Page 114 - 磁共振成像2024年7期电子刊
P. 114

磁共振成像  2024年7月第15卷第7期  Chin J Magn Reson Imaging, Jul, 2024, Vol. 15, No. 7   临床研究｜｜Clinical Articles


              8 min 30 s。对比剂为钆喷酸葡胺注射液（北京北陆                         Best）、最 小 冗 余 最 大 相 关（max-relevance  and
              药业股份有限公司，中国），经手背静脉采用高压注                              min-redundancy, mRMR）以及最小绝对收缩与选择
              射器以 2.5 mL/s 的流速注入，剂量为 0.1 mmol/kg，再                 算子回归（least absolute shrinkage and selection operator,
              以同样的速度注入 20 mL 生理盐水。连续扫描 8 期，                        LASSO）对特征进行降维和筛选。
              每期时间为57 s。扫描同时进行数字减影。                                1.7 影像组学模型的构建
              1.4 常规MRI图像分析                                            使用 logistic逻辑回归（logistic regression, LR）分
                  获取的MRI图像由两名具有5年及10年以上工作                          类器构建基于第 2 期 DCE-MRI（DCE-2）、IVIM 参数
              经验且不了解患者信息的放射科主治医师分别在                                图和 DKI 参数图的单一模型，选用训练集中 AUC 较
              Philips Intellispace Portal（ISP）工作站上进行分析。测           高的单一参数图模型参与构建联合模型，并采用 5折
              量并记录乳腺肿瘤的MRI特征，如肿瘤大小、边缘及时                            交叉验证法验证模型的稳定性。
              间-信号强度曲线（time-signal intensity curve, TIC）类型         1.8 统计学分析
              等。若两人意见出现分歧，则经协商达成共识。                                    采用 SPSS 25.0（IBM，美国）软件。首先判断定
              1.5 图像分割                                             量资料的正态分布，采用 Kolmogorov-Smirnov 检验，
                  将 DKI 和 IVIM 图 像 以 DICOM 格 式 导 入                 P<0.05 为不符合正态分布；以均数±标准差表示符合
              MR_Diffusion 软 件 ，分 割 出 灌 注 分 数（perfusion            正态分布的资料，组间比较用独立样本 t 检验；用中
              fraction,  f）、灌 注 相 关 扩 散 系 数（perfusion  related     位数（上、下四分位数）来表示偏态分布的资料，组间
              diffusion coefficient, D ）、真实扩散系数（real diffusion     比较采用 Mann-Whitney U检验。用频数表示分类资
                                  *
              coefficient, D）、平均扩散率（mean diffusivity, MD）和         料，比较方法采用卡方检验；通过受试者工作特征
              平均扩散峰度值（mean kurtosis, MK）参数图 ，使用                   （receive  operating  characteristic,  ROC）曲 线 及 AUC
              MRIcroGL 软件将各序列图像保存为 NIFTI 格式文                       来分析不同参数图模型以及联合模型预测 HER-2 表
              件。由于检查时间较长，患者不可避免地会发生移                               达 状 态 的 效 能 ，用 决 策 曲 线 分 析（decision  curve
              动，因此在三维感兴趣区（region of interest, ROI）分                analysis, DCA）对模型的临床价值进行评估。DeLong
              割之前将所有序列均预先进行非刚性配准。配准后                               检验用于分析比较不同模型的差异性。P<0.05 时认
              使用 3D Slicer 5.0.3 软件，由两名具有 5 年及 10 年以               为差异具有统计学意义。
              上影像诊断工作经验且不了解患者信息的放射科主
              治医师逐层选择病灶，3D Slicer 软件 level tracing 功               2 结果
              能识别并勾画病灶区域，对于勾画不准确的部分手                               2.1 一般资料
              动调整。为了更好的评估肿瘤的异质性，瘤内区域                                   最 终 纳 入 192 例 患 者 病 例 资 料 ，年 龄 28~
              应包括整个癌灶部分，包括出血、坏死、囊变区域                       [21]    71（49.38±9.14）岁。其中包括HER-2阳性者48例，阴
             （图 1）。意见不一致时，由另 1 名具有 20 年以上乳腺                        性者144例。将所有患者按8∶2的比例随机为训练集
              MRI工作经验的主任医师确定。                                     （154例）和测试集（38例）。将收集到的192例患者的
              1.6 特征的提取和选择                                         病例资料进行训练集和测试集两组间比较，患者的年
                  将所有具有ROI的序列导入u AI Research Portal                龄、绝经状态、肿瘤大小、肿瘤边界、TIC、Ki-67指数、病
              科研平台（上海联影智能医疗科技有限公司，上海）                              理分级及腋窝前哨淋巴结转移差异均不具有统计学意
              进行特征的提取和选择。为了减少成像参数引起的                               义（P 均>0.05）（表 1）。HER-2 阳性与阴性组之间比
              图像差异，每个 MRI 序列先进行 Z 分数归一化处理。                         较，年龄、月经状态、肿瘤的大小、边界、TIC及腋窝前
              各序列的提取特征类型包括一阶统计量特征、二阶                               哨淋巴结转移差异均不具有统计学意义（P均>0.05）；
              特征、形状特征、高阶特征。采用组内及组间相关系                              HER-2 阳性组中 Ki-67 高表达（Ki-67≥20%）的比例高
              数（intra-class correlation coefficient, ICC）评价提取特     于阴性组（P<0.05），两组的病理分级也有差异，且差异
              征的一致性，ICC>0.75 的影像组学特征用于进一步                          有统计学意义（P<0.05）（表2）。
              选择。特征选择步骤如下：首先，采用 Z 分数归一化                            2.2 影像组学特征提取、模型构建与评价
              对 特 征 进 行 标 准 化 ；其 次 ，选 择 K 最 佳（Select K                 从 IVIM、DKI 各参数图和 DCE-2 中各提取了


                                                                                          图1 使用3D-slicer半自动逐层勾画感
                                                                                          兴趣区（ROI）。1A：患者病灶；1B：勾画
                                                                                          的ROI；1C：获得的整个瘤体体积。
                                                                                          Fig. 1 Using the 3D-slicer to manually
                                                                                          sketch  the  region  of  interest  (ROI)
                                                                                          layer  by  layer.  1A:  The  patient's  lesion;
                                                                                          1B: The delineated ROI; 1C: The total
                                                                                          tumor volume obtained.

               https://www.chinesemri.com                                                                  ·107 ·
   109   110   111   112   113   114   115   116   117   118   119