单指数、双指数及拉伸指数模型扩散加权成像参数诊断子宫内膜癌

孟 楠

闫瑞芳 YAN Ruifang

任继鹏 REN Jipeng

王红霞 WANG Hongxia

金兴兴 JIN Xingxing

韩东明 HAN Dongming

单指数、双指数及拉伸指数模型扩散加权成像参数诊断子宫内膜癌

孟 楠MENG Nan

闫瑞芳YAN Ruifang

任继鹏REN Jipeng

王红霞WANG Hongxia

金兴兴JIN Xingxing

韩东明HAN Dongming

目的探讨单指数、双指数及拉伸指数模型扩散加权成像（DWI）各参数在诊断子宫内膜癌中的价值，为子宫内膜癌的诊断提供新的思路。资料与方法 回顾性分析28例子宫内膜癌患者和24例子宫内膜正常患者的体素内不相干运动成像资料，分别测量子宫内膜癌组织和正常子宫内膜组织的单指数模型、双指数模型及拉伸指数模型参数，包括标准表观扩散系数（ADC-stand）、慢速表观扩散系数（ADC-slow）、快速表观扩散系数（ADC-fast）、灌注分数（f）、扩散分布指数（DDC）和扩散异质性指数（α）。采用受试者工作特性（ROC）曲线评价各参数值的阈值及诊断效能，分析两组间各参数值的差异以及同组间各参数值的相关性。结果子宫内膜癌组的ADC-stand、ADC-slow、f、DDC及α值均低于子宫内膜正常组，差异均有统计学意义（P＜0.05），ADC-fast值差异无统计学意义（P＞0.05）；ADC-stand和ADC-slow的ROC曲线下面积分别为0.949和0.911，阈值分别为1.245×10－3mm2/s、0.998×10－3mm2/s。子宫内膜癌组的ADC-stand与ADC-slow、DDC值均呈正相关（r=0.787、0.880，P＜0.05），且ADC-slow值均低于ADC-stand值（P＜0.05）。结论单指数、双指数及拉伸指数模型部分参数的差异能够为子宫内膜癌的诊断提供新的思路。

子宫内膜肿瘤；磁共振成像；扩散加权成像

子宫内膜癌是女性生殖系统三大恶性肿瘤之一，近年其发病率持续上升[1]。MRI是目前诊断子宫内膜癌的主要方法，法国国家癌症研究所提出，所有子宫内膜癌患者术前均应行MRI检查[2]。然而传统MRI检查仅能从形态学层面对子宫内膜癌进行诊断，对于形态学表现相似的疾病鉴别诊断存在一定的局限性。扩散加权成像（DWI）能在一定程度上定量反映病变组织的生物学特征，由其衍生而来的基于体素内不相干运动（intravoxel incoherent motion，IVIM）的双指数模型[3]和拉伸指数模型[4]，可以应用多个参数从不同角度定量反映病变特点，并应用于甲状腺[5]、乳腺[6]良恶性病变的鉴别诊断等方面。本研究拟探讨单指数、双指数及拉伸指数模型DWI参数诊断子宫内膜癌的价值。

1 资料与方法

1.1 研究对象 收集2016年9月－2017年3月在新乡医学院第一附属医院行MRI检查的子宫内膜癌患者。纳入标准：①患者及家属知情同意；②子宫内膜病变者；③MRI扫描后1周内行手术病理检查获得明确病理结果。排除标准：①MRI检查前接受过放、化疗；②MRI扫描序列不完整或图像存在明显运动/金属伪影。收集同期因盆腔良性病变（如卵巢囊肿等）行盆腔MRI检查，但子宫内膜正常的患者，纳入标准：①MRI显示子宫内膜正常；②图像清晰，能满足诊断及图像后处理需要。符合纳入标准的子宫内膜癌患者共28例，年龄41～66岁，中位年龄53岁；子宫内膜正常者24例，年龄29～62岁，中位年龄47岁。

1.2 仪器与方法 应用3.0T MR扫描仪（Discovery MR750，GE Healthcare）和8通道相控阵体线圈对患者进行盆腔MRI扫描。扫描序列包括常规冠状位、矢状位、轴位TIWI/T2WI序列（FOV 36 cm×28 cm，层厚6.0 mm，层间距2.0 mm），轴位薄层、小视野、无压脂T2WI序列（FOV 22 cm×22 cm，层厚4.0 mm，层间距0 mm）；轴位多b值DWI序列（SE-EPI序列，FOV 36 cm×28 cm，层厚5 mm，层间距1 mm，b=0、20、40、80、160、200、400、600、800、1000 s/mm2， 激励次数2、2、2、2、2、4、4、6、6）。检查前患者适度憋尿并进行阴道填塞。

1.3 图像处理及分析

1.3.1 图像后处理方法 将多b值DWI图像传至GE AW 4.6工作站，利用Functool工具包中的MADC软件进行后处理。由1 名主治医师和1 名副主任医师共同阅片。测量单指数模型参数标准表观扩散系数（standard apparent diffusion coefficient，ADC-stand）、双指数模型参数慢速表观扩散系数（slow apparent diffusion coef fi cient，ADC-slow）、快速表观扩散系数（fast apparent diffusion coef fi cient，ADC-fast）、灌注分数（perfusion fraction，f）、拉伸指数模型参数扩散分布指数（distributed diffusion coef fi cient，DDC）和扩散异质性指数（α）。

1.3.2 ROI的选取方法 结合薄层、小视野、无压脂T2WI图像，手动选取ROI，在肿瘤实性部分勾画3个形状、大小近似的ROI，面积为50 mm2左右，获取每个ROI的平均参数值，每名观察者测量2次，取平均值，最终结果取2名观察者的平均值。参考标准：①选取肿块最大的横断层面，尽量包括肿块DWI明显高信号区域；②ROI边缘与病灶边缘保持一定距离，以避免容积效应；③所有ROI的选择应尽量避开肉眼可见的囊变、出血和坏死区域；④子宫内膜正常组ROI置于子宫内膜显示最佳部分。

1.4 统计学方法 采用SPSS 21.0软件，两组各参数比较采用成组资料t检验，子宫内膜癌组ADC-stand值和其他参数值的相关性采用Pearson相关分析；利用受试者工作特性（ROC）曲线评价各参数值对子宫内膜癌的诊断效能及最佳诊断阈值，P＜0.05表示差异有统计学意义。

2 结果

2.1 不同病变各DWI模型的参数 IVIM-DWI扫描后经后处理软件拟合得出的各参数伪彩图见图1。子宫内膜癌组的ADC-stand、ADC-slow、f、DDC和α值均低于子宫内膜正常组，差异均有统计学意义（P＜0.05）；在子宫内膜正常组和子宫内膜癌组中，ADC-slow值均与 ADC-stand值呈正相关且普遍小于ADC-stand值（r=0.878、0.787，P＜0.01）；在子宫内膜正常组和子宫内膜癌组中，DDC 值与ADC-stand 值均呈正相关（r=0.807、0.880，P＜0.05）。见表 1。

2.2 3种模型各参数的诊断效能 ADC-stand、ADC-slow、f、DDC及α值诊断子宫内膜癌的AUC分别为0.949、0.911、0.761、0.876和0.719（图2），诊断效能见表2。

3 讨论

3.1 子宫内膜癌的形态学特点及单指数模型参数分析 子宫内膜癌在常规MRI图像上大部分表现为稍长T1长T2信号[7]，与正常子宫内膜的MRI信号特点类似，因此，当子宫内膜出现形态学特征无明显变化的早期病变时，常规MRI不易检出。DWI的优势在于不仅能够用信号强度反映病变特点，而且可以使用ADC来描述病变特征。既往研究表明，恶性肿瘤由于增殖明显导致细胞密度大，阻碍水分子的扩散运动，在DWI图像上表现出较高的信号强度及较低的ADC-stand值[8-10]。本研究中，子宫内膜癌组的DWI图像信号显著高于子宫内膜正常组，ADC-stand值显著低于子宫内膜正常组（P＜0.05），与上述结论一致。

表1 各组患者的单指数、双指数和拉伸指数DWI测量参数结果

图1 女，51岁，子宫内膜中分化腺癌。小视野斜轴位不压脂T2WI图像示子宫内膜增厚，邻近肌层受累（箭，A）；斜轴位常规视野（b=600 s/mm2）示子宫内膜显著增厚（箭，B）；ADC-stand伪彩图示病变部位呈偏蓝色信号（箭，C）；ADC-slow伪彩图示病变部位信号呈蓝绿色混杂信号（箭，D）；ADC-fast伪彩图示病变内可见红色信号（箭，E）；f伪彩图示病变部位呈红黄色混杂信号（箭，F）；DDC伪彩图示病变部位呈深蓝色信号（箭，G）；α伪彩图示病变部位呈蓝绿色混杂信号（箭，H）

表2 单指数、双指数和拉伸指数DWI测量参数诊断子宫内膜癌的效能

图2 各参数值的ROC曲线

3.2 子宫内膜癌中双指数模型各参数分析 IVIM双指数模型将组织内的水分子运动情况分为两个成分：扩散成分和灌注成分。它利用多个b值的扫描成像，根据公式 Sb/S0=fexp（－bADC-fast）+（1－f）exp（－bADC-slow），计算出代表真实扩散信息的ADC-slow值、代表微循环灌注信息的ADC-fast值以及代表灌注因素所占全部扩散因素比例的f值。本研究中，子宫内膜癌组的ADC-slow值低于子宫内膜正常组（P＜0.01），与以往研究结果一致，即子宫内膜癌病灶内细胞密度增高，细胞内外空间降低，细胞间质减少，水分子扩散受限[11-12]，故ADC-slow值降低，这与单指数模型ADC-stand值反映水分子扩散信息一致。为进一步探讨两者的关系，本研究比较子宫内膜正常组和子宫内膜癌组内的ADC-slow值与ADC-stand值及相关性，结果显示在两组研究对象中，两者呈显著正相关（r=0.878、0.787，P＜0.01），且ADC-slow值普遍低于ADC-stand值，这与Sun等[13]的研究结果一致，也印证了组织内水分子的运动不只有单纯扩散的观点。

双指数模型中另外一个主要参数是ADC-fast值，它主要反映组织内微血管血流灌注信息，灌注量越大，ADC-fast值越大，灌注量主要与微血管密度和微血管内血流速度有关。本研究中，子宫内膜癌组的ADC-fast值与子宫内膜正常组差异无统计学意义（P＞0.05），这与魏乐群等[6]的研究结果有一定差异。可能是由于乳腺腺体较多，细胞结构较为疏松，恶性肿瘤发生后对于局部微血管密度及血流速度影响较子宫内膜更为显著，故其灌注信息的变化更为明显。双指数模型的最后一个参数是f值，其为灌注因素占所有扩散因素的比例，尽管恶性病变的ADC-fast值与正常组织相比无明显变化，但其结构复杂，其内部可同时存在出血、坏死、囊变等多种成分，因此影响水分子运动的因素较正常组织明显增多，故恶性组织的f值较正常组织减小，这与本研究中子宫内膜癌组的f值显著小于子宫内膜正常组（P＜0.05）的结论一致。

3.3 子宫内膜癌中拉伸指数模型各参数分析 Bennett等[4]提出拉伸指数模型，主要通过DDC反映水分子的扩散情况，以及通过拉伸因子α反映体素内的异质性。本研究中，子宫内膜癌组DDC值显著低于子宫内膜正常组（P＜0.01），其原因可能为恶性病变具有细胞密度大、细胞内外间隙小等特点，水分子扩散运动受限，故DDC值较低，与靳雅楠等[14]的研究结果一致。同时，本研究分别进行了子宫内膜正常组和子宫内膜癌组内的DDC值与ADC-stand值相关性分析，结果显示在两组研究对象中，DDC值与ADC-stand值均呈正相关（r=0.807、0.880，P＜0.05），这与 Payne等[15]的研究结果一致，提示在反映水分子扩散信息方面，DDC值与ADC-stand值有相似的作用。α值代表体素内指数衰减的不均质性，其取值范围为0～1，α值愈趋向1，组织扩散的异质性愈低，病变成分越单纯，水分子运动方式越接近于自由扩散；相反，α值愈趋向0，组织扩散的异质性愈高，病变成分越复杂，水分子运动方式越复杂。本研究中，子宫内膜癌组的α值显著低于子宫内膜正常组（P＜0.05），这与上述理论一致。同时，本研究进行了子宫内膜癌组的DDC值与α值相关性分析，结果显示，两者之间无明显相关性，这与彭雯佳等[16]的研究结果不同，可能是样本较小的缘故，在后续研究中将进一步探讨此问题。

总之，IVIM-DWI多参数模型对于子宫内膜癌的诊断有较大意义，但本研究仍存在局限性：①本研究中ROI的选择集中在病变的实性部分，且避开囊变、坏死区域，这种选择人为降低了肿瘤组织的异质性，有可能影响α值的诊断效能；②既往研究表明，ADC-fast值计算准确率与b值（0～200 s/mm2）个数呈正相关[17]，本研究中低于200 s/mm2的b值仅有5个，是否影响ADC-fast及f值的诊断效能有待进一步研究；③由于样本量较小，并未进行不同病理类型及不同分期子宫内膜癌各参数值的比较，这可能给实验结果造成一定误差。在后续工作中，应进一步优化研究方案，增加样本量，为子宫内膜癌的临床检查及诊断方案的制订提供更加准确的参考。

[1] Faria SC, Sagebiel T, Balachandran A, et al. Imaging in endometrial carcinoma. Indian J Radiol Imaging, 2015, 25(2):137-147.

[2] Querleu D, Planchamp F, Narducci F, et al. Clinical practice guidelines for the management of patients with endometrial cancer in France: recommendations of the Institut National du Cancer and the Société Française d'Oncologie Gynécologique.Int J Gynecol Cancer, 2011, 21(5): 945-950.

[3] Le Bihan D, Breton E, Lallemand D, et al. MR imaging of intravoxel incoherent motions: application to diffusion and perfusion in neurologic disorders. Radiology, 1986, 161(2): 401-407.

[4] Bennett KM, Schmainda KM, Bennett RT, et al. Characterization of continuously distributed cortical water diffusion rates with a stretchedexponential model. Magn Reson Med, 2003, 50(4): 727-734.

[5] 谭慧, 陈军, 许启仲, 等. 体素内不相干运动在甲状腺良恶性结节中的诊断价值. 中国医学影像学杂志, 2016, 24(3): 166-169.

[6] 魏乐群, 陈殿森, 孙聚葆, 等. MR体素内不相干运动成像对乳腺良恶性病变的鉴别诊断价值. 中国医学影像学杂志,2016, 24(12): 906-908.

[7] 白人驹, 张雪林. 医学影像诊断学. 第3版. 北京: 人民卫生出版社, 2010: 482-483.

[8] Mohaghegh P, Rockall AG. Imaging strategy for early ovarian cancer: characterization of adnexal masses with conventional and advanced imaging techniques. Radiographics, 2012, 32(6): 1751-1773.

[9] Liu H, Liu Y, Yu T, et al. Evaluation of apparent diffusion coef fi cient associated with pathological grade of lung carcinoma,before therapy. J Magn Reson Imaging, 2015, 42(3): 595-601.

[10] Zhang YD, Wu CJ, Wang Q, et al. Comparison of utility of histogram apparent diffusion coef fi cient and R2* for differentiation of low-grade from high-grade clear cell renal cell carcinoma.Am J Roentgenol, 2015, 205(2): W193-W201.

[11] Woo S, Lee JM, Yoon JH, et al. Intravoxel incoherent motion diffusion-weighted MR imaging of hepatocellular carcinoma:correlation with enhancement degree and histologic grade.Radiology, 2014, 270(3): 758-767.

[12] Sumi M, Nakamura T. Head and neck tumors: assessment of perfusion related parameters and diffusion coefficients based on the intravoxel incoherent motion model. Am J Neuroradiol,2013, 34(2): 410-416.

[13] Sun X, Wang H, Chen F, et al. Diffusion-weighted MRI of hepatic tumor in rats: comparison between in vivo and postmortem imaging acquisitions. J Magn Reson Imaging, 2009, 29(3): 621-628.

[14] 靳雅楠, 张焱, 程敬亮, 等. 单指数、双指数及拉伸指数模型扩散加权成像参数鉴别乳腺良、恶性病变的价值. 中华放射学杂志, 2016, 50(5): 334-338.

[15] Payne GS, Schmidt M, Morgan VA, et al. Evaluation of magnetic resonance diffusion and spectroscopy measurements as predictive biomarkers in stage 1 cervical cancer. Gynecol Oncol, 2010, 116(2): 246-252.

[16] 彭雯佳, 王鹤, 陆建平, 等. 拉伸指数模型DWI对大鼠急性脑缺血的研究. 放射学实践, 2012, 27(7): 706-712.

[17] 张水兴, 贾乾君, 张忠平, 等. 基于体素内不相干运动的扩散加权成像对鼻咽癌与炎性增生性疾病的鉴别诊断. 中华放射学杂志, 2013, 47(7): 617-621.

（本文编辑 张晓舟）

Single Index, Double Exponential and Tensile Density Index Model Diffusion Weighted Imaging in Diagnosis of Endometrial Carcinoma

PurposeTo explore the application of single index, double exponential and tensile density index model diffusion weighted imaging and other parameters on endometrial carcinoma diagnosis to offer new ideas for it.Materials and MethodsIntravoxel incoherent motion imaging data of 28 endometrial carcinoma patients and 24 patients of normal endometrium were analyzed retrospectively. Single index, double exponential and DWI parameter of endometrial carcinoma tissue and normal endometrial tissue were measured respectively, including standard apparent diffusion coef fi cient (ADC-stand), slow apparent diffusion coef fi cient (ADC-slow), fast apparent diffusion coef fi cient (ADC-fast,perfusion fraction (f), distributed diffusion coefficient (DDC) and α. Receiver operator characteristic (ROC) curve was adopted to assess threshold value and diagnostic ef fi ciency of each parameter, and analyzed difference among each parameter in two groups and relativity of each parameter in the same group.ResultsADC-stand, ADC-slow, f, DDC and α in endometrial carcinoma group were all lower than those in normal endometrium group. The difference was statistically significant (P＜0.05). The difference of ADC-fast was not statistically signi fi cant (P＞0.05). Areas of ADC-stand and ADC-slow on ROC curve were 0.949 and 0.911 respectively, and threshold values were 1.245×10－3mm2/s and 0.998×10－3mm2/s. ADC-stand in endometrial carcinoma group was positive correlated with ADC-slow and DDC value (r=0.787 and 0.880,P＜0.05). ADC-slow was signi fi cantly lower than ADC-stand (P＜0.05).ConclusionThe differences in single index, double exponential and DWI can provide new ideas for endometrial carcinoma diagnosis.

Endometrial neoplasms; Magnetic resonance imaging; Diffusion weighted imaging

新乡医学院第一附属医院核磁共振科 河南卫辉 453100

韩东明

Department of Magnetic Resonance, the First Af fi liated Hospital of Xinxiang Medical University, Xinxiang 453100, China

Address Correspondence to:HAN Dongming

E-mail: 625492590@qq.com

河南省科技攻关计划项目（201503137）。

R445.2；R737.33

2017-04-05

2017-05-29

中国医学影像学杂志

2017年 第25卷 第8期：609-612，616

Chinese Journal of Medical Imaging 2017 Volume 25 (8): 609-612, 616

10.3969/j.issn.1005-5185.2017.08.013