分享:
分享到微信朋友圈
X
临床研究
基于压缩感知容积扫描的动态对比增强磁共振成像在甲状腺良恶性结节鉴别诊断中的价值
陈娇 姜利伶 刘代洪 吴剑 张俊斌 张久权

Cite this article as: Chen J, Jiang LL, Liu DH, et al. The value of dynamic contrast enhanced-magnetic resonance imaging based on compressed sensing volumetric interpolated breath-hold examination in the differential diagnosis between benign and malignant thyroid nodules[J]. Chin J Magn Reson Imaging, 2022, 13(4): 38-42.本文引用格式:陈娇, 姜利伶, 刘代洪, 等. 基于压缩感知容积扫描的动态对比增强磁共振成像在甲状腺良恶性结节鉴别诊断中的价值[J]. 磁共振成像, 2022, 13(4): 38-42. DOI:10.12015/issn.1674-8034.2022.04.007.


[摘要] 目的 探讨基于压缩感知容积扫描(compressed sensing volumetric interpolated breath-hold examination,CS-VIBE)的动态对比增强磁共振成像(dynamic contrast enhanced-magnetic resonance imaging,DCE-MRI)在甲状腺结节良恶性鉴别诊断中的价值。材料与方法 回顾性分析重庆大学附属肿瘤医院2020年9月至2021年5月行甲状腺DCE-MRI检查的患者病例,共纳入结节84个,其中恶性结节43个、良性结节41个。测量DCE-MRI定量参数:转运常数(volume transfer constant,Ktrans),血液回流常数(rate constant,Kep),血管外细胞外间隙容积分数(extracellular space volume fraction,Ve),初始曲线下面积(initial area under curve,iAUC)。比较各定量参数在良恶性结节中的差异,采用二元逻辑回归分析进行参数联合鉴别良恶性结节,并通过受试者操作特征(receiver operating characteristic,ROC)曲线获得各参数和联合参数的曲线下面积(area under the curve,AUC),计算预测模型的敏感度和特异度。结果 甲状腺恶性结节的Ktrans (P<0.001)、Kep (P<0.001)、iAUC (P=0.001)值均大于甲状腺良性结节,组间差异具有统计学意义;Ve值(P=0.177)组间差异无统计学意义。联合参数预测甲状腺恶性结节的敏感度为83.33%、特异度为73.81%,准确度为73.80%,AUC为0.807。结论 基于CS-VIBE的DCE-MRI对于甲状腺结节良恶性鉴别具有较好的诊断价值。
[Abstract] Objective To explore the value of dynamic contrast enhanced-magnetic resonance imaging (DCE-MRI) based on compressed sensing volumetric interpolated breath-hold examination (CS-VIBE) in the differential diagnosis between benign and malignant thyroid nodules.Materials and Methods In this retrospective study, the patients with thyroids were enrolled from September 2020 to May 2021 in our hospital. A total of 84 nodules were included, including 43 malignant nodules and 41 benign nodules. All patients were examined by routine MRI and DCE-MRI before the operation. The DCE-MRI parameters including volume transfer constant (Ktrans), rate constant (Kep), extracellular space volume fraction (Ve) and initial area under curve (iAUC) were acquired. The difference of quantitative parameters between benign and malignant thyroid nodules was compared. The binary logistic regression analysis was used to build prediction model. The receiver operating characteristic (ROC) curces were performed to evaluate the diagnostic performance.Results The malignant group had a significantly higher Ktrans value (P<0.001), Kep value (P<0.001) and iAUC value (P=0.001) than the benign group. The Ve value was not significantly different between malignant and benign nodules (P=0.177). In the prediction model, the sensitivity and specificity were 83.33% and 73.81%, respectively.Conclusions The DCE-MRI with CS-VIBE had good diagnostic performance in the differential diagnosis between benign and malignant thyroid nodules.
[关键词] 动态对比增强;磁共振成像;压缩感知容积扫描;甲状腺结节;鉴别诊断
[Keywords] dynamic contrast enhanced;magnetic resonance imaging;compressed sensing volumetric interpolated breath-hold examination;thyroid nodules;differential diagnosis

陈娇 1   姜利伶 1   刘代洪 1   吴剑 2   张俊斌 2   张久权 1*  

1 重庆大学附属肿瘤医院影像科,重庆 400030

2 重庆大学附属肿瘤医院头颈肿瘤中心,重庆 400030

张久权,E-mail:zhangjq_radiol@foxmail.com

作者利益冲突声明:全部作者均声明无利益冲突。


基金项目: 国家自然科学基金 82071883
收稿日期:2021-11-16
接受日期:2022-03-16
中图分类号:R445.2  R736.1 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.04.007
本文引用格式:陈娇, 姜利伶, 刘代洪, 等. 基于压缩感知容积扫描的动态对比增强磁共振成像在甲状腺良恶性结节鉴别诊断中的价值[J]. 磁共振成像, 2022, 13(4): 38-42. DOI:10.12015/issn.1674-8034.2022.04.007

       甲状腺结节属临床常见病,发现结节后鉴别其良恶性是临床医生和患者迫切关注的问题。在2020年的全球癌症发病率中,甲状腺癌已成为第5位女性好发肿瘤[1]。甲状腺结节良恶性鉴别有助于缓解患者的焦虑情绪,并且指导临床后续治疗。目前超声是鉴别甲状腺结节良恶性的一种常用方法,但结果可能因评估者的经验不同而存在主观差异[2]。CT可用于显示结节与周围结构、淋巴结转移的关系,但存在鉴别诊断能力不佳和辐射危害的问题[3]。常规磁共振成像提供的形态学和信号特征对于甲状腺良恶性结节的诊断价值有限[4]。弥散成像对于甲状腺结节的良恶性鉴别有着非常重要的作用,但是常用的弥散序列单次激励平面回波成像用于甲状腺图像质量并不好。动态对比增强磁共振成像(dynamic contrast enhanced-magnetic resonance imaging,DCE-MRI)作为一种描述对比剂进入和排出肿瘤血流动力学过程的技术,可以对病变微循环病理特征进行影像学评价,主要反映微血管灌注、渗透性及血管外细胞外间隙的大小。DCE-MRI是一种以病变、组织中的微血管系统为生理基础,来评估病变、组织生理性质的功能成像技术。DCE-MRI虽然不是临床常规检查,但近年来已有报道将其用于甲状腺病变的诊断和评价[5, 6]。常规的甲状腺DCE-MRI检查一般采用3D容积内插(3D-volumetric-interpolated breath-hold examination,3D-VIBE)梯度回波序列,易受运动伪影的影响。因为甲状腺是一个会随呼吸、吞咽运动的器官,所以运动伪影会影响图像质量和后处理结果。压缩感知容积扫描(compressed sensing volumetric interpolated breath-hold examination,CS-VIBE)作为一种压缩感知技术,通过直接采集压缩后的图像,实现磁共振扫描时间的成倍缩短。然而,目前尚未见基于CS-VIBE的DCE-MRI在甲状腺成像中的研究报道。本研究旨在探讨CS-VIBE与DCE-MRI联合使用对于甲状腺良恶性结节的鉴别诊断价值,其创新性在于首次联合CS-VIBE与DCE-MRI用于甲状腺,该序列可以避免运动伪影的影响,并且减少了扫描时间,其临床应用前景可观。

1 材料和方法

1.1 研究对象

       回顾性分析重庆大学附属肿瘤医院2020年9月至2021年5月行甲状腺磁共振检查的患者病例。纳入标准:(1) MRI显示甲状腺结节并且有病理结果;(2)术前没有接受活检或其他治疗;(3)一侧叶有多个结节者,选择较大结节;(4)所有患者均行基于CS-VIBE的DCE-MRI扫描。排除标准:(1)图像伪影严重;(2)囊性结节;(3)短径<5 mm。本研究为回顾性研究,已获得重庆大学附属肿瘤医院伦理委员会批准(伦理批号:CZLS2021207),免除受试者知情同意。

1.2 检查方法

       采用德国西门子Prisma 3 T MRI成像仪和16通道甲状腺专用表面线圈(众志医疗,江苏)。常规扫描序列包括冠状位Fast DIXION,横断位T1压脂和T2压脂。Fast DIXION参数:TR:4320 ms;TE:77 ms;层厚:3 mm;层间距:0.6 mm;FOV:280×280 mm2。T1压脂参数:TR:610 ms;TE:14 ms;层厚:3 mm;层间距:0.3 mm;FOV:160×85 mm2。T2压脂参数:TR:3000 ms;TE:88 ms;层厚:3 mm;层间距:0.3 mm;FOV:160×85 mm2。DCE-MRI采用CS-VIBE序列,扫描参数为TR:3.56 ms;TE:1.38 ms;FOV:340×244 mm2;激励次数:1;矩阵:320×224;层厚:3 mm;层间距:0.3 mm;平均扫描时间:5.33 s;总共扫描30期。扫描第5期于手背静脉以2 mL/s的速度注入20 mL对比剂(钆特酸葡胺注射液,江苏恒瑞医药股份有限公司),然后以2 mL/s的速度注入20 mL生理盐水(氯化钠注射液,重庆西南药业股份有限公司)。

1.3 图像分析

       采用西门子Syngo.via后处理工作站。选择结节显示最佳层面,避开伪影及囊性病变区域,沿结节边缘手动勾画感兴趣区(region of interest,ROI),获取定量参数转运常数(volume transfer constant,Ktrans),血液回流常数(rate constant,Kep),血管外细胞外间隙容积分数(extracellular space volume fraction,Ve),初始曲线下面积(initial area under curve,iAUC) (图1)。感兴趣区勾画由观察者1 (初级,三年工作经验)和观察者2 (中级,七年工作经验)完成。观察者只知道病灶的位置和大小,对病理结果是未知的。

图1  男,55岁,乳头状癌。1A:DCE第30期图像轴位,甲状腺左叶显示一结节;1B:病理图片,可见乳头状突起,细胞核增大、排列拥挤;1C:Ktrans图,Ktrans值为0.424;1D:Kep图,Kep值为1.966;1E:Ve图,Ve值为0.212;1F:时间-信号曲线呈速升缓降表现。
Fig. 1  A 55-year-old man with papillary carcinoma. 1A: The axial image of DCE showed a nodule in the left thyroid lobe. 1B: The pathological image showed papillary protuberance, enlarged and crowded nuclei. 1C: The Ktrans image, Ktrans value was 0.424. 1D: The Kep image, Kep value was 1.966. 1E: The Ve image, Ve value was 0.212. 1F: The time-signal curve was rapid rise and slow fall.

1.4 统计分析

       采用SPSS 25.0 R软件4.0.1及GraphPad Prism 7.0统计分析软件,计量资料数据以x¯±s描述,P<0.05认为差异有统计学意义。采用组内相关系数分析比较观察者测量结果之间的一致性,最后采用观察者2的测量结果进行分析。采用K-S检验数据是否符合正态分布。符合正态分布的数据组间比较采用独立样本t检验,否则采用Mann-Whitney U检验。采用二元逻辑回归分析进行参数联合鉴别良恶性结节。组间比较差异有统计学意义的指标,再进行单因素和多因素二元逻辑回归分析。绘出各参数和联合参数的受试者工作特征(receiver operating characteristic,ROC)曲线,分别得到预测模型的曲线下面积(area under the curve,AUC)、敏感度和特异度。Delong检验比较各模型诊断价值。

2 结果

2.1 临床资料

       本研究共纳入73名患者,年龄为21~75岁,其中女55名、男18名。总共有结节84个,依据术后病理结果将结节分为良性组和恶性组,其中恶性结节43个(乳头状癌40个,髓样癌2个,滤泡细胞腺癌1个)、良性结节41个(结节性甲状腺肿18个,滤泡细胞腺瘤21个,甲状腺肿伴腺瘤样增生2个)。

2.2 良恶性结节的定量参数组间比较

       在DCE-MRI定量参数的一致性分析中,观察者1和2之间具有较高的一致性。在恶性组中,Ktrans为(0.54±0.30) min-1,Kep为(1.69±0.46) min-1,Ve为0.31±0.17,iAUC为0.57±0.31。在良性组中,Ktrans为(0.30±0.22) min-1,Kep为(1.23±0.43) min-1,Ve为0.25±0.19,iAUC为0.36±0.24。甲状腺恶性结节的Ktrans (P<0.001)、Kep (P<0.001)、iAUC (P=0.001)值均大于甲状腺良性结节,组间差异具有统计学意义;Ve值(P=0.177)组间差异无统计学意义(表1)。

表1  甲状腺良恶性结节的DCE定量参数比较
Tab. 1  Comparison of DCE quantitative parameters between benign and malignant thyroid nodules

2.3 DCE-MRI单个定量参数及联合参数预测良恶性比较

       在单因素二元逻辑回归分析中,Ktrans (P<0.001)、Kep (P<0.001)、iAUC (P=0.002)差异均有统计学意义(表2)。Ktrans、Kep、iAUC联合的多因素二元逻辑回归分析结果见表3。Ktrans值预测甲状腺结节良恶性的敏感度为76.19%,特异度为69.05%,准确度为72.60%,AUC为0.768;Kep值预测甲状腺结节良恶性的敏感度为64.29%,准确度为75.00%,特异度为88.10%,AUC为0.770;iAUC值预测甲状腺结节良恶性的敏感度为83.33%,特异度为59.52%,准确度为70.20%,AUC为0.714;Ktrans、Kep、iAUC联合参数预测甲状腺结节良恶性的敏感度为83.33%,特异度为73.81%,准确度为73.80%,AUC为0.807 (表4) (图2)。Ktrans、Kep、iAUC联合参数模型平衡了敏感度和特异度,有更好的诊断表现(P<0.001)。

图2  DCE不同参数的ROC曲线。
Fig. 2  ROC curves of different parameters derived from DCE.
表2  DCE定量参数的单因素二元逻辑回归分析
Tab. 2  Univariate binary logistic regression analysis of DCE quantitative parameters
表3  DCE定量参数的多因素二元逻辑回归分析
Table 3  Multivariate binary logistic regression analysis of DCE quantitative parameters
表4  DCE定量参数预测甲状腺结节良恶性的表现
Tab. 4  DCE quantitative parameters to predict benign and malignant thyroid nodules

3 讨论

       本研究采用DCE-MRI鉴别甲状腺结节的良恶性,研究结果表明Ktrans、Kep、iAUC联合参数模型有较好的诊断价值。本研究首次采用了CS-VIBE用于甲状腺的DCE-MRI,扫描时间短这一特点有助于临床工作中进一步深入甲状腺的DCE-MRI研究。

3.1 CS-VIBE技术优势

       DCE-MRI利用磁共振成像信号强度的动态变化,依据药物动力学模型,得到对比剂在组织流动和从血管内到细胞外间隙渗漏速率相关的功能参数。该成像技术已经在多种肿瘤中进行了研究,如乳腺癌、前列腺癌及非小细胞肺癌,并且证明DCE-MRI用于的肿瘤的良恶性鉴别、肿瘤的侵袭性预测及化疗和疗效预测是可行的[7, 8, 9]。但是,常规动态对比增强扫描一般采用3D-VIBE序列,容易产生运动伪影,扫描时间较长、平均扫描时间约13.33 s[6],涉及空间分辨率和时间分辨率之间的权衡。在直肠癌的研究中报道了传统的3D-VIBE序列容易产生运动伪影[10]。由于甲状腺易受呼吸运动和吞咽运动的影响,因此传统的3D-VIBE序列并不适用于甲状腺[11]。吴美妮等[12]报道了LAVA序列用于甲状腺动态对比增强扫描,但是该序列平均扫描时间较CS-VIBE长,而且该研究并没有采用定量分析。压缩感知(compressed sensing,CS)技术构建了一种新的磁共振信号采集和图像重建方法。CS技术通过有选择性地采集K空间内少量最重要数据,缩短信号采集时间,减少计算量;同时,采用更新的算法实现原始信号的重构,保证重建图像质量。在子宫和神经方面的研究结果显示CS-VIBE具有提高时间分辨率的优点[13, 14]。本研究将CS-VIBE应用于甲状腺的DCE-MRI,该技术不需要患者配合呼吸,可以在更短的时间内获得图像,并且减少运动对图像的影响。

3.2 DCE-MRI参数的病理意义

       本研究结果显示,甲状腺恶性结节的Ktrans (P<0.001)、Kep (P<0.001)、iAUC (P=0.001)值均高于甲状腺良性结节,这与以往的研究结果相一致[6]。在头颈部[15, 16]、乳腺[17]和直肠[18]、软组织肿瘤[19]中,恶性病变的Ktrans和Kep值均明显高于良性病变。在肿瘤性病变中,生长因子介导新生血管形成是一个常见现象,肿瘤新生血管不具有完整的血管结构,其通透性较正常增高。DCE-MRI作为一种公认的评估血管通透性的诊断工具,可以间接反映肿瘤内的新生血管情况。Ktrans为反映对比剂从血浆渗透至血管外细胞外间隙的容量转移常数,Kep为对比剂从血管外细胞外间隙返回至血浆的速率,二者受组织血流量和毛细血管渗透性及其表面积的影响[20]。本研究结果表明甲状腺恶性结节的Ktrans和Kep值均高于甲状腺良性结节,提示甲状腺恶性结节内的血管内皮通透性较良性结节有所增加。本研究发现Ve值(P=0.177)差异无统计学意义,这与以往的研究结果相似[6]。Ve值反映了血管外细胞外间隙对比剂的体积,受血管渗透性、细胞密度、囊变坏死程度以及细胞外基质等因素的影响。由于其影响因素众多,故Ve值是高度不稳定的。本研究中的DCE-MRI定量参数与部分研究有差异[21],可能与本研究的后处理模式多选择性有关。本研究中后处理是在西门子的Syngo.via进行的,该后处理模型可以根据对比剂类型、剂量的不同来调整计算方式,并且可以根据不同的血流灌注情况、不同的器官有三种模式可以选择,本研究后处理中的每一个结果都是在不同模式中选择了拟合曲线最好,即时间信号曲线图中chi2值最小的结果。

3.3 本研究的局限性

       本研究仍存在一些不足之处。首先,样本量仍然不够大,未来我们将扩大样本量以验证当前的结果;其次,由于本研究为回顾性研究,所以选择偏倚是不可避免的;另外,本研究未将DCE-MRI定量参数与病理学免疫组化结果做相关分析,未来我们将进一步验证定量参数所代表的病理意义;最后,我们使用的二维ROI测量平均值,三维的ROI是否能反映更准确的结果,未来我们将继续进一步研究。

       综上所述,CS-VIBE用于甲状腺DCE-MRI是可行的,在甲状腺结节良恶性鉴别诊断中具有一定的价值,其中Ktrans、Kep、iAUC联合参数模型平衡了敏感度和特异度,有更好的诊断表现,为甲状腺结节良恶性鉴别提供了另一种参考手段。

[1]
Sung H, Ferlay J, Siegel RL, et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries[J]. CA Cancer J Clin, 2021, 71(3): 209-249. DOI: 10.3322/caac.21660.
[2]
Tappouni R, Itri J, McQueen T, et al. ACR TI-RADS: Pitfalls, Solutions, and Future Directions[J]. Radiographics, 2019, 39(7): 2040-2052. DOI: 10.1148/rg.2019190026.
[3]
Wang H, Song B, Ye N, et al. Machine learning-based multiparametric MRI radiomics for predicting the aggressiveness of papillary thyroid carcinoma[J]. Eur J Radiol, 2020, 122: 108755. DOI: 10.1016/j.ejrad.2019.108755.
[4]
Meyer HJ, Wienke A, Surov A. Discrimination between malignant and benign thyroid tumors by diffusion-weighted imaging-A systematic review and meta analysis[J]. Magn Reson Imaging, 2021, 84: 41-57. DOI: 10.1016/j.mri.2021.09.006.
[5]
Paudyal R, Lu Y, Hatzoglou V, et al. Dynamic contrast-enhanced MRI model selection for predicting tumor aggressiveness in papillary thyroid cancers[J]. NMR Biomed, 2020, 33(1): e4166. DOI: 10.1002/nbm.4166.
[6]
Sakat MS, Sade R, Kilic K, et al. The Use of Dynamic Contrast-Enhanced Perfusion MRI in Differentiating Benign and Malignant Thyroid Nodules[J]. Indian J Otolaryngol Head Neck Surg, 2019, 71(Suppl 1): 706-711. DOI: 10.1007/s12070-018-1512-3.
[7]
Zeng J, Cheng Q, Zhang D, et al. Diagnostic Ability of Dynamic Contrast-Enhanced Magnetic Resonance Imaging for Prostate Cancer and Clinically Significant Prostate Cancer in Equivocal Lesions: A Systematic Review and Meta-Analysis[J]. Front Oncol, 2021, 11: 620628. DOI: 10.3389/fonc.2021.620628.
[8]
Partovi S, Sin D, Lu Z, et al. Fast MRI breast cancer screening-Ready for prime time[J]. Clin Imaging, 2020, 60(2): 160-168. DOI: 10.1016/j.clinimag.2019.10.013.
[9]
Seki S, Fujisawa Y, Yui M, et al. Dynamic Contrast-enhanced Area-detector CT vs Dynamic Contrast-enhanced Perfusion MRI vs FDG-PET/CT: Comparison of Utility for Quantitative Therapeutic Outcome Prediction for NSCLC Patients Undergoing Chemoradiotherapy[J]. Magn Reson Med Sci, 2020, 19(1): 29-39. DOI: 10.2463/mrms.mp.2018-0158.
[10]
Li Y, Xia C, Peng W, et al. Dynamic contrast-enhanced MR imaging of rectal cancer using a golden-angle radial stack-of-stars VIBE sequence: comparison with conventional contrast-enhanced 3D VIBE sequence[J]. Abdom Radiol (NY), 2020, 45(2): 322-331. DOI: 10.1007/s00261-019-02225-7.
[11]
Hylton N. Dynamic contrast-enhanced magnetic resonance imaging as an imaging biomarker[J]. J Clin Oncol, 2006, 24(20): 3293-3298. DOI: 10.1200/jco.2006.06.8080.
[12]
吴美妮, 梁龙飞, 张妙如, 等. 多参数MRI在甲状腺良恶性结节诊断中的应用价值[J]. 中华放射学杂志, 2021, 55(7): 710-715. DOI: 10.3760/cma.j.cn112149-20200822-01022.
Wu MN, Liang LF, Zhang MR, et al. Value of multi-parameter MRI in the diagnosis of thyroid benign and malignant nodules[J]. Chin J Radiol, 2021, 55(7): 710-715. DOI: 10.3760/cma.j.cn112149-20200822-01022.
[13]
Hausmann D, Kreul D, Klarhöfer M, et al. Morphological and functional assessment of the uterus: "one-stop shop imaging" using a compressed-sensing accelerated, free-breathing T1-VIBE sequence[J]. Acta Radiol, 2021, 62(5): 695-704. DOI: 10.1177/0284185120936260.
[14]
Chung MS, Yim Y, Sung JK, et al. CS-VIBE accelerates cranial nerve MR imaging for the diagnosis of facial neuritis: comparison of the diagnostic performance of post-contrast MPRAGE and CS-VIBE[J]. Eur Radiol, 2021, 1(32): 223-233. DOI: 10.1007/s00330-021-08102-6.
[15]
Marzi S, Piludu F, Forina C, et al. Correlation study between intravoxel incoherent motion MRI and dynamic contrast-enhanced MRI in head and neck squamous cell carcinoma: Evaluation in primary tumors and metastatic nodes[J]. Magn Reson Imaging, 2017, 37: 1-8. DOI: 10.1016/j.mri.2016.10.004.
[16]
Xu X, Choi Y, Sung Y, et al. Intravoxel Incoherent Motion MR Imaging in the Head and Neck: Correlation with Dynamic Contrast-Enhanced MR Imaging and Diffusion-Weighted Imaging[J]. Korean J RadioL, 2016, 17(5): 641-649. DOI: 10.3348/kjr.2016.17.5.641.
[17]
Dong H, Kang L, Cheng S, et al. Diagnostic performance of dynamic contrast-enhanced magnetic resonance imaging for breast cancer detection: An update meta-analysis[J]. Thorac Cancer, 2021, 23(12): 3201-3207. DOI: 10.1111/1759-7714.14187.
[18]
Yeo D, Oh S, Jung C, et al. Correlation of dynamic contrast-enhanced MRI perfusion parameters with angiogenesis and biologic aggressiveness of rectal cancer: Preliminary results[J]. J Magn Reson Imaging, 2015, 41(2): 474-480. DOI: 10.1002/jmri.24541.
[19]
刘雅怡, 岳斌, 孙玲玲, 等. 动态对比增强MRI定量参数评价软组织肿瘤生物学行为的价值[J]. 中华放射学杂志, 2020, 54(10): 980-985. DOI: 10.3760/cma.j.cn112149-20200224-00238.
Liu YY, Yue B, Sun LL, et al. The value of quantitative parameters of dynamic contrast-enhanced MRI in evaluating the biological behavior of soft tissue tumors[J]. Chin J Radiol, 2020, 54(10): 980-985. DOI: 10.3760/cma.j.cn112149-20200224-00238.
[20]
Yankeelov T, Gore J. Dynamic Contrast Enhanced Magnetic Resonance Imaging in Oncology: Theory, Data Acquisition, Analysis, and Examples[J]. Curr Med Imaging Rev, 2009, 3(2): 91-107. DOI: 10.2174/157340507780619179.
[21]
Song M, Yue Y, Guo J, et al. Quantitative analyses of the correlation between dynamic contrast-enhanced MRI and intravoxel incoherent motion DWI in thyroid nodules[J]. Am J Transl Res, 2020, 12(7): 3984-3992. DOI: eCollection2020.

上一篇 基于高分辨率MRI评估头颈动脉夹层与急性缺血性脑卒中的关系
下一篇 MRI联合序列对比MDCT在食管鳞癌T分期诊断效能的研究
  
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