具有10年盆腔MRI诊断经验的放射科医生采用盲法独立评定,若评分不一致则通过协商达成一致。采用4分法进行主观评分,具体标准如下:4分,图像噪声小,整体质量好,病灶显示清晰;3分,图像噪声较小,整体质量较好,病灶显示较清晰;2分,图像噪声偏大,整体质量一般,病灶显示欠佳;1分,图像噪声大,整体质量差,病灶显示不清或图像融合不佳。剔除评分≤2分的图像,保留质量符合要求的融合图像用于直肠癌T分期诊断。

       所有图像均由4名放射科医生在未知患者病理结果的情况下进行盲法独立评估,其中2名为低年资医生(均为住院医师,各具有5年盆腔MRI诊断经验),另2名为高年资医生(包括1名主治医师和1名副主任医师,各具有10年的盆腔MRI诊断经验)。4名放射科医生首先根据单独的HR-T2WI序列图像进行直肠癌术前T分期诊断。至少间隔4周后,将阅片顺序随机排列,由4名放射科医生基于融合后的T2WI-Fusion图像再次进行直肠癌术前T分期诊断,以降低记忆残留效应。直肠癌T分期诊断标准参照美国癌症联合会(American Joint Committee on Cancer, AJCC)第八版[23](≤T2期:肿瘤侵犯黏膜下层或固有肌层;T3期:肿瘤穿透固有肌层到达浆膜下层,或侵犯无腹膜覆盖的结直肠旁组织;T4期:肿瘤穿透腹膜脏层,或直接侵犯或粘连于邻近组织器官)。

图1  图像处理示意图。1A:高分辨率T2加权成像;1B:小视野高清弥散加权成像;1C:融合图像T2WI-Fusion。
Fig. 1  Schematic diagram of image processing. 1A: High-resolution T2-weighted imaging; 1B: Field-of-view optimized and constrained undistorted single-shot diffusion-weighted imaging; 1C: Fusion image T2WI-Fusion.

1.4 统计学分析

       所有统计分析均使用R软件(版本4.4.1,https://www.r-project.org/)进行。采用加权Kappa一致性检验法评估直肠癌患者术前T分期与病理结果的一致性,采用Fleiss Kappa评估4名医生之间的总体判读一致性,其中Kappa>0.80提示一致性极好,0.60<Kappa≤0.80提示一致性较好,0.40<Kappa≤0.60提示一致性中等,Kappa≤0.40提示一致性较差。以术后病理T分期结果为金标准,分别计算单独的HR-T2WI和融合图像T2WI-Fusion诊断直肠癌术前T分期的敏感度、特异度、准确率、阳性预测值(positive predictive value, PPV)和阴性预测值(negative predictive value, NPV)。绘制受试者工作特征(receiver operating characteristic, ROC)曲线,计算曲线下面积(area under the curve, AUC)以评估诊断效能,并采用DeLong检验比较同一阅片医生在两种序列上AUC的差异。P<0.05为差异具有统计学意义。

2 结果

2.1 临床资料

       本研究共纳入99例直肠癌患者,其中男62例,女37例,年龄25~88(62.0±12.1)岁。术后病理T分期结果证实,≤T2期49例、T3期35例、T4期15例。

2.2 图像质量主观评分结果

       所有入组患者的融合图像质量评分均>2分(图像噪声小、病灶显示清晰),均满足诊断要求,无因图像质量评分≤2分而排除的病例。因此,全部99例均纳入后续T分期诊断分析。

2.3 HR-T2WI及T2WI-Fusion诊断直肠癌术前T分期与病理结果一致性

       单独采用HR-T2WI进行评估时,高年资医生诊断T分期结果与病理分期结果的Kappa值分别为0.751和0.676,低年资医生分别为0.616和0.611,高年资及低年资医生的诊断结果均与病理具有较好的一致性(P<0.001),且高年资医生的诊断结果一致性优于低年资医生(表1)。但就整体诊断性而言,该序列用于T分期的评估仍有一定提升空间。

       采用融合图像T2WI-Fusion后,诊断一致性得到显著提升:高年资医生诊断T分期结果的Kappa值分别提升至0.910和0.850,一致性极好(P<0.001);低年资医生诊断T分期结果的Kappa值也分别提高到0.827和0.784,与病理结果的一致性较好(P<0.001)。此外,4名医生在融合图像T2WI-Fusion上诊断一致性均优于单独采用HR-T2WI(表1)。

       此外,在HR-T2WI上,4名放射科医生的误判例数分别为36例、38例、28例和34例,其中最常见的错误类型是将≤T2期高估为T3期:低年资医生1误判21例(占≤T2期42.9%),低年资医生2误判16例(32.7%),两位高年资医生各误判14例(均为28.6%)。采用T2WI-Fusion后,4名医生的误判例数分别降至18例、23例、10例和13例,同时≤T2期被高估为T3期的例数也明显下降:两位低年资医生均降至12例,高年资医生1降至5例,高年资医生2降至8例。

表1  HR-T2WI及T2WI-Fusion图像诊断直肠癌术前T分期与病理结果一致性比较
Tab. 1  Comparison of the consistency between preoperative T staging of rectal cancer diagnosed by HR-T2WI and T2WI-Fusion images and pathological results

2.4 不同年资医生判读结果一致性分析结果

       进一步采用Fleiss Kappa评估4名医生之间的总体判读一致性:在HR-T2WI序列上,观察者间一致性为中等(Kappa=0.587,95% CI:0.529~0.645);在T2WI-Fusion序列上,观察者间一致性提高至较好水平(Kappa=0.718,95% CI:0.659~0.777)。结果表明,T2WI-Fusion融合图像能有效减少不同年资医生间的判读差异,提升T分期评估的可重复性。

2.5 MRI T分期诊断效能评估

       4名放射科医生诊断≤T2期的敏感度、特异度和准确率分别为53.1%~71.4%、96.0%~100.0%和76.8%~84.8%;诊断T3期的敏感度、特异度和准确率分别为60.0%~74.3%、60.9%~73.4%和63.6%~71.7%;诊断T4期的敏感度、特异度和准确率分别为60.0%~80.0%、83.3%~88.1%和79.8%~86.9%(表2)。

       T2WI-Fusion对直肠癌术前T分期诊断的敏感度、特异度、准确率、阳性预测值与阴性预测值结果(表3)显示,4名放射科医生诊断≤T2期的敏感度、特异度和准确率分别为75.5%~89.8%、96.0%~100.0%和85.9%~94.9%;诊断T3期的敏感度、特异度和准确率分别为77.1%~91.4%、76.6%~92.2%和76.8%~89.9%;诊断T4期的敏感度、特异度和准确率分别为80.0%~100.0%、92.9%~95.2%和90.9%~94.9%。

       HR-T2WI与T2WI-Fusion诊断直肠癌术前T分期的ROC曲线及AUC结果(图2图3表4)显示,各年资医生基于T2WI-Fusion的诊断效能均优于单独使用HR-T2WI,各T分期的AUC差异均有统计学意义(DeLong检验,均P<0.05)。低年资医生采用HR-T2WI时,≤T2、T3、T4分期AUC分别为0.765/0.796、0.676/0.628、0.801/0.717;采用T2WI-Fusion后,AUC分别提升至0.878/0.858、0.833/0.769、0.910/0.864,其诊断效能已达到高年资医生应用HR-T2WI的水平(AUC分别为0.847/0.827、0.710/0.652、0.840/0.756)。高年资医生应用T2WI-Fusion后,AUC进一步提升至0.949/0.908、0.890/0.887、0.970/0.943,诊断效能更为优异。

图2  基于HR-T2WI 图像的直肠癌术前T 分期诊断ROC 曲线。HR-T2WI:高分辨率T2 加权成像;ROC:受试者工作特征;AUC:曲线下面积。
Fig. 2  ROC curve for preoperative T staging diagnosis of rectal cancer based on HR-T2WI images. ROC: receiver operating characteristic; HR-T2WI: high-resolution T2-weighted imaging; AUC: area under the curve.
图3  基于T2WI-Fusion 图像的直肠癌术前T 分期诊断ROC 曲线。ROC:受试者工作特征;AUC:曲线下面积。
Fig. 3  ROC curve for preoperative T staging diagnosis of rectal cancer based on T2WI-Fusion images. ROC: receiver operating characteristic; AUC: area under the curve.
表2  HR-T2WI图像对直肠癌术前T分期的诊断效能
Tab. 2  Diagnostic efficacy of HR-T2WI images in preoperative T staging of rectal cancer
表3  T2WI-Fusion图像对直肠癌术前T分期的诊断效能
Tab. 3  Diagnostic efficacy of T2WI-Fusion images in preoperative T staging of rectal cancer
表4  HR-T2WI与T2WI-Fusion图像对直肠癌术前T分期诊断的AUC比较
Tab. 4  Comparison of AUC for preoperative T staging diagnosis of rectal cancer between HR-T2WI and T2WI-Fusion images

3 讨论

       本研究采用图像融合技术,将HR-T2WI与Focus-DWI图像经空间重采样后实现像素级融合,生成T2WI-Fusion融合图像,以术后病理为金标准,由4名不同年资放射科医生独立评估该融合图像对直肠癌术前T分期的诊断价值。研究结果表明,T2WI-Fusion在各T分期中的诊断效能均显著优于单一HR-T2WI序列,且能有效缩小不同年资医生间的诊断差距,尤其对低年资医生诊断准确率及一致性的提升更为显著,具有良好的临床推广价值。

3.1 HR-T2WI与Focus-DWI在直肠癌术前T分期中的诊断价值与局限性

       HR-MRI检查采用小视野、薄层、大矩阵的扫描方案进行成像,具有空间分辨率高、软组织分辨率高的特点,能够清晰地显示直肠和盆腔的解剖结构,是临床术前诊断直肠癌分期的有效途径[24, 25, 26]。在HR-T2WI序列上,直肠肿瘤、黏膜及黏膜下层、固有肌层、直肠周围脂肪和直肠系膜筋膜之间具有不同的T2信号强度,不仅可以评估肿瘤边界,而且还可以评估肿瘤局部浸润情况以及邻近结构的受累情况。然而,尽管HR-T2WI具备精细的解剖显示能力,但在区分≤T2与T3期时仍面临挑战。本研究发现,基于HR-T2WI的分期错误主要集中在≤T2与T3期的过分期:即使是高年资医生,其诊断敏感度也仅维持在60.0%~71.4%之间。这一发现与既往多项研究结果一致,均指出T2/T3期的误判是直肠癌术前分期中最常见的诊断难点[27, 28, 29]。直肠癌≤T2期是指癌细胞已经侵犯了肿瘤黏膜下层或固有肌层,但未穿透固有肌层,直肠癌T3分期的可靠征象是肿瘤呈结节状突入肠周脂肪[14, 27]。HR-T2WI上≤T2和T3期分期错误可能是由肿瘤周围纤维化、炎症、感染及血管病变等,继而导致直肠癌周围部分正常组织呈侵袭浸润征象,易误导医师主观判断而导致误诊[30]。因此,单独使用HR-T2WI序列诊断直肠癌术前T分期具有一定的局限性。DWI是一种无创功能性成像,通过测量组织中水分子的布朗运动提供肿瘤细胞信息,已被广泛用于直肠癌的早期诊断和新辅助治疗的疗效评估[31, 32, 33]。临床上常规应用全视野DWI技术进行扫描,由于成像原理限制,该技术可能出现图像变形、失真和模糊以及磁化率伪影。Focus-DWI序列采用小视野成像技术,可有效减少磁敏感效应导致的图像变形失真。多项研究证实,小视野DWI序列在图像质量和病灶显示方面明显优于全视野DWI序列[17, 19, 34],进一步表明小视野DWI在直肠癌术前T分期诊断中具有重要意义。

3.2 T2WI-Fusion融合图像在直肠癌术前T分期中的诊断效能与临床价值

       本研究采用医学图像融合技术,将HR-T2WI与Focus-DWI序列融合生成T2WI-Fusion。该融合模式从影像学可视化层面实现解剖细节与弥散功能的精准配准:HR-T2WI可清晰显示直肠肠壁分层、肠周脂肪间隙等高分辨解剖结构,但难以准确区分肠壁增厚源于肿瘤浸润或炎性水肿;Focus-DWI依靠肿瘤细胞密集致水分子弥散受限的特征,以高亮信号特异标记活性肿瘤组织,却缺少精细解剖定位能力;T2WI-Fusion将DWI肿瘤异常高信号以红色伪彩叠加于T2WI解剖背景上,通过彩色可视化直观标定肿瘤真实浸润边界,量化区分肿瘤病灶与周边良性水肿/纤维化组织,整合了HR-T2WI的高分辨率解剖信息与Focus-DWI的功能成像信息,可更清晰地区分肿瘤浸润与炎性改变,从而提升对直肠癌T分期的诊断效能。研究结果显示,对于≤T2期肿瘤,图像融合后所有阅片医生的诊断敏感度提升至75.5%~89.9%,特异度均接近或达到100%,有效提高了诊断准确性,降低了将早期肿瘤过度分期为T3期的风险。这是由于单纯HR-T2WI常因病灶周围炎性水肿导致肠壁肌层边界模糊,易将水肿带误判为肿瘤突破固有肌层,进而造成早期肿瘤过度分期;而融合图像中仅活性肿瘤区域出现特征性彩色信号,水肿组织无弥散受限、无异常显色,可精准界定肿瘤浸润深度。对于T3、T4期肿瘤,HR-T2WI易受肠周慢性纤维化条索及解剖结构重叠干扰,难以区分肿瘤外侵与良性纤维增生;T2WI-Fusion将Focus-DWI的高信号病灶以彩色叠加,可直观勾勒肿瘤突破肠壁、侵犯肠周脂肪及邻近器官的实际范围,减少因图像模糊或解剖重叠导致的误诊,这与本研究中T2WI-Fusion在T3、T4期的敏感度、特异度显著提升一致。

       ROC曲线以及AUC结果显示,T2WI-Fusion在各T分期中的诊断效能均显著优于HR-T2WI。低年资医生应用融合图像后,各期AUC达0.769~0.910,已达到高年资医生应用HR-T2WI的水平;高年资医生应用后AUC也进一步提升至0.887~0.970。此外,Kappa一致性分析结果显示,T2WI-Fusion对低年资医师的诊断效能与一致性提升更显著,其诊断敏感度、准确率提升10%~20%,Kappa值由约0.60(中等一致性)提升至0.78以上(良好一致性)。这一提升的原因在于,伪彩色叠加将DWI高信号区域与解剖图像融合,使T分期判读转化为判断伪彩色区域是否突破肌层外缘,从而在一定程度上弥补了解剖经验的不足。本研究中,低年资医生在HR-T2WI上最常见的错误是将≤T2期误判为T3期(低年资医生1误判21例,占≤T2期的42.9%),而使用T2WI-Fusion后,该误判例数降至12例,与上述分析一致。提示融合图像可降低阅片的经验依赖,通过更直观的图像特征辅助低年资医师识别肿瘤浸润范围,减少诊断偏差;对于高年资医师,T2WI-Fusion也将Kappa值从0.70~0.75(良好一致性)提升至0.85以上(优秀一致性),进一步优化其对微小浸润、边界模糊病灶的判断,提升诊断稳定性。上述结果均表明,T2WI-Fusion可有效缩小年资间诊断差距,降低阅片经验依赖,同时进一步提升高年资医生对微小浸润及边界模糊病灶的诊断稳定性。

       此外,从临床应用角度看,T2WI-Fusion无需额外扫描序列或对比剂,尤其适合基层医院或低年资影像医师使用。我国基层医疗机构普遍缺乏经过盆腔MRI专科培训的影像医师,低年资医生或全科医生常承担初诊工作,对HR-T2WI上直肠壁分层、肌层完整性等细微解剖征象的判读经验不足,易导致T分期错误。T2WI-Fusion将复杂的解剖分期转化为“伪彩色区域是否突破肌层外缘”的直观判断,大幅缩短学习曲线;且基于常规GE工作站即可实现,无需添置额外软硬件。该技术有助于提高直肠癌术前T分期的准确率,减少因分期不当带来的转诊延误或过度治疗,在医疗资源匮乏地区具有较高的推广可行性和成本效益,未来需通过多中心研究验证其跨设备的泛化能力。

3.3 与其他辅助分期技术的比较

       为进一步明确T2WI-Fusion融合图像在直肠癌术前T分期中的临床应用价值,本研究将该技术与目前临床上直肠癌辅助分期影像学方法进行横向对比分析。既往WANG等[28]研究证实,采用T2WI联合合成双反转恢复成像(synthetic double inversion recovery, SyDIR)可有效提升不同年资医师的直肠癌T分期诊断一致性,其中低年资医师与病理T分期的一致性Kappa值由0.547提升至0.780,高年资医师由0.738提升至0.834;两种医师诊断肠壁外浸润的AUC分别由0.842、0.917提升至0.918、0.938,诊断效能提升幅度与本研究结果基本相近。但SyDIR技术需要额外增加专属扫描序列,检查流程更为复杂、扫描时间更长;而本研究采用的T2WI-Fusion技术仅依托临床常规扫描获得的Focus-DWI与HR-T2WI数据即可完成图像融合,无需额外增加扫描序列,临床可操作性更强。动态对比增强MRI(dynamic contrast-enhanced MRI, DCE-MRI)也常被用于直肠癌肿瘤分期评估,既往研究[35]显示,采用DCE-MRI的Ktrans、Ve参数鉴别直肠癌高低T分期的AUC为0.742。但该检查需要静脉注射钆对比剂,不仅增加患者检查费用,还存在对比剂过敏、肾损伤等不良反应风险,同时对肾功能不全等患者存在检查禁忌证,临床适用范围存在一定局限。此外,基于T2WI的影像组学模型对直肠癌T分期的预测AUC为0.82(95% CI:0.75~0.89),总体诊断准确率、敏感度、特异度分别为81%、78%、84%[10]。WEI等[36]基于多参数MRI构建的深度学习模型T分期诊断AUC可达0.854,优于传统人工阅片(AUC=0.678)。但影像组学与深度学习面临建模复杂、依赖精确勾画、可解释性差及泛化能力待验证等挑战。相比上述技术,本研究应用T2WI-Fusion融合图像后,低年资医师各T分期诊断AUC可达0.769~0.910,Kappa值由0.611、0.616提升至0.784、0.827;高年资医师诊断AUC提升至0.887~0.970,Kappa值由0.676、0.751提升至0.850、0.910,整体诊断效能达到或超过上述竞争技术。综合对比分析可见,T2WI-Fusion依托常规MRI扫描序列完成图像重建,无需注射对比剂、操作简便、图像判读直观,可有效降低阅片经验依赖性,适合基层医院推广及规范化临床应用,具备较高的临床转化价值与应用前景。

3.4 局限性与展望

       本研究存在以下局限性。首先,本研究为单中心回顾性研究,入组病例数相对较少(99例),且不同T分期病例数量分布不均(≤T2期49例、T3期35例、T4期15例),可能导致统计结果存在一定的选择偏倚。由于本研究入组时未纳入新辅助治疗的患者,T4期样本量过小,导致该分期的统计结论可靠性不足,因此,其诊断效能的临床外推价值有限,目前的结果仅可作为探索性依据,需在更大样本中进一步验证。其次,图像融合过程中可能出现因呼吸运动、肠道蠕动或序列间固有空间差异导致的配准不佳,部分融合图像可能存在轻微错位,影响对肿瘤边界的精确判断,极少数情况下甚至无法满足T分期诊断要求。此外,本研究未纳入ADC值进行定量分析。尽管Focus-DWI序列可同时生成ADC图,但本研究中阅片医生主要依据融合图像进行T分期判读,ADC值未被用于辅助判断,ADC图在直肠癌T分期中的独立价值及其与融合图像的协同作用有待后续研究探讨。最后,本研究的图像融合基于GE AW4.7工作站专用软件实现,不同厂商设备(如西门子、飞利浦)的配准算法和融合参数可能存在差异,本研究结论对这些设备的可推广性有待外部验证。因此,未来研究可从以下几个方面深入开展:一是扩大样本量,并联合多中心数据进行外部验证,以增强研究结论的可靠性和泛化能力;二是优化图像配准算法,如采用基于深度学习的高精度配准方法,提高融合图像的质量与空间一致性;三是结合影像组学及人工智能技术,挖掘融合图像的定量特征,进一步提升分期的准确性。

4 结论

       HR-T2WI与Focus-DWI的融合图像T2WI-Fusion可显著提高直肠癌术前T分期准确率,具有较高临床应用价值。

[1]
BRAY F, LAVERSANNE M, SUNG H, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2024, 74(3): 229-263. DOI: 10.3322/caac.21834.
[2]
HAN B F, ZHENG R S, ZENG H M, et al. Cancer incidence and mortality in China, 2022[J]. J Natl Cancer Cent, 2024, 4(1): 47-53. DOI: 10.1016/j.jncc.2024.01.006.
[3]
ZHANG Z, TANG X L, MA R, et al. Global, regional, and national burdens of colorectal cancer and inflammatory bowel disease, 1990-2021 and toprojections 2050: a cross-sectional study[J/OL]. Int J Surg, 2026 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/41677329/. DOI: 10.1097/JS9.0000000000004428.
[4]
BENSON A B, VENOOK A P, ADAM M, et al. NCCN guidelines® insights: rectal cancer, version 3.2024[J]. J Natl Compr Canc Netw, 2024, 22(6): 366-375. DOI: 10.6004/jnccn.2024.0041.
[5]
国家卫生健康委员会医政司, 中华医学会肿瘤学分会. 国家卫生健康委员会中国结直肠癌诊疗规范(2025版,精简版)[J]. 中华胃肠外科杂志, 2026, 29(1): 1-9. DOI: 10.3760/cma.j.cn441530-20251120-00442.
Department of Medical Administration of National Health Commission, Chinese Medical Association Oncology Branch. National health commission clinical practice guidelines for colorectal cancer in China (2025 edition, abbreviated version)[J]. Chin J Gastrointest Surg, 2026, 29(1): 1-9. DOI: 10.3760/cma.j.cn441530-20251120-00442.
[6]
WANG Y Y, XIE B, WANG K, et al. Multi-parametric MRI habitat radiomics based on interpretable machine learning for preoperative assessment of microsatellite instability in rectal cancer[J]. Acad Radiol, 2025, 32(7): 3975-3988. DOI: 10.1016/j.acra.2025.02.009.
[7]
ZHAO J Y, ZHENG P, XU T, et al. Preoperative assessment of lymph node metastasis in rectal cancer using deep learning: investigating the utility of various MRI sequences[J]. Ann Surg Oncol, 2025, 32(10): 7304-7314. DOI: 10.1245/s10434-025-17717-8.
[8]
刘清祥, 吴树剑, 袁权, 等. 基于DKI、IVIM与临床特征的可解释机器学习模型术前预测直肠癌脉管侵犯[J]. 磁共振成像, 2025, 16(11): 129-134, 141. DOI: 10.12015/issn.1674-8034.2025.11.019.
LIU Q X, WU S J, YUAN Q, et al. Explainable machine learning model based on DKI, IVIM, and clinical features for preoperative prediction of lymphovascular invasion in rectal cancer[J]. Chin J Magn Reson Imaging, 2025, 16(11): 129-134, 141. DOI: 10.12015/issn.1674-8034.2025.11.019.
[9]
BATES D D B, HOMSI M E, CHANG K J, et al. MRI for rectal cancer: staging, mrCRM, EMVI, lymph node staging and post-treatment response[J]. Clin Colorectal Cancer, 2022, 21(1): 10-18. DOI: 10.1016/j.clcc.2021.10.007.
[10]
PATANÈ V, ATRIPALDI U, SANSONE M, et al. MRI-based radiomics for preoperative T-staging of rectal cancer: a retrospective analysis[J/OL]. Int J Colorectal Dis, 2025, 40(1): 174 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/40778975/. DOI: 10.1007/s00384-025-04969-9.
[11]
JAYAPRAKASAM V S, ALVAREZ J, OMER D M, et al. Watch-and-wait approach to rectal cancer: the role of imaging[J/OL]. Radiology, 2023, 307(1): e221529 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/36880951/. DOI: 10.1148/radiol.221529.
[12]
MAYUMI TAKAMUNE D, MIRANDA J, MARIUSSI M, et al. Diffusion-weighted imaging in rectal cancer MRI from theory to practice[J]. Abdom Radiol, 2026, 51(2): 578-598. DOI: 10.1007/s00261-025-05102-8.
[13]
FU J Y, ZHAO C L, ZHENG G Y, et al. A multivariate model of IVIM-DWI in the preoperative diagnosis of tumor budding grade in rectal cancer[J/OL]. Front Oncol, 2025, 15: 1543607 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/40552266/. DOI: 10.3389/fonc.2025.1543607.
[14]
MODENA HEMING C A, ALVAREZ J A, MIRANDA J, et al. Mastering rectal cancer MRI: From foundational concepts to optimal staging[J/OL]. Eur J Radiol, 2025, 183: 111937 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/39864243/. DOI: 10.1016/j.ejrad.2025.111937.
[15]
SHI J J, LIN J, ZHOU X B, et al. Comparison of reduced and full field of view in diffusion-weighted MRI on image quality: a meta-analysis[J]. J Magn Reson Imaging, 2025, 61(2): 690-701. DOI: 10.1002/jmri.29487.
[16]
张海妮, 曾建威, 王冲, 等. 比较小视野多激发平面回波序列DWI与常规单激发平面回波序列DWI在直肠癌中的应用价值[J]. 中国医学计算机成像杂志, 2024, 30(3): 338-342. DOI: 10.19627/j.cnki.cn31-1700/th.2024.03.008.
ZHANG H N, ZENG J W, WANG C, et al. The comparison of the application value of reduced field of view image reconstruction using image-space sampling function and full field of view single-shot echo-planar imaging DWI in rectal cancer[J]. Chin Comput Med Imaging, 2024, 30(3): 338-342. DOI: 10.19627/j.cnki.cn31-1700/th.2024.03.008.
[17]
吴冰杰, 刘颖, 张宇威, 等. 小视野高清扩散加权MRI技术在直肠癌检测中的价值[J]. 国际医学放射学杂志, 2023, 46(6): 634-638, 658. DOI: 10.19300/j.2023.L20577.
WU B J, LIU Y, ZHANG Y W, et al. The value of high-resolution small field-of-view diffusion-weighted MRI technique in the detection of rectal cancer[J]. Int J Med Radiol, 2023, 46(6): 634-638, 658. DOI: 10.19300/j.2023.L20577.
[18]
王敏阳, 于灜, 颜林枫, 等. FOCUS扩散加权成像在泌乳素型垂体微腺瘤诊断中的应用价值[J]. 磁共振成像, 2022, 13(11): 60-65. DOI: 10.12015/issn.1674-8034.2022.11.011.
WANG M Y, YU Y, YAN L F, et al. Application value of FOCUS diffusion weighted imaging in the diagnosis of microprolactinomas[J]. Chin J Magn Reson Imaging, 2022, 13(11): 60-65. DOI: 10.12015/issn.1674-8034.2022.11.011.
[19]
王梓又, 王冲, 丁涛, 等. 基于图像空间重建技术的小视野DWI在直肠癌T分期中的应用价值[J]. 放射学实践, 2024, 39(3): 383-387. DOI: 10.13609/j.cnki.1000-0313.2024.03.014.
WANG Z Y, WANG C, DING T, et al. Application value of reduced field of view image reconstruction using image-space sampling function DWI sequence in rectal cancer T staging[J]. Radiol Pract, 2024, 39(3): 383-387. DOI: 10.13609/j.cnki.1000-0313.2024.03.014.
[20]
ZHANG J H, LIU R Q, HAO D, et al. ResNet-Vision Transformer based MRI-endoscopy fusion model for predicting treatment response to neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter study[J]. Chin Med J, 2025, 138(21): 2793-2803. DOI: 10.1097/CM9.0000000000003391.
[21]
FENG S T, HUANG M Q, DONG Z, et al. MRI T2-weighted imaging and fat-suppressed T2-weighted imaging image fusion technology improves image discriminability for the evaluation of anal fistulas[J]. Korean J Radiol, 2019, 20(3): 429-437. DOI: 10.3348/kjr.2018.0260.
[22]
ZHENG Z Y, LIU Y, FENG L X, et al. Multimodal MRI image fusion for early automatic staging of endometrial cancer[J/OL]. Sensors (Basel), 2025, 25(9): 2932 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/40363369/. DOI: 10.3390/s25092932.
[23]
AMIN M B, GREENE F L, EDGE S B, et al. The Eighth Edition AJCC Cancer Staging Manual: Continuing to build a bridge from a population-based to a more "personalized" approach to cancer staging[J]. CA Cancer J Clin, 2017, 67(2): 93-99. DOI: 10.3322/caac.21388.
[24]
赵言, 刘文. HR-T2WI联合DWI在直肠癌壁外血管侵犯评估中的应用[J]. 中国医学计算机成像杂志, 2022, 28(5): 505-509. DOI: 10.3969/j.issn.1006-5741.2022.05.012.
ZHAO Y, LIU W. Application of HR-T2WI combined with DWI in evaluating extramural vascular invasion of rectal cancer[J]. Chin Comput Med Imaging, 2022, 28(5): 505-509. DOI: 10.3969/j.issn.1006-5741.2022.05.012.
[25]
MAKSIM R, BUCZYŃSKA A, SIDORKIEWICZ I, et al. Imaging and metabolic diagnostic methods in the stage assessment of rectal cancer[J/OL]. Cancers, 2024, 16(14): 2553 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/39061192/. DOI: 10.3390/cancers16142553.
[26]
王子, 葛宇曦, 贺锋, 等. 高分辨率T2WI联合合成双反转恢复图像判断直肠癌T分期[J]. 中国医学影像技术, 2022, 38(9): 1350-1355. DOI: 10.13929/j.issn.1003-3289.2022.09.016.
WANG Z, GE Y X, HE F, et al. High resolution T2WI combined with synthetic double inversion recovery images for T staging of rectal cancer[J]. Chin J Med Imaging Technol, 2022, 38(9): 1350-1355. DOI: 10.13929/j.issn.1003-3289.2022.09.016.
[27]
HORVAT N, CARLOS TAVARES ROCHA C, CLEMENTE OLIVEIRA B, et al. MRI of rectal cancer: tumor staging, imaging techniques, and management[J]. RadioGraphics, 2019, 39(2): 367-387. DOI: 10.1148/rg.2019180114.
[28]
WANG Z, DAI Z Z, ZHOU X Y, et al. Synthetic double inversion recovery imaging for rectal cancer T staging evaluation: imaging quality and added value to T2-weighted imaging[J/OL]. Insights Imaging, 2024, 15(1): 256 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/39446274/. DOI: 10.1186/s13244-024-01796-4.
[29]
HOU M, ZHOU L, SUN J H. Deep-learning-based 3D super-resolution MRI radiomics model: superior predictive performance in preoperative T-staging of rectal cancer[J]. Eur Radiol, 2023, 33(1): 1-10. DOI: 10.1007/s00330-022-08952-8.
[30]
SALMERÓN-RUIZ A, LUENGO GÓMEZ D, MEDINA BENÍTEZ A, et al. Primary staging of rectal cancer on MRI: an updated pictorial review with focus on common pitfalls and current controversies[J/OL]. Eur J Radiol, 2024, 175: 111417 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/38484688/. DOI: 10.1016/j.ejrad.2024.111417.
[31]
AO W Q, ZHANG X, YAO X Z, et al. Preoperative prediction of extramural venous invasion in rectal cancer by dynamic contrast-enhanced and diffusion weighted MRI: a preliminary study[J/OL]. BMC Med Imaging, 2022, 22(1): 78 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/35484509/. DOI: 10.1186/s12880-022-00810-9.
[32]
万红燕, 方向明, 沈伟, 等. MRI高清扩散加权成像联合T_1WI动态对比增强在直肠癌术前T分期的应用价值[J]. 实用放射学杂志, 2024, 40(6): 926-930. DOI: 10.3969/j.issn.1002-1671.2024.06.015.
WAN H Y, FANG X M, SHEN W, et al. The application value of MRI high-definition diffusion weighted imaging combined with T1WI dynamic contrast enhancement in preoperative T-stage of rectal cancer[J]. J Pract Radiol, 2024, 40(6): 926-930. DOI: 10.3969/j.issn.1002-1671.2024.06.015.
[33]
李婉清, 张广文, 张劲松. DWI模型在直肠癌疗效评估中的研究进展[J]. 磁共振成像, 2025, 16(10): 196-201. DOI: 10.12015/issn.1674-8034.2025.10.031.
LI W Q, ZHANG G W, ZHANG J S. Advances in DWI models for treatment response assessment in rectal cancer[J]. Chin J Magn Reson Imaging, 2025, 16(10): 196-201. DOI: 10.12015/issn.1674-8034.2025.10.031.
[34]
INOUE A, TANABE M, IHARA K, et al. Evaluation of diffusion-weighted magnetic resonance imaging of the rectal cancers: comparison between modified reduced field-of-view single-shot echo-planar imaging with tilted two-dimensional radiofrequency excitation pulses and conventional full field-of-view readout-segmented echo-planar imaging[J]. La Radiol Med, 2023, 128(10): 1192-1198. DOI: 10.1007/s11547-023-01699-2.
[35]
MU R Q, LV J W, MA C Y, et al. Diagnostic performance of dynamic contrast-enhanced magnetic resonance imaging parameters and serum tumor markers in rectal carcinoma prognosis[J]. World J Gastrointest Oncol, 2024, 16(5): 1796-1807. DOI: 10.4251/wjgo.v16.i5.1796.
[36]
WEI Y R, WANG H J, CHEN Z W, et al. Deep learning-based multiparametric MRI model for preoperative T-stage in rectal cancer[J]. J Magn Reson Imaging, 2024, 59(3): 1083-1092. DOI: 10.1002/jmri.28856.

上一篇 基于三维动脉自旋标记与时间依赖扩散MRI多参数联合模型鉴别脑胶质瘤术后放疗后真性复发与假性进展的诊断效能
下一篇 集成MRI联合MUSE-DWI技术术前评估直肠癌神经脉管侵犯:基于瘤体及瘤周区域MRI定量参数分析研究
  
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