分享:
分享到微信朋友圈
X
临床研究
IVIM对胶质瘤分级的诊断价值及与Ki-67标记指数的相关性研究
常天静 沈慧聪 俞梅美 葛颖 张扬 张哲 季楠

Cite this article as: Chang TJ, Shen HC, Yu MM, et al. The diagnostic value of IVIM in glioma grading and its correlation with Ki-67 labeling index[J]. Chin J Magn Reson Imaging, 2021, 12(2): 19-23.本文引用格式:常天静, 沈慧聪, 俞梅美, 等. IVIM对胶质瘤分级的诊断价值及与Ki-67标记指数的相关性研究[J]. 磁共振成像, 2021, 12(2): 19-23. DOI:10.12015/issn.1674-8034.2021.02.005.


[摘要] 目的 探讨体素内不相干运动模型(intravoxel incoherent motion,IVIM)参数在预测胶质瘤术前分级中的价值,及其与Ki-67标记指数表达的相关性。材料与方法 回顾性分析63例经组织病理学证实为胶质瘤患者,男43例,女20例,年龄16~74(47±13)岁,分为低级别组(WHOⅡ级30例)和高级别(WHO Ⅲ级、Ⅳ级33例),经免疫组化获得胶质瘤的Ki-67标记指数。患者术前均行颅脑MRI常规扫描、IVIM-DWI检查,分别测量肿瘤最大层面实性区域和对侧正常白质区域的IVIM参数,获得ADC、假扩散系数(pseudo-diffusion coefficient,D*)、纯水扩散系数(pure water diffusion coefficient,D)、灌注分数(perfusion fraction,f)值,将肿瘤实质区测量值除以对侧正常脑实质测量数值,获得校正后参数,包括相对表观扩散系数(relative ADC,rADC)、相对假扩散系数(relative D*,rD*)、相对纯水扩散系数(relative D,rD)以及相对灌注分数(relative f,rf)。利用秩和检验(Mann-Whitney U检验)比较高、低级别组间4个定量参数、Ki-67标记指数的差异。利用Spearman法分析4组定量参数与Ki-67 标记指数之间的相关性。应用ROC曲线评估4组定量参数在脑胶质瘤分级中的诊断效能。结果 低级别胶质瘤组rADC值、rD值及rf值均高于高级别胶质瘤组(P值均<0.05),两组间rD*值无统计学差异(P=0.139),高级别胶质瘤组平均Ki-67标记指数明显高于低级别胶质瘤组,两组间差异有统计学意义(P<0.01)。rADC、rD、rf值的ROC曲线下面积分别为0.912、0.911、0.714;阈值分别为1.280、1.295、1.171;敏感度分别为93.3%、90.0%、86.7%;特异度分别为75.8%、78.8%、48.5%。rADC、rD与Ki-67标记指数存在较强的负相关性,rD*与Ki-67标记指数存在低度相关性,rf与Ki-67标记指数不具有明显相关性。结论 IVIM可以无创地评估胶质瘤级别,其中rADC的诊断效能最高。Ki-67标记指数在高、低级别胶质瘤间存在显著差异,且与rADC、rD存在较强负相关,可以为临床诊断、治疗及预后判断提供帮助。
[Abstract] Objective To investigate the value of introvoxel incoherent motion (IVIM) parameters in predicting preoperative grade of glioma and its correlation with Ki-67 labeling index. Materials andMethods Sixty-three patients (43 males and 20 females), aged from 16 to 74 (47±13) years, were retrospectively analyzed. They were divided into low-grade group (30 cases of WHO grade II) and high-grade group (33 cases of WHO grade III and IV). Ki-67 labeling index was obtained by immunohistochemistry. All patients underwent routine MRI scan and IVIM-DWI examination before operation. The IVIM parameters of the largest solid area and contralateral normal white matter area were measured, and the apparent diffusion coefficient (ADC), true diffusion coefficient (D), perfusion related diffusion coefficient (D*) and perfusion fraction (f) were obtained. The measured value of solid area was divided by the value of contralateral normal brain parenchymal area. The corrected parameters were obtained: relative ADC (relative ADC, rADC), relative D (relative D, rD), relative D* (relative D*, rD*), relative f (relative f, rf). Rank sum test (Mann Whitney U test) was used to compare the differences of four quantitative parameters and Ki-67 between high and low-grade groups. Spearman method was used to analyze the correlation between the four quantitative parameters and Ki-67 LI. Receiver operator characteristic curve (ROC) was used to evaluate the diagnostic efficacy of four quantitative parameters in the grading of glioma.Results The rADC, rD and rf values in low-grade glioma group were higher than those in high-grade glioma group (P<0.05). There was no significant difference in rD* between the two groups (P=0.139). The average Ki-67 labeling index in high-grade glioma group was significantly higher than that in low-grade glioma group (P<0.01).The area under the ROC curve of rADC, rD and rf values were 0.912, 0.911 and 0.714, the thresholds were 1.280, 1.295 and 1.171, the sensitivities were 93.3%, 90.0%, 86.7%, and the specificities were 75.8%, 78.8% and 48.5%. There was a strong negative correlation between rADC, rD and Ki-67 labeling index, a low correlation between rD* and Ki-67 labeling index, but no significant correlation between rf and Ki-67 labeling index.Conclusions IVIM can noninvasively evaluate the grade of glioma, among which rADC has the highest diagnostic efficiency. Ki-67 labeling index was significantly different between high-grade and low-grade gliomas, and had a strong negative correlation with rADC and rD, which could provide help for the clinical diagnosis, formulation of treatment plan and prognosis judgment of glioma.
[关键词] 磁共振成像;胶质瘤;体素内不相干运动成像;Ki-67标记指数;肿瘤分级
[Keywords] magnetic resonance imaging;glioma;introvoxel incoherent motion imaging;Ki-67 labeling index;tumor grading

常天静 1   沈慧聪 1*   俞梅美 1   葛颖 1   张扬 2   张哲 2   季楠 2  

1 首都医科大学附属北京天坛医院放射科,北京 100070

2 首都医科大学附属北京天坛医院神经外科,北京 100070

沈慧聪,E-mail:shenhuicong@126.com

作者利益冲突声明:全体作者均声明无利益冲突。


基金项目: 北京市科技计划项目 Z181100001718196
收稿日期:2020-09-22
接受日期:2020-11-15
DOI: 10.12015/issn.1674-8034.2021.02.005
本文引用格式:常天静, 沈慧聪, 俞梅美, 等. IVIM对胶质瘤分级的诊断价值及与Ki-67标记指数的相关性研究[J]. 磁共振成像, 2021, 12(2): 19-23. DOI:10.12015/issn.1674-8034.2021.02.005.

       脑胶质瘤是颅内最常见的原发肿瘤,根据2016年WHO肿瘤分类,脑胶质瘤被分为低级别胶质瘤(low-grade glioms,LGG)和高级别胶质瘤(high-grade glioms,HGG)两类,低级别胶质瘤包括WHO分级Ⅰ级和Ⅱ级,高级别胶质瘤包括WHO分级Ⅲ级和Ⅳ级,不同级别胶质瘤治疗手段及预后有较大差异。Ki-67标记指数(Ki-67 labeling index,Ki-67 LI)是一种与细胞增殖相关的抗原,是评价肿瘤细胞增殖活性最可靠、最常用的方法1,并且与肿瘤复发及患者的预后密切相关2。体素内不相干运动(intravoxel incoherent motion,IVIM)成像属于磁共振功能成像序列,能够区分肿瘤组织内部水分子扩散和局部微循环导致的灌注效应,无需注入对比剂即可获得肿瘤区域的灌注信息。目前,IVIM在胶质瘤中主要应用于肿瘤的鉴别诊断、术前肿瘤的分级、判断复发、评估预后等方面3, 4,但是关于IVIM所得数据中对预测胶质瘤级别效能最高的功能参数指标仍有争议,并且与Ki-67标记指数的相关研究较少,相关病理机制证据尚欠充分,本研究旨在探讨IVIM定量参数对胶质瘤术前分级的价值及与Ki-67标记指数的相关性。

1 材料与方法

1.1 一般资料

       回顾性分析2018年1月至2019年7月首都医科大学附属北京天坛医院经手术病理证实为胶质瘤的63例患者(男43例,女20例),年龄16~74(47±13)岁,其中低级别胶质瘤30例,高级别胶质瘤33例。纳入标准:(1)经病理学证实为胶质瘤,并进行免疫组化分析;(2)患者术前常规行MRI平扫及增强检查、IVIM序列扫描;(3)术前无放疗、化疗史。排除标准:图像质量差,伪影严重,影响参数测量。研究设计及方案已获得首都医科大学附属北京天坛医院伦理委员会批准,所有患者均签署知情同意书。

1.2 图像采集

       MRI数据采集均使用GE 3.0 T (Discovery MR750)磁共振机及32通道相控阵头线圈。IVIM扫描和平扫、增强扫描在相同环境下进行。T1WI增强扫描参数:TR 1750 ms,TE 24 ms,FOV 24 cm×24 cm,矩阵320×256,层厚 5 mm;IVIM扫描参数:TR 3000 ms,TE 72 ms,FOV 25.6 cm×25.6 cm,矩阵128×128,层厚5 mm,激励次数分别为4、2、2、3、3、4、4、6、6、8、8、10、10、12,共选取14个b值,分别为:0、25、50、75、100、150、200、400、600、800、1000、1200、1500、2000 s/mm2

1.3 定量参数测量及肿瘤分割

       利用GE ADW4.6工作站的Functool MADC软件进行IVIM数据处理。结合T2 FLAIR和T1增强图像,由两名经验丰富的放射科医生在ROI区域勾画IVIM的ROI(大小20~30 mm2),ROI尽量选择肿瘤实性部分,避开肿瘤内出血、坏死及囊变的区域,同时在对侧正常脑白质区放置同样大小的ROI。获得肿瘤区域及对照侧正常白质内的ADC、假扩散系数(pseudo- diffusion coefficient,D*)、纯水扩散系数(pure water diffusion coefficient,D)及灌注分数(perfusion fraction value,f)等参数,为减少测量误差,测量3次,取ROI测量的平均值得到ADC、D、D*、f参数。为减少由扫描仪和患者个体差异造成的影响5,将测得的病灶区域IVIM参数除以对称位置正常脑白质区所测参数,得到校正后的参数值,包括相对表观扩散系数(relative ADC,rADC)、相对假扩散系数(relative D*,rD*)、相对纯水扩散系数(relative D,rD)及相对灌注分数(relative f,rf)。

1.4 统计学方法

       采用SPSS 25.0软件对数据进行统计分析,结果使用平均值±标准差表示,通过测试检验数据的正态性。校正参数定量分析应用组内相关系数(intraclass correlation coefficient,ICC),定量评估2名观察者所测数据间的一致性,ICC值>0.75时表示信度良好。分别对低、高级别胶质瘤患者的年龄及影像学指标进行Kolmogorov-Smimov正态性检验,符合正态分布的资料应用独立样本t检验,对不符合正态分布资料则应用非参数检验(Mann-Whitney检验),组间存在显著性差异的影像学参数,绘制ROC曲线,检测其敏感度、特异度及阈值。应用Spearman相关性分析进行IVIM各参数值与Ki-67标记指数之间的相关性分析。均以P<0.05代表差异具有统计学意义。

2 结果

2.1 观察者间一致性分析

       两观察者之间测量所得各个参数一致性良好,其中rD的观察者间ICC值为0.924(95% CI:0.824~0.958);rD*的观察者间ICC值为0.923(95% CI:0.845~0.955);rf的观察者间ICC值为0.887(95% CI:0.808~0.915)。

2.2 IVIM各参数与胶质瘤级别

       rADC值、rD值及rf值在两组间差异具有统计学意义(表1图1),rD*值在两组间无显著差异。

图1  女,45岁,高级别间变星形细胞瘤(WHO III级)。A:轴位T2WI;B:轴位增强T1WI;C:轴位ADC图;D:D伪彩图
Fig. 1  A 45 years old female with high grade anaplastic astrocytoma (WHO grade III). A: Axial T2WI; B: Axial enhanced T1WI; C: Axial ADC map; D: The D map.
表1  高、低级别胶质瘤的参数测量结果(x¯±s)
Tab. 1  Parameter measurement results of the low-grade and high-grade glioma (x¯±s)

2.3 IVIM各参数鉴别胶质瘤级别的效能比较

       rADC值、rD值及rf值的ROC曲线下面积分别为0.912、0.911、0.714(P均<0.05),其中rADC的诊断效能最高,特异度为93.3%,敏感度为75.8%(表2图2)。

图2  肿瘤组织IVIM定量参数的ROC曲线
Fig. 2  ROC curve of tumor tissue rADC, rD, rf
表2  IVIM各参数鉴别诊断高、低级别胶质瘤的效能比较
Tab. 2  Comparison of the effcacy of IVIM parameters indifferential diagnosis of low-grade and high-grade glioma

2.4 Ki-67标记指数与胶质瘤级别相关性

       高级别胶质瘤组平均Ki-67标记指数(30.37±14.90)%明显高于低级别胶质瘤组(7.86±4.07)%,两组间差异有统计学意义(P<0.01),且与级别呈明显正相关(r=0.788,P<0.01)。

2.5 IVIM各参数与Ki-67标记指数相关性

       rADC、rD与Ki-67标记指数存在较强的负相关性,rD*与Ki-67标记指数存在低度相关性,rf与Ki-67标记指数不具有明显相关性。见表3

表3  胶质瘤IVIM各参数与Ki-67标记指数的相关性
Tab. 3  Correlation between IVIM parameters and Ki-67 in glioma

3 讨论

3.1 IVIM原理及临床意义

       磁共振扩散加权成像(diffusion weighted imaging,DWI)的物理基础是布朗运动,而在活体组织内,水分子的扩散运动受到多种因素的影响,如细胞膜、基底膜、轴突走形等膜结构的分布、核浆比以及大分子物质如蛋白质的分布等6, 7

       1988年,Le Bihan等8首次提出体素内不相干运动磁共振成像这一概念,多b值的IVIM依据双指数模型扩散加权成像,可获得常用的与扩散及灌注相关的4个参数ADC、D*、D及f。

       ADC值和D值代表组织中细胞密度和水分子布朗运动,其与细胞内外间隙、细胞密度等密切相关9, 10, 11。本研究中,高级别胶质瘤的rADC值较低级别胶质瘤高,二者之间的差异具有统计学意义(P<0.01),与既往研究12观点一致,提示随着组织病理级别的增高,脑胶质瘤细胞增殖速度加快,核分裂异常,导致细胞密度较大,细胞周围间隙缩小,水分子的扩散运动受限,使肿瘤组织ADC值逐渐降低。高级别胶质瘤组rD值低于低级别组,与既往研究13-14相符,提示rD值所代表水分子单纯扩散活动程度随着肿瘤细胞恶性程度的增高而受限明显,可能原因为肿瘤细胞异型性更加明显,细胞密度增高,引起细胞外间隙缩小,水分子扩散活动受限。高级别组的rf值较低级别组低,与Lin等15的结果类似,原因可能为f值与血流灌注有关,而肿瘤组织灌注水平间接反映了血管化程度。胶质瘤的特点的新生血管是胶质瘤病理学分级的一个重要指标,恶性程度较高的肿瘤细胞生长速度快,新生血管的功能及结构异常,因此正常的具有灌注功能的血管比例降低,导致f值减低,其他可能的原因包括IVIM-DWI选取参数不同及肿瘤结构的差异等。D*值表示的是由血液微循环导致的假扩散系数,代表体素内微循环的不相干运动,D*值受脑肿瘤微血管密度的影响。两组间的rD*值没有显著性差异,可能是由于D*值对噪声敏感性较高,受到心脏周期的影响,导致再现性较差。

       f值为灌注分数,表示局部微循环所导致的灌注效应在整体的扩散效应中的容积比率。Togao等3研究结果显示,IVIM参数中鉴别高低级别脑胶质瘤的诊断效能以f值最大。Hu等16报道诊断效能最大的是D值。本研究结果显示,IVIM-DWI参数中,rADC值、rD值及rf值均可用于鉴别胶质瘤等级,其中rADC值诊断效能最高,特异度为93.3%,敏感度75.8%,这与既往研究结果不同,这种差异的存在可能是由于b值选取数量及分布不同,Togao等3研究使用13个b值(0、10、20、30、50、80、100、200、300、400、600、800、1000 s/mm2), Hu等16使用13个b值(0、30、50、100、200、300、500、800、1000、1500、2000、3000、3500 s/mm2)。临床实践中,b取值较低时,DWI图像质量较好,但ADC值的准确性较差,且b值较低时,相比较扩散因素,灌注因素对组织信号衰减的影响更大17,这可能与Togao等3研究中f值诊断效能优于D及ADC值有关。b取值较高时,ADC值测量更为准确,但图像的信噪比下降,会直接影响DWI图像质量,这时需要通过增加激励次数来提高信噪比。既往研究表明,当b值<200 s/mm2且大于4个时可以更加准确地反映灌注信息18, 19,本研究采用了14个b值兼顾了高、低b值的个数,以尽量准确反映肿瘤病理生理微环境。

3.2 Ki-67标记指数与IVIM参数及胶质瘤分级

       Ki-67标记指数是增殖期细胞特异性表达的核抗原,是一种与细胞周期相关的细胞核蛋白,其数值的高低与胶质瘤的分级、预后密切相关20, 21。高级别组Ki-67标记指数明显大于低级别组,两组间差异具有统计学意义,且与级别呈明显正相关,反映了高级别脑胶质瘤增殖活性更强,与既往报道一致22

       既往研究23表明,IVIM参数中ADC值与Ki-67标记指数存在较强负相关性,本研究结果中rADC与rD值与Ki-67标记指数呈中度负相关,与既往研究结果基本一致,提示随着Ki-67标记指数的增高,肿瘤的增殖速度明显增快,而伴随肿瘤细胞密度增高,正常细胞外间隙缩小,导致水分子扩散运动受到限制,因此反映扩散的相关参数(ADC值、D值)越小。rD*值与Ki-67标记指数具有微弱负相关性,推测原因可能与其敏感性、与心动周期的依赖性及选取b值的个数有关。rf值与Ki-67标记指数不具有相关性,可能原因包括胶质瘤发生发展过程中,新生血管导致血容量增加,但是血管不成熟导致有效灌注减少,伴随Ki-67标记指数升高,胶质瘤级别增加,新生血管增多,两种作用相互抵消导致二者之间不具有相关性,同时,可能与胶质瘤异质性、取材部位21等原因相关。

       综上所述,IVIM各参数中,rADC值、rD值、rf值及Ki-67标记指数在高、低级别胶质瘤组间差异具有统计学意义,可以有效地对胶质瘤进行术前分级,有利于患者个体化治疗方案的确定及预测患者预后情况。rADC值及rD值与Ki-67标记指数的相关性提示IVIM可以作为预测肿瘤增殖及复发的有效影像学标志,其中rADC值诊断效能最高。

3.3 研究的局限和不足

       关于IVIM序列b值的选取尚无定论,难以确定最佳b值的大小及个数,可以通过增加b值个数的方式来得到更准确的结果;ROI的画取与肿瘤病理标本的切片区域并非完全对应,导致测量带来的误差,还需要更多研究进一步证实与Ki-67标记指数等相关病理指标的关系。

1
Tonoyan AS, Pronin IN, Pitshelauri DI, et al. A correlation between diffusion kurtosis imaging and the proliferative activity of brain glioma[J]. Zh Vopr Neirokhir Im N N Burdenko, 2015, 79(6): 5-14. DOI: 10.17116/neiro20157965-14.
2
Saksena S, Jain R, Narang J, et al. Predicting survival in glioblastomas using diffusion tensor imaging metrics[J]. J Magn Reson Imaging, 2010, 32(4): 788-795. DOI: 10.1002/jmri.22304.
3
Togao O, Hiwatashi A, Yamashita K, et al. Differentiation of high-grade and low-grade diffuse gliomas by intravoxel incoherent motion MR imaging[J]. Neuro-Oncology, 2016, 18 (1): 132-141. DOI: 10.1093/neuonc/nov147.
4
Miyoshi F, Shinohara Y, Kambe A, et al. Utility of intravoxel incoherent motion magnetic resonance imaging and arterial spin labeling for recurrent glioma after bevacizumab treatment[J]. Acta Radiologica, 2018, 59(11): 1372-1379. DOI: 10.1177/0284185118759707.
5
De la Fuente MI, Young RJ, Rubel J, et al. Integration of 2-hydroxyglutarate-proton magnetic resonance spectroscopy into clinical practice for disease monitoring in isocitrate dehydrogenase-mutant glioma[J]. Neuro-Oncology, 2016, 18(2): 283-290.
6
Suo S, Cheng F, Cao M, et al. Multiparametric diffusion-weighted imaging in breast lesions: Association with pathologic diagnosis and prognostic factors[J]. J Magn Reson Imaging, 2017, 46(3): 740-750. DOI: 10.1002/jmri.25612.
7
李玉华, 陆建平, 段秀杰, 等. 多b值DWI在儿童脑肿瘤中的初步研究[J]. 放射学实践, 2012, 27(2): 159-163. DOI: 10.13609/j.cnki.1000-0313.2012.02.013.
Li YH, Lu JP, Duan XJ, et al. A preliminary study of pediatric brain tumors using multi-component diffusion weighted imaging[J]. Radiol Prac, 2012, 27(2): 159-163. DOI: 10.13609/j.cnki.1000-0313.2012.02.013.
8
Le Bihan D, Breton E, Lallemand D, et al. MR imaging of incoherent motion: application to diffusion and perfusion in neurologic disorders[J]. Radiology, 1986, 161(2): 401-407.
9
Hao FL, Wu H, Niu GM. Application of single index, double index and stretch index model DWI in preoperative classifcation of gliomas[J]. Chin J Magn Reson Imaging, 2019, 10(6): 401-405.
10
Tietze A, Choi C, Mickey B, et al. Noninvasive assessment of isocitrate dehydrogenase mutation status in cerebral gliomas by magnetic resonance spectroscopy in a clinical setting[J]. J Neurosurgery, 2018, 128(2): 391-398. DOI: 10.3171/2016.10.JNS161793.
11
Li W, Niu C, Shakir TM, et al. An evidence-based approach to assess the accuracy of intravoxel incoherent motion imaging for the grading of brain tumors[J]. Medicine, 2018, 97(45): e13217. DOI: 10.1097/MD.0000000000013217.
12
彭令荣, 孔庆聪, 江婷, 等. 脑胶质瘤的表观扩散系数值与其病理分级的相关性研究[J]. 中华神经医学杂志, 2017, 16(10): 1041-1045. DOI: 10.3760/cma.j.issn.1671-8925.2017.10.013.
Peng LR, Kong QC, Jiang T. Correlation between apparent diffusion coefficient values and histopathological grading of cerebral gliomas[J]. Chin J Neuromed, 2017, 16(10): 1041-1045. DOI: 10.3760/cma.j.issn.1671-8925.2017.10.013.
13
Bai Y, Lin Y, Tian J, et al. Grading of gliomas by using monoexponential, biexponential, and stretched exponential diffusion-weighted MR imaging and diffusion kurtosis MR imaging[J]. Radiology, 2016, 278(2): 496-504. DOI: 10.1148/radiol.2015142173.
14
Shen N, Zhao L, Jiang J, et al. Intravoxel incoherent motion diffusion-weighted imaging analysis of diffusion and microperfusion in grading gliomas and comparison with arterial spin labeling for evaluation of tumor perfusion[J]. J Magn Reson Imaging, 2016, 44(3): 620-632. DOI: 10.1002/jmri.25191.
15
Lin Y, Li J, Zhang Z, et al. Comparison of intravoxel incoherent motion diffusion-weighted MR imaging and arterial spin labeling MR imaging in gliomas[J]. Biomed Res Int, 2015, 2015: 234-245.
16
Hu YC, Yan LF, Wu L, et al. Intravoxel incoherent motion diffusion-weighted MR imaging of gliomas: efficacy in preoperative grading[J]. Sci Rep, 2014, 4: 7208. DOI: 10.1038/srep07208.
17
Lee JT, Liau J, Murphy P, et al. Cross-sectional investigation of correlation between hepatic steatosis and IVIM perfusion on MR imaging[J]. Magn Reson Imaging, 2012, 30(4): 572-578. DOI: 10.1016/j.mri.2011.12.013.
18
Reifenberger G, Hentschel B, Felsberg J, et al. Predictive impact of MGMT promoter methylation in glioblastoma of the elderly[J]. Int J Cancer, 2012, 131(6): 1342-1350. DOI: 10.1002/ijc.27385.
19
Christian F, Milena C, Marion R, et al. Mosimann, philippe maeder, reto meuli, max wintermark. IVIM perfusion fraction is prognostic for survival in brain glioma[J]. Clin Neuroradiol, 2017, 27(4): 485-492. DOI: 10.1007/s00062-016-0510-7.
20
Yan R, Haopeng P, Xiaoyuan F, 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[J]. Neuroradiology, 2016, 58(2): 121-132. DOI: 10.1007/s00234-015-1606-5.
21
田博闻, 杨国强, 秦江波, 等. IVIM在预测高级别脑胶质瘤MGMT启动子甲基化状态的应用价值[J]. 磁共振成像, 2020, 11(7): 506-510. DOI: 10.12015/issn.1674-8034.2020.07.006.
Tian BW, Yang GQ, Qin JB, et al. Application value of IVIM in predicting MGMT promoter methylation status in high-grade gliomas[J]. Chin J Magn Reson Imaging, 2020, 11(7): 506-510. DOI: 10.12015/issn.1674-8034.2020.07.006.
22
Jiang R, Jiang J, Zhao L, et al. Diffusion kurtosis imaging can efficiently assess the glioma grade and cellular proliferation[J]. Oncotarget, 2015, 39(6): 42380-42393. DOI: 10.18632/oncotarget.5675.
23
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[J]. AJNR, 2014, 35(11): 2091-2098. DOI: 10.3174/ajnr.A4018.

上一篇 后循环脑缺血的基底动脉高分辨磁共振成像研究
下一篇 不同分子亚型乳腺癌3.0 T MRI影像表现分析
  
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