论文部分内容阅读
目的①应用小视野多b值ZOOMitTM扩散加权成像,对IVIM模型的纯扩散系数(D)、灌注分数(f)、假扩散系数(D*),DKI模型的平均扩散峰度(MK)、平均扩散率(MD)和传统单指数DWI模型的表观扩散系数(ADC)进行分析,探究这些定量扩散参数对甲状腺、甲状旁腺病变的诊断价值,并评估、比较其诊断效能。②补充并丰富甲状腺、甲状旁腺病变及正常甲状腺实质的定量参数数据库,提供满足病变的自动识别、定位及分割需要的高分辨图像数据,为深度学习、机器学习等人工智能诊断方法在该类疾病中的应用奠定基础。方法 在2019年3月-2019年10月期间,于山东大学附属省立医院前瞻性招募经超声、PET/CT或临床血液检查等诊断为甲状腺或甲状旁腺疾病并欲行磁共振检查的患者共计6例,其中男性2例,女性4例,平均年龄49.7±18.8岁,范围24-72岁。同期共招募健康志愿者6例,其中男性3例,女性3例,平均年龄27.2±6.8岁,范围24-41岁。采用 Siemens Healthcare MAGNETOM Prisma 3.0T MR 扫描仪和 64 通道头颈联合线圈对所有受试者进行MRI检查。用于拟合IVIM及DKI模型的轴位小视野多 b 值 ZOOMit DWI 序列采用 10 个 b 值,分别为 0,20,40,100,150,200,400,800,1000,2000 s/mm2,FoV=120 mm×61.6 mm;用于拟合传统双b值DWI模型的轴位小视野 ZOOMit DWI 序列采用 b1=0 s/mm2,b2=500 s/mm2,FoV=120 mm×61.6 mm。应用Siemens Healthcare Syngo via后处理工作站对全部12例受试者的多b值DWI数据进行处理和分析,所有扩散参数图使用Body Diffusion Toolbox(Version 1.3.0,Siemens Healthcare,Erlangen,Germany)进行计算生成。在病变及正常实质的多个层面勾画ROI,测量病变组、正常实质组的全部ROI在各个高级扩散模型中的定量参数,即D值、f值、D*值、MK值、MD值及ADC值,分别取3次测量后的平均值。应用IBM SPSS软件(Version 26;Armonk,NY,USA)对数据进行统计学分析,计量资料以平均数±标准差(χ±s)表示。采用Kolmogorov-Smirnov检验和F检验对6项定量参数在病变组和正常实质组中的分布进行正态性和方差齐性检验,据检验结果采用Wilcoxon秩和检验对两组间的D值、f值、D*值、MK值及MD值进行对比分析,采用两独立样本t检验(Student’s t-test)对两组间的ADC值进行比较。对差异有统计学意义的参数D*值、MK值和ADC值,使用受试者工作特性曲线(receiver operating characteristic curve,ROC)评估各个参数在鉴别病变与正常甲状腺组织中的诊断效能,确定最佳诊断临界值及相应的敏感度和特异度。计算ROC曲线下面积(area under curve,AUC),并采用Z检验比较参数AUC之间的差异。采用单因素ANOVA方差分析对D值、f值、D*值、MK值、MD值及ADC值在各个病变亚组和正常实质组中的差异进行两两比较。以P<0.05为差异有统计学意义。结果①在纳入的6例患者中共划取19个病变组ROI,分别为甲状腺未分化癌(6个),甲状旁腺腺瘤(6个),良性甲状腺结节(5个),桥本氏甲状腺炎(2个)。在6例健康志愿者及部分病灶局限的患者的正常甲状腺实质中共划取53个正常实质组ROI。②IVIM-D*值、DKI-MK值和DWI-ADC值在病变组与正常实质组之间的差异具有显著性(D*值:Z=-2.166,P=0.030;MK 值:Z=-2.166,P=0.030;ADC值:t=-2.371,P=0.021)。病变的D*值、MK值和ADC值显著低于正常实质。病变组与正常实质组在D值、f值和MD值上无显著性差异(D值:Z=-0.134,P=0.893;f值:Z=-0.722,P=0.470;MD 值:Z=-0.287,P=0.774)。③D*值测得的ROC曲线下面积(AUC)及95%置信区间为0.668(0.491-0.845)(P=0.030),敏感度为 63.16%,特异度为 86.70%,得到 D*=8.195×10-3mm2/s为鉴别病变与正常组织的临界值;测得MK值的AUC及95%置信区间为0.668(0.497-0.839)(P=0.030),敏感度为 57.89%,特异度为 83.02%,临界值 MK=1.047;ADC值的AUC及95%置信区间为0.681(0.526-0.836)(P=0.028),敏感度为76.47%,特异度为 59.57%,临界值 ADC=1.441×10-3mm2/s;D*、MK 及 ADC 值的AUC经Z检验两两比较均无明显统计学差异(P>0.05)。④恶性甲状腺病变组与良性甲状腺病变组的IVIM-f值、DKI-MD值有统计学差异(P=0.017,P=0.000),恶性组的f、MD值低于良性组;恶性甲状腺病变组与甲状旁腺腺瘤组的DKI-MD值有统计学差异(P=0.011),恶性甲状腺病变的MD值低于甲状旁腺腺瘤;恶性甲状腺病变组与正常甲状腺实质组的IVIM-f值、IVIM-D*值、DKI-MK 值、DKI-MD 值有统计学差异(P=0.042,P=0.000,P=0.000,P=0.002),恶性病变的f、D*、MK、MD值低于正常实质;甲状旁腺腺瘤组与正常甲状腺实质组的ADC值有统计学差异(P=0.029),前者的ADC值低于后者;良性甲状腺病变组与甲状旁腺腺瘤组、良性甲状腺病变组与正常甲状腺实质组的D、f、D*、MK、MD、ADC值均无明显统计学差异。结论 小视野ZOOMit DWI序列能够提高甲状腺及甲状旁腺区域的图像质量。基于ZOOMit DWI的IVIM、DKI和DWI模型的参数图保持了较高的质量,几乎未出现明显的形变及伪影,增强了定量测量的准确性。D*、MK、ADC值在鉴别病变与正常甲状腺实质方面较其他扩散参数(D值、f值、MD值)更具优势,但三者的诊断效能大致相当。IVIM、DKI和传统DWI模型的相关参数能够为恶性甲状腺病变、良性甲状腺病变、甲状旁腺病变及正常甲状腺组织的鉴别诊断提供更多生物学信息,有利于人工智能辅助诊断在该区域的应用。