MR T1ρ成像和脑结构MR成像在鼻咽癌放射性脑损伤中的初步研究及MR纹理分析在鼻咽癌复发预测中的初步研究

发布时间：2019-10-12 04:10

【摘要】：第一部分MR T1ρ成像和脑结构MR成像在鼻咽癌放射性脑损伤中的初步研究目的:采用MR T1ρ成像和脑结构MR成像分析鼻咽癌放疗后常规MR阴性患者全脑结构和形态的微观改变,探讨MR T1ρ成像和脑结构MR成像在早期诊断隐匿性放射性脑损伤中的价值。材料与方法:1.研究对象138例经病理确诊的鼻咽癌患者,其中男102例,女36例,平均年龄46.58岁,临床分期均为T1N1M0Ⅱ期～T4N3M0Ⅳb期。根据放疗前、后进行MR检查的不同时间将患者分为4组,分别为放疗前组(对照组,38例)、放疗后0～6个月组(40例)、放疗后6～12个月组(32例)和放疗后12个月组(28例)。2.MR图像采集采用Philips Achieva 3.0T磁共振扫描仪,常规头颅MR平扫包括轴位T1WI、T2WI、FLAIR及矢状位T1WI序列,增强扫描包括轴位、冠状位和矢状位T1WI序列。T1ρ扫描采用3D快速自旋回波序列,自旋锁频率为500 Hz,自旋锁时间分别为0,20,40,60,80和100 ms。3D T1WI结构像扫描采用3D快速梯度回波序列,行覆盖全脑的矢状位扫描。3.T1ρ成像后处理主要步骤:(1)格式转换;(2)剥头皮;(3)校正;(4)配准、分割及标准化;(5)提取被试全脑皮层灰质和白质脑区;(6)提取被试各灰、白质脑区的T1ρ值。4.脑结构MR成像后处理主要步骤:(1)格式转换;(2)剥头皮;(3)非线性配准,得到非线性变换T,并求逆(T-1);(4)用逆变换对AAL模板进行变形,得到被试自身的全脑分区;(5)生成被试各脑区的体素点数量。5.统计学分析所有统计使用SPSS20.0统计软件包或MATLAB2015a工作站,检验水准α=0.05,以p0.05判定差异有统计学意义。计量资料用均数±标准差表示。鼻咽癌放疗前、后各组之间性别差异的比较采用χ2检验。各组之间年龄、皮层灰质脑区T1ρ值和白质脑区T1ρ值差异的比较均采用单因素方差分析。鼻咽癌放疗前、后各组之间全脑各脑区体积差异的比较采用置换检验,以放疗前组为对照组,放疗后各组分别与放疗前组进行两两比较,运算次数为10000次。结果:1.鼻咽癌放疗前、后各组之间年龄及性别的比较差异均无统计学意义。2.对比放疗前,鼻咽癌患者全脑皮层灰质和白质多个脑区的T1ρ值在放疗后不同时间段呈动态变化,主要表现为“升高→降低→升高”或“升高→升高→升高”两种趋势。3.对比放疗前,鼻咽癌患者放疗后不同时间段出现了大脑多个脑区的体积增大或减小,以及小脑多个脑区的体积增大,差异有统计学意义。结论:1.MR T1ρ成像和脑结构MR成像能够敏感地监测鼻咽癌放疗后常规MR阴性患者全脑结构和形态的微观改变,有望为临床早期诊断隐匿性放射性脑损伤提供新的影像学方法。2.鼻咽癌患者放疗后全脑灰、白质多个脑区的T1ρ值呈动态变化,多个脑区的体积也发生了改变。这说明了放疗可引起广泛的脑结构损伤和形态改变,而不仅仅局限于照射野,也反映了脑组织对电离辐射的反应是错综复杂和动态变化的。3.鼻咽癌放疗后0～6个月和12个月T1ρ值的升高可能与神经元和胶质细胞损伤以及纤维化有关;放疗后6～12个月T1ρ值的降低可能反映了放射性脑损伤自身的修复作用,升高则可能反映了放射性脑损伤呈进行性加重,或损伤作用大于修复作用。4.鼻咽癌放疗后不同时间段大脑多个脑区出现体积减小,可能与放疗导致的神经元和胶质细胞损伤、血管损伤和自身免疫反应有关,也可能与化疗有关;全脑多个脑区出现体积增大,可能是对放射性脑损伤的代偿反应。第二部分MR纹理分析在鼻咽癌复发预测中的初步研究目的:回顾性分析鼻咽癌患者常规MR图像的纹理特征,探讨基于MR纹理分析的影像组学模型在鼻咽癌复发预测中的价值。材料与方法:1.研究对象85例经病理确诊的鼻咽癌患者纳入本研究。根据预后将患者分成两组:(1)鼻咽癌复发组:35例,其中男28例,女7例,平均45.77岁,临床分期均为T1N1M0Ⅱ期～T4N3M0Ⅳb期;(2)鼻咽癌无复发组:50例,其中男34例,女16例,平均年龄46.50岁,临床分期均为T2N0M0Ⅱ～T3N3MOⅣb期。2.MR图像采集采用Siemens Vision Plus 1.5T和GE Signa Excite 3.0T磁共振扫描仪,鼻咽部MR扫描包括平扫轴位T1WI和T2WI序列、冠状位T2WI序列、矢状位T1WI序列以及增强轴位、冠状位及矢状位T1WI序列。3.图像纹理分析(1)图像选择:从PACS系统导出患者治疗前的鼻咽部MR图像;(2)感兴趣容积的选取:在ITK-SNAP软件中导入患者轴位T1WI增强及T2WI平扫图像,手动勾画病灶;(3)图像预处理:包括偏移场校正和灰度归一化处理;(4)特征提取:①4种非纹理特征;②43种纹理特征;③纹理提取参数选择;(5)特征选择及分类预测:纹理特征选择方法采用特征向量中心度量算法和基于凹最小化特征选择算法,采用Bootstrap方法和随机森林算法对选择的特征进行分类预测,采用受试者工作特征曲线分析并比较两种纹理特征选择方法的预测效果。(6)建立放射组学模型及评估预测效果。4.统计学分析临床资料的统计使用SPSS 20.0统计软件包进行,检验水准α=0.05,以p0.05判定差异有统计学意义。计量资料用均数±标准差表示。鼻咽癌复发组和鼻咽癌无复发组之间年龄差异的比较采用独立样本t检验,两组之间性别和临床分期差异的比较采用χ2检验。MR图像纹理分析的统计采用相关的机器学习法在MATLAB2015a工作站进行。结果:1.鼻咽癌复发组和鼻咽癌无复发组之间年龄、性别和临床分期的比较差异均无统计学意义。2.FSV算法对鼻咽癌复发的预测效果明显优于EC算法。3.对于T1WI增强图像,采用FSV算法并选择20个特征组合时,预测效果最好,AUC为0.866,灵敏度为75.10%,特异度为86.56%。对于T2WI平扫图像,采用FSV算法并选择15个特征组合时,预测效果最好,AUC为0.843,灵敏度为73.49%,特异度为83.11%。4.采用FSV算法并将T1WI增强图像20个特征和T2WI平扫图像15个特征相结合时,对鼻咽癌复发的预测效果为本研究的最佳预测结果,AUC为0.878,灵敏度为75.73%,特异度为87.11%。结论:1.基于MR图像的纹理分析能够有效地对鼻咽癌进行复发预测,提示MR纹理特征可以作为预测鼻咽癌复发的成像生物标志物。2.放射组学有望成为新的影像学分析工具,用于鼻咽癌的早期预后评估。
【图文】：

一分割

图I-3标准化
【学位授予单位】：南方医科大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：R739.63;R445.2

【相似文献】