分享:
分享到微信朋友圈
X
综述
MRI新技术在腮腺肿瘤中的应用进展
王艺华 王丽君

Cite this article as: Wang YH, Wang LJ. Progress of new MRI technology in parotid gland tumors[J]. Chin J Magn Reson Imaging, 2022, 13(8): 139-141, 157.本文引用格式:王艺华, 王丽君. MRI新技术在腮腺肿瘤中的应用进展[J]. 磁共振成像, 2022, 13(8): 139-141, 157. DOI:10.12015/issn.1674-8034.2022.08.031.


[摘要] 腮腺肿瘤病理类型较多,不同类型肿瘤的影像表现上具有相似性。常规MRI通常很难对肿瘤类型进行区分。近几年来MRI新技术越来越多地应用于腮腺肿瘤的诊断,如扩散加权成像、动脉自旋标记成像、磁敏感加权成像以及酰胺质子转移加权成像等,同时腮腺肿瘤影像组学研究也逐步开展。这些新技术、新研究方法不仅提高了肿瘤显示的敏感度,还可以定量分析肿瘤的血流灌注、组织代谢等情况,以及提取肿瘤的影像学特征建立模型,为腮腺肿瘤的诊断提供更精准的信息。本文就以上MRI新技术及影像组学在腮腺肿瘤中的应用进展进行综述,以提高对其在腮腺肿瘤综合评估中的价值的认识。
[Abstract] The pathological types of parotid gland tumors are diverse and the differential diagnosis of parotid gland tumors is difficult. The images of different types of parotid gland tumors are similar sometimes. Conventional MR imaging is often difficult to distinguish the tumor types. In recent years, a series of new magnetic resonance technologies, such as diffusion-weighted imaging, arterial spin labeling, susceptibility-weighted imaging, amide proton transfer weighted imaging has been developed rapidly and radiomics has been applied to parotid gland tumors. These new technologies can not only improve the sensitivity in discovering tumors but analyze the blood perfusion and tissue metabolism of tumors quantitatively. To extract the imaging features of tumors and establish models, it can provide more accurate supplementary information for the diagnosis of parotid tumors. This paper has reviewed the progress of MRI technology and applications of radiomics in parotid gland tumors to improve the comprehensive assessment of parotid gland tumors.
[关键词] 腮腺肿瘤;磁共振成像;扩散加权成像;动脉自旋标记;磁敏感加权成像;影像组学;酰胺质子转移加权成像
[Keywords] parotid gland tumors;magnetic resonance imaging;diffusion-weighted imaging;arterial spin labeling;susceptibility-weighted imaging;radiomics;amide proton transfer weighted imaging

王艺华    王丽君 *  

大连医科大学附属第一医院放射科,大连 116011

王丽君,E-mail:wanglj345@163.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: 辽宁省自然科学基金 20180550719
收稿日期:2022-01-18
接受日期:2022-08-10
中图分类号:R445.2  R739.87 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.08.031
本文引用格式:王艺华, 王丽君. MRI新技术在腮腺肿瘤中的应用进展[J]. 磁共振成像, 2022, 13(8): 139-141, 157. DOI:10.12015/issn.1674-8034.2022.08.031

       腮腺是人体最大的唾液腺,腮腺肿瘤约占唾液腺肿瘤的70%[1]。肿瘤类型较多,仅依靠临床特征难以鉴别,但治疗前肿瘤良恶性的确定与手术方法的选择密切相关,即便是良性肿瘤中常见的多形性腺瘤和Warthin瘤的手术方式也不尽相同,因此术前准确诊断对于临床治疗非常重要。

       MRI有较好的软组织分辨率,已经广泛用于腮腺的形态学等方面的评估,但由于部分肿瘤在影像学表现上存在重叠,导致常规MRI技术在腮腺肿瘤的鉴别诊断上存在争议[2]。近年来,磁共振扩散成像、动脉自旋标记(arterial spin labeling, ASL)、磁敏感加权成像(susceptibility-weighted imaging, SWI)、酰胺质子转移加权成像(amide proton transfer weighted imaging, APTw)等新技术及影像组学等研究的不断发展,不仅仅可以评估肿瘤的形态、范围,还可以提供肿瘤结构组成、血供情况以及代谢等方面的信息,提高了肿瘤诊断的准确率,对临床治疗方法的选择以及疾病预后的评估有一定的指导意义,本文就MRI新技术及影像组学在腮腺肿瘤诊断方面的新进展进行综述,期望可以对腮腺肿瘤的术前诊断和治疗提供帮助。

1 磁共振扩散成像

       磁共振扩散成像包括扩散加权成像(diffusion-weighted imaging, DWI)、扩散张量成像(diffusion tensor imaging, DTI)、扩散峰度成像(diffusion kurtosis imaging, DKI)、体素内不相干运动(intravoxel incoherent motion, IVIM)成像等。DWI是反映水分子运动的常用方法,已广泛应用于腮腺肿瘤的诊断中,通常恶性肿瘤细胞较为密集,其表观扩散系数(apparent diffusion coefficient, ADC)值要明显低于良性肿瘤。但腮腺肿瘤病理类型复杂,不同研究在探讨DWI鉴别诊断方面得出的结论缺乏一致性[3, 4, 5, 6]。其中,Warthin瘤作为良性肿瘤,具有嗜酸性上皮及淋巴间质,细胞密集,DWI呈明显高信号,其ADC值较低,而化生型Warthin瘤的嗜酸性上皮可以被鳞状细胞或黏液细胞取代,在影像上表现为恶性征象,给鉴别诊断造成一定的干扰。因此有学者[7]探究腮腺肿瘤DWI、动态对比增强(dynamic contrast enhancement, DCE)特征及其临床特点,发现腮腺恶性肿瘤的ADC值明显高于Warthin瘤,但在此基础上,结合DCE相关参数达峰时间(Tpeak)及流出率(wash-out ratio, WR),恶性肿瘤多发生于腮腺深叶、单发并伴有肿大淋巴结的特点,可以将Warthin瘤与恶性肿瘤诊断敏感度提高到100%。另外将T1WI、T2WI、ADC等相结合可以将化生型Warthin瘤与其他良恶性肿瘤进行鉴别,其中化生型Warthin瘤的ADC值明显低于多形性腺瘤[8]

       相比于DWI,DTI、DKI作为反映水分子微观扩散的新技术,更真实客观描述了肿瘤内部微观结构的变化。DTI不仅描述了分子扩散的程度,还可以反映分子扩散的方向性,目前常用的参数为各向异性分数(fractional anisotropy, FA)及平均扩散率(mean diffusivity, MD),是反映各向异性的良好指标。有研究[9]将DTI与DWI相比较,发现FA对肿瘤良恶性的诊断效能较ADC更高,推测Warthin瘤各向异性较小,恶性肿瘤的各向异性较大,在鉴别Warthin瘤及恶性肿瘤方面,FA可能较ADC更有意义。DKI是一种基于水分子扩散非高斯分布理论的技术,其中D为基于非高斯分布的扩散相关系数,与肿瘤细胞密度呈明显负相关,Huang等[10]测量了DCE与DKI定量参数,发现恶性肿瘤的D值明显低于良性肿瘤。DWI生成的ADC值包括了扩散和灌注效应,尤其在低b值更易受到灌注的影响,IVIM通过多b值的双指数模型计算出组织真实扩散系数(D)、伪扩散系数(D*)、灌注分数(f),能够同时定量评估组织的扩散及血管灌注情况,弥补了ADC的不足。其中D代表细胞外纯水分子的扩散,D*与f则与灌注相关,显示更多与组织微循环相关的信息。Patella等[11]提取病灶DCE与IVIM直方图特征探讨Warthin瘤和多形性腺瘤的组织异质性的关系,其中Warthin瘤的D*值较多形性腺瘤高,这种显著差异提示两种肿瘤间的主要区别可能来自血管分布,并且经单变量分析发现达峰时间(time to peak, TTP)中位数和偏度,D*中位数及熵的曲线下面积(area under the curve, AUC)均可达到0.9以上,双变量分析进一步证实了灌注相关参数在两种肿瘤中的差异,但并没有提高诊断效能。而在Karolina等[12]针对IVIM的研究结果也得到了类似Patella等的结论。Ma等[13]则对比IVIM中的灌注参数与ASL的差异,通过对比腮腺肿瘤区域的f与腮腺肿瘤与腮腺实质的ASL信号强度比,发现f与ASL的信号强度呈正相关,但ASL在对Warthin瘤和恶性肿瘤的鉴别中表现出更高的诊断效能,可能是f受到血管通透性的影响,在反映组织灌注方面不如ASL更为直接。

       综上所述,DWI、DTI、DKI、IVIM均可反映水分子的扩散运动,在病理类型鉴别上具有一定的临床价值,但多为针对Warthin瘤与其他肿瘤的鉴别研究,缺乏大宗病例,包括多种恶性肿瘤的对比研究。另外,腮腺肿瘤组织结构复杂,易影响研究结果,因此探究扩散成像各参数与病理因素的相关性可能会对肿瘤类型的鉴别提供帮助。而且IVIM易受到成像条件的影响,特别是微小运动引起的伪影、b值数值和数量选择,如何减小微小运动等对图像质量的影响及最佳成像条件的确定亦是亟待解决的问题。

2 ASL

       ASL通过对流入成像区域无对比剂的动脉血流进行标记,测量组织的血流灌注情况,随着ASL技术不断更新,伪连续ASL(pseudo-continuous ASL, pCASL)结合了连续ASL和脉冲ASL的优点,具有更好的标记效果。在对比不同腮腺肿瘤灌注差异的基础上,Yamamoto等[14]将pCASL参数肿瘤血流量(tumor blood flow, TBF)与组织学相联系,发现Warthin瘤组的TBF较多形性腺瘤组高,与微血管密度(microvessel density, MVD)值一致。吕虹裕等[15]对45例腮腺良恶性肿瘤进行分析,测量肿瘤区域TBF并计算出标准化nTBF,结果显示Warthin瘤的nTBF较多形性腺瘤和恶性肿瘤显著增高。而在Razek等[16]对61名患者的良恶性肿瘤的研究中,恶性肿瘤的TBF值最高,可能因为吕虹裕等的研究中恶性肿瘤组中病理类型较多,但每种类型肿瘤数量较少,部分恶性肿瘤与Warthin瘤或多形性腺瘤的TBF存在一定重叠有关。

       Ma等[13]对比ASL与IVIM中的灌注参数的差异,发现ASL的信号强度与f呈正相关,但ASL在对Warthin瘤和恶性肿瘤的鉴别中表现出更高的诊断效能。ASL作为一种操作简单、无创的灌注新技术,可以定量测量肿瘤区域灌注量,反映病变区域微血管密度,但目前尚缺乏与病理取材一致的区域对照研究。ASL可能在显示血流灌注缓慢的病灶方面存在挑战,因标记时间短、信噪比低、空间分辨率有限等所致。另外,腮腺肿瘤种类较多,部分类型肿瘤之间在血流灌注等方面存在较大的相似性,需要进一步扩大样本量进行研究。结合其他技术进行多参数成像,也是提高肿瘤的诊断准确度的有效方法。

3 SWI

       SWI是将磁化率的敏感度最大化,增加组织之间的信号强度差异,其对静脉血管、出血和钙化比较敏感。SWI对腮腺肿瘤的评估主要利用了磁敏感信号强度(intratumoral susceptibility signal, ITSS),定义为SWI上低信号的细小点状或线状结构,伴或不伴团块形成,在腮腺的研究中多采用Park等[17]的评级方法对肿瘤中的ITSS信号进行分级。

       Jiang等[5]研究发现Warthin瘤和恶性肿瘤有较高的ITSS,并结合病理和DCE特性,推测ITSS顺序可能是多形性腺瘤<Warthin瘤<恶性肿瘤。翟金娜等[18]同时引入病灶内静脉分布、最大静脉直径等ITSS形态相关参数,发现良性肿瘤的静脉主要分布在肿物周围,恶性肿瘤相反,主要位于肿物中央,且在最大静脉直径方面,良性肿瘤的直径较小。

       SWI常反映新生血管与出血的特点,可能与肿瘤血流灌注存在一定联系,因此有研究将其与DCE联合比较[1],发现ADC和ITSS联合应用与ADC和DCE参数之一的血管外细胞外间隙体积分数(Ve)联合的诊断效果相似,而三者结合其AUC值可达到0.930。SWI可能成为肿瘤异质性方面一个特异性比较高的指标,但相关研究仍比较少,需要更多的研究来证实。

4 APTw

       APTw是内源性化学交换饱和转移(chemical exchange saturation transfer, CEST)成像技术之一,通过射频脉冲饱和蛋白质和多肽的酰胺质子,使酰胺质子与自由水中的氢原子进行交换,从而导致图像信号强度降低,通过采集图像信号来评估组织内蛋白质含量。

       在头颈部肿瘤的研究中,Law等[19]纳入了鼻咽未分化癌、鳞状细胞癌、非霍奇金淋巴瘤、腮腺的良性肿瘤,发现恶性组的APTw值显著高于良性组,但在该研究中未将腮腺的恶性肿瘤包含在内。而Kamitani等[20]研究发现腮腺恶性肿瘤的APTw值较高,以2.40为阈值鉴别良、恶性肿瘤的敏感度、特异度等最佳。原发腮腺恶性肿瘤APT平均信号强度值最高,Warthin瘤次之,多形性腺瘤中最低。但前两者的APTw值差异并无统计学意义,可能与Warthin瘤的高细胞特性以及肿瘤内含较多的蛋白质和多肽有关。另外,APTw与DWI和DCE-MRI比较,APTw的平均信号强度和最大信号强度在鉴别良恶性肿瘤的能力最强,明显高于DWI与DCE联合使用的检查方法[21]

       APTw可通过反映肿瘤组织的代谢情况推断肿瘤的恶性程度。但APTw作为新兴的MRI技术,在头颈部肿瘤的应用仍受很多因素影响,有文献报道[22]部分腮腺肿块内的出血囊变区及血管常呈高信号,需要结合常规MRI诊断;另外APTw图像分辨率较低,易受伪影影响,并且组织环境的pH值也是影响图像的主要因素。但APT成像技术在腮腺肿瘤的诊断中仍不失为一个有效的工具,其应用价值仍有待发掘。

5 影像组学

       影像组学是通过大量提取影像信息、图像分割、获取和筛选特征、建立临床模型,对数据信息进行分析预测,最终应用于疾病的诊断、治疗方案选择等[23]

       在腮腺肿瘤的研究中,直方图分析较多,主要应用于DWI与DCE序列。在对DWI的研究发现,ADC直方图可以客观地区分腮腺肿瘤良恶性及常见的良性肿瘤,且可评估预后[24],但不同研究得出的有效参数差异较大,缺乏一致性,可能与样本较小、肿瘤类型存在差别、手动放置病变感兴趣区易存在偏差等有关[25, 26]。Xiang等[27]分析了DCE半定量参数如TTP、最大相对强化率(maximum relative enhancement, MRE)等的直方图参数,发现TTP熵和MRE峰度表现出了较好的鉴别能力。

       针对纹理参数分析,从ADC图像提取的特征在鉴别常见腮腺肿瘤方面表现出较好的诊断能力[28]。Cosimo等[29]利用ADC图像长区域增强阈值(long zone emphasis, LZE)及长游程增强阈值(long run emphasis, LRE)在鉴别恶性肿瘤和淋巴瘤中准确率较高,二者在淋巴瘤的识别上基本一致,也揭示了淋巴瘤均匀性的特点。

       相比于以上单序列模型,多序列联合的影像组学模型是提高诊断效能的良好手段[30, 31, 32]。有学者[32]利用T2WI、ADC提取组学特征,定性分析肿瘤边缘及强化方式,发现联合T2WI及ADC的组学特征、肿瘤形态以及强化方式等四种参数在鉴别Warthin瘤和恶性肿瘤、良性和Warthin瘤以及良恶性肿瘤方面均达到了较好的准确度。齐金博等[33]则联合抑脂T2WI、ADC及对比增强T1WI提取影像组学特征,利用循环特征消除方法进行特征选择,发现以上三种序列联合模型鉴别腮腺肿瘤良恶性及区分多形性腺瘤和Warthin瘤的诊断效能最高。

       另外,与临床信息共同构建诊断模型有助于指导临床制订准确的治疗方案。Baba[34]等比较了低中高级别恶性肿瘤三组的年龄、性别等临床信息、MRI影像表现及T2WI纹理参数,发现仅凭MRI影像表现和纹理参数不足以判断腮腺恶性肿瘤的分级。MRI中提示的颈淋巴转移征象以及患者的年龄和性别等特征均可在治疗前评估中提示高级别腮腺恶性肿瘤。Zheng等[35, 36]从T1WI和脂肪抑制T2WI图像中提取组学特征,根据人口统计学信息和MRI表现建立了临床因素模型,也取得了很好的鉴别诊断效果。上述研究证实多序列建立的影像组学模型以及与临床信息或机器学习方法建立的模型相结合的组学模型对腮腺肿瘤的评估非常有意义,可以对临床治疗提供更大的帮助。

       影像组学作为新兴的影像分析手段,为临床对肿瘤的判断提供了很大帮助,部分研究中建立的组学模型已具有很高的特异性[37]。但是目前研究主要基于常规MRI序列和DWI序列等,序列相对比较单一,缺乏结合其他功能成像的相关研究,另外由于纹理分析的步骤较复杂,目前尚缺乏一个比较标准化的方法。

6 小结

       MRI新技术可以多方位评估腮腺肿瘤的解剖特征、血流灌注、组织代谢等情况,为腮腺肿瘤的定位和定性提供了更多信息,且影像组学的发展助力了腮腺肿瘤的诊断和鉴别,但腮腺肿瘤的病理类型较复杂,部分种类肿瘤缺乏大样本数据,另外MRI还受软硬件等的限制,缺乏标准的成像方案等,随着MRI技术的发展,腮腺肿瘤诊断治疗方法必将不断推陈出新,获得更好的发展。

[1]
Xu Z, Chen M, Zheng S, et al. Differential diagnosis of parotid gland tumours: Application of SWI combined with DWI and DCE-MRI[J/OL]. Eur J Radiol, 2022, 146 [2022-01-18]. https://linkinghub.elsevier.com/retrieve/pii/S0720048X21005751. DOI: 10.1016/j.ejrad.2021.110094.
[2]
Gökçe E. Multiparametric Magnetic resonance imaging for the diagnosis and differential diagnosis of parotid gland tumors[J]. J Magn Reson Imaging, 2020, 52(1): 11-32. DOI: 10.1002/jmri.27061.
[3]
Baohong W, Jing Z, Zanxia Z, et al. T2 mapping and readout segmentation of long variable echo-train diffusion-weighted imaging for the differentiation of parotid gland tumors[J/OL]. Eur J Radiol, 2022, 151 [2022-01-18]. https://linkinghub.elsevier.com/retrieve/pii/S0720048X22001152. DOI: 10.1016/j.ejrad.2022.110265.
[4]
Huang N, Xiao Z, Chen Y, et al. Quantitative dynamic contrast-enhanced MRI and readout segmentation of long variable echo-trains diffusion-weighted imaging in differentiating parotid gland tumors[J]. Neuroradiology, 2021, 63(10): 1709-1719. DOI: 10.1007/s00234-021-02758-z.
[5]
Orhan Soylemez UP, Atalay B. Differentiation of Benign and Malignant Parotid Gland Tumors with MRI and Diffusion Weighted Imaging[J]. Medeni Med J, 2021, 36(2): 138-145. DOI: 10.5222/MMJ.2021.84666.
[6]
Jiang JS, Zhu LN, Chen W, et al. Added value of susceptibility-weighted imaging to diffusion-weighted imaging in the characterization of parotid gland tumors[J]. Eur Arch Otorhinolaryngol, 2020, 277(10): 2839-2846. DOI: 10.1007/s00405-020-05985-x.
[7]
Mikaszewski B, Markiet K, Smugała A, et al. Clinical and demographic data improve diagnostic accuracy of dynamic contrast-enhanced and diffusion-weighted MRI in differential diagnostics of parotid gland tumors[J/OL]. Oral Oncol, 2020, 111 [2022-01-18]. https://linkinghub.elsevier.com/retrieve/pii/S1368837520303687. DOI: 10.1016/j.oraloncology.2020.104932.
[8]
Jia CH, Wang SY, Li Q, et al. Conventional, diffusion, and dynamic contrast-enhanced MRI findings for differentiating metaplastic Warthin's tumor of the parotid gland[J/OL]. Sci Prog, 2021, 104(2) [2022-01-18]. https://journals.sagepub.com/doi/10.1177/00368504211018583. DOI: 10.1177/00368504211018583.
[9]
Khalek ARA. Characterization of salivary gland tumours with diffusion tensor imaging[J/OL]. Dentomaxillofac Radiol, 2018, 47(5) [2022-01-18]. https://www.birpublications.org/doi/10.1259/dmfr.20170343. DOI: 10.1259/dmfr.20170343.
[10]
Huang N, Chen Y, She D, et al. Diffusion kurtosis imaging and dynamic contrast-enhanced MRI for the differentiation of parotid gland tumors[J]. Eur Radiol, 2022, 32(4): 2748-2759. DOI: 10.1007/s00330-021-08312-y.
[11]
Patella F, Sansone M, Franceschelli G, et al. Quantification of heterogeneity to classify benign parotid tumors: a feasibility study on most frequent histotypes[J]. Future Oncol, 2020, 16(12): 763-778. DOI: 10.2217/fon-2019-0736.
[12]
Markiet K, Glinska A, Nowicki T, et al. Feasibility of intravoxel incoherent motion (IVIM) and dynamic contrast-enhanced Magnetic Resonance Imaging (DCE-MRI) in differentiation of benign parotid gland tumors[J/OL]. Biology (Basel), 2022, 11(3) [2022-01-18]. https://www.mdpi.com/2079-7737/11/3/399. DOI: 10.3390/biology11030399.
[13]
Ma G, Xu XQ, Zhu LN, et al. Intravoxel incoherent motion Magnetic Resonance Imaging for assessing parotid gland tumors: correlation and comparison with arterial spin labeling imaging[J]. Korean J Radiol, 2021, 22(2): 243-252. DOI: 10.3348/kjr.2020.0290.
[14]
Yamamoto T, Kimura H, Hayashi K, et al. Pseudo-continuous arterial spin labeling MR images in Warthin tumors and pleomorphic adenomas of the parotid gland: qualitative and quantitative analyses and their correlation with histopathologic and DWI and dynamic contrast enhanced MRI findings[J]. Neuroradiology, 2018, 60(8): 803-812. DOI: 10.1007/s00234-018-2046-9.
[15]
吕虹裕, 罗宁斌, 赖少侣, 等. 3.0 T MR动脉自旋标记对腮腺肿瘤的鉴别诊断价值[J]. 放射学实践, 2021, 36(3): 346-350. DOI: 10.13609/j.cnki.1000-0313.2021.03.011.
Lv HY, Luo NB, Lai SL, et al. Preliminary study of 3.0T MR arterial spin labeling in the diagnosis of parotid gland tumors[J]. Radiol Pract, 2021, 36(3): 346-350. DOI: 10.13609/j.cnki.1000-0313.2021.03.011.
[16]
Abdel Razek AA. Multi-parametric MR imaging using pseudo-continuous arterial-spin labeling and diffusion-weighted MR imaging in differentiating subtypes of parotid tumors[J]. Magn Reson Imaging, 2019, 63(1): 55-59. DOI: 10.1016/j.mri.2019.08.005.
[17]
Di Ieva A, Lam T, Alcaide-Leon P, et al. Magnetic resonance susceptibility weighted imaging in neurosurgery: current applications and future perspectives[J]. J Neurosurg, 2015, 123(6): 1463-1475. DOI: 10.3171/2015.1.JNS142349.
[18]
翟金娜, 左志超, 王鹏, 等. 常规MRI联合SWI对腮腺良恶性病变的鉴别诊断价值[J]. 临床放射学杂志, 2018, 37(11): 1810-1814. DOI: 10.13437/j.cnki.jcr.2018.11.012.
Zhai JN, Zuo ZC, Wang P, et al. The diagnostic value of conventional MRI combined with SWI in the differential diagnosis of benign parotid gland lesions[J]. J Clin Radiol, 2018, 37(11): 1810-1814. DOI: 10.13437/j.cnki.jcr.2018.11.012.
[19]
Law B, King AD, Ai QY, et al. Head and neck tumors: amide proton transfer MRI[J]. Radiology, 2018, 288(3): 782-790. DOI: 10.1148/radiol.2018171528.
[20]
Kamitani T, Sagiyama K, Togao O, et al. Amide proton transfer (APT) imaging of parotid tumors: Differentiation of malignant and benign tumors[J/OL]. Eur J Radiol, 2020, 129 [2022-01-18]. https://linkinghub.elsevier.com/retrieve/pii/S0720048X20302369. DOI: 10.1016/j.ejrad.2020.109047.
[21]
Bae YJ, Choi BS, Jeong WJ, et al. Amide proton transfer-weighted MRI in the diagnosis of major salivary gland tumors[J/OL]. Sci Rep, 2019, 9(1) [2022-01-18]. https://www.nature.com/articles/s41598-019-44820-0. DOI: 10.1038/s41598-019-44820-0.
[22]
Chen Y, Wang X, Su T, et al. Feasibility evaluation of amide proton transfer-weighted imaging in the parotid glands: a strategy to recognize artifacts and measure APT value[J]. Quant Imaging Med Surg, 2021, 11(6): 2279-2291. DOI: 10.21037/qims-20-675.
[23]
张利文, 方梦捷, 臧亚丽, 等. 影像组学的发展与应用[J]. 中华放射学杂志, 2017, 51(1): 75-77. DOI: 10.3760/cma.j.issn.1005-1201.2017.01.017.
Zhang LW, Fang MJ, Zang YL, et al. Development and application of imaging radiomics[J]. Chin J Radiol, 2017, 51(1): 75-77. DOI: 10.3760/cma.j.issn.1005-1201.2017.01.017.
[24]
Sumi M, Nakamura T. Salivary gland carcinoma: Prediction of cancer death risk based on apparent diffusion coefficient histogram profiles[J/OL]. PLoS One, 2018 [2022-01-18]. https://doi.org/10.1371/journal.pone.0200291.
[25]
Chen P, Dong B, Zhang C, et al. The histogram analysis of apparent diffusion coefficient in differential diagnosis of parotid tumor[J/OL]. Dentomaxillofac Radiol, 2020, 49(5) [2022-01-18]. https://www.birpublications.org/doi/10.1259/dmfr.20190420. DOI: 10.1259/dmfr.20190420.
[26]
Abdel RA, Gadelhak BN, El ZI, et al. Diffusion-weighted imaging with histogram analysis of the apparent diffusion coefficient maps in the diagnosis of parotid tumours[J]. Int J Oral Maxillofac Surg, 2021, 51(2): 166-174. DOI: 10.1016/j.ijom.2021.03.019.
[27]
Xiang S, Ren J, Xia Z, et al. Histogram analysis of dynamic contrast-enhanced magnetic resonance imaging in the differential diagnosis of parotid tumors[J/OL]. BMC Med Imaging, 2021, 21(1) [2022-01-18]. https://bmcmedimaging.biomedcentral.com/articles/10.1186/s12880-021-00724-y. DOI: 10.1186/s12880-021-00724-y.
[28]
Wen B, Zhang Z, Zhu J, et al. Apparent diffusion coefficient map-based radiomics features for differential diagnosis of pleomorphic adenomas and Warthin tumors from malignant tumors[J/OL]. Front Oncol, 2022 [2022-01-18]. https://pubmed.ncbi.nlm.nih.gov/35747827/. DOI: 10.3389/fonc.2022.830496.
[29]
Cosimo N, Maddalena T, Micheie P, et al. Texture analysis in the characterization of parotid salivary gland lesions:A study on MR diffusion weighted imaging[J/OL]. Eur J Radiol, 2021, 136 [2022-01-18]. https://linkinghub.elsevier.com/retrieve/pii/S0720048X21000097. DOI: 10.1016/j.ejrad.2021.109529.
[30]
Xia X, Feng B, Wang J, et al. Deep learning for differentiating benign from malignant parotid lesions on MR Images[J/OL]. Front Oncol, 2021, 11 [2022-01-18]. https://www.frontiersin.org/articles/10.3389/fonc.2021.632104/full. DOI: 10.3389/fonc.2021.632104.
[31]
Faggioni L, Gabelloni M, De Vietro F, et al. Usefulness of MRI-based radiomic features for distinguishing Warthin tumor from pleomorphic adenoma: performance assessment using T2-weighted and post-contrast T1-weighted MR images[J/OL]. Eur J Radiol Open, 2022 [2022-01-18]. https://doi.org/10.1016/j.ejro.2022.100429. DOI: 10.1016/j.ejro.2022.100429.
[32]
Piludu F, Marzi S, Ravanelli M, et al. MRI-Based Radiomics to Differentiate between Benign and Malignant Parotid Tumors With External Validation[J/OL]. Front Oncol, 2021 [2022-01-18]. https://pubmed.ncbi.nlm.nih.gov/33987092/. DOI: 10.3389/fonc.2021.656918.
[33]
齐金博, 高安康, 白洁, 等. MR影像组学在鉴别腮腺良恶性肿瘤中的临床应用价值[J]. 磁共振成像, 2022, 13(5): 34-39. DOI: 10.12015/issn.1674-8034.2022.05.007.
Qi JB, Gao AK, Bai J, et al. Clinical application value of MR-based radiomics for differentiation of benign and malignant of parotid gland[J]. Chin J Magn Reson Imaging, 2022, 13(5): 34-39. DOI: 10.12015/issn.1674-8034.2022.05.007.
[34]
Baba A, Kessoku H, Akutsu T, et al. Pre-treatment MRI predictor of high-grade malignant parotid gland cancer[J]. Oral Radiol, 2021, 37(4): 611-616. DOI: 10.1007/s11282-020-00498-z.
[35]
Zheng YM, Li J, Liu S, et al. MRI-Based radiomics nomogram for differentiation of benign and malignant lesions of the parotid gland[J]. Eur Radiol, 2021, 31(6): 4042-4052. DOI: 10.1007/s00330-020-07483-4.
[36]
Zheng YM, Chen J, Xu Q, et al. Development and validation of an MRI-based radiomics nomogram for distinguishing Warthin's tumour from pleomorphic adenomas of the parotid gland[J/OL]. Dentomaxillofac Radiol, 2021, 50(7) [2022-01-18]. https://www.birpublications.org/doi/10.1259/dmfr.20210023. DOI: 10.1259/dmfr.20210023.
[37]
Vernuccio F, Arnone F, Cannella R, et al. Diagnostic performance of qualitative and radiomics approach to parotid gland tumors: which is the added benefit of texture analysis?[J/OL]. Br J Radiol, 2021, 94(1128) [2022-01-18]. https://www.birpublications.org/doi/10.1259/bjr.20210340. DOI: 10.1259/bjr.20210340.

上一篇 髓鞘探针在脱髓鞘疾病的应用进展
下一篇 心外膜脂肪组织心脏磁共振成像序列及研究进展
  
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