全病灶ADC直方图分析在直肠癌组织学分级的临床应用研究

Chinese Journal of Magnetic Resonance Imaging(2022)

引用 1|浏览6
暂无评分
摘要
目的 探究基于肿瘤整体体积的表观扩散系数(apparent diffusion coefficient,ADC)直方图分析在直肠癌组织学分级中的临床作用.材料与方法 回顾性分析121例直肠癌患者资料,所有患者术前均行3.0 T MRI检查.采用FireVoxel软件勾画兴趣区并进行直方图分析,通过方差分析比较直肠癌不同组织学分级的直方图参数[ADC最小值(ADCmin)、ADC最大值(ADCmax)、ADC平均值(ADCmean)、第5、10、25、50、75、90、95百分位数值域、偏度、峰度].Spearman相关检验分析组织学分级与直方图参数之间的相关性.用logistic回归找出最优组合模型.并利用受试者工作特征(receiver operating characteristic,ROC)曲线分析直方图参数对于直肠癌分化程度的诊断能力.结果 直方图参数ADCmean、第75、90百分位、偏度和峰度在高、中和低分化的直肠癌之间有显著性差异(P<0.05).直肠癌分化程度与上述直方图参数之间存在相关性(r=0.548、0.568、0.563、-0.555,-0.760,P<0.05).在ADC直方图参数中,峰度在区分低分化直肠癌和高分化/中分化直肠癌时达到了最高ROC曲线下面积(area under the curve,AUC)值,为0.918,最佳截止值为2.045.ADCmean、第75、90百分位、偏度和峰度的组合产生了最高的AUC,为0.928.结论 基于全病灶ADC直方图分析可用于预测直肠癌的组织学分级,并且ADCmean、第75、90百分位、偏度和峰度组合可能是区分低、中高分化直肠癌的最佳选择.
更多
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要