| 司翼华,韩涛,张晨阳,马龙,康佳,彭月,周俊林.基于MRI表现联合全瘤表观弥散系数直方图参数预测脑膜瘤复发[J].中国医学影像技术,2026,42(5):657~661 |
| 基于MRI表现联合全瘤表观弥散系数直方图参数预测脑膜瘤复发 |
| MRI features combined with whole tumor apparent diffusion coefficient histogram parameters for predicting recurrence of meningioma |
| 投稿时间：2025-07-17 修订日期：2025-12-01 |
| DOI：10.13929/j.issn.1003-3289.2026.05.001 |
| 中文关键词: 脑膜瘤 复发 磁共振成像 表观弥散系数 直方图分析 |
| 英文关键词:meningioma recurrence magnetic resonance imaging apparent diffusion coefficient histogram analysis |
| 基金项目:国家自然科学基金(82371914)。 |
| 作者 | 单位 | E-mail | | 司翼华 | 兰州大学第二医院放射科, 甘肃 兰州 730030
兰州大学第二临床医学院, 甘肃 兰州 730030
甘肃省医学影像重点实验室, 甘肃 兰州 730030
医学影像人工智能甘肃省国际科技合作基地, 甘肃 兰州 730030 | | | 韩涛 | 兰州大学第二医院放射科, 甘肃 兰州 730030
兰州大学第二临床医学院, 甘肃 兰州 730030
甘肃省医学影像重点实验室, 甘肃 兰州 730030
医学影像人工智能甘肃省国际科技合作基地, 甘肃 兰州 730030 | | | 张晨阳 | 兰州大学第二医院放射科, 甘肃 兰州 730030
兰州大学第二临床医学院, 甘肃 兰州 730030
甘肃省医学影像重点实验室, 甘肃 兰州 730030
医学影像人工智能甘肃省国际科技合作基地, 甘肃 兰州 730030 | | | 马龙 | 兰州大学第二医院放射科, 甘肃 兰州 730030
兰州大学第二临床医学院, 甘肃 兰州 730030
甘肃省医学影像重点实验室, 甘肃 兰州 730030
医学影像人工智能甘肃省国际科技合作基地, 甘肃 兰州 730030 | | | 康佳 | 兰州大学第二医院放射科, 甘肃 兰州 730030
兰州大学第二临床医学院, 甘肃 兰州 730030
甘肃省医学影像重点实验室, 甘肃 兰州 730030
医学影像人工智能甘肃省国际科技合作基地, 甘肃 兰州 730030 | | | 彭月 | 兰州大学第二医院放射科, 甘肃 兰州 730030
兰州大学第二临床医学院, 甘肃 兰州 730030
甘肃省医学影像重点实验室, 甘肃 兰州 730030
医学影像人工智能甘肃省国际科技合作基地, 甘肃 兰州 730030 | | | 周俊林 | 兰州大学第二医院放射科, 甘肃 兰州 730030
甘肃省医学影像重点实验室, 甘肃 兰州 730030
医学影像人工智能甘肃省国际科技合作基地, 甘肃 兰州 730030 | ery_zhoujl@lzu.edu.cn |
|
| 摘要点击次数: 135 |
| 全文下载次数: 74 |
| 中文摘要: |
| 目的 探讨MRI表现联合全肿瘤表观弥散系数(ADC)直方图参数预测脑膜瘤复发的价值。方法 回顾性分析70例脑膜瘤并将其分为复发组(n=21)与未复发组(n=49)。采用FireVoxel软件勾画感兴趣体积(VOI),获得包括均值、标准差、熵、峰度、偏度和ADC第1、5、10、25、50、75及95百分位数(ADC-1%~ADC-95%)的全肿瘤ADC直方图参数。利用单因素和多因素logistic回归分析建立联合模型;绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估模型预测效能。结果 组间患者年龄、Ki-67、Simpson分级、WHO分级、邻近骨质破坏、坏死/囊变、增强均匀性,以及标准差、熵、峰度、ADC-1%、ADC-5%、ADC-10%、ADC-25%、ADC-75%、ADC-95%差异均有统计学意义(P均＜0.05)。邻近骨质破坏(OR=16.949,P=0.020)和峰度(OR=1.585,P=0.016)均为脑膜瘤复发的独立预测因素;联合二者构建模型的预测效能最佳,其预测AUC为0.852、敏感度为85.70%、特异度为73.50%、准确率为77.16%。结论 基于MRI表现联合ADC直方图参数可预测脑膜瘤复发。 |
| 英文摘要: |
| Objective To explore the value of MRI features combined with whole tumor apparent diffusion coefficient (ADC) histogram parameters for predicting recurrence of meningioma. Methods Totally 70 meningioma patients were retrospectively analyzed and divided into recurrence group (n=21) and non-recurrence group (n=49). Whole tumor volume of interest (VOI) was manually delineated using FireVoxel software, and ADC histogram parameters, including mean, standard deviation, entropy, kurtosis, skewness, the 1st, 5th, 10th, 25th, 50th, 75th and 95th percentiles (ADC-1% to ADC-95%) were obtained. Univariate and multivariate logistic regression analyses were used to construct combined model. Receiver operating characteristic (ROC) curve was drawn, the area under the curve (AUC) was calculated to assess the performance of the model. Results Significant differences of age, Ki-67, Simpson classification, WHO classification, adjacent bone destruction, necrosis/cystic degeneration, enhancement homogeneity, standard deviation, entropy, kurtosis, ADC-1%, ADC-5%, ADC-10%, ADC-25%, ADC-75% and ADC-95% were found between groups (all P＜0.05). Adjacent bone destruction (OR=16.949, P=0.020) and kurtosis (OR=1.585, P=0.016) were both independent predictors of recurrence of meningioma. The AUC, sensitivity, specificity and accuracy of the combined model for predicting recurrence of meningioma was 0.852, 85.70%, 73.50% and 77.16%, respectively, showing better predictive performance. Conclusion MRI features combined with ADC histogram parameters could predict recurrence of meningioma. |
| 查看全文 查看/发表评论 下载PDF阅读器 |
|
|
|
