论文部分内容阅读
第一部分:MR动态对比增强成像在评估宫颈癌淋巴脉管浸润状态中的应用目的:探讨动态对比增强（dynamic contrast enhancement,DCE）磁共振成像（magnetic resonance imaging,MRI）术前评估宫颈癌淋巴脉管浸润（lymphovascular space invasion,LVSI）状态的临床价值。方法:收集宫颈癌68例,均在术前行DCEMRI检查,分别测量肿瘤最大径（maximal diameter of tumour,MDT）、浸润宫颈深度比例（ratio of infiltration depth,RID）以及DCE定量参数（Ktrans、Kep、Ve）。根据术后病理结果,将病例分为LVSI阳性组和LVSI阴性组,并记录患者年龄、病理类型、分化程度和淋巴结转移情况。比较两组患者基本资料和DCE参数的差异,Logistic回归分析宫颈癌发生LVSI的危险因素,受试者工作特征曲线（receiver operating characteristic curve,ROC）分析这些危险因素用于评估LVSI情况的诊断效能。结果:LVSI阳性组与LVSI阴性组之间的患者年龄、病理类型、分化程度、MDT比较,差异无统计学意义（P>0.05）;LVSI阳性组癌灶RID显著高于LVSI阴性组,而Ktrans、Kep值显著低于LVSI阴性组（P值分别为0.002、0.001和0.005）;Ve值在两组之间比较无统计学差异（P>0.05）;Logistic回归分析显示RID和Ktrans值与宫颈癌发生LVSI独立相关;两者独立诊断LVSI状态的ROC曲线下面积（the areaunder ROC curve,AUC）与准确度分别为 0.694 与 69.1%,0.720 与70.6%;联合诊断AUC为0.788,准确度为79.4%。结论:宫颈癌RID和Ktrans值有助于术前评估宫颈癌LVSI状态。第二部分:多b值弥散加权成像用于术前评估宫颈癌淋巴脉管浸润与淋巴结转移情况的价值目的:探讨基于原发肿瘤的单指数和双指数弥散加权成像（diffusionweighted imaging,DWI）模型相关定量参数是否可用于术前评价宫颈癌患者淋巴脉管浸润（lymphovascular space invasion,LVSI）与淋巴结转移（lymph node metastasis,LNM）情况。方法:收集80例宫颈癌患者信息,均在术前行多b值DWI检查,之后行宫颈癌根治术及至少盆腔淋巴结清除术。根据术后病理将患者分为LVSI阳性组与LVSI阴性组和LNM阳性组与LNM阴性组。分别从宫颈癌整个肿瘤（whole）和肿瘤边缘区（margin）勾画兴趣区并计算表观弥散系数（ADC）、真弥散系数（D）、假弥散系数（D*）以及灌注分数（f）。比较LVSI阳性组与LVSI阴性组和LNM阳性组与LNM阴性组之间各参数值。Logistic回归分析和受试者工作特性曲线（receiver operating characteristic curve,ROC）用于评估各参数的诊断价值。结果:fmargin和D*whole在LVSI阳性组与LVSI阴性组之间有显著性差异（p=0.002、0.008）,ADCmargin在LNM阳性组与LNM阴性组间有显著差异（p=0.009）,而其余参数根据logistic回归分析显示与LVSI或LNM状态不是独立关联因素（p>0.05）。fmargin联合D*whole判别LVSI阳性组与LVSI阴性组的ROC曲线下面积（the area under ROC curve,AUC）为 0.826（95%CI:0.691～0.961）,而ADCmargin鉴别LNM阳性组与LNM阴性组的AUC为0.788（95%CI:0.648～0.928）。结论:基于宫颈癌原发灶的单指数和双指数DWI模型生成的定量参数可以帮助术前判断其 LVSI（fmargin和 D*whole）和 LNM（ADCmargin）状态。第三部分:基于多设备、非均一扫描参数磁共振组学预测宫颈癌淋巴结转移情况的初步研究目的:探讨来源于多设备、非均一扫描参数的磁共振成像（magnetic resonance imaging,MRI）组学分析是否有助于术前预测宫颈癌患者淋巴结转移（lymph node metastasis,LNM）状态。方法:收集203个连续性宫颈癌病例,术前MRI资料来源于3个不同MR设备。将患者信息按时间排序,并以2:1的比例将患者分配到训练集与测试集中。从每一位患者T2加权成像（T2-weighted imaging,T2WI）矢状位和轴位、T1加权对比增强成像（T1-weighted contrast enhancement imaging,T1CE）矢状位和轴位以及表观弥散系数（apparent diffusion coefficient,ADC）图轴位的MRI影像中勾画肿瘤兴趣区并提取组学特征。记录常规影像特征如肿瘤最大径（the maximal diameter of tumour,MDT）、浸润宫颈深度比例（the ratio of infiltration depth,RID）和最大淋巴结短径即临床淋巴结情况（clinical lymph node staus,c-LN）。利用主成分分析或皮尔森相关系数进行特征降维,利用方差分析或递归特征消除对特征进行排序。之后在线性判别分析、逻辑回归、高斯过程和支持向量机中选择一个分类器,根据特征数量和5倍交叉验证确立最终模型。结果:矢状位模态建立的组学模型在大多数训练集和测试集中获得的ROC曲线下面积（the area under ROC curve,AUC）高于轴位模态所得。在所有纳入的成像模态及组合模态中,基于矢状位T2WI的组学模型表现出最佳的预测效能,预测LNM状态的AUC和准确度分别达到0.832和78.9%（训练集）,0.741和71.4%（测试集）;但矢状位T2WI组学模型测试集AUC及模型稳定性均低于常规影像特征（MDT、RID、c-LN）联合所得（测试集AUC=0.791）。结论:基于多设备、非均一扫描参数的矢状位T2WI建立的组学模型能帮助术前预测宫颈癌患者LNM状态,但其预测效能不及常规影像特征联合指标。