泪腺上皮性肿瘤良恶性鉴别的影像学分析

作     者：毛洪涛 

作者单位：吉林大学 

学位级别：硕士

导师姓名：韩雪立

授予年度：2019年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100214[医学-肿瘤学] 100106[医学-放射医学] 10[医学] 

主      题：泪腺上皮性瘤 CT MRI 肿瘤异质性分析 

摘      要：目的:1.探讨传统CT联合MRI对于泪腺上皮性肿瘤良恶性鉴别的定性研究,归类有意义影像学征象,并作出统计学分析。2.探讨基于多参数3.0TMRI肿瘤异质性分析对于泪腺上皮性肿瘤良恶性鉴别的定量研究,评估诊断效能并与传统CT联合MRI的定性研究作出对比,为临床诊断及治疗提供参考依据。材料与方法:1.2014年1月至2019年2月,在我院通过手术切除,术后病理证实为泪腺上皮性肿瘤患者的术前影像资料(CT和MRI)和临床资料,共46例,分为良性多形性腺瘤组(28例)及恶性泪腺上皮性肿瘤组(18例),结合患者临床资料及术后病理,统计归类对良恶性鉴别有意义的影像学特征。2.2014年1月至2019年2月,在我院通过手术切除,术后病理证实为泪腺上皮性肿瘤患者的术前3.0T MRI资料,共43例;对于轴向T2WI、T1WI、T2压脂、轴位及冠状位增强T1WI序列使用ITK-SNAP软件进行图像分割。选定部分包含最大病变区域,在其中进行感兴趣区域(ROI)的手动方式分割。在未获取术后病理前提下,由两名主治医师进行独立分割(均具有6年以上诊断经验)。使用Artificial Intelligence Kit(A.K,,GE药业)软件读取和处理ROI轮廓。提取有价值的组学特征。根据术后病理分为良性多形性腺瘤组(28例)及恶性泪腺上皮性肿瘤组(15例),进行统计分析,绘制ROC曲线,得到各个序列良恶性鉴别诊断效能。对于重新分组的患者,重新计算传统CT联合MRI平扫+增强对于泪腺上皮性肿瘤良恶性鉴别的诊断效能。结果:1.传统CT联合MRI对泪腺上皮性肿瘤的定性诊断有意义,恶性肿瘤更易出现密度或信号不均、形态不规则、骨质破坏、包裹浸润视神经及累及眶外。2.基于多参数MRI的肿瘤异质性分析对泪腺上皮性肿瘤的良恶性鉴别研究中,传统CT联合MRI对泪腺上皮性肿瘤诊断AUC值(曲线下面积)为0.864;基于影像学诊断标志物spherical disproportion对T1WI、轴位增强T1WI、T2WI、T2压脂、冠状位增强T1WI序列上作出的ROC曲线,其AUC值(曲线下面积)分别为0.867,0.900,0.910,0.926,0.721。联合脂肪抑制序列及轴位T1WI增强序列,AUC值为0.955,其诊断效能更高。3.基于T2脂肪抑制序列spherical disproportion值良性组介于1.12-1.43;恶性组介于1.32-1.64,其诊断阈值为1.363,单独筛选定性研究较难诊断病例,良性组数值为1.32,低于诊断阈值;恶性组数值为1.40,高于诊断阈值;这对于传统CT联合MRI鉴别不了的个别泪腺上皮性肿瘤,我们可以尝试应用多参数MRI肿瘤异质性进行定量研究。结论:传统CT联合MRI定性研究及基于多参数MRI肿瘤异质性定量研究对泪腺上皮性肿瘤的良恶性鉴别均有意义,基于多参数MRI肿瘤异质性的定量研究诊断效能更高,可为临床诊疗及预后提供更精确依据。