基于FireVoxel软件MR-T2WI纹理分析在前列腺癌诊断中的初步应用

作者：刘健萍; 金亚彬; 成东亮; 吴振权; 张鑫; 李斌; 高明勇^*

来源：临床放射学杂志, 2021, 40(07): 1426-1430.

DOI：10.13437/j.cnki.jcr.2021.07.040

• 前列腺
• 纹理

目的基于FireVoxel软件探讨MR-T2WI纹理分析在前列腺癌(PCa)诊断中的价值。方法搜集超声引导下前列腺靶点穿刺、临床病理确诊并于穿刺前后1个月内完成前列腺3.0 T MRI检查,且T2WI图像上外周带存在低信号提示癌灶可能的51例患者。对前列腺外周带T2WI低信号区域行基于FireVoxel软件纹理分析,分别计算Mean、Signal Stddev、Inhomogenity、Histogram Skewness、Histogram Kurtosis、Histogram Entropy这6个指标在诊断PCa及预测Gleason评分(GS)分组的受试者工作特征曲线(ROC)曲线下面积(AUC)。结果 51例患者中外周带PCa 31例,良性增生20例;其中,中低GS组(Gleason评分≤8分)13例,高GS组(Gleason评分≥9分)18例。基于FireVoxel软件纹理分析Mean、Signal Stddev、Inhomogenity、Histogram Skewness、Histogram Kurtosis、Histogram Entropy指标在诊断PCa的AUC分别为0.711(P=0.011)、0.850(P=0.000)、0.405(P=0.255)、0.515(P=0.862)、0.640(P=0.093)、0.569(P=0.407)。进一步简化Signal Stddev指标诊断性能发现,当Signal Stddev<38诊断癌灶的AUC达0.846(P=0.000)。但各指标在预测中低GS组与高GS组的价值并不理想,AUC分别为0.483(P=0.107873)、0.581(P=0.447)、0.560(P=0.575)、0.675(P=0.101)、0.517(P=0.873)、0.577(P=0.471)。结论基于FireVoxel软件MR-T2WI纹理分析Mean和Signal Stddev指标在没有增加扫描时间、机器配置等情况下能快速、简单、有效地提高T2WI序列对PCa的诊断效能,值得临床特别是广大基层单位,推广应用。

• 单位
  临床医学研究所; 佛山市第一人民医院