摘要: 目的 基于 PI-RADS V2 探讨多参数磁共振成像(MRI)对前列腺癌 (PCa) 的诊断价值。方法 回顾性纳入 35 例行 MRI 检查的 PCa 患者 [T2WI 、 扩散加权成像 (DWI)、 动态增强 (DCE)],两位放射科医师参照 PI-RADS V2 分析 MRI 图像并按 12 分区法对前列腺各个分 区出现癌的可能性进行评分 . 共组成 4 种方案从方案 1-4 以次为 , T2WI,T2WI+DWI,T2WI+DCE,T2WI+DWI+DCE。根据影像评分和病 理结果对照,计算 4 种方案对 PCa 癌区和非癌区的平均 PI-RADS V2 评分并采用独立样本 t 检验比较,统计 4 种方案的敏感度、特异度及准确 度。结果 35 例 PCa 患者共纳入 364 区,125 个癌区和 239 个非癌区,其中 74 个外周带癌区,65 个移行区癌区。在方案 1-4 中,PCa 癌区的 PI-RADS V2评分依次为3.32±1.21、3.37±1.19、3.39±1.22、3.40±1.20,非癌区的PI-RADS V2评分分别为1.99±0.9·、1.95±0.92、2.01±0.98、 1.95±0.94,两组间 PI-RADS V2 评分在每种方案的差异均有统计学意义 (P<0.05)。方案 1-4 均以 PI-RADS V2 评分≥ 4 分为临界值 , 诊断的 敏感度分别为 46.30%、55.22%、58.22%、62.37%;特异度分别为 96.36%、95.33%、92.26%、97.36%;准确度分别为 72.25%、80.5%、77.21%、 86.35%。结论 多参数 MRI 有助于提高 PCa 的检出及诊断准确度,其中以 T2WI+DWI+DCE 的诊断价值最高,PI-RADS V2 是一种评价 PCa 较好的半定量方法。
摘要:目的 基于 PI-RADS V2 探讨多参数磁共振成像(MRI)对前列腺癌 (PCa) 的诊断价值。方法 回顾性纳入 35 例行 MRI 检查的 PCa 患者 [T2WI 、 扩散加权成像 (DWI)、 动态增强 (DCE)],两位放射科医师参照 PI-RADS V2 分析 MRI 图像并按 12 分区法对前列腺各个分 区出现癌的可能性进行评分 . 共组成 4 种方案从方案 1-4 以次为 , T2WI,T2WI+DWI,T2WI+DCE,T2WI+DWI+DCE。根据影像评分和病 理结果对照,计算 4 种方案对 PCa 癌区和非癌区的平均 PI-RADS V2 评分并采用独立样本 t 检验比较,统计 4 种方案的敏感度、特异度及准确 度。结果 35 例 PCa 患者共纳入 364 区,125 个癌区和 239 个非癌区,其中 74 个外周带癌区,65 个移行区癌区。在方案 1-4 中,PCa 癌区的 PI-RADS V2评分依次为3.32±1.21、3.37±1.19、3.39±1.22、3.40±1.20,非癌区的PI-RADS V2评分分别为1.99±0.9·、1.95±0.92、2.01±0.98、 1.95±0.94,两组间 PI-RADS V2 评分在每种方案的差异均有统计学意义 (P<0.05)。方案 1-4 均以 PI-RADS V2 评分≥ 4 分为临界值 , 诊断的 敏感度分别为 46.30%、55.22%、58.22%、62.37%;特异度分别为 96.36%、95.33%、92.26%、97.36%;准确度分别为 72.25%、80.5%、77.21%、 86.35%。结论 多参数 MRI 有助于提高 PCa 的检出及诊断准确度,其中以 T2WI+DWI+DCE 的诊断价值最高,PI-RADS V2 是一种评价 PCa 较好的半定量方法。
说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!
[1] | 李婕 白志宏 于瑞云 崔亚盟 王兴伟 . 基于PSO优化的移动位置隐私保护算法 [J]. 计算机学报 ,2018,5 |
[2] | 古春生 景征骏 史培中 于志敏 . 基于新"0"测试参数的理想格上多线性映射 [J]. 计算机学报 ,2018,5 |
[3] | 雷程 马多贺 张红旗 杨英杰 王利明 . 基于网络攻击面自适应转换的移动目标防御技术 [J]. 计算机学报 ,2018,5 |
[4] | 眭晗 吴文玲 张立廷 . 基于双管道结构的在线加密方案 [J]. 计算机学报 ,2018,5 |
[5] | 钟成 李兴华 宋园园 马建峰 . 无线网络中基于共享密钥的轻量级匿名认证协议 [J]. 计算机学报 ,2018,5 |
[6] | 朱鹏程 程学云 卫丽华 管致锦 . 基于错误位分布的可逆逻辑综合算法 [J]. 计算机学报 ,2018,4 |
[7] | 杨洋 刘磊 李广力 张桐搏 吕帅 . 一种新的基于局部搜索的扩展规则推理方法 [J]. 计算机学报 ,2018,4 |
[8] | 朱光辉 黄圣彬 袁春风 黄宜华 . SCoS:基于Spark的并行谱聚类算法设计与实现 [J]. 计算机学报 ,2018,4 |