常规自旋回波(spin echo,SE)序列是临床上最常用的成像序列,该序列先发射一次90°射频激励脉冲,继而施加一次180°复相位脉冲使质子相位重聚,产生自旋回波信号。其中,纵向弛豫时间(T 1 )定义为纵向磁化矢量由零恢复至其最大值的63%所需的时间;横向弛豫时间(T 2 )定义为横向磁化矢量由最大值衰减至37%所需要的时间。通过调节重复时间(repetition time,TR)和回波时间(echo time,TE)的长短可分别获得T 1 WI和T 2 WI图像。
T 1 WI是SE序列中选用短TR(通常小于500ms)、短TE(通常小于30ms)所获的图像。在临床应用中,T 1 WI主要用于评估区域淋巴结情况或骨的结构。在前列腺评估中,因肿瘤病灶在T 1 WI常常缺乏特异性表现,和正常组织均表现为均匀低信号,其应用价值相对有限(图3-2)。故主要将T 1 WI用于辅助识别与穿刺活检相关的出血病灶(可表现为局灶性或弥散性高信号区域),这些出血在其他序列图像上可能会掩盖或混淆肿瘤病灶。因此,为了减少活检后出血病灶的影响,通常建议穿刺活检后至少间隔6~8周再行前列腺MRI检查。另外,T 1 WI还可用于评估肿瘤侵犯前列腺周围脂肪情况,脂肪组织通常在T 1 WI上表现为高信号,而肿瘤组织表现为低信号。当正常脂肪组织被肿瘤侵犯时,T 1 WI图像上可表现为高信号内的低信号区或高信号区的脂肪信号消失。
图3-2 肿瘤病灶在T 1 WI缺乏特异性表现
根据ESUR前列腺MRI指南,下腰椎加骨盆层面的T 1 WI冠状位扫描与颈椎和胸椎的T 1 WI矢状位扫描可用于淋巴结和骨转移病灶的评估。
T 2 WI是SE序列中选用长TR(通常大于1500ms)、长TE(通常大于80ms)所获的图像。相较于T 1 WI,T 2 WI更善于显示水肿和液体,含有较多水分的正常前列腺组织通常表现为高信号。另外,T 2 WI的组织对比度较好,能很好显示前列腺各区带解剖、前列腺包膜等结构的情况,可用于前列腺癌诊断、病灶定位和肿瘤分期,是前列腺mpMRI的主要序列之一。
前列腺外周带由于富含腺管组织,在T 2 WI上表现为均匀的高信号;而前列腺癌的主要特点是细胞密度高,水分含量低,并好发于外周带,故在T 2 WI上通常表现为外周带区域圆形或界限不清的低信号病灶,且信号强度的降低程度与肿瘤的侵袭性呈正相关(图3-3)。但是其他情况例如前列腺上皮内瘤、前列腺炎、出血、萎缩、瘢痕和治疗后组织改变在T 2 WI上也可表现为低信号,需要与肿瘤病灶进行鉴别诊断。前列腺移行带组织由数量不等的腺体和基质相互混合组成,在T 2 WI上表现为不均匀混合信号强度,与移行带肿瘤病灶信号强度特征存在重叠。因此,T 2 WI在诊断移行区肿瘤病灶存在较大挑战。移行带肿瘤病灶通常表现为边缘模糊的均匀信号团块、典型的透镜状或水滴状团块。这些肿瘤通常可侵犯假性包膜,并可延伸到移行区或前纤维基质带。T 2 WI还可用于评估前列腺包膜、精囊腺和膀胱后壁是否存在肿瘤侵犯。前列腺包膜外侵犯的判定标准主要包括边界不规则或神经血管束明显增厚,包膜突出、不连续或异常强化和包膜外存在可测量病灶等。精囊腺浸润的判定标准包括精囊腺扩张,低信号强度等。
图3-3 肿瘤病灶在T 2 WI表现为低信号
根据ESUR前列腺MRI指南,轴位和矢状位的T 2 WI主要用于前列腺癌的诊断,轴位、冠状和矢状位的T 2 WI主要用于前列腺癌的分期。
MRS是利用磁共振化学位移现象来测定组成物质分子成分的一种检测方法,用于反映组织器官的代谢情况。常用的方法是 1 H-磁共振波谱,即利用质子( 1 H)所处的分子结构不同会导致进动频率存在差异,体现在MRS中共振峰也有所不同,从而判断化合物性质与含量。
前列腺组织中可以测得的相关代谢物包括柠檬酸盐、肌酸和胆碱。正常前列腺组织中柠檬酸盐浓度较高,胆碱浓度较低,而前列腺癌组织正好相反。在定量分析中,所有代谢物的峰积分是通过胆碱加肌酸(肌酸诊断价值不高且很难从胆碱中分离)与柠檬酸的比率(CC/C)来估计的。前列腺外周带和移行带中的肿瘤在至少两个相邻体素中的CC/C比率应分别超过平均比率的2个或3个标准差。在定性分析中,柠檬酸盐和胆碱的峰高可以进行直观比较。MRS可用来判断前列腺肿瘤的存在与否,也能初步判断肿瘤的侵袭性,但由于其较低的空间分辨率而不能提供肿瘤分期信息。
MRS目前主要用于科学研究,尚未在临床实践中被广泛应用。其主要原因是检测耗时长、成本高,且空间分辨率在肿瘤分期中价值不如T 2 WI。根据ESUR的前列腺MRI指南,MRS虽然可被选择性应用于前列腺癌的诊断中,但会额外增加10~15min的检查时间。
DWI检查时间较短,无须造影剂,可以无创地反映活体组织内水分子扩散特性,体现组织的病理生理过程,实现对前列腺癌的组织结构及细胞特性的定性及定量分析,是前列腺mpMRI的重要组成部分,特别是在外周带癌的诊断方面,DWI被认为是最重要的序列。近年来DWI技术发展迅速,新的扩散模型和扩散技术不断出现,其中部分已被研究中证实在前列腺癌的诊断中发挥着重要的作用。
扩散即布朗运动,是一种随机热运动。在不同生物组织中,水分子所处的微环境不同,扩散能力不同。DWI就是根据水分子在组织内运动速度的差异产生图像对比,从而反映不同的组织结构。前列腺肿瘤组织内部微结构如细胞密度、细胞大小、形状、排列方式、渗透性及亚细胞结构等均与前列腺正常组织不同。肿瘤细胞核增大、核质比增高、核异型性明显、细胞增多排列紧密,导致细胞外间隙减小、水分子扩散受限、扩散速度低于正常组织,从而与正常组织产生对比呈高信号。相似的组织微结构也被病理学家用来确认Gleason分级,因此,DWI也可能成为无创反映前列腺癌分级的一种方式,在前列腺癌的诊断和分级中具有重要的价值。
单指数模型是最早应用于临床的DWI模型,也是目前临床应用最广泛的模型,其定量参数为表观扩散系数(apparent diffusion coefficient,ADC)。单指数模型的计算公式为:
其中 S ( b )是施加扩散敏感梯度场的信号强度, S 0 是未施加扩散敏感梯度场的信号强度, b 是扩散敏感系数, ADC 为表观扩散系数。单指数函数是基于组织的扩散信号强度与 b 值呈直线关系的假设计算求得,忽略了生物组织更加复杂的微环境的变化,认为水分子运动受限的程度与细胞密度增加有关。前列腺单指数DWI研究中, b 值多采用的是800~1 000s/mm 2 。在一个较窄的低 b 值范围内(取决于组织类型,通常为200~1000s/mm 2 ),信号衰减曲线呈线性分布,随着 b 值的升高,信号衰减呈指数分布。众多国内外学者探讨了 ADC 在前列腺癌诊断和分级中的价值。前列腺癌组织的 ADC 值显著低于其正常组织及良性组织。 ADC 与Gleason分级呈中等负相关,在鉴别高低级别分化的前列腺癌中具有较高的效能。但不同Gleason分级的前列腺癌组织之间的 ADC 值均有一定的重叠,这可能与相近Gleason分级的前列腺癌病理分化程度差别不大,进而水分子扩散受限程度差别较小有关(图3-4)。
图3-4 1例经病理证实为前列腺癌的病灶
A.T 2 WI示前列腺底部一弥漫性低信号占位;B.DWI示病灶区信号弥散明显受限;C.病灶区ADC值明显减低。
单指数模型的理论基础是假设组织内的水分子自由扩散,运动规律符合高斯分布,但是由于生物组织是不均质的,包含细胞膜、细胞器、纤维、细胞内外间隔等微结构屏障,水分子不得不曲折迂回前进,其运动不再遵从高斯分布,因此单指数模型不能真实地反映水分子扩散系数。为此,学者们提出了一些新的生物物理模型来描述组织内水分子扩散方式,这些模型可能更能反映水分子的真实扩散。目前应用于前列腺的新型扩散模型有体素内不相干运动模型(intravoxel incoherent motion,IVIM)、拉伸指数模型(stretched exponential model,SEM)、弥散峰度成像(diffusion kurtosis imaging,DKI),弥散张量成像(diffusion tensor imaging,DTI)。
IVIM模型由Le Bihan D于1986年提出。IVIM衰减函数的公式为:
其中 S ( b )为 b ≠0时的DWI信号强度; S 0 为 b =0时的信号强度; f 为灌注分数,< D >为单纯水分子扩散系数(慢速扩散系数), D *为灌注相关的扩散系数即快速扩散系数(fast diffusion coefficient)。他们认为体素内毛细血管分布无规则,微循环中水分子运动也显得杂乱无章,类似于水分子扩散过程中的随机运动。扩散加权图像同时受水分子扩散和微循环灌注的影响,微循环灌注可认为是伪扩散过程,主要造成低 b 值下(<200s/mm 2 )信号衰减偏离单指数分布。通过采集一系列小 b 值获得DWI,采用IVIM曲线拟合可以将灌注信息和水分子的扩散区分开来。在前列腺中,IVIM模型能够更好地拟合信号衰减,表明前列腺组织内两种不同扩散环境的存在。有研究表明前列腺组织中 D 值显著低于 ADC 值,这也验证了 ADC 包含了微循环灌注成分,而微循环灌注效应与真正的水分子扩散受限效应相反,导致 ADC 值升高。有研究表明前列腺癌组织的 D 值、 f 值明显低于前列腺正常组织。目前,IVIM在前列腺癌的诊断应用中存在着争议,特别是IVIM灌注参数在鉴别前列腺良恶性组织的研究中分歧很大,一些研究结果表明IVIM参数对于肿瘤的检出和分级具有重要的价值,而另一些研究结果则显示IVIM参数较单指数模型并未提供额外有价值的信息。不同的研究中选择 b 值的数量、范围和分布的差异可能是造成不同实验结果的重要原因之一(图3-5)。
图3-5 1例经病理证实为前列腺癌的病灶
A.T 2 WI示前列腺左侧移行带一低信号占位;B.病灶区 D 信号减低;C. D *病灶显示不明显;D. f 病灶显示不明显。
由Bennett等人于2003年提出,其计算公式如下:
其中 S ( b )为 b ≠0时的DWI信号强度; S 0 为 b =0时的信号强度; DDC 为分布扩散系数(distributed diffusion coefficent),代表体素内平均扩散率,单位为mm 2 /s; α 代表体素内水分子扩散不均质的程度,介于0~1之间, α =1时,相当于单指数扩散加权信号衰减,此时体素内的扩散是均匀的;反之,当 α 接近于0时,表示一种非常复杂的多指数信号衰减,说明体素内扩散异质性就越高。与IVIM不同,SEM并不关心参与的质子池数目多少,而是用来描述微环境间内水分子运动的连续分布扩散情况,并可以反映体素内的异质性。Mazaheri等人对SEM和IVIM模型定量参数的可靠性和可重复性进行研究, DDC 和 α 的组内相关系数分别是95.8%、64.1%,而 D 、 D *和 f 的组内相关系数分别为84.4%、25.3%和41.3%。因此证明SEM的可靠性及可重复性优于IVIM模型。Liu等研究结果表明,前列腺癌的 DDC 和 α 显著低于正常的前列腺组织,且无论是在正常的外周带和移行带还是前列腺癌组织, DDC 和 ADC 均具有良好的相关性。目前,SEM用于前列腺的研究较少,其在前列腺癌诊断中的应用还需要多中心、大样本的研究来进一步探讨。
磁共振扩散张量成像由Basser等人于1994年提出,DTI通过在至少6个不共线方向施加扩散敏感梯度计算水分子扩散矩阵和方向信息。DTI能够生成各向异性分数(fraction anisotropy,FA)图和平均扩散率(mean diffusivity,MD)图。FA无量纲,大小从0到1,其中0表示不存在各向异性,1表示水的纯单向运动。另外,基于DTI的纤维示踪技术可以显示各向异性组织的三维结构,能够直观地评估病灶与周围结构的关系。由于颅脑中存在神经纤维、具有明显的各向异性,因此DTI模型在神经系统疾病中应用最广泛。
目前已有部分文献报道DTI在前列腺癌的诊断和Gleason分级中的应用,但其应用价值尚未达成统一意见。Li等人的研究表明FA值和ADC值在鉴别外周带前列腺癌和外周带良性组织中均有统计学意义( P <0.001);FA值与Gleason分级呈中等正相关( r =0.48, P <0.001)外,在四组Gleason分级分组中(≤3+3,3+4,4+3,≥4+4),除Gleason 3+4组与Gleason4+3组的FA值相比 P >0.05,其余任意两组FA值相比均有统计学意义( P <0.05)。Uribe等人运用7T设备就FA值是否有助于前列腺癌诊断和分级进行了研究,共纳入13例患者,分体内和体外两个部分,结果显示无论是体内还是体外,肿瘤组织的ADC值均低于正常组织,而FA值只有在体内才有意义。他们认为噪声对FA值产生了影响,体内肿瘤组织的FA值较高是由低的信噪比(signal-to-noise ratio,SNR)导致,故提出DTI的FA值在前列腺癌中并无诊断价值(图3-6)。
图3-6 1例经穿刺病理证实为前列腺癌的病灶
其右侧外周带见一DWI低信号结节灶,病灶区FA值轻微升高,ADC值降低。
多项研究证实了DTI神经纤维束成像观察前列腺周围的神经血管束的可行性,但是,这些研究均缺乏组织病理学作为参考标准,因此DTI纤维示踪技术反映前列腺周围神经情况的灵敏度和特异度无法测量。另外,不同研究机构使用设备的不同、各向异性参量FA阈值、 b 值等参数的不同均会影响纤维示踪的结果。Baur等人纳入10例正常志愿者,设定不同的FA阈值,观察不同的FA阈值(0.20、0.05、0.01)对神经纤维束示踪结果的影响,结果发现前列腺周围组织各向异性值较低,只有当FA值设定为0.05和0.01时才能较好地模拟前列腺周围神经血管束的分布。
Jensen等人研究扩散运动对于高斯行为的偏离,并于2005年提出一种新的生物物理模型——DKI,它是用来表征水分子运动呈非高斯分布扩散行为的方法。DKI是DTI模型的扩展,测量的弥散峰度可能取决于弥散敏感梯度场的方向,正如DTI依赖于6个独立分量的张量,描述DKI对方向的依赖性需要15个独立分量的张量。DKI可以同时获得DTI的参量和DKI的参量,DTI的参量包括FA、MD、径向扩散系数(radial diffusivity,RD)和轴向扩散系数(axial diffusivity,AD);DKI的参量包括平均峰度(mean kurtosis,MK)、径向峰度(radial kurtosis,RK)和轴向峰度(axial kurtosis,AK)。峰度是一个数学名词,用于反映水分子扩散位移概率分布偏离高斯分布的程度,而高斯行为的偏离是由组织复杂性支配的,因此峰度可被认为是组织结构复杂性的度量。MK的定义是组织在空间各个方向扩散峰度的均值,主要反映的是组织内部整体扩散的不均匀性,MK越大表示扩散受限越严重,成分结构越复杂;RK主要反映的是沿着长轴方向扩散的不均匀性;AK主要反映垂直长轴方向扩散的不均匀性。在过去的十年里,DKI主要应用于中枢神经系统。在体部主要集中在前列腺,其扩散各向异性不及颅脑明显,因此文献研究多使用常规的DWI序列(3个梯度方向)结合较高 b 值信号经DKI模型拟合得到的MK和MD参数(图3-7)。
图3-7 1例经穿刺病理证实为前列腺癌的病灶
其右侧外周带见一T 2 WI低信号结节灶,病灶区,MK值升高,MD值降低。
多项研究已证实DKI在前列腺癌的诊断及分级中具有重要价值。Rosenkrantz等人的研究表明,在鉴别外周带前列腺癌和良性组织方面,MK较MD和ADC的灵敏度最高(93.3%vs 78.5% vs 83.5%, P <0.001);在鉴别低级别和高级别肿瘤方面MK的灵敏度也较ADC和MD高(68.6%vs 51.0% vs 49.0%, P <0.004),但特异度有所下降(70.0%vs 81.4% vs 82.9%, P <0.001)。除此之外,MK鉴别低级别和高级别肿瘤的曲线下面积(area under the curve,AUC)亦高于ADC(0.70vs 0.62, P =0.010)。但也有文献报道DKI并不能提高前列腺癌的诊断效能。Roethke等人评价传统的DWI和DKI在外周带前列腺癌分级的价值,分别使用了两个序列,单指数模型仅采集0和800s/mm 2 的两个 b 值,而DKI模型使用多 b 值数据(最高达2 000s/mm 2 )进行DKI拟合,结果显示DKI和ADC在鉴别Gleason分级方面的差异无统计学意义( P >0.05)。
此外,DWI还有许多新模型如分数阶微积分(fractional order calculus,FROC)扩散模型、统计模型(statistical model)及血管、细胞外和限制性扩散肿瘤细胞测量(vascular,extracellular and restricted diffusion for cytometry in tumors,VERDICT)模型等。这些模型从不同的理论角度解释DWI成像在细胞水平的机制,对DWI信号衰减进行曲线拟合并引入定量参数图,目前这些模型在前列腺中应用极少,其在前列腺疾病中的临床应用仍有待于进一步的研究探讨。
除了DWI模型的发展,DWI成像序列也在不断进步。扩散加权成像是在原有脉冲序列的基础上加上一对梯度脉冲,此对梯度大小相同,方向相反。目前临床上所用的DWI主要是基于单次激发平面回波成像(single shot echo planar imaging,SS-EPI),其优点在于成像速度快,对运动导致的相位误差不敏感;局限性在于分辨率低,图像易变形。前列腺癌多发生于外周带,外周带靠近直肠,不同组织交界面的磁化率差异很大,SS-EPI序列中前列腺直肠交界处的磁敏感伪影常掩盖病灶。分段读出平面回波成像(readout segmented echo planar imaging,RS-EPI)和小视野扩散加权成像(reduced field of view DWI,r-FOV DWI)是目前应用于临床中的两种提高图像分辨率、减少图像变形和伪影的技术。RS-EPI序列由两个回波组成,一个用于采样标准读出分段EPI数据的成像回波,另一个为二维导航回波。RS-EPI序列在读出方向上采用多个节段进行分段采样,这使得读出梯度脉冲时间更短,可以减少磁敏感导致的畸变。同时结合其他技术如全局自动校准部分并行采集(generalized autocalibrating partially parallel acquisition,GRAPPA),进一步减少了磁敏感伪影(图3-8)。该技术已在中枢神经系统、乳腺、前列腺的临床应用中取得成功。r-FOV DWI是另一种减少图像变形,提高图像分辨率和信噪比的方法。目前临床应用r-FOV DWI技术主要采用选择性激励技术,能够在单次采集中减少K空间的填充,从而减少读出时间并相对提高了相位方向带宽,从而减少图像伪影和变形,提高图像分辨率。目前临床中r-FOV采集序列主要有GE公司的FOCUS序列和西门子公司的Zoomit序列。
图3-8 1例病理证实外周带前列腺癌并骨转移的磁共振表现
T 2 WI(图A)示右侧前列腺外周带一低信号结节灶;RS-EPI(图B)、SS-EPI(图C)、RS-EPI ADC(图D)、SS-EPI ADC(图E)均能发现右侧外周带的癌灶,但RS-EPI有更好的空间分辨率,图像变形小,与T 2 WI图像较接近。
DWI技术发展迅速,是近年来MRI研究的热点。新型DWI模型和成像技术不断提出,为进一步提高前列腺癌诊断的准确性提供了可能。但这些新型DWI模型和成像技术还处在研究早期阶段,不同研究结果之间尚存在较多的差异,因此仍需要进一步探讨和研究。此外,虽然有些模型和技术已得到普遍认可,但大多仅装配在一些高端磁共振设备和大型医疗机构中,尚未普遍应用于临床,因此仍需要进一步推广。
动态对比增强是前列腺mpMRI的重要组成部分。DCE通过半定量或全定量分析,能够在微循环层面上分析病变的微观情况,从而提供重要的诊断信息,在多种肿瘤性病灶的鉴别诊断和预后评估中具有重要价值。
DCE是利用顺磁性钆类(Gadolinium,Gd)对比剂缩短组织T 1 值的特性,在不同时间点观察病变的信号变化,判断组织的血供情况。通过药代动力学模型分析计算,得到半定量或定量参数。DCE是一种以病变、组织中的微血管系统为理论基础,来评估组织性质功能的成像技术。
DCE半定量分析是依据原始图像绘制时间-信号强度曲线,依据曲线的形状做出定性诊断。DCE曲线多分为三种类型:Ⅰ型为流入型、Ⅱ型为平台型、Ⅲ型为流出型。前列腺癌多为流出型曲线;前列腺增生多为流入型曲线;前列腺癌和前列腺增生都可以表现为平台型曲线(图3-9)。
图3-9 1例经穿刺病理证实为前列腺癌的病灶
A.轴位T 2 WI示前列腺前纤维基质区低信号结节;B.病灶区DWI弥散明显受限;C.DCE示病灶呈流出型曲线。
DCE定量分析常用的计算方法是Tofts模型。Tofts模型中的每个组织体素都包含三个组成部分:组织实质细胞、血管和组织细胞外血管外间隙。DCE定量参数能够反映组织血流动力学方面的信息。其中,容积转运常数 K trans 代表单位时间内每单位体积组织中从血管内进入血管外细胞外间隙的对比剂量,大小取决于血流量、毛细血管渗透性及表面积;速率常数 K ep 代表单位时间内对比剂从组织间隙进入血管的量;血管外细胞外间隙体积百分数 Ve 代表的是单位体积组织内血管外细胞外间隙的体积。 K trans 值越高则表示组织的血浆流量和组织血管渗透性越高,因此对于肿瘤而言其 K trans 值越高,则表明其代谢越快,其恶性程度也可能越高(图3-10)。
图3-10 1例经穿刺病理证实为前列腺癌的病灶
A.轴位T 2 WI示前列腺左侧外周带信号减低区;B.在病灶区放置ROI测量DCE-MRI定量参数。
在临床工作中,放射科医师对部分患者的前列腺MRI图像无法做出明确诊断。对于这一类模棱两可的病例,DCE具有良好的辅助诊断效能。PI-RADS评分中,建议采用DCE协助诊断PI-RADS评分3分的病灶。近期,Cristel等回顾性纳入了103例经病理证实的前列腺疾病患者,计算103例患者的DCE定量参数,研究结果显示 K trans 联合PI-RADS V2评分能够提高诊断的阳性预测值,并有可能会减少无益的穿刺活检。Ma等纳入了81例疑似诊断为前列腺癌的患者的MRI数据,探讨 ADC 和DCE定量参数诊断前列腺癌的效能。研究结果显示 K trans 、 K ep 、 Ve 和 ADC 联合应用的诊断效能显著高于单一定量参数。
前列腺癌病灶分级及侵袭性评估对患者治疗方案的选择具有重要的价值。DCE分析能够提供丰富的定量参数,可以用于前列腺癌侵袭性评估。Park等回顾性纳入了94例接受根治性切除术的前列腺癌患者,对所有患者进行DCE检查并计算DCE定量参数,评估定量参数在鉴别csPCa和无临床意义前列腺癌(clinically insignificant prostate cancer,cisPCa)的效能。研究结果显示, Ve 在CSC和non-CSC间有显著差异,其鉴别CSC和non-CSC的ROC曲线下面积为0.643(95% CI 0.538~0.739)。Mirak等人回顾性纳入了254例行根治性切除的前列腺癌患者,探讨DCE定量参数在评估前列腺癌病灶分级(Gleason=6为低级别,Gleason≥6为高级别)中的效能,研究结果显示DCE定量参数能够高效地区分高低级别前列腺癌病灶。另外一项研究中,Fukunaga等纳入分析了104例经病理证实的前列腺癌患者,比较DWI单指数模型定量参数( ADC 值)、IVIM定量参数( f 、 D )、SEM定量参数(α、 DDC )及DCE 定量参数( K trans 、 K ep 及 Ve )在鉴别Gleason≥3+4和Gleason=3+3的前列腺癌病灶的效能。研究结果显示,IVIM、SEM及DCE定量参数与 ADC 相比并没有显著优势。
但需要指出的是,DCE定量参数受计算模型、对比剂种类、扫描方法等影响,不同研究结果之间存在一定差异。因此在实际应用中,应结合各个研究中的研究条件制订自己的诊断标准。但随着多中心、大样本研究的进展以及扫描规范的进一步统一,DCE定量诊断将会使更多患者受益。
(杨 璐 李 震)