分享:
分享到微信朋友圈
X
综述
多模态磁共振成像技术在胶质瘤细胞增殖诊断中的应用
林坤 次旦旺久 王晓明

林坤,次旦旺久,王晓明.多模态磁共振成像技术在胶质瘤细胞增殖诊断中的应用.磁共振成像, 2017, 8(6): 470-474. DOI:10.12015/issn.1674-8034.2017.06.015.


[摘要] 脑胶质瘤是一种临床发病率高、预后不良的恶性肿瘤,目前其术前诊断分级及预后评价仍缺乏有效的方法。多模态磁共振成像技术能够反映肿瘤的组织病理学变化,细胞增殖是肿瘤发生、发展的关键行为,与肿瘤的临床诊断、分级、治疗及预后密切相关。本文就多模态磁共振成像技术在脑胶质瘤细胞增殖诊断方面的应用进展予以综述。
[Abstract] Brain glioma is a kind of malignant tumor with high incidence and poor prognosis, which lacks effective method of preoperative diagnosis, grading and prognosis evaluation. Multimodal magnetic resonance imaging is able to evaluate histopathological change of tumor based on structural MRI. Cell proliferation is key to tumor development, which is closely related to the clinical diagnosis, grading, treatment and prognosis. This article will review and discuss the progresses of multimodal magnetic resonance imaging in the evaluation of brain glioma cell proliferation.
[关键词] 神经胶质瘤;磁共振成像;细胞增殖;扩散加权成像;磁共振波谱成像
[Keywords] Glioma;Magnetic resonance imaging;Cell proliferation;Diffusion weighted imaging;Magnetic resonance spectroscopy

林坤 中国医科大学附属盛京医院放射科,沈阳 110004

次旦旺久 西藏自治区人民医院放射科,拉萨 850000

王晓明* 中国医科大学附属盛京医院放射科,沈阳 110004

通讯作者:王晓明,E-mail:wangxm024@163.com


基金项目: 辽宁省临床能力建设项目 编号:LNCCC-B06-2014 盛京自由研究者基金 编号:201402
收稿日期:2016-12-21
接受日期:2017-02-21
中图分类号:R445.2; R739.41 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2017.06.015
林坤,次旦旺久,王晓明.多模态磁共振成像技术在胶质瘤细胞增殖诊断中的应用.磁共振成像, 2017, 8(6): 470-474. DOI:10.12015/issn.1674-8034.2017.06.015.

       颅内胶质瘤,又称脑胶质瘤,占所有中枢神经系统肿瘤的32%,占所有中枢神经系统恶性肿瘤的80%,男性的发病率约为女性的1.5倍,白人发病率约为黑人的2倍[1,2]。2016年世界卫生组织(World Health Organization,WHO)中枢神经系统肿瘤分类、分级标准修订版[3]中脑胶质瘤仍被分为Ⅰ~Ⅳ级,将基因型纳入到脑肿瘤的临床诊断,但现阶段单纯依赖基因型无法完成脑肿瘤的临床诊断,脑肿瘤的分级仍以组织学改变为基础,包括肿瘤的细胞增殖、分裂、坏死以及血管生成、周围侵袭情况等[4]。低级别胶质瘤生长缓慢,分化程度高,囊变坏死少,瘤周水肿轻微,侵袭性较弱,预后较好,生存时间从2年到10年不等[4,5,6]。高级别胶质瘤生长速度快,细胞核异质性强,囊变坏死多见,瘤周血管源性水肿较重,侵袭性及浸润性强[1],其中发病率最高、预后最差的Ⅳ级胶质瘤,即胶质母细胞瘤,中位生存时间为14.6个月,2年和3年的平均生存率分别只有3.3%和1.2%[1,2,7]

       胶质瘤的预后主要取决于其组织病理学特征,其中细胞密度与肿瘤细胞的增殖活性紧密相关[8]。以往肿瘤细胞密度的评价主要通过活检以及外科手术获得。由于胶质瘤的异质性高,活检所得病理标本的代表性差,诊断准确性低,因此如果能在影像学进行肿瘤活性定位的基础上进行活检,那么诊断精度可以得到很大的提高。近年来,迅速发展的磁共振成像(magnetic resonance imaging,MRI)多模态技术逐渐实现了无创性评估肿瘤细胞增殖。本文就多模态MRI技术评估脑胶质瘤细胞增殖的应用进展进行综述。

1 扩散加权成像对肿瘤细胞增殖的评价

1.1 扩散加权成像

       扩散加权成像(diffusion weighted imaging,DWI)序列目前广泛应用于肿瘤细胞密度评价,DWI通过评估自由水分子扩散运动幅度的改变,提供局部微环境信息。肿瘤细胞的密度越高,水分子的自由扩散越受限制,DWI显示高信号。根据DWI序列获得的表观弥散系数(apparent diffusion coefficient,ADC)值能对水分子的扩散进行量化评估,且与扩散受限程度呈负相关,意味着ADC值越低,其肿瘤密度越高。据此,ADC值在脑胶质瘤术前诊断、分级、治疗评估以及预后评价中得到普遍应用[11,12,13]

       胶质瘤组织及细胞有较强的异质性,尤其是高级别胶质瘤(high grade glioma,HGG)往往伴有液化、囊变、坏死、出血等,因此平均ADC值往往不能够准确反映胶质瘤的细胞密度、增殖情况。部分学者认为最小ADC (minimal ADC,ADCmin)值反映了肿瘤的最高细胞密度,这与肿瘤的病理分级密切相关。Mabray等[14]发现ADCmin能够鉴别诊断肿块样脱髓鞘病变与原发性中枢神经系统淋巴瘤和高级别胶质瘤等原发性脑肿瘤,其效能高于平均ADC (average ADC,ADCavg)值。Cuccarini等[6]对68例疑似低级别胶质瘤患者行多模态磁共振扫描,发现相对最小ADC (relative minimal ADC,rADCmin)值的受试者工作特征曲线(receiver operating characteristic curve,ROC曲线)的截断值为1.69,对疑似低级别胶质瘤(low grade glioma,LGG)患者能够完成高、低级别胶质瘤的鉴别诊断,其敏感度及特异度分别为53.8%和43%,并且rADCmin联合灌注指标与总生存时间有明显的相关性。

       而随着研究的深入,部分学者提出ADC值的评估能力有限,对部分特殊类型的胶质瘤以及放化疗后的胶质瘤评估效能不佳,甚至不能够进行准确的评估。Togao等[15]发现无明显强化的弥漫性胶质瘤,肿瘤实质区的ADC值对HGG和LGG不具有鉴别诊断价值,可能是由于在无明显强化弥漫性胶质瘤中,不同级别肿瘤的细胞密度无明显差异,而决定差异的是肿瘤内可移动的蛋白质或氨基酸。因此,DWI在实际应用中可能需要对肿瘤类型做具体要求,或者联合其他功能磁共振检查。

1.2 扩散峰度成像

       扩散峰度成像(diffusion kurtosis imaging,DKI)技术是在扩散张量成像(diffusion tensor imaging,DTI)基础上发展起来的一种非高斯扩散成像技术。由于细胞膜、细胞器以及细胞内多种水功能区的存在,水分子不完全符合高斯分布,因而基于高斯分布的DWI与DTI技术难以准确反映水分子的真实扩散情况,尤其对于胶质瘤这种恶性肿瘤,其组织及细胞的异质性较高,细胞增殖率高,微结构复杂,非高斯运动更是广泛存在,DKI引入了峰度值(kurtosis)的概念,能够通过水分子扩散更加准确地反映组织细胞结构。此外,通过DKI技术获得的常规扩散定量值较传统的DTI技术更加精确。

       Jiang等[9]对组织病理学资料完整的74例患者术前行常规DWI与DKI检查,感兴趣区(region of interest,ROI)取肿瘤的实性成分,将获得的常规扩散指标与扩散峰度指标进行分级诊断分析,部分各向异性分数(fractional anisotropy,FA)在各级别胶质瘤中无显著差异,而除了平均扩散系数(mean diffusivity,MD)在Ⅲ、Ⅳ级星形细胞瘤间缺乏鉴别诊断能力外,扩散峰度指标、MD和ADC在Ⅱ、Ⅲ、Ⅳ级胶质瘤中均有显著性差异。在所有的指标中,扩散峰度指标在鉴别高、低级别以及Ⅱ、Ⅲ级别胶质瘤中显示出最大的ROC曲线下面积和最佳敏感度和特异度,而ADC和MD却相对较低。在与细胞增殖核抗原Ki-67的相关性分析中,扩散峰度指标也显示出了最好的相关性,高于ADC、MD和FA。作者指出,由于高、低级别胶质瘤在细胞密度、坏死、出血、血管生成以及内皮细胞增殖方面有明显差异,而扩散峰度指标与由此导致的异质性、复杂性等微结构呈正相关,因此能够用于评估细胞增殖,而且与Ki-67的显著相关性也证实了这一点。Tonoyan等[16]对47例胶质瘤患者的肿瘤实性部分行DKI检查,获得绝对值和规格化的扩散峰度指标和常规扩散指标,并与Ki-67表达进行相关性分析,而除了绝对值和规格化的FA和相对各向异性(relative anisotropy,RA),其他指标均呈明显相关,而因为消除了诸如肿瘤位置、性别、年龄等干扰因素,规格化的指标与绝对值相比与Ki-67的相关性更紧密。

       由于肿瘤的恶性程度越高,细胞增殖分裂速度越快,细胞密度越大,而细胞外空间减小,肿瘤内水分子的扩散就会受限,导致扩散峰度值增高,扩散值降低。细胞的增殖情况与细胞密度紧密相关,因此DKI能够用于评估肿瘤细胞密度、细胞增殖,并且在肿瘤分级诊断中发挥重要作用。除了DKI,研究者还开发出了其他类型的非高斯、多b值、高b值的扫描技术,获得的定量指标在胶质瘤的分级以及组织病理学诊断方面较常规扩散加权成像技术表现出明显优势[10, 17]

2 磁共振波谱成像对肿瘤细胞增殖的评价

       磁共振波谱成像(magnetic resonance spectroscopy,MRS)在胶质瘤的诊断分级、轮廓勾画、预后评价、用药监测、基因探测等方面具有潜在应用价值。目前临床应用的MRS主要包括1H-MRS、31P-MRS、13C-MRS,而由于1H自然丰度最高以及旋磁比较高的特点被广泛应用于临床。

2.1 高级别胶质瘤与低级别胶质瘤的鉴别诊断

       一项荟萃分析对胆碱(choline,Cho)/肌酸(creatine,Cr)、Cho/N-乙酰天门冬氨酸(N-acetyl aspartic acid,NAA)以及NAA/Cr鉴别诊断高、低级别胶质瘤的诊断效能进行了比较分析,结果显示三者均具有中等鉴别诊断效能,虽然曲线下面积差异无统计学意义,但Cho/NAA具有较高的敏感度及特异度[18]。另有研究发现Cho/Cr与乳酸(lactate,Lac)/Cr能够对判断高、低级别胶质瘤进行鉴别诊断,阈值均为1.789,敏感度和特异度分别为73.9%、100.0%和91.3%, 77.8%,并且两者都与Ki-67呈明显相关,因此MRS能够对未经外科手术患者的肿瘤细胞增殖情况进行较为准确的评估[19]。Shang等[20]也在多体素1H-MRS成像研究中得出高级别胶质瘤的Cho/Cr和Cho/NAA明显高于低级别胶质瘤,而且脂质(lipid,Lip)信号与肿瘤坏死密切相关;部分高级别胶质瘤中出现的Cho减低主要是肿瘤严重坏死导致所有代谢物均减低所致。由于胶质瘤具有异质性,作者认为将MRS单独作为临床诊断的依据不够准确,可用作常规MRI检查的补充,也可用于鉴别诊断。

2.2 肿瘤复发与假性进展的鉴别诊断

       在外科手术后的放化疗中,胶质瘤病灶在MRI检查中表现为T1强化或者T2高信号,这可能是放化疗引起的损伤,可能是疾病进展,也可能是两者共存,而两者的鉴别对于疾病后续治疗方案的制订意义重大。Fink等[21]对40个疑似胶质瘤复发病灶进行多体素及单体素MRS,结果提示多体素MRS的Cho/Cr峰面积值与Cho/NAA峰高度值在鉴别肿瘤复发与治疗后反应方面具有较高的诊断效能,而单体素MRS的诊断效力不佳,这可能是由感兴趣体积(volume of interest,VOI)过大以及位置不准确造成。Anbarloui等[22]对外科手术联合化疗后新出现的肿瘤强化区域行单体素MRS,得出Cho/NAA以及Cho/Lip能够有效辨别肿瘤复发与假性进展。由于MRS能够反映细胞增殖情况,因此无论多体素或单体素波谱成像都具有鉴别肿瘤复发和假性进展的潜力。

2.3 2-羟基戊二酸波谱

       2016修订版WHO肿瘤分级中,IDH基因已经被列入胶质瘤的规范化诊断[3]。2-羟基戊二酸(2-hydroxyglutaric acid,2-HG)是IDH突变型的基因产物。在IDH1-R132H表达阳性的人恶性胶质瘤中2-HG的表达增多,而MRS对于2-HG比较敏感,能够获得相对准确的检测结果[23,24,25]。Pope等[24]对27例胶质瘤患者进行MRS检查,发现IDH1突变型的2-HG含量明显高于野生型,差异具有统计学意义,病理组织中2-HG的含量与MRS测得的2-HG含量明显相关。实验中还发现,2-HG的含量与肿瘤组织中的Ki-67呈相关性。尽管既往研究显示IDH1突变型胶质瘤的生存时间优于野生型,但由于肿瘤的发生、发展不仅仅与肿瘤增殖相关,也与转移、血管形成及坏死密切相关,因此IDH1基因突变在肿瘤的发生、发展过程中的作用机制仍待进一步研究。Fuente等[25]在对89例胶质瘤患者的研究中同样证明了MRS测得的2-HG的定量值与肿瘤中的IDH1突变细胞密切相关,而且2-HG的含量与肿瘤细胞密度明显相关。此外随着疾病的治疗,肿瘤细胞的减少与2-HG的减少呈相同趋势,进一步延伸了2-HG波谱在肿瘤诊治中的应用范围。

3 氨基质子转移成像对肿瘤细胞增殖的评价

       依赖化学交换饱和转移(chemical exchange saturation transfer,CEST)技术能反映受检组织的pH值、代谢物浓度及酶的活性,氨基质子转移(amide proton transfer,APT)技术基于CEST技术,能检测内源性游离蛋白和多肽,可以评估细胞内蛋白和组织的物理、化学特点。研究发现APT信号强度与胶质瘤肿瘤细胞的增殖指数Ki-67以及细胞密度呈相关性,这是由于细胞浆中可移动的氨基质子是APT信号的主要来源,而肿瘤细胞增殖越活跃,细胞质中游离的氨基酸就越多[26,27]

3.1 高级别胶质瘤与低级别胶质瘤的鉴别诊断

       APT能够鉴别弥漫性胶质瘤HGG和LGG,而ADC和相对脑血容量(relative cerebral blood volume,rCBV)无鉴别诊断能力;APT与rCBV表现出相关性,可能由于肿瘤细胞质中的游离蛋白以及多肽与血管生成相关[15]。实验研究还发现,肿瘤细胞的坏死与APT的信号呈明显相关性[26]。坏死是高级别胶质瘤的重要病理学特点,坏死程度也与肿瘤的分级密切相关。此外,为了减少3D图像采集导致的较长扫描时间,研究者探索采用2D单层面APT成像,结果显示获得图像能够对高、低级别胶质瘤进行有效分级[28]

3.2 肿瘤复发与假性进展的鉴别诊断

       肿瘤复发和假性进展的影像表现相似,两者难以区分。因APT能够反映细胞的增殖水平,与Ki-67具有相关性,因此在胶质瘤治疗后的疗效评估方面有优势[27]。在APT成像中,肿瘤复发较对侧正常脑白质呈高信号,假性进展呈等或稍高信号,两者的量化指标差异存在统计学意义。这是由于真性进展活跃的肿瘤组织中细胞密度以及细胞质中游离蛋白的含量较高,而假性进展恰恰相反,细胞质被破坏、细胞密度低。因此未来有望用APT替代反复的穿刺活检,可以减少相应的风险[29]

4 其他细胞增殖相关的功能MRI技术

       磁共振检查技术的不断发展使得在影像学水平对胶质瘤的细胞及分子改变进行评估成为可能。在肿瘤细胞增殖评价方面,部分磁共振检查技术已经获得广泛认可,逐渐应用于临床,部分仍存在争议,需要进一步的实验验证和大量数据支持,如动态增强磁共振(dynamic contrast enhanced MRI,DCE-MRI)、磁敏感加权成像(susceptibility weighted imaging,SWI)、DTI、体素内不相干运动磁共振成像(intravoxel incoherent motion MRI,IVIM-MRI)等。DCE-MRI主要用于评价肿瘤组织的灌注,与肿瘤血管形成及血液动力学相关,而肿瘤的细胞增殖与血管生成是密切相关的,因此,DCE-MRI的灌注参数与细胞增殖呈现明显的相关性[30]。SWI主要用于肿瘤血管生成的评价,已有研究发现SWI的定量指标与IDH1- R132H基因的突变状态密切相关[31],而IDH1- R132H基因与肿瘤细胞增殖的关系已经得到证实,SWI在评价肿瘤增殖方面的应用仍需要进一步的研究证明。DTI在DWI基础上发展而来,主要用于检测水分子扩散方向,在瘤周水肿区的肿瘤侵袭性评价中具有重要价值,并且表现出与肿瘤细胞增殖的相关性[32]。IVIM是一种同时反映水分子扩散与微灌注的MRI技术,在乳腺癌的研究中已经获得与Ki-67的相关性,因此在脑胶质瘤中也具有评价细胞增殖的潜能[33]

5 小结与展望

       脑胶质瘤作为颅脑发病率最高的恶性肿瘤,其预后不良,肿瘤的诊断与术前分级对于肿瘤的临床治疗与预后评估至关重要。功能磁共振成像技术在传统磁共振成像技术的基础上,能够提供肿瘤的组织病理学、代谢甚至遗传等更加丰富的微观信息。其中,肿瘤细胞增殖水平与肿瘤的诊断与分级密切相关,多种功能磁共振技术能够准确评估肿瘤细胞增殖水平,使得未来对于细胞增殖的无创性诊断成为可能,并且联合多种功能磁共振技术的多模态磁共振技术能够大大提高诊断的精准度。虽然,现阶段各种功能磁共振技术尚存在争议和不足,但相信随着功能磁共振技术的不断成熟和改良,将会为脑胶质瘤的标准化诊断、治疗以及有效延长患者生存时间带来有利的支持。

[1]
Stylli SS, Luwor RB, Ware TM, et al. Mouse models of glioma. J Clin Neurosci, 2015, 22(4): 619-626.
[2]
Alifieris C, Trafalis DT. Glioblastoma multiforme: pathogenesis and treatment. Pharmacol Ther, 2015, 152: 63-82.
[3]
Louis DN, Perry A, Reifenberger G, et al. The 2016 World Health Organization classification of tumors of the central nervous system: a summary. Acta Neuropathol, 2016, 131(6): 803-820.
[4]
Arevalo-Perez J, Peck KK, Young RJ, et al. Dynamic contrastenhanced perfusion MRI and diffusion-weighted imaging in grading of gliomas. J Neurooncol, 2015, 25(5): 792-798.
[5]
Ryken TC, Parney I, Buatti J, et al. The role of radiotherapy in the management of patients with diffuse low grade glioma: a systematic review and evidence-based clinical practice guideline. J Neurooncol, 2015, 125(3): 551-583.
[6]
Cuccarini V, Erbetta A, Farinotti M, et al. Advanced MRI may complement histological diagnosis of lower grade gliomas and help in predicting survival. J Neurooncol, 2016, 126(2): 279-288.
[7]
Louis DN, Ohgaki H, Wiestler OD, et al. The 2007 WHO classification of tumours of the central nervous system. Acta Neuropathol, 2007, 114(2): 97-109.
[8]
Jeong JW, Juhasz C, Mittal S, et al. Multi-modal imaging of tumor cellularity and Tryptophan metabolism in human Gliomas. Cancer Imaging, 2015, 15(1): 10.
[9]
Jiang RF, Jiang JJ, Zhao LY, et al. Diffusion kurtosis imaging can efficiently assess the glioma grade and cellular proliferation. Oncotarget, 2015, 6(39): 42380-42393.
[10]
Ren Y, Pang HP, Feng XY, et al. Non-Gaussian diffusion MR imaging of glioma: comparisons of multiple diffusion parameters and correlation with histologic grade and MIB-1 (Ki-67 labeling) index. Neuroradiology, 2016, 58(2): 121-132.
[11]
Lotumolo A, Caivano R, Rabasco P, et al. Comparison between magnetic resonance spectroscopy and diffusion weighted imaging in the evaluation of gliomas response after treatment. Eur J Radiol, 2015, 84(12): 2597-2604.
[12]
Zhao J, Yang ZY, Luo BN, et al. Quantitative evaluation of diffusion and dynamic contrast-enhanced MR in tumor parenchyma and peritumoral area for distinction of brain tumors. PloS One, 2015, 10(9): e0138573.
[13]
Choi H, Paeng JC, Cheon GJ, et al. Correlation of 11C-methionine PET and diffusion-weighted MRI: is there a complementary diagnostic role for gliomas?. Nucl Med Commun, 2014, 35(7): 720-726.
[14]
Mabray MC, Cohen BA, Villanueva-Meyer JE, et al. Performance of apparent diffusion coefficient values and conventional MRI features in differentiating tumefactive demyelinating lesions from primary brain neoplasms. AJR Am J Roentgenol, 2015, 205(5): 1075-1085.
[15]
Togao O, Hiwatash A, Yamashita K, et al. Grading diffuse gliomas without intense contrast enhancement by amide proton transfer MR imaging: comparisons with diffusion- and perfusion-weighted imaging. Eur Radiol, 2017, 27(2): 578-588.
[16]
Tonoyan AS, Pronin IN, Pitskhelauri DI, et al. A correlation between diffusion kurtosis imaging and the proliferative activity of brain glioma. Zh Vopr Neirokhir Im N N Burdenko, 2015, 79(6): 5-14.
[17]
Sui Y, Xiong Y, Jiang J, et al. Differentiation of Low- and High- Grade Gliomas Using High b-Value Diffusion Imaging with a Non-Gaussian Diffusion Model. AJNR American Journal of Neuroradiology, 2016, 37(9): 1643-1649.
[18]
Wang Q, Zhang H, Zhang JS, et al. The diagnostic performance of magnetic resonance spectroscopy in differentiating high-from lowgrade gliomas: a systematic review and meta-analysis. Eur Radiol, 2016, 26(8): 2670-2684.
[19]
Fudaba H, Shimomura T, Abe T, et al. Comparison of multiple parameters obtained on 3.0 T pulsed arterial spin-labeling, diffusion tensor imaging, and MRS and the Ki-67 labeling index in evaluating glioma grading. AJNR Am J Neuroradiol, 2014, 35(11): 2091-2098.
[20]
Shang HB, Zhao WG, Zhang WF. Preoperative assessment using multimodal functional magnetic resonance imaging techniques in patients with brain gliomas. Turk Neurosurg, 2012, 22(5): 558-565.
[21]
Fink JR, Carr RB, Matsusue E, et al. Comparison of 3.0 Tesla proton MR spectroscopy, MR perfusion and MR diffusion for distinguishing glioma recurrence from posttreatment effects. J Magn Reson Imaging, 2012, 35(1): 56-63.
[22]
Anbarloui MR, Ghodsi SM, Khoshnevisan A, et al. Accuracy of magnetic resonance spectroscopy in distinction between radiation necrosis and recurrence of brain tumors. Iran J Neurol, 2015, 14(1): 29-34.
[23]
Lazovic J, Soto H, Piccioni D, et al. Detection of 2-hydroxyglutaric acid in vivo by proton magnetic resonance spectroscopy in U87 glioma cells overexpressing isocitrate dehydrogenase-1 mutation. Neuro Oncol, 2012, 14(12): 1465-11472.
[24]
Pope WB, Prins RM, Albert Thomas M, et al. Non-invasive detection of 2-hydroxyglutarate and other metabolites in IDH1 mutant glioma patients using magnetic resonance spectroscopy. J Neurooncol, 2012, 107(1): 197-205.
[25]
Fuente MIDL, Young RJ, Rubel J, et al. Integration of 2-hydroxyglutarate-proton magnetic resonance spectroscopy into clinical practice for disease monitoring in isocitrate dehydrogenasemutant glioma. Neuro Oncol, 2016, 18(2): 283-290.
[26]
Togao O, Yoshiura T, Keupp J, et al. Amide proton transfer imaging of adult diffuse gliomas: correlation with histopathological grades. Neuro Oncol, 2014, 16(3): 441-448.
[27]
Park JE, Kim HS, Park KJ, et al. Pre- and posttreatment glioma: comparison of amide proton transfer imaging with MR spectroscopy for biomarkers of tumor proliferation. Radiology, 2016, 278(2): 514-523.
[28]
Sakata A, Okada T, Yamamoto A, et al. Grading glial tumors with amide proton transfer MR imaging: different analytical approaches. J Neurooncol, 2015, 122(2): 339-348.
[29]
Ma B, Blakeley JO, Hong X, et al. Applying amide proton transfer-weighted MRI to distinguish pseudoprogression from true progression in malignant gliomas. J Magn Reson Imaging, 2016, 44(2): 456-462.
[30]
Ginat DT, Mangla R, Yeaney G, et al. Correlation of diffusion and perfusion MRI with Ki-67 in high-grade meningiomas. AJR Am J Roentgenol, 2010, 195(6): 1391-1395.
[31]
Grabner G, Kiesel B, Wöhrer A, et al. Local image variance of 7.0 Tesla SWI is a new technique for preoperative characterization of diffusely infiltrating gliomas: correlation with tumour grade and IDH1 mutational status. Eur Radiol, 2017, 27(4): 1556-1567.
[32]
Ma CS, Wu J, Zhao RH, et al. Correlative study of apparent diffusion coefficient with Ki-67 in high grade gliomas. Med Imaging, 2013, 23(9): 1350-1353.
马长顺, 吴静, 赵瑞华, 等. 高级别胶质瘤ADC值与Ki-67的相关性研究. 医学影像学杂志, 2013, 23(9): 1350-1353.
[33]
Cai LF. The application study of intravoxel incoherent motion diffusion-weighted imaging in breast lesions. Fuzhou: Fujian Medical University, 2014.
蔡林峰. 体素内不相干运动扩散加权成像在乳腺病变中的应用研究. 福州: 福建医科大学, 2014.

上一篇 CT并MRI误诊断腮腺非特异性腺癌1例
下一篇 磁共振成像技术在肝脏铁过载的应用进展
  
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