目的:利用数字乳腺断层摄影(digital breast tomosynthesis,DBT)评估病变边缘方面的优势,探讨DBT图像的毛刺征象与Ki-67增殖指数的关系。方法:回顾并纳入2022年3月—2023年4月于郑州大学第一附属医院就诊的99例浸润性乳腺癌患者的DBT影...目的:利用数字乳腺断层摄影(digital breast tomosynthesis,DBT)评估病变边缘方面的优势,探讨DBT图像的毛刺征象与Ki-67增殖指数的关系。方法:回顾并纳入2022年3月—2023年4月于郑州大学第一附属医院就诊的99例浸润性乳腺癌患者的DBT影像学资料,所有患者在DBT图像中均表现为毛刺型肿块。对99例乳腺毛刺型肿块的肿块大小、毛刺的长度和宽度、肿瘤边缘毛刺的覆盖情况及毛刺的数量进行分析,并收集患者的一般临床资料,比较各参数在Ki-67增殖指数之间的差异。采用多因素logistic回归分析Ki-67增殖指数的独立预测因素,并采用受试者工作特征曲线评价其诊断效能。结果:Ki-67增殖指数高低患者之间DBT图像毛刺特征,包括毛刺长度与毛刺宽度比较差异均有统计学意义(P<0.05),而毛刺数量、患者年龄、绝经状态及肿块大小差异无统计学意义(P=0.060,P=0.175,P=0.507,P=0.050)。多因素logistic回归模型分析显示,毛刺长度(OR=0.036,P<0.001)、毛刺宽度(OR=8.829,P<0.001)为Ki-67增殖指数的独立预测因素。将毛刺长度与毛刺宽度联合后,诊断效能最好,AUC为0.897。结论:乳腺癌DBT图像中的毛刺征分析可作为一种无创预测恶性肿瘤增殖活性的方法,从而判断患者的预后。展开更多
目的:探讨表观弥散系数(apparent diffusion coefficient,ADC)鉴别诊断脑膜瘤组织病理学分级的价值及其与Ki-67增殖指数的关系。方法:回顾并分析经术后病理学检查证实为脑膜瘤的51例患者资料,根据世界卫生组织(World Health Organizatio...目的:探讨表观弥散系数(apparent diffusion coefficient,ADC)鉴别诊断脑膜瘤组织病理学分级的价值及其与Ki-67增殖指数的关系。方法:回顾并分析经术后病理学检查证实为脑膜瘤的51例患者资料,根据世界卫生组织(World Health Organization,WHO)病理学分级分为低级别脑膜瘤(low-grade meningioma,LGM)组45例和高级别脑膜瘤(high-grade meningioma,HGM)组6例,计算平均ADC(ADC_(mean))、最小ADC(ADC_(min)),以及两者相对值(rADC_(mean)、rADC_(min))。比较两组ADC_(mean)、ADC_(min)、rADC_(mean)、rADC_(min)的差异。绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估ADC各参数的鉴别诊断效能,并采用DeLong检验比较ROC曲线的曲线下面积(area under the curve,AUC)的差异。采用Spearman相关分析评估ADC各参数与Ki-67增殖指数之间的相关性。结果:LGM组的ADC_(mean)、ADC_(min)、rADC_(mean)及rADC_(min)均高于HGM组,组间差异有统计学意义(P<0.05)。4种ADC参数均有较好的诊断效能,DeLong检验显示AUC两两比较差异均无统计学意义(P>0.05),其中ADC_(min)的鉴别诊断效能最高,其最佳截断值为0.657×10^(-3)mm^(2)/s,灵敏度为66.67%,特异度为95.56%。ADC_(mean)、ADC_(min)、rADC_(mean)及rADC_(min)均与Ki-67增殖指数呈负相关(P<0.05)。结论:ADC有助于术前预测脑膜瘤的病理学分级及Ki-67增殖指数,可为临床诊疗提供支持。展开更多
目的:探索磁共振成像多点非对称回波采集与迭代最小二乘法水脂分离(iterative decomposition of water and fat with echo asymmetry and the least squares estimation quantification sequence,IDEAL-IQ)和体素内不相干运动(intravoxe...目的:探索磁共振成像多点非对称回波采集与迭代最小二乘法水脂分离(iterative decomposition of water and fat with echo asymmetry and the least squares estimation quantification sequence,IDEAL-IQ)和体素内不相干运动(intravoxel incoherent motion,IVIM)在子宫内膜癌(endometrial carcinoma,EC)细胞增殖状态评估中的价值。方法:回顾并分析24例Ki-67增殖指数低(≤50%)和19例Ki-67增殖指数高(>50%)的EC患者的资料,分别测量病灶IDEAL-IQ成像的脂肪分数(fat fraction,FF)、R_(2)^(*)弛豫率(R_(2)^(*))值和IVIM成像的慢速表观弥散系数(slow apparent diffusion coefficient,ADCslow)、快速表观弥散系数(fast apparent diffusion coefficient,ADC-fast)和灌注分数(perfusion fraction,f)并进行对比。受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)被用于确定各参数的诊断效能,logistic回归和DeLong检验分别被用于多参数联合诊断和不同AUC间的差异分析。Spearman相关被用于评估各参数值与Ki-67增殖指数的相关性。结果:Ki-67增殖指数高的组ADC-slow、ADC-fast和R_(2)^(*)值均显著低于Ki-67增殖指数低的组(P分别为<0.001、0.004、<0.001)。ADC-slow、ADC-fast、R_(2)^(*)以及三者联合鉴别Ki-67增殖指数高、低组EC的AUC分别为0.860、0.748、0.862和0.978。DeLong分析显示,ADC-slow+ADC-fast+R_(2)^(*)与ADC-slow、ADC-fast及R_(2)^(*)之间的AUC差异均有统计学意义(Z分别为2.109、3.134、2.227;P分别为0.035、0.002、0.023)。ADC-slow和R_(2)^(*)值均与Ki-67增殖指数呈中度负相关(r分别为-0.547、-0.711,P<0.001),ADC-fast与Ki-67增殖指数呈轻度负相关(r分别为-0.324,P=0.034)。结论:ADC-slow、ADC-fast和R_(2)^(*)均有助于评估EC患者的细胞增殖状态,且三者联合能够对Ki-67增殖指数高、低组EC进行更有效的鉴别。展开更多
文摘目的探讨表观扩散系数(apparent diffusion coefficient,ADC)鉴别诊断肺癌脑转移瘤组织学分型的价值及其与Ki-67增殖指数之间的关系。材料与方法回顾性分析经手术病理证实的20例小细胞肺癌脑转移瘤和41例非小细胞肺癌脑转移瘤患者的资料,并测定其Ki-67增殖指数。在ADC图上测量肿瘤实性部分的最小ADC值(the minimum ADC,ADCmin)、平均ADC值(the mean ADC,ADCmean)及对侧正常脑白质ADC值,并计算相对ADCmin(relative ADCmin,rADCmin)及相对ADCmean(relative ADCmean,rADCmean)。对比分析二者ADC值的差异,绘制受试者工作特征(receiver operating characteristic,ROC)曲线评价ADC值的鉴别诊断价值,并计算ADC值与Ki-67增殖指数之间的相关性。结果小细胞肺癌脑转移瘤组的ADCmin、ADCmean、rADCmin及rADCmean值均小于非小细胞肺癌脑转移瘤组,组间差异均具有统计学意义(P<0.05)。各ADC值均能对小细胞肺癌脑转移瘤及非小细胞肺癌脑转移瘤进行有效鉴别,其中rADCmean值的鉴别诊断效能最好,曲线下面积(area under the curve,AUC)为0.950[95%置信区间(confidence interval,CI):0.907~0.994],最佳截断值为0.955,相应的敏感度和特异度分别为96.23%、83.87%,准确度为91.67%。小细胞肺癌脑转移瘤组的Ki-67增殖指数大于非小细胞肺癌脑转移瘤组,组间差异具有统计学意义(P<0.05)。61例肺癌脑转移瘤患者的ADCmin、ADCmean、rADCmin及rADCmean值均与Ki-67增殖指数呈不同程度的负相关(r=-0.506、r=-0.480、r=-0.569、r=-0.541)。结论ADC值可以对肺癌脑转移瘤的组织学分型进行鉴别诊断,并可以预测Ki-67增殖指数的表达水平。
文摘目的:利用数字乳腺断层摄影(digital breast tomosynthesis,DBT)评估病变边缘方面的优势,探讨DBT图像的毛刺征象与Ki-67增殖指数的关系。方法:回顾并纳入2022年3月—2023年4月于郑州大学第一附属医院就诊的99例浸润性乳腺癌患者的DBT影像学资料,所有患者在DBT图像中均表现为毛刺型肿块。对99例乳腺毛刺型肿块的肿块大小、毛刺的长度和宽度、肿瘤边缘毛刺的覆盖情况及毛刺的数量进行分析,并收集患者的一般临床资料,比较各参数在Ki-67增殖指数之间的差异。采用多因素logistic回归分析Ki-67增殖指数的独立预测因素,并采用受试者工作特征曲线评价其诊断效能。结果:Ki-67增殖指数高低患者之间DBT图像毛刺特征,包括毛刺长度与毛刺宽度比较差异均有统计学意义(P<0.05),而毛刺数量、患者年龄、绝经状态及肿块大小差异无统计学意义(P=0.060,P=0.175,P=0.507,P=0.050)。多因素logistic回归模型分析显示,毛刺长度(OR=0.036,P<0.001)、毛刺宽度(OR=8.829,P<0.001)为Ki-67增殖指数的独立预测因素。将毛刺长度与毛刺宽度联合后,诊断效能最好,AUC为0.897。结论:乳腺癌DBT图像中的毛刺征分析可作为一种无创预测恶性肿瘤增殖活性的方法,从而判断患者的预后。
文摘目的:探讨表观弥散系数(apparent diffusion coefficient,ADC)鉴别诊断脑膜瘤组织病理学分级的价值及其与Ki-67增殖指数的关系。方法:回顾并分析经术后病理学检查证实为脑膜瘤的51例患者资料,根据世界卫生组织(World Health Organization,WHO)病理学分级分为低级别脑膜瘤(low-grade meningioma,LGM)组45例和高级别脑膜瘤(high-grade meningioma,HGM)组6例,计算平均ADC(ADC_(mean))、最小ADC(ADC_(min)),以及两者相对值(rADC_(mean)、rADC_(min))。比较两组ADC_(mean)、ADC_(min)、rADC_(mean)、rADC_(min)的差异。绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估ADC各参数的鉴别诊断效能,并采用DeLong检验比较ROC曲线的曲线下面积(area under the curve,AUC)的差异。采用Spearman相关分析评估ADC各参数与Ki-67增殖指数之间的相关性。结果:LGM组的ADC_(mean)、ADC_(min)、rADC_(mean)及rADC_(min)均高于HGM组,组间差异有统计学意义(P<0.05)。4种ADC参数均有较好的诊断效能,DeLong检验显示AUC两两比较差异均无统计学意义(P>0.05),其中ADC_(min)的鉴别诊断效能最高,其最佳截断值为0.657×10^(-3)mm^(2)/s,灵敏度为66.67%,特异度为95.56%。ADC_(mean)、ADC_(min)、rADC_(mean)及rADC_(min)均与Ki-67增殖指数呈负相关(P<0.05)。结论:ADC有助于术前预测脑膜瘤的病理学分级及Ki-67增殖指数,可为临床诊疗提供支持。
文摘目的探讨表观扩散系数(apparent diffusion coefficient,ADC)直方图参数在术前区分移行型脑膜瘤(transitional meningioma,TM)与非典型脑膜瘤(atypical meningioma,AM)的价值。方法回顾性分析经组织病理学证实的66例TM和30例AM患者资料。由2名经验丰富的放射科医生使用3DSlicer软件,在肿瘤ADC图像上采用双盲法沿着肿瘤边缘手动勾画感兴趣区(region of interest,ROI),ROI除外坏死、囊变及出血区域,由ROI灰度值构建灰度直方图,生成受试者工作特征(receiver operating characteristic,ROC)曲线,并计算曲线下面积(area under the curve,AUC)。评估ADC直方图参数与Ki-67增殖指数、孕激素受体(progesterone receptor,PR)、上皮膜抗原(epithelial membrane antigen,EMA)、S-100蛋白四种病理指标的相关性。结果TM组的方差、偏度、峰度及最大值参数均大于AM组(P均<0.05)。方差、偏度、峰度、最大值及Perc.90参数与Ki-67表达呈负相关;方差、最小值及Perc.10参数在PR阳性和PR阴性之间存在显著差异(P均<0.05)。结论ADC直方图分析有助于术前区分TM和AM,衍生参数可预测Ki-67水平及PR表达。
文摘目的:探索磁共振成像多点非对称回波采集与迭代最小二乘法水脂分离(iterative decomposition of water and fat with echo asymmetry and the least squares estimation quantification sequence,IDEAL-IQ)和体素内不相干运动(intravoxel incoherent motion,IVIM)在子宫内膜癌(endometrial carcinoma,EC)细胞增殖状态评估中的价值。方法:回顾并分析24例Ki-67增殖指数低(≤50%)和19例Ki-67增殖指数高(>50%)的EC患者的资料,分别测量病灶IDEAL-IQ成像的脂肪分数(fat fraction,FF)、R_(2)^(*)弛豫率(R_(2)^(*))值和IVIM成像的慢速表观弥散系数(slow apparent diffusion coefficient,ADCslow)、快速表观弥散系数(fast apparent diffusion coefficient,ADC-fast)和灌注分数(perfusion fraction,f)并进行对比。受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)被用于确定各参数的诊断效能,logistic回归和DeLong检验分别被用于多参数联合诊断和不同AUC间的差异分析。Spearman相关被用于评估各参数值与Ki-67增殖指数的相关性。结果:Ki-67增殖指数高的组ADC-slow、ADC-fast和R_(2)^(*)值均显著低于Ki-67增殖指数低的组(P分别为<0.001、0.004、<0.001)。ADC-slow、ADC-fast、R_(2)^(*)以及三者联合鉴别Ki-67增殖指数高、低组EC的AUC分别为0.860、0.748、0.862和0.978。DeLong分析显示,ADC-slow+ADC-fast+R_(2)^(*)与ADC-slow、ADC-fast及R_(2)^(*)之间的AUC差异均有统计学意义(Z分别为2.109、3.134、2.227;P分别为0.035、0.002、0.023)。ADC-slow和R_(2)^(*)值均与Ki-67增殖指数呈中度负相关(r分别为-0.547、-0.711,P<0.001),ADC-fast与Ki-67增殖指数呈轻度负相关(r分别为-0.324,P=0.034)。结论:ADC-slow、ADC-fast和R_(2)^(*)均有助于评估EC患者的细胞增殖状态,且三者联合能够对Ki-67增殖指数高、低组EC进行更有效的鉴别。
