一、动态增强MR与PSA在前列腺癌诊断及鉴别诊断中的应用价值（论文文献综述）
阳青松[1]（2021）在《基于DBSI的深度神经网络学习在鉴别诊断前列腺癌及预测病理分级中的应用价值》文中研究指明第一部分基于DBSI的深度神经网络学习在鉴别诊断前列腺癌中的运用价值研究目的多参数磁共振成像（multiparameter magnetic resonance imaging,MP-MRI）作为目前临床公认的诊断前列腺癌（prostate cancer,PCa）最有优的影像学方法之一。近年来MP-MRI在前列腺癌的早期诊断和靶向穿刺中担任了重要角色,随着MP-MRI的推广和运用,使得越来越多的早期前列腺癌被诊断出来,同时将MP-MRI和靶向穿刺联合,也进一步提高了我们对前列腺癌index lesion判断的准确性,使得我们能检出更多的临床有意义前列腺癌,同时降低临床无意义癌的检出率。但通过系统穿刺我们知道,即便在磁共振阴性的患者中仍然有约15%的患者存在临床有意义前列腺癌,同样PI-RADS 5分的患者也约有12%的患者非前列腺癌。因此我们急需一种能够更为精准鉴别诊断前列腺癌的无创性影像学方法。我们知道,在多参数MR中,扩散加权成像（diffusion weighted imaging,DWI）是评估鉴别诊断前列腺癌最重要的序列之一,但我们常规使用的DWI序列是按照单指数模型设计的,也就是说它把组织看着成一个整体,并未区别水分子扩散受限是来源于各项同性部分还是各项异性部分,也并未将各项同性受限部分进一步区分,这也是导致DWI诊断特异性和敏感性不高的重要原因。因此我们创新性的提出了全新的扩散加权成像模型-扩散谱成像（diffusion based spectrum imaging DBSI）,该模型创新性的将水分子在组织中的扩散受限分为各项异性和各项同性部分,其中各项异性部分表示为纤维部分（fiber fraction,FF）,该部分的定量参数指标用于显示前列腺中的纤维成分。各项同性部分又以水分子扩散受限的程度区别为高度扩散受限部分（highly restricted fraction,HRF）该部分代表水分子在炎性细胞中扩散受限部分,受限部分（restricted fraction,RF）该部分代表水分子在肿瘤细胞中扩散受限部分,阻碍部分（hindered fraction,HF）该部分代表水分子在间质细胞中扩散受限部分,及自由扩散部分（free fraction,free F）该部分代表水分子在正常腺管腺泡中扩散受限部分。本研究备运用DBSI联合深度神经网络学习为分类器以前列腺癌根治术后大病理切片为金标准评估其在鉴别诊断前列腺癌中的效能。研究方法2015年3至2017年8月前瞻性连续招募临床可疑前列腺癌患者。入组标准:（1）PSA升高大于4ng/ml;（2）超声检查有异常回声;（3）直肠指诊有阳性发现。排除标准（1）患者既往接受过放疗或者内分泌治疗;（2）有磁共振检查禁忌者;（3）患有幽闭恐惧者。所有入组患者均同时接受多参数MR和DBSI扫描。按照PI-RADS 2评分标准对多参数MR进行评估,选择PI-RADS≥3的患者进行系统+靶向穿刺,穿刺后选择合适的患者进行前列腺癌根治术,对接受根治术的患者按照术后的大病理切片勾画癌灶,选择PI-RADS≥3的并接受靶向穿刺的但结果阴性的患者为良性病灶对照组,按照靶向穿刺结果勾画良性病灶区域。采用有监督深度神经网络（DNN）构建分类器。共使用22个DBSI扩散指标参数构建预测模型。采用基于深度神经网络的监督性学习来计算受试者工作曲线（ROC）分析检测DBSI在基于体素水平对PCa与其他病理或组织类型的区分能力;计算曲线下面积（Area Under The Curve,AUC）、敏感性和特异性。所有计算使用基于Python（3.8版本）的软件包裹Tensor Flow（2.0版本）,Scikit-learn以及Scipy获得。结果该研究总共入组243人（平均年龄65.8岁,平均PSA 25.4ng/ml）,其中96位患者（平均年龄69.3岁,平均PSA 27.9ng/ml）通过病理最终确诊为前列腺癌,穿刺阳性率为25.8%（391/1515）。92位患者接受了前列腺癌根治术,接受根治术的患者标本交由经验丰富的泌尿病理医师进行病理诊断,病理危险度分级及病理临床分期。并依据病理大切片勾画癌灶。总共54例（平均年龄65岁,平均PSA11.5ng/ml）接受穿刺的患者被诊断为前列腺增生或者前列腺炎症。我们将该54例患者依据靶向穿刺的结果选择靶向穿刺部位为良性对照组。其中93位患者（平均年龄62岁,平均PSA9.8ng/ml）因PI-RADS评分<3且PSA小于10ng/ml未接受穿刺,而采用动态随访模式。通过深度神经网络学习,DBSI在体素水平上鉴别活体组织中前列腺癌诊断效能如下:区分PCa和良性外周带组织的AUC为0.995,敏感性为94.8%,特异性为98.3%;区分PCa与良性移行带的AUC为0.985,敏感性为93.9%,特异性为94.7%。DHI区分PCa与前列腺良性疾病AUC为0.998,敏感性为97.7%,特异性为97.8%。结论基于DBSI的深度神经网络学习在鉴别前列腺良恶性疾病中有较高诊断效能,能够准确的鉴别诊断前列腺癌,良性前列腺外周带疾病,良性移行带疾病和良性前列腺疾病,对后续的靶向穿刺和精准治疗有意义。第二部分基于DBSI的深度神经网络学习在预测前列腺癌病理分级中的运用价值研究目的前列腺癌诊断中最为重要的一项就是评估其病理危险度分级,因不同的危险度分级的前列腺癌预后差异性显着,临床非显着癌大多只需要动态随访或主动监测,其并不会危及患者生命,而临床显着癌则需要更为积极的治疗,我们目前列腺癌诊断的金标准仍然是经直肠或者会阴的系统穿刺,但是该方法诊断后往往和术后的病理评分存在差异,因此术前的准确预测前列腺癌患者的病理分级就显得尤为重要,之前的相关研究已经表明,DWI在预测患者病理分级中有一定的运用价值,我们的研究结果也证实了扩散谱成像（diffusion based spectrum imaging,DBSI）较常规的DWI在鉴别诊断前列腺癌方面更具有优势,因此我们推测DBSI较常规DWI在预测患者病理分级中更具优势。本研究备运用深度神经网络学习发的方法联合DBSI评估其在体素水平预测前列腺癌患者病理分级中的运用价值。研究方法2015年3至2017年8月前瞻性连续招募临床可疑前列腺癌患者。入组标准:（1）PSA升高大于4ng/ml;（2）超声检查有异常回声;（3）直肠指诊有阳性发现。排除标准（1）患者既往接受过放疗或者内分泌治疗;（2）有磁共振检查禁忌者;（3）患有幽闭恐惧者。所有入组患者均同时接受多参数MR和DBSI扫描。按照PI-RADS 2评分标准对多参数MR进行评估,选择PI-RADS≥3的患者进行系统+靶向穿刺,穿刺后选择合适的患者进行前列腺癌根治,选择接受根治术的患者术后的大病理切片由泌尿外科病理医师勾画癌灶并按照国际泌尿病理协会（International Society of Urological Pathology ISUP）1-5级进行评分。采用有监督深度神经网络（DNN）构建分类器。共使用22个DBSI扩散指标参数构建预测模型。采用基于深度神经网络的监督性学习来计算受试者工作曲线（ROC）分析评估DBSI在基于体素水平对不同ISUP病理分级的预测能力;评估其预测的准确性、计算曲线下面积（Area Under The Curve,AUC）、敏感性和特异性。所有计算使用基于Python（3.8版本）的软件包裹Tensor Flow（2.0版本）,Scikit-learn以及Scipy获得。结果该研究总共入组243人（平均年龄65.8岁,平均PSA 25.4ng/ml）,其中96位患者（平均年龄69.3岁,平均PSA 27.9ng/ml）通过病理最终确诊为前列腺癌,穿刺阳性率为25.8%（391/1515）。92位患者接受了前列腺癌根治术,接受根治术的患者标本交由经验丰富的泌尿病理医师按照术后大切片进行病理诊断,并按照ISUP前列腺癌病理分级进行评估。通过深度神经网络学习,DBSI在基于体素水平预测前列腺癌ISUP病理分级中的结果如下:在前列腺切除术标本ISUP分级基于体素水平分类的总体准确率为91.4%。1级、2级、3级、4级、5级个体等级分类的总体准确率分别为84.0%、89.6%、91.5%、89.8%、97.8%。AUC分别达到了0.989、0.968、0.967、0.972、0.978。诊断的敏感性和特异性分别为:96.7%和93.6%,94.0%和91.5%,90.7%和91.5%,93.7%和90.4%,92.7%和92.3%。结论基于DBSI的深度神经网络学习在能够准确的预测前列腺癌患者ISUP病理分级,为后续的精准治疗提供有力的支持,是一种无创评估前列腺癌病理分级的影像学方法,有较好的临床推广运用价值。第三部分基于DBSI深度神经网络学习在离体前列腺标本中鉴别诊断前列腺癌和预测病理分级中的运用价值研究目的前列腺的无创鉴别诊断和预测病理分级一直是影像诊断的重点,当前多参数磁共振是公认的最优的无创鉴别诊断和预测前列腺癌病理分级的影像学方法。但是诸如前列腺炎症和前列腺间质增生等良性疾病可以模拟前列腺癌在多参数MR下的影像学表现。在预测病理分级方面,虽然多参数磁共振也有一定的运用价值但是不同病理分级之间的交叉程度明显,很难做准确的预测,究其主要原因是常规的DWI序未很好的区别前列腺组织中的水分子扩散受限来源,我们提出的全新扩散加权成像模型-扩散谱成像（diffusion based spectrum imaging,DBSI）创新性的将水分子在组织中的扩散受限部分区别为各项异性和各项同性部分,在各项同性部分又进一步按照水分子受限程度的不同进行区分。在之前的在体前列腺组织中我们已经得出其较常规的多参数磁共振无论是在鉴别诊断前列腺癌还是在预测病理分级都更具优势。因此我们将进一步评估DBSI在离体前列腺组织标本中鉴别诊断前列腺癌和预测病理分级中的运用价值。本研究备运用深度神经网络学习为分类器联合DBSI评估其在离体前列腺组织标本中鉴别诊断前列腺癌和预测前列腺癌病理分级中的运用价值。研究方法2015年3月至2017年8月选取19例前列腺癌根治术后的97份前列腺癌组织标本（其中上海长海医院9例,华盛顿大学10例）进行离体标本超高场磁共振扫描,长海医院借助于中科院上海分院9.4T磁共振进行离体组织扫描,华盛顿大学使用该研究机构4.7T磁共振进行扫描。扫描序列包括常规的T2WI,DWI和DBSI。将离体标本制作成大切片,由泌尿病理专家勾画前列腺癌组织,前列腺增生组织,前列腺炎症组织,并对前列腺癌部分进行病理评分。使用基于Python语言的Tensor Flow 2.0版本软件来统计基于DBSI深度神经网络学习为分类器在体素水平上鉴别诊断前列腺癌和预测ISUP病理分级中的能力。采用受试者工作曲线（ROC）分析评估DBSI对不同前列腺疾病的鉴别诊断能力和ISUP病理分级的预测能力;评估其预测的准确性、计算曲线下面积（Area Under The Curve,AUC）、敏感性和特异性。结果97例组织标本经过超高场磁共振扫描后,通过病理切片机切分成97份HE染色的大病理切片,并由经验丰富的泌尿系统病理专家（余永伟教授）在HE切片上勾画出48个前列腺癌病灶,39个前列腺增生结节,40个前列腺间质增生区和76个良性外周带区。对于前列腺切除术标本,DBSI区分前列腺癌与良性外周区,基于体素水平的AUC为0.949,敏感性为87.5%,特异性为88.4%;DBSI区分前列腺癌与前列腺间质增生,基于体素水平的AUC为0.928,敏感性为86.6%,特异性为84.9%;DBSI区分前列腺癌与良性前列腺增生,基于体素水平的AUC为0.900,敏感性为82.6%,特异性为81.6%;DBSI区分前列腺癌与良性前列腺疾病,基于体素水平的AUC为0.911,敏感性为84.2%,特异性为83.0%;DBSI对前列腺切除术标本ISUP病理分级的总体准确率为72.1%。等级1、2、3、5的基于体素水平的分类准确率分别为70.1%、76.0%、75.6%、71.1%。结论基于DBSI深度神经网络学习在离体前列腺标本中能够准确鉴别诊断前列腺癌和前列腺良性外周带及间质增生前列腺组织,同是也能较为准确的预测离体前列腺癌组织的ISUP病理分级。
张得新[2]（2021）在《MRI高b值DWI结合多期动态增强在前列腺癌诊断价值的研究》文中研究说明目的:探讨高b值DWI结合多期动态增强扫描对前列腺良恶性结节的诊断价值。方法:收集我院2017年1月至2020年10月收治的前列腺结节患者60例,均常规进行MRI平扫、弥散及多期动态增强检查,通过测量结节平均信号强度与同层臀大肌的平均信号强度来计算每个前列腺结节T1、T2信号强度比(SIRT1、SIRT2),测量前列腺结节的表观扩散系数ADC值（b=1500s/mm2）,绘制前列腺结节多期动态增强时间-信号强度曲线（TIC）。按照手术后或穿刺病理结果分为前列腺癌（A组）及前列腺增生（B组）,其中A组患者34例,B组患者26例。1.分析两组患者SIR和ADC值联合应用的诊断价值,评价其诊断效能;2.分析两组患者SIRT2值、ADC值及PSA值联合应用的诊断价值,评价其诊断效能;3.分析两组患者ADC值、PSA值及DCE-MRI曲线类型联合应用的诊断价值,评价其诊断效能;4.分析两组患者SIRT2值、ADC值及DCE-MRI曲线类型联合应用的诊断价值,评价其诊断效能。结果:1.SIR和ADC值联合应用:前列腺癌组SIRT1值高于前列腺增生组（t=0.464,p=0.606,p>0.05）;ADC值前列腺癌组低于前列腺增生组（t=-8.688,p<0.001）。二者联合诊断前列腺结节的灵敏度、特异度、阳性预测值、阴性预测值分别为:94.1%、61.5%、76.2%、88.9%;前列腺癌组SIRT2值高于前列腺增生组（t=-0.2434,p=0.018,p<0.05）,ADC值前列腺癌组明显低于前列腺增生组（t=-8.688,p<0.001）;二者联合诊断前列腺结节的灵敏度、特异度、阳性预测值、阴性预测值分别为:94.1%,61.5%,76.2%,88.9%。2.SIRT2值、ADC值及PSA值联合应用:前列腺癌组SIRT2值高于前列腺增生组（非参数检验,p=0.031,p<0.05）;ADC值前列腺癌组明显低于前列腺增生组（t=-3.245,p=0.002,p<0.05）;前列腺癌组PSA值明显高于前列腺增生组（p<0.001）。三者联合应用的敏感度、特异度、阳性预测值、阴性预测值分别为:86.2%、76.9%、80.6%、83.3%。3.ADC值、PSA值及DCE-MRI曲线类型联合应用:ADC值前列腺癌组明显低于前列腺增生组（t=-3.656,p=0.001,p<0.05）;前列腺癌组PSA值明显高于前列腺增生组（p<0.001）;两组患者TIC曲线构成比,前列腺癌组流出型28例,前列腺增生流入型17例（X2=39.787,p<0.001）。三者联合应用的敏感度、特异度、阳性预测值、阴性预测值分别为96.6%、92.3%、93.3%、96.0%。4.SIRT2值、ADC值及DCE-MRI曲线类型联合应用:前列腺癌组SIRT2值低于前列腺增生组（p=0.248,p>0.05）;ADC值前列腺癌组明显低于前列腺增生组（t=-3.656,p=0.001,p<0.05）;两组患者TIC曲线:前列腺癌组流出型曲线占比70.8%;前列腺增生流入型占比70.8%,（X2=42.989,p<0.001）。三者联合应用的敏感度、特异度、阳性预测值、阴性预测值分别为96.6%、92.3%、94.3%、96.0%。结论:MRI多参数（T2WI、DWI联合多期动态增强扫描）对前列腺结节的良恶性鉴别诊断具有重要价值。
曾桔[3]（2020）在《单指数、双指数扩散加权成像及其参数图直方图分析在前列腺癌诊断中的应用价值研究》文中指出目的:探讨超高b值扩散加权成像（Diffusion-weighted imaging,DWI）、体素内不相干运动（Intravoxel incoherent motion,IVIM）成像及其参数图直方图分析在前列腺癌（Prostate cancer,PCa）与前列腺增生（Benign prostate hyperplasia,BPH）鉴别诊断、预测PCa侵袭性和分化程度中的价值。方法:前瞻性纳入2018年11月～2019年12月在四川省人民医院行前列腺 IVIM-DWI（b=0、50、100、150、200、400、600、800、1000、1500、2000s/mm2）,且之后通过超声引导经直肠穿刺活检或手术病理确诊为PCa或BPH的73名的患者作为研究对象。所有患者依据病理结果及MRI图像信号特点,特别是轴位T2WI及DWI图像特点,在相应参数图上进行感兴趣区（Region of interest,ROI）勾画。比较 ADC 值（b=50、2000s/mm2）、IVIM成像（b=0～600s/mm2）参数D值、D*值、f值及其参数图直方图指标均值（mean）、方差（variance）、偏度（skewness）、峰度（kurtosis）、百分位数（1%、10%、50%、90%、99%）在PCa组与BPH组间的差异,绘制差异有统计学意义的参数的受试者工作特征曲线（Receiver operating characteristic curve,ROC）得到相应参数鉴别诊断PCa与BPH的阈值并比较它们的诊断效能。根据Gleason评分系统将PCa患者分为低级别组（Low-grade,LG,Gleason 评分≤3+4）和高级别组（High-grade,HG,Gleason评分≥4+3）,比较上述各参数的组间差异,绘制差异有统计学意义的参数的ROC曲线得到相应参数区分不同分化程度PCa的阈值并比较它们的诊断效能。分析PCa组各参数与Gleason评分的相关性。结果:①PCa组45例,年龄51.0-92.0岁,平均年龄72.5±7.9岁;前列腺特异性抗原（Prostate specific antigen,PSA）4.1-1000.Ong/ml,中位 PSA 83.5ng/ml（31.1ng/ml,255.5ng/ml）。BPH 组 28 例,年龄 59.0-90.0 岁,平均年龄 72.5±8.1 岁;PSA 2.0-45.0ng/ml,平均 PSA 15.6±11.8ng/ml。PCa组与BPH组的年龄差异没有统计学意义（P>0.05）;PCa组的PSA水平高于BPH组,其差异有统计学意义（P<0.05）。根据Gleason评分将前列腺癌患者分为LG组和HG组,其中LG组13例,HG组32例。②PCa患者病灶在T2WI图上呈均匀或不均匀低信号,DWI图呈明显高信号,ADC图及D图呈明显低信号,D*图及f图分辨率较低,呈混杂信号。BPH患者T2WI图示中央腺体区域（包括移行带、尿道周围腺体和中央带）散在高、等、低混杂信号结节,17例DWI图、ADC图及D图呈等信号,1 1例DWI图为稍高信号,相应ADC图及D图呈稍低信号,D+图及f图分辨率较低,呈混杂等、低信号。③比较PCa组与BPH组间各参数的差异。参数平均值比较结果表明:PCa组的平均ADC值及平均D值低于BPH组,平均f值高于BPH组,其差异均有统计学意义（P<0.05）。参数图直方图指标比较结果表明:ADC图及D图的所有直方图参数、D+图的部分直方图参数在两组间的差异有统计学意义（P<0.05）,其中PCa组ADC方差、ADC偏度、ADC峰度、D方差、D偏度及D峰度均高于BPH组,其余ADC图及D图的直方图参数均低于BPH组,PCa组D*方差、D*99%均高于BPH组。进一步绘制ROC曲线得到上述参数鉴别诊断PCa的阈值并比较它们的的诊断效能。结果表明:平均ADC值、平均D值及平均f值的曲线下面积（Area under curve,AUC）与诊断阈值分别为 0.983 与 0.8×10-3mm2/s、0.994 与 0.95×10-3mm2/s、0.752 与 0.1;ADC 均值、ADC 方差、ADC 偏度、ADC 峰度、ADC1%、ADCio%、ADC50%、ADC90%、ADC99%的 AUC 与诊断阈值分别为 0.933 与 151.36、0.721与 242.73、0.757 与 0.16、0.668 与 0.16、0.963 与 107、0.948 与 115、0.933与 1 51、0.887 与 155、0.843 与 177;D 均值、D 方差、D 偏度、D 峰度、D1%、D10%、D50%、D90%、D99%的 AUC 与诊断阈值分别为 0.972 与 69.94、0.706 与 286.45、0.834 与 0.36、0.724 与 0.26、0.972 与 39、0.985 与 55、0.972 与 70、0.919与95、0.781与115;D*方差、D*99%的AUC与诊断阈值分别为0.698与393.70、0.654与91。上述参数中诊断效能较高（AUC>0.9）的有平均ADC值、平均 D 值、ADC 均值、ADC1%、ADCio%、ADC50%及 D均值、Di%、D10%、D50%、D90%,其中D90%的AUC分别低于平均ADC值、平均D值及D均值、D10%、D50%的AUC（P<0.05）,其余高诊断效能参数之间的AUC没有显着差异（P>0.05）。④比较LG组与HG组间各参数的差异。参数平均值比较结果表明:LG组平均ADC值、平均D值显着高于HG组,f值显着低于HG组（P<0.05）。参数图直方图指标比较结果表明:ADC图和D图的大部分直方图参数、f图的部分直方图参数在两组间的差异有统计学意义（P<0.05）,其中 LG 组 ADC 均值、ADC1%、ADC10%、ADC50%、ADC90%、ADC99%及D均值、D10%、D50%、D90%均高于HG组,D偏度、D峰度及f方差、fso%均低于HG组。绘制ROC曲线得到上述参数区分不同分化程度PCa的阈值并比较它们的诊断效能。结果表明:平均ADC值、平均D值及平均f值的AUC与诊断阈值分别为0.885与0.63×10-3mm2/s、0.883与0.78×10-3mm2/s、0.707 与 0.13;ADC 均值、ADC1%、ADCio%、ADC50%、ADC90%、ADC99%的AUC与诊断阈值分别为的0.776与110.97、0.798与81、0.754与 91、0.756 与 108、0.764与139、0.721与159;D均值、D偏度、D峰度、D10%、D50%、D90%的 AUC 与诊断阈值分别为 0.743 与 59.48、0.786 与 0.75、0.834与 0.35、0.688 与 46、0.754 与 55、0.744 与 78;f 方差、f50%的AUC 与诊断阈值分别为0.695与312.56、0.665与34。其中平均ADC值、平均D值与D峰度的诊断效能相对较高（AUC>0.8）,三者AUC均无显着差异（P>0.05）。通过Logistic回归分析得到联合平均D值、平均f值与D90%的ROC曲线下面积为0.950,显着高于独立参数的AUC（P<0.05）。⑤采用Spearman相关分析评价PCa组各参数与Gleason评分的相关性。参数平均值分析结果表明:平均ADC值、平均D值及平均f值与Gleason评分相关系数（r）分别为-0.682、-0.554及0.364（P<0.05）。参数图直方图指标分析结果表明:ADC 均值、ADC1%、ADCio%、ADC50%、ADC90%及 D50%与 Gleason 评分均呈负相关,而D偏度、D峰度、D*峰度、f方差、f峰度、f99%与Gleason评分均呈正相关（P<0.05）,上述参数的r绝对值范围在0.3～0.5之间。结论:①超高b值DWI参数ADC值、IVIM成像参数D值及f值均能鉴别诊断PCa与BPH,其中ADC值、D值的诊断效能较高,且二者的诊断准确性相当。②ADC图及D图的所有直方图参数、D*图的部分直方图参数能鉴别诊断PCa与BPH,其中ADC均值、ADC1%、ADC10%、ADC50%与D均值、D10%、D50%的诊断效能较高,与平均ADC值、平均D值的诊断准确性相当。直方图参数能提供更多的、反映肿瘤内部异质性的信息,且诊断准确性与常规参数相当。③ADC值、D值及f值均能区分不同分化程度的PCa。ADC图及D图的大部分直方图参数、f图的部分直方图参数能区分不同分化程度的PCa,其中D峰度诊断效能相对较高,与平均ADC值、平均D值的诊断准确性相当。联合平均D值、平均f值与D90%预测PCa分化程度的准确性高于独立参数。直方图参数在预测PCa分化程度与侵袭性方面,不仅能提供更多的、反映肿瘤内部异质性的信息,与常规参数相结合还能提高诊断的准确性。④ ADC值、D值与Gleason评分均呈中度负相关,f值与Gleason评分呈低度正相关。ADC均值、ADC1%、ADC10%、ADCso%、ADC90%及D50%与Gleason评分均呈低度负相关,D偏度、D峰度、D*峰度、f方差、f峰度、f99%与Gleason评分均呈低度正相关。
巫明钢[4]（2020）在《多模态超声在前列腺癌诊断中的价值探讨》文中研究表明目的:探讨多模态超声即经直肠二维超声、剪切波弹性成像、超声造影在前列腺癌的诊断价值。方法:2017年12月-2019年12月对我院门诊及住院怀疑前列腺癌的146例患者行经腔内二维超声、剪切波弹性成像及超声造影检查,以病理结果为金标准,获得经直肠二维超声、剪切波弹性成像、超声造影的敏感性及特异性,以及联合诊断的灵敏度及特异性,并使用秩相关分析前列腺病灶弹性杨氏模量值、血清PSA、年龄与前列腺癌病理结果Gleason评分的相关性。结果:多模态超声诊断前列腺癌准确性为88.4%,敏感度、特异度、阳性预测值、阴性预测值分别为85.7%、97.1%、99.0%、67.3%,多模态超声与单模态超声诊断效能相比,差异有统计学意义（P<0.05）。剪切波弹性成像能够检出超声造影漏诊的前列腺癌14例。超声造影同样能够检出剪切波弹性成像漏诊的前列腺癌4例。多模态超声能够检出剪切波弹性成像误诊的前列腺癌12例。剪切波杨氏模量值、血清PSA值与前列腺癌病理Gleason评分呈正秩相关,年龄与前列腺癌病理Gleason评分无相关性。结论:多模态超声在前列腺癌诊断与鉴别诊断方面是一种应用前景良好的成像方式,值得临床推广。剪切波杨氏模量值、血清PSA值一定程度上能够预测前列腺癌病理Gleason评分。
单丹丹[5]（2020）在《MR多参数成像对前列腺癌与前列腺增生的诊断价值及其与血清PSA的相关性研究》文中研究指明第一部分MRI多参数成像诊断前列腺癌与前列腺增生的应用价值目的:基于第二版前列腺影像报告和数据系统（PI-RADS v2）评分研究磁共振多参数成像包括常规T2加权成像（T2WI）、动态增强（DCE-MRI）及扩散加权成像（DWI）诊断前列腺癌（PCa）与前列腺增生（BPH）的应用价值。方法:回顾性分析经穿刺活检或手术后病理证实的97例前列腺疾病（其中PCa 41例,BPH 56例）的MRI影像资料（包括常规序列T1WI、T2WI,功能序列DWI、DCE-MRI）。根据T2WI、DWI及DCE-MRI图像的评分得出相应的PI-RADS v2评分。1、首先检验两位医师对前列腺MRI图像的PI-RADS v2评分的结果一致性。应用统计学方法分析PCa与BPH、外周带（PZ）PCa与BPH及移行带（TZ）PCa与BPH相应组间PI-RADS v2评分的差异是否具有统计学意义。绘制PI-RADS v2评分对前列腺病变诊断的ROC曲线图,计算曲线下面积（AUC）,并分析其敏感度、特异度及最佳诊断阈值;绘制PI-RADS v2评分对前列腺外周带（PZ）和移行带（TZ）前列腺癌诊断的ROC曲线图,计算曲线下面积（AUC）,并分析PI-RADS v2评分对PZ和TZ前列腺癌的敏感度、特异度及最佳诊断阈值。2、应用统计学方法分析PCa与BPH、外周带（PZ）PCa与BPH及移行带（TZ）PCa与BPH相应组间ADC值差异是否有统计学意义。绘制ADC值评分对前列腺病变诊断的ROC曲线图,计算曲线下面积（AUC）,并分析其敏感度、特异度及最佳诊断阈值;绘制ADC值对前列腺外周带（PZ）和移行带（TZ）前列腺癌诊断的ROC曲线图,计算曲线下面积并分析ADC值对PZ和TZ前列腺癌的敏感度、特异度及最佳诊断阈值。3、应用统计学方法分析PCa与BPH两组间TIC曲线类型的差异是否有统计学意义,并分析TIC曲线类型诊断PCa与BPH的敏感度、特异度及准确度。结果:1、对两位医师PI-RADS v2评分统计分析,结果显示具有较高的一致性,k值为0.887,（P<0.05）。41例PCa中PI-RADS v2为1分的病例0;评分为2分的病例1例;评分为3分的病例5例;评分为4分的病例21例;评分为5的的病例14例。56例BPH中PI-RADS v2评分为1分的病例0例;评分为2分的病例28例;评分为3分的病例25例;评分为4分的病例3例;PI-RADS v2评分为5分的病例0例。PCa与BPH、外周带PCa与BPH及移行带PCa与BPH相应组间PI-RADS v2评分差异具有统计学意义（t值分别为-10.57,-5.95,-7.88,P<0.01）。本研究中PI-RADS v2评分诊断前列腺癌的AUC为0.928,根据约登指数为最大值时,得出PI-RADS v2评分以3.5分为诊断前列腺癌的最佳诊断阈值,约登指数为0.783,其敏感度和特异度分别为92.8%,85.4%,P<0.01。PI-RADS v2评分诊断PZ前列腺癌的AUC为0.915,根据约登指数为最大值时,得出PI-RADS v2评分为3.5分是诊断PZ前列腺癌的最佳诊断阈值,约登指数为0.783,其敏感度和特异度分别为88.9%、85.7%,P<0.01。PI-RADS v2评分诊断TZ前列腺癌的AUC为0.941,根据约登指数为最大值时,求得PI-RADS v2评分为3.5分是诊断前列腺癌的最佳诊断阈值,约登指数为0.793,其敏感度和特异度分别为94.7%、84.6%,P<0.01。2、PCa、BPH的ADC值95%可信区间分别为（0.905±0.014）×10-3mm2/s、（1.186±0.019）×10-3mm2/s。外周带PCa、BPH的ADC值95%可信区间分别为（0.896±0.017）×10-3mm2/s、（1.189±0.041）×10-3mm2/s;移行带PCa、BPH的ADC值95%可信区间分别为（0.923±0.027）×10-3mm2/s、（1.185±0.022）×10-3mm2/s。PCa与BPH、外周带PCa与BPH及移行带PCa与BPH相应组间ADC值的差异具有统计学意义（t值分别为11.230,6.252,17.407,P<0.01）。本研究中ADC值诊断前列腺癌的AUC为0.933,根据登指数为最大值时,得出ADC值为1.022×10-3mm2/s为诊断前列腺疾病最佳诊断阈值,约登指数为0.731,其敏感度和特异度分别为92.7%,80.4%,P<0.01。ADC值诊断PZ前列腺癌的AUC为0.969,根据约登指数为最大值时,得出ADC值为0.997×10-3mm2/s为诊断PZ前列腺癌的最佳诊断阈值,约登指数为0.837,其敏感度和特异度分别为89.3%、94.4%,P<0.01。ADC值诊断TZ前列腺癌的AUC为0.919,根据约登指数为最大值时,得出ADC值为1.107×10-3mm2/s是定性诊断前列腺癌的最佳诊断阈值,约登指数为0.763,敏感度和特异度分别为100%、76.3%,P<0.01。3、41例PCa中,TIC曲线3个I型、10个II型、28个III型;56例BPH中,TIC曲线11个I型、27个II型、18个III型。PCa组与BPH组两组间TIC曲线类型的差异有统计学意义（c2=12.536,P<0.05）。以II型TIC曲线作为诊断前列腺疾病最佳阈值时,其敏感度、特异度以及准确度分别为:46.1%,81.2%,51.2%。以III型TIC曲线作为诊断前列腺疾病最佳阈值时,其敏感度、特异度以及准确度分别为62.5%,71.4%,68.2%;本研究以III型TIC曲线作为诊断前列腺疾病良恶性的最佳诊断阈值时,其诊断前列腺病变良恶性和相应的病理结果为一般一致性（k值为0.323）。结论:1、PI-RADS v2在诊断前列腺病变诊断中具有较高的诊断效能,且PI-RADS v2评分对TZ前列腺癌的定性诊断更有价值。2、ADC值在诊断前列腺病变诊断中具有较高的诊断效能,且ADC值对PZ前列腺癌的定性诊断更有价值。3、TIC曲线类型在鉴别前列腺良恶性病变中有一定的诊断价值,但其诊断效能一般。第二部分:MRI多参数成像与血清PSA相关性分析目的:分析PI-RADS v2评分、ADC值与血清PSA的相关性,分析血清PSA诊断前列腺疾病的效能。方法:回顾性分析经3.0T MRI扫描（T1WI、T2WI、DWI、DCE-MRI）且经穿刺或手术后病理证实的97例前列腺病变（PCa 41例,BPH 56例）,经后处理测量ADC值,综合T2WI、DWI、DCE-MRI的评分得出PI-RADS v2评分。1、对PI-RADS v2评分与血清PSA进行Spearman相关性分析,对ADC值与血清PSA进行Spearman相关性分析。2、应用统计学方法分析PCa与BPH两组间血清PSA值差异是否有统计学意义,绘制血清PSA对前列腺病变的ROC曲线图,计算曲线下面积,并分析血清PSA对前列腺病变定性诊断的敏感度、特异度及最佳诊断阈值。结果:41例PCa的血清PSA范围是3.4123.6 ng/ml,56例BPH的PSA范围是2.167.8 ng/ml。检验结果显示血清PSA在PCa和BPH两组间的差异具有统计学意义（t=-4.067,P<0.01）。1、PI-RADS v2评分与血清PSA呈正相关（r=0.347,P<0.01）,ADC值与血清PSA呈负相关（r=-0.409,P<0.01）。2、本研究中血清PSA水平诊断前列腺癌的AUC为0.897,根据约登指数最大值,得出血清PSA值为10.45 ng/ml时是定性诊断前列腺癌的最佳诊断阈值,其敏感度和特异度分别为87.3%、89.3%,约登指数为0.771。结论:1、PI-RADS v2评分与血清PSA呈正相关,ADC值与血清PSA呈负相关。2、血清PSA对前列腺癌定性诊断有一定价值。
殷慧佳[6]（2020）在《多模态磁共振成像对前列腺癌的诊断价值及其危险度评估》文中研究表明背景前列腺癌（prostate cancer,PCa）是中老年男性泌尿生殖系统中最常见的恶性肿瘤之一,同时也是男性第二大常见肿瘤[1]。前列腺癌发病有着比较明显的地域和种族上的差异[2-4]。近年来,我国的PCa发病率也持续上升[5,6]。不同危险度的患者治疗方案及预后有所不同,早期前列腺癌可进行积极治疗,可达到较高的五年生存率,然而,晚期前列腺癌患者的五年生存率则呈现明显下降的趋势[7-10]。因此,早期诊断并准确评估其危险度是提高我国PCa患者生活质量、降低其死亡率的关键。磁共振成像是对前列腺疾病诊断和鉴别诊断所使用的最佳影像检查技术[11],并且多参数磁共振成像已经广泛应用于前列腺癌的研究评估和诊断中[12]。氨基质子转移（amide proton transfer,APT）成像、扩散峰度成像（diffusion kurtosis imaging,DKI）都是近年来发展起来的磁共振新技术,可以无创性检测前列腺癌组织中的大分子/多肽含量,以及肿瘤内部水分子扩散等的微观信息,为前列腺癌的诊断、危险度的评估和治疗方案的选择及制订提供非常重要的客观参考依据。第一部分氨基质子转移成像对前列腺癌的诊断价值及其危险度评估目的探讨氨基质子转移成像在前列腺癌中的诊断应用价值,以及对其危险度评估的价值。材料与方法收集2017年8月至2018年5月在我院门诊和住院行MR检查并经过活检病理或手术病理证实为前列腺癌的患者共39例。术前所有的患者都进行了磁共振常规序列（横轴位、矢状位、冠状位T1WI和T2WI）检查以及斜轴位扩散加权成像（diffusion weighted imaging,DWI）、斜轴位氨基质子转移（amide proton transfer,APT）成像序列扫描,将扫描获得的所有原始图像全部传至后处理工作站,由两名放射科医师分别测量PCa患者的癌区、非癌外周带组织在3.5ppm处的非对称性磁化转移率（magnetization transfer ratio asymmetry,MTRasym（3.5ppm））,使用相关统计学软件对测得的参数进行分析,比较癌区及非癌外周带区（peripheral zone,PZ）MTRasym值的差异。根据Gleason评分（Gleason Score,GS）对前列腺的癌区参数值的危险度进行分组（GS评分>7分为高危组、GS评分=7分为中危组、GS评分<7分为低危组）,分为高危、中危、低危组（高危组病例数为20例,中危组病例数为14例,低危组病例数为5例）,并比较上述所测病变区各组间MTRasym值的差异;采用受试者工作特征曲线（receiver operating characteristic curve,ROC）评价各参数的诊断效能;使用Spearman等级相关对前列腺癌的癌区所测的MTRasym值与Gleason评分进行相关性分析。结果前列腺癌区的MTRasym值显着高于非癌外周带组织（P<0.05）;低危组病例与中危组病例的MTRasym值无统计学差异（P>0.05）,低危组病例与高危组病例、中危组病例与高危组病例的MTRasym值均有差异（P<0.05）;Gleason评分与MTRasym值呈正相关（r=0.568,P<0.05）。低危组病例与中危组病例、中危组病例与高危组病例、低危组病例与高危组病例的ROC曲线下面积分别为0.657、0.814、0.890,诊断阈值分别为3.69%,3.99%,4.67%,敏感度分别为100.0%,100.0%,65.0%,特异度分别为40.0%,57.1%,100.0%,约登指数分别为0.400,0.571,0.650。结论APT具备初步诊断前列腺癌的能力,并能预测其危险度,为前列腺癌的临床诊疗提供了参考。第二部分扩散峰度成像对前列腺癌的诊断价值及其危险度评估目的探讨扩散峰度成像（DKI）对前列腺癌的诊断价值,以及对其危险度评估的价值。材料与方法收集2017年10月至2018年12月于我院门诊和住院行MR检查,并经过病理检查或活检证实的45例PCa患者的DKI序列影像资料。患者在术前均行常规MR检查序列（包括横轴位、矢状位、冠状位T1WI和T2WI）及斜轴位的扩散加权成像（diffusion weighted imaging,DWI）和扩散峰度成像（diffusion kurtosis imaging,DKI）序列扫描,b值选取为0、500、1000、1500、2000 s/mm2,分别测量PCa患者的癌区、非癌外周带组织的参数值平均扩散峰度（mean kurtosis,MK）值、平均扩散系数（mean diffusivity,MD）值,使用相关统计学软件对测得的参数进行分析,分别比较癌区及非癌区MK值、MD值的差异。根据Gleason评分（GS>7为高危组病例、GS=7为中危组病例、GS<7为低危组病例）将前列腺癌区的危险度分为高、中、低危组三组（高危组病例数为23例,中危组病例数为13例,低危组病例数为9例）,并比较病变区各组间MK值、MD值的差异;采用受试者工作特征曲线（receiver operating characteristic curve,ROC）评价各参数诊断效能;使用Spearman等级相关对MK值、MD值与Gleason评分进行相关性分析。结果前列腺癌区MK值、MD值均显着高于非癌外周带组织,差异具有统计学意义（P<0.05）;低危组病例与中危组病例间MK值、MD值的比较差异无统计学意义（P>0.05）,低危组病例与高危组病例、中危组病例与高危组病例比较的MK值、MD值差异均具有统计学意义（P<0.05）;Gleason评分与MK值呈正相关（r=0.827,P<0.05）,与MD值呈负相关（r=-0.801,P<0.05）。MK/MD值对低危组病例与中危组病例、中危组病例与高危组病例、低危组病例与高危组病例鉴别的ROC曲线下面积分别为0.838/0.769、0.823/0.828、0.961/0.952,诊断阈值分别为1.02/0.85、1.10/0.77、1.02/0.81,敏感度分别为69.23%/84.62%、60.87%/65.22%、95.65%/86.96%,特异度分别为88.89%/66.67%、92.31%/92.31%、88.89%/100.00%,约登指数分别为0.581/0.513、0.532/0.575、0.845/0.869。结论DKI具备诊断前列腺癌的潜力,并可评估其危险度,为前列腺癌在临床上的诊断和治疗提供了可靠的影像学参考依据。
黄冰峰[7]（2020）在《MR高分辨rFOV DWI及DCE对前列腺癌诊断价值的研究》文中研究表明目的:通过比较前列腺癌和非前列腺癌两组患者的磁共振常规单次激发平面回波弥散加权序列（SS-EPI DWI）和高分辨率小视野弥散加权序列（r FOV DWI）参数及图像质量评分,以及经动态增强（DCE）获得的各个半定量、定量参数的差异,分析磁共振高分辨率小视野弥散加权成像及动态增强序列在前列腺癌诊断中的应用价值。方法:1、回顾性的收集2018年5月至2019年7月间于西南医科大学附属中医医院磁共振室行前列腺MRI检查且经病检确诊的患者共61人,所有患者病理活检前均已行MRI常规扫描、DWI及动态增强扫描。收集患者的年龄、病史及血清PSA等人口学特征及临床资料。根据病理检查结果分为前列腺癌组（28人）和前列腺增生组（33人）。2、纳入标准:患者行MRI检查前,未行前列腺穿刺活检;MRI检查包括动态增强序列及弥散加权序列,且图像质量能满足诊断需求,可观察到明显的病灶;在接受MRI检查后2周内在我院行前列腺穿刺病理活检确诊,且前列腺穿刺活检前未行治疗（如内分泌治疗、放射治疗等）;临床资料完整无缺失。3、排除标准:无法被弥散加权序列及动态增强序列同时检出的患者;MRI相关图像质量较差,无法进行定量分析的;MRI检查病灶描述区域与病理检查病灶描述区域不匹配,或病灶最大直径≤5mm,无法准确勾勒病灶边界的。4、在Simens Sygno MR后处理工作站进行数据后处理,统计分析比较患者常规单次激发平面回波弥散加权序列、高分辨率小视野弥散加权以及动态增强获得的各个参数。分析、探讨r FOV DWI和DCE在前列腺癌中的诊断价值。所有数据均采用SPSS 23.0统计软件进行统计分析。结果:1、比较61例患者的r FOV DWI与SS-EPI DWI图像质量评分,前列腺解剖结构的可视性、癌灶的对比度及整体图像质量的评分在r FOV DWI中均高于SS-EPI DWI序列,且r FOV DWI的伪影明显少于SS-EPI DWI,两者差异具有统计学意义（P均小于0.05）。2、与前列腺增生组患者相比,前列腺癌组患者的r FOV DWI序列及SS-EPI DWI序列ADC值均较低,且差异具有统计学意义（P<0.05）。在前列腺癌组,r FOV DWI的ADC值明显低于SS-EPI DWI,差异具有统计学意义（P<0.05）;在前列腺增生组中,r FOV DWI与SS-EPI DWI的ADC无统计学差异（P>0.05）。r FOV DWI序列及SS-EPI DWI序列ADC值曲线下面积分别为0.950及0.912,两组参数曲线下面积比较差异具有统计学意义（P<0.05）。3、前列腺癌组患者DCE-MRI序列各参数(Ktrans、Kep及Ve)均高于前列腺增生组,差异具有统计学意义（P<0.05）。Ktrans、Kep及Ve值的曲线下面积分别为0.694、0.703、0.747,三者比较无统计学差异（P>0.05）。结论:1、磁共振高分辨率小视野弥散加权成像（r FOV DWI）及动态增强在前列腺癌鉴别诊断中效果理想,具有较高的临床价值。2、高分辨率小视野弥散加权序列（r FOV DWI）对解剖结构的显示、病灶对比度明显优于常规单次激发平面回波弥散加权序列（SS-EPI DWI）,r FOV DWI对于诊断、鉴别前列腺癌的效果更好。
姜澳田[8]（2020）在《基于多参数磁共振成像移行带前列腺癌影像组学研究》文中研究指明背景:前列腺癌好发于60岁以上人群,居全球男性癌症发病率第2位[1]。在欧美国家前列腺癌（prostate cancer,PCa）发病率常年位居男性恶性肿瘤第一位[2]。虽中国前列腺癌发病率远低于欧美国家,但近年来呈逐年上升趋势。前列腺增生是我国中老年男性的好发疾病,随年龄增长,发病率逐渐增加。前列腺癌多发生于前列腺外周带,良性前列腺增生主要发生于移行带,但大量临床病例发现,发生于移行带的前列腺癌并不少见,且两者有时影像检查鉴别困难。前列腺癌的危险度是影响患者治疗方式和预后的重要因素,中低危的前列腺癌恶性程度相对较低,肿瘤生长相对缓慢,病人的预后及生存时间相对较长,临床上对于中低危的前列腺癌可以采取观察等待与主动检测。对于高危前列腺癌由于恶性程度相对较高,患者预后及生存时间相对较短,临床上多采取激进的治疗方式（放疗或根治性切除术）[3]。在临床中穿刺活检是目前术前诊断前列腺癌及评估前列腺癌危险度的“金标准”,但穿刺活检作为一种有创检查,会引发各种并发症。因此临床需要一种准确的非侵入性诊断方法来诊断前列腺癌并对前列腺癌的危险度进行评估,以降低对病人的伤害,并提高患者依从性。纹理分析（texture analysis,TA）作为一种新的影像评估技术,通过分析图像中灰度值、像素值的分布规律,挖掘图像中人眼难以识别的微小结构,可用于肿瘤的分类、分级、预后判断及疗效评估[4]。机器学习是一门关于人工智能的科学,该领域的主要研究的是人工智能,可利用已知数据或以往的经验,来优化计算机程序的性能标准[5],然后自动、迅速对新数据作出判断和预测。随着近年来人工智能的兴起,越来越多的研究致力于人工智能在医学上的应用。已有大量的研究证实纹理分析结合机器学习模型在肿瘤的定性、定位、分级、疗效评估及预后方面具有重大的意义及广泛的临床运用前景。目的:研究基于多参数磁共振成像（Multi-parametric magnetic resonance imaging,mp MRI）的纹理分析联合机器学习模型在移行带前列腺良恶性病变预测和前列腺癌危险度评估的可行性研究。方法:第一部分:回顾性收集2015年1月至2019年12月在我院行MRI检查并经病理证实为前列腺癌和前列腺增生的患者各100例。收集患者影像学资料,采用Ma Zda软件分别在T2WI及ADC图像上勾画病灶所在最大层面的整个前列腺组织,提取出纹理参数建立数据集,分别建立T2WI数据集、ADC数据集及总数据集（T2WI数据集+ADC数据集）,然后采用Pearson+PCA的方法分别对数据集进行特征降维,筛选出对诊断有意义的参数。建立机器学习模型:于前列腺癌组和前列腺增生组各随机抽取70%病例作为训练组,剩余30%病例作为验证组。在训练组建立五种机器学习模型,分别为决策树（Decision tree,DT）、朴素贝叶斯（Naive Bayesian,NB）、K-邻近（K-Nearest,KNN）、随机森林（Random forests,RF）、支持向量机（Support vector machine,SVM）。用测试组对模型进行验证,并评价各个模型效能。第二部分:我们将第一部分中前列腺癌组的100个病例,根据其病理格林森评分（Gleason score,GS）进一步分为中低危组（GS≤7）和高危组（GS≥8）。除去缺少GS评分的17个病例,最终符合纳入标准83个病例,其中低危（GS≤7）的30人,高危（GS≥8）53人。收集患者影像学资料,采用Ma Zda软件分别在T2WI及ADC图像上勾画病灶所在最大层面的整个前列腺组织,提取出纹理参数建立T2WI及ADC数据集,运用Ma Zda自带的降维方式进行降维,并通过B11模块进行分类,得出不同降维方式与不同分类方式组合的误判率。分类结果显示在ADC序列中采用FPM+NDA分类结果误判率最低。故将ADC序列中FPM降维所得的30个纹理参数进行T检验,筛选出有统计学意义（P<0.05）的纹理参数,将有意义的纹理参数纳入Logistic回归,得出对预测前列腺癌危险度的独立危险因素,并做ROC曲线评价参数的预测性能。结果:（1）基于T2WI数据集各模型的预测性能为:DT（AUC=0.65,准确率=76%）,NB（AUC=0.83,准确率=82%）,K-NN（AUC=0.74,准确率=78%）,RF（AUC=0.81,准确率=83%）,SVM（AUC=0.65,准确率=69%）;基于ADC数据集各模型的预测性能为:DT（AUC=0.72,准确率=71%）,NB（AUC=0.90,准确率=88%）,K-NN（AUC=0.73,准确率=71%）,RF（AUC=0.84,准确率=83%）,SVM（AUC=0.67,准确率=69%）;基于总数据集各模型的预测性能为:DT（AUC=0.87,准确率=84%）,NB（AUC=0.93,准确率=90%）,K-NN（AUC=0.84,准确率=88%）,RF（AUC=0.84,准确率=83%）,SVM（AUC=0.80,准确率=78%）。（2）在基于T2WI数据集、ADC数据集及总数据集建立的NB模型与其他四个模型相比均有较好的诊断性能,表现出非常好及优秀的性能（AUC=0.83-0.93）。基于ADC数据集建立的各个模型性能普遍均优于T2WI数据集建立的各个模型。在三个数据集中基于总数据集训练的NB模型与其他模型相比性能最佳（AUC=0.93,准确度=90%）。（3）在纹理分析对移行带前列腺癌危险度的研究中发现与T2WI相比,ADC序列包含更多的区别中低危及高危移行带前列腺癌的纹理特征。前列腺整体纹理特征预测移行带前列腺癌危险度的独立影响因素为Wav En HH＿s-5和Wav En HL＿s-5。用Wav En HH＿s-5及Wav En HL＿s-5参数进行前列腺癌诊断,AUC分别为0.799、0.765,表现出良好的诊断性能。两个参数的联合诊断性能更好,AUC值达0.835,表现出非常好的诊断性能。结论:基于mp MRI前列腺癌影像组学模型可以较好的诊断移行带前列腺癌,纹理分析在预测移行带前列腺癌的危险度方面具有重要的意义。前列腺癌影像组学有良好的临床运用潜能,将来有望成为放射科医生的辅助诊断工具。
崔亚东[9]（2020）在《体素内不相干运动成像直方图分析和synthetic MRI在前列腺癌诊断和分级的应用》文中研究表明目的:探讨体素内不相干运动（intravoxel incoherent motion,IVIM）模型直方图分析对鉴别前列腺癌（prostate cancer,PCa）与良性前列腺增生（benign prostatic hyperplasia,BPH）的诊断效能,并与单指数模型进行比较,以MR引导穿刺活检作为病理参考。材料和方法:本研究于2017年3月至2018年5月期间最终纳入30名患者,这些患者均于穿刺前于我院进行前列腺MRI检查,随后MR引导穿刺活检取得病理。穿刺前MRI扫描序列包括:T2加权成像（T2-weighted imaging,T2WI）、T1加权成像（T1-weighted imaging,T1WI）和多 b 值扩散加权成像（diffusion-weighted imaging,DWI）,选用 b 值为 0、20、50、100、200、500、1000、1500、2000 s/mm2。应用Matlab R2015b软件IVIM模型和单指数模型（选用b值为50、1500 s/mm2）对DWI数据进行后处理,用于定量扩散系数（diffusion coefficient,D）、伪扩散系数（pseudo-diffusion coefficient,D*）、灌注分数（perfusion fraction,f）和表观扩散系数（apparent diffusion coefficient,ADC）。由两名放射科医师在未知病理学结果的情况下,在参数图上MR引导穿刺活检病变的最大层面勾画感兴趣区（region of interest,ROI）,自动生成每个ROI的直方图分析结果,得到以下直方图参数:平均值、最小值、10%位数、25%位数、50%位数、75%位数、90%位数、最大值、偏度和峰度。比较PCa和BPH两组之间不同直方图参数的差异。使用Spearman秩相关系数评估各参数与PCa病灶Gleason评分之间的相关性。使用受试者工作特征（receiver operating characteristic,ROC）曲线分析和比较各参数对鉴别PCa和BPH的诊断效能。应用Logistic回归结合不同直方图参数构建预测模型。结果:本研究共分析16个PCa病灶和20个BPH结节。PCa病灶的D平均值、75%位数、90%位数和最大值均显着低于BPH结节。PCa病灶的D*最小值和10%位数显着低于BPH。参数f平均值、最小值、10%位数、25%位数、50%位数、75%位数、90%位数、最大值和偏度在PCa和BPH两组间具有显着差异。PCa病灶的ADC平均值、最小值、10%位数、25%位数、50%位数、75%位数、90%位数、最大值和峰度显着低于BPH结节。D平均值、D*最小值和25%位数与Gleason评分呈显着负相关（r=-0.582,-0.534,-0.554）。D最大值、f平均值和ADC最小值的诊断效能较其他参数更高（AUC=0.925、0.881、0.969）。IVIM模型（结合D最大值、D*最小值和f平均值）的诊断效能与单指数模型无显着差异（AUC=0.950[0.821,0.995],0.969[0.849,0.999],P=0.23）。IVIM模型和单指数模型结合相较于单一模型,诊断效能无显着提高（P=0.362,0.763）。结论:IVIM模型和单指数模型直方图分析都可用于鉴别PCa和BPH。IVIM模型的诊断效能并不优于单指数模型。IVIM模型和单指数模型结合相较于单一模型,诊断效能无显着提高。目的:前列腺磁共振成像（magnetic resonance imaging,MRI）的解读主要基于不同组织的图像对比,这是一种定性方法。临床需要一种快速、标准化、稳定的定量技术。Synthetic MRI能够同时定量多种驰豫参数,在前列腺癌（prostate cancer,PCa）诊断具有潜在应用价值。本研究旨在探讨synthetic MRI定量弛豫图在PCa诊断和分级的作用。材料和方法:本研究在2018年4月至2019年4月期间,前瞻性连续纳入经病理证实为PCa的46名患者和诊断为良性病变的48名患者。所有患者在前列腺活检或切除术前,均在3.0 T MR扫描仪上进行前列腺MRI检查。扫描序列包括T1加权成像（T1-weighted imaging,T1WI）、T2 加权成像（T2-weighted imaging,T2WI）、扩散加权成像（diffusion weighted imaging,DWI）（b 值=50、1400 s/mm2）和 synthetic MRI。由 DWI 和 synthetic MRI 分别获得表观扩散系数（apparent diffusion coefficient,ADC）图和T1、T2、PD定量图。病理上确定4种组织类型:PCa病灶、间质增生（stromal hyperplasia,SH）结节、腺体增生（glandular hyperplasia,GH）结节和非肿瘤外周带（peripheral zone,PZ）病变。PCa病灶根据Gleason评分分为低级别（low-grade,LG;Gleason 评分 ≤ 6 分）和中/高级别（intermediate/high-grade,HG;Gleason评分≥7分）。由两名放射科医师根据病理结果在定量参数图上手动勾画感兴趣区。独立样本t检验或Mann-Whitney U检验用于比较不同前列腺病理的T1、T2、PD和ADC值差异。单因素方差分析或Kruskal-Wallis检验用于比较不同Gleason评分PCa病灶的T1、T2、PD和ADC值。应用受试者工作特征（receiver operating characteristic,ROC）曲线分析用于评价和比较各参数鉴别PCa病灶和其他良性病变,以及LG和HG PCa病灶的诊断效能。结果:PCa病灶的T1和T2值显着低于SH结节（P=0.015,0.002）。PCa病灶的PD值与SH无显着差异（P=0.948）。GH结节的T1、T2和PD值明显高于PCa病灶（P≤ 0.007）。PCa病灶与无肿瘤PZ病变之间T1、T2和PD值有显着差异（P≤0.006）。T2值对于鉴别PCa病灶和SH结节的AUC明显高于PD值（P=0.011）。T1和T2值在鉴别PCa病灶和非肿瘤PZ病变方面AUC相近（P=0.669）。在鉴别PCa病灶与SH结节和非肿瘤PZ病变方面,ADC值的AUC显着高于T1、T2和PD值（P≤ 0.025）。Gleason 8分PCa病灶的T2值明显高于Gleason 7分PCa病灶（P=0.02）。T2、PD和ADC值在鉴别LG和HG PCa病灶方面诊断性能相近（AUC=0.806[0.640-0.918],0.717[0.542-0.854]和 0.817[0.652-0.925];P ≥ 0.535）。结论:Synthetic MRI定量弛豫图有助于鉴别PCa病灶与其他良性病变,但其总体诊断效能不如ADC值。T2、PD和ADC值对于鉴别LG和HG PCa病灶的诊断效能相似。
张家伟[10]（2019）在《前列腺癌3.0T MR成像特征与分子标记物Ki67、P504s表达的相关性研究》文中研究指明第一部分前列腺癌扩散加权成像、动态对比增强MRI参数与Ki67蛋白表达的相关性目的:探讨前列腺癌扩散加权成像（DWI）及动态对比增强MRI（DCE-MRI）参数与Ki67蛋白表达的相关性。方法:纳入经病理证实的93例前列腺疾病（包括:前列腺癌、良性前列腺增生和/或慢性前列腺炎）患者,行多参数磁共振成像（mpMRI）检查,获得前列腺癌组、非前列腺癌组时间-信号强度（SI-T）曲线、达峰时间（Tmax）、最大强化程度（SImax）、最快强化率（Rmax）和自动生成表观扩散系数（ADC）值;采用免疫组化检测Ki67表达情况及与MRI参数的相关性。结果:前列腺癌组与非前列腺癌组的ADC值、Tmax、SImax、Rmax分别为（0.76±0.16）x10-33 mm2/s、（18.61±4.33）s、（1.74±0.39）%、（21.03±14.72）%和（1.36±0.19）x10-33 mm2/s、（37.45±19.51）s、（1.32±0.45）%、（10.11±6.22）%,两组差异均有统计学意义（P<0.01）;Ki67阴性组患者的ADC值、Tmax、SImax、Rmax分别为（1.26±0.25）x10-33 mm2/s、（34.44±20.19）s、（1.37±0.47）%、（9.92±8.87）%,Ki67低表达组分别为（0.95±0.36）x10-33 mm2/s、（23.74±12.44）s、（1.62±0.40）%、（19.28±12.41）%,Ki67高表达组分别为（0.70±0.06）x10-33 mm2/s、（18.87±4.74）s、（1.85±0.45）%、（23.64±19.51）%,Ki67各表达组ADC值、Tmax（s）、SImax%、Rmax%比较,组内差异有统计学意义（H=32.588、18.719、10.867、18.595;P<0.05）,再行组间两两比较,Ki67阴性组与Ki67低表达组、Ki67高表达组之间两两比较,差异均有统计学意义（P<0.05）,但Ki67低表达组与Ki67高表达组比较,差异无统计学意义（P>0.05）。ADC值、Tmax与Ki67呈负相关（r=-0.50、-0.37,P<0.01）;SImax、Rmax与Ki67呈正相关（r=0.29、0.36,P<0.01）。结论:前列腺癌ADC值和DCE-MRI灌注指标与Ki67具有相关性,可无创性地评估前列腺癌的生物学特性,可作为预测肿瘤恶性程度的影像生物学指标。第二部分前列腺癌多模态MRI参数与P504s蛋白表达的相关性分析目的:评估前列腺癌（PCa）组织中P504s、34β-E12、P63表达情况,并探讨PCa多模态MRI参数与P504s的相关性。方法:对43例PCa患者和64例非PCa患者（均经前列腺穿刺活检或根治性前列腺切除术后病理证实）的多模态MRI影像资料（常规MRI、扩散加权成像DWI、动态增强磁共振成像DCE-MRI）进行回顾性分析,获取时间-信号强度（SI-T）曲线,计算Tmax（s）、SImax%、Rmax%和自动生成ADC值;运用免疫组化方法检测前列腺组织中P504s、34β-E12、P63表达情况。结果:PCa组P504s、34β-E12、P63阳性表达率分别为83.7%、25.6%、25.6%,非PCa组分别为0%、91.0%、86.0%,两组间差异有统计学意义（P<0.05）;PCa组和非PCa组ADC值、Tmax（s）、SImax%、Rmax%分别为（0.83±0.22）x10-3mm2/s、（21.30±10.78）s、（1.75±0.39）%、（20.20±15.50）%和（1.34±0.28）x10-3mm2/s、（50.22±36.31）s、（1.24±0.41）%、（7.98±6.25）%,组间比较差异有统计学意义（P<0.05）;ADC值、Tmax（s）与P504s表达呈负相关（r=-0.60、-0.37;P<0.01）;而SImax%、Rmax%与P504s表达呈正相关（r=0.50、0.45;P<0.01）。结论:PCa多模态MRI各参数与P504s表达有相关性,可作为预测肿瘤恶性程度的影像生物学标志物。
二、动态增强MR与PSA在前列腺癌诊断及鉴别诊断中的应用价值（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、动态增强MR与PSA在前列腺癌诊断及鉴别诊断中的应用价值（论文提纲范文）
（1）基于DBSI的深度神经网络学习在鉴别诊断前列腺癌及预测病理分级中的应用价值（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 前言 |
| 参考文献 |
| 第一部分 基于DBSI的深度神经网络学习在鉴别诊断前列腺癌中的运用价值 |
| 一、材料和方法 |
| 二、结果 |
| 三、讨论 |
| 四、结论 |
| 参考文献 |
| 第二部分 基于DBSI的深度神经网络学习在预测前列腺癌病理分级中的运用价值 |
| 一、材料和方法 |
| 二、结果 |
| 三、讨论 |
| 四、结论 |
| 参考文献 |
| 第三部分 基于DBSI深度神经网络学习在离体前列腺标本中鉴别诊断前列腺癌及预测病理分级中的运用价值 |
| 一、材料和方法 |
| 二、结果 |
| 三、讨论 |
| 四、结论 |
| 参考文献 |
| 综述 多种影像学方法在前列腺癌诊断及鉴别诊断中的运用价值 |
| 一 、前列腺的组织胚胎学 |
| 二、前列腺癌的简要发生机制 |
| 三、前列腺癌的诊疗现状 |
| 四、多参数磁共振及放射组学的临床运用 |
| 五、全身磁共振的临床运用 |
| 六、CT 的临床运用 |
| 七、骨扫描(Bone Scintigraphy BS)的临床运用 |
| 八、PET/CT 的临床运用 |
| 参考文献 |
| 在读研究生期间发表论文和参加科研工作情况说明 |
| 致谢 |
（2）MRI高b值DWI结合多期动态增强在前列腺癌诊断价值的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略语 |
| 引言 |
| 文献综述 多参数MRI在前列腺疾病诊断价值研究与进展 |
| 1 目前前列腺癌的主要诊断方式 |
| 2 常规 MRI 技术(T_1WI、T_2WI) |
| 3 扩散加权成像(DWI) |
| 4 扩散张量成像、扩散峰度成像(DTI、DKI) |
| 5 多期动态增强(DCE-MRI) |
| 6 磁共振波普成像(MRS) |
| 7 小结 |
| 实验研究 |
| 1 实验材料 |
| 1.1 患者临床资料 |
| 2 实验方法 |
| 2.1 扫描设备、扫描序列及参数设置 |
| 2.2 血清PSA检查 |
| 2.3 病理结果 |
| 2.4 影像分析 |
| 2.5 统计学处理 |
| 3.结果 |
| 3.1 一般资料 |
| 3.2 两组患者MRI T_1WI及 DWI成像检查的SIR_(T1)、ADC值比较 |
| 3.3 两组患者MRIT_2WI及DWI成像检查的SIR_(T2)、ADC值比较 |
| 3.4 两组患者MRI T_2WI、DWI检查及PSA测定的SIR_(T2)、ADC值、PSA值比较 |
| 3.5 两组患者DWI、DCE-MRI检查及PSA测定的ADC值、TIC曲线、PSA值比较 |
| 3.6 两组患者T_2WI、DWI、DCE-MRI检查的SIR_(T2)、ADC值、TIC曲线比较 |
| 3.7 多序列、多参数联合诊断前列腺癌效能比较 |
| 4.讨论 |
| 4.1 常规序列(T_1WI、T_2WI)对前列腺癌的诊断价值 |
| 4.2 扩散加权成像(DWI)的原理及高b值下ADC值对前列腺癌的诊断价值 |
| 4.3 多期动态增强的原理及TIC曲线对前列腺癌的诊断价值 |
| 4.4 血清PSA值对前列腺癌诊断机制 |
| 4.5 总结 |
| 结论 |
| 本文的不足与展望 |
| 1.本研究的不足之处 |
| 2.展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
| 个人简介 |
（3）单指数、双指数扩散加权成像及其参数图直方图分析在前列腺癌诊断中的应用价值研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 附图 |
| 参考文献 |
| 英汉缩略词对照表 |
| 扩散加权成像及纹理分析在前列腺癌诊断中的研究进展(综述) |
| 参考文献 |
| 攻读硕士学位期间发表论文情况 |
| 致谢 |
（4）多模态超声在前列腺癌诊断中的价值探讨（论文提纲范文）
| 摘要 |
| abstract |
| 英文缩略语对照 |
| 1.引言 |
| 1.1 前列腺癌与老龄化概述 |
| 1.2 前列腺癌筛查概述 |
| 1.2.1 血清PSA |
| 1.2.2 直肠指检 |
| 1.2.3 多参数核磁共振 |
| 1.2.4 经直肠二维超声 |
| 1.2.5 超声造影 |
| 1.2.6 弹性成像 |
| 1.3 前列腺癌病理Gleason评分 |
| 2.材料与方法 |
| 2.1 研究对象 |
| 2.2 质量控制和保证 |
| 2.3 仪器与材料 |
| 2.4 检查方法 |
| 2.4.1 前列腺经直肠二维超声检查方法 |
| 2.4.2 经直肠超声造影检查方法 |
| 2.4.3 经直肠剪切波弹性成像检查方法 |
| 2.4.4 经直肠超声引导下前列腺穿刺活检方法 |
| 2.5 诊断标准 |
| 2.6 病理诊断 |
| 2.7 统计学分析 |
| 3.结果 |
| 3.1 病例完成情况 |
| 3.2 患者一般资料 |
| 3.3 经直肠二维超声结果 |
| 3.4 经直肠超声造影结果 |
| 3.5 经直肠剪切波弹成像结果 |
| 3.6 多参数超声联合结果 |
| 3.7 病理Gleason评分相关性分析结果 |
| 4.讨论 |
| 4.1 经直肠二维超声对前列腺癌的诊断价值 |
| 4.2 超声造影对前列腺癌的诊断价值 |
| 4.3 剪切波弹性成像对前列腺癌的诊断价值 |
| 4.4 多模态超声成像对前列腺癌的诊断价值 |
| 4.5 剪切波杨氏模量值、血清PSA值与Gleason评分的相关性 |
| 4.6 本文研究不足 |
| 4.7 下一步工作展望 |
| 5.结论 |
| 致谢 |
| 参考文献 |
| 附件 |
| 附件1:综述 前列腺癌筛查的研究进展 |
| 参考文献 |
| 附件2:在读期间公开发表的学术论文、专着及科研成果 |
（5）MR多参数成像对前列腺癌与前列腺增生的诊断价值及其与血清PSA的相关性研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 前言 |
| 第一部分 MR多参数成像对前列腺癌与前列腺增生的诊断价值 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 不足与展望 |
| 结论 |
| 第二部分 MR多参数成像与血清PSA相关性研究 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 不足与展望 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A.中英文术语和缩略语对照表 |
| 附录B.病例原始图片资料 |
| 附录C.个人简介 |
| 附录D.综述 |
| 参考文献 |
（6）多模态磁共振成像对前列腺癌的诊断价值及其危险度评估（论文提纲范文）
| 摘要 |
| Abstract |
| 前言 |
| 第一部分 氨基质子转移成像对前列腺癌的诊断价值及其危险度评估 |
| 1 材料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 第二部分 扩散峰度成像对前列腺癌的诊断价值及其危险度评估 |
| 1 材料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 综述:多模态磁共振成像在前列腺癌诊断中的应用进展 |
| 参考文献 |
| 附录 |
| 附件 |
| 攻读学位期间发表文章情况 |
| 致谢 |
| 个人简历 |
（7）MR高分辨rFOV DWI及DCE对前列腺癌诊断价值的研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 英汉缩略词对照表 |
| 附图 |
| 多模态磁共振在前列腺癌中的应用(综述) |
| 参考文献 |
| 攻读硕士学位期间发表论文情况 |
| 致谢 |
（8）基于多参数磁共振成像移行带前列腺癌影像组学研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 中英文缩略词表 |
| 前言 |
| 第一部分 机器学习模型对移行带前列腺癌的诊断价值 |
| 1 材料与方法 |
| 1.1 一般资料 |
| 1.2 图像的采集与获取 |
| 1.3 病理获取 |
| 1.4 图像ROI区域的勾画 |
| 1.5 纹理特征提取与降维 |
| 1.6 机器学习模型的建立与评估 |
| 2 结果 |
| 2.1 特征降维结果 |
| 2.2 机器学习模型性能的评估 |
| 2.3 各机器学习模型ROC曲线结果 |
| 第二部分 纹理分析对移行带前列腺癌危险度的预测价值 |
| 1 材料与方法 |
| 1.1 一般资料 |
| 1.2 图像的采集与获取 |
| 1.3 病理获取 |
| 1.4 图像ROI区域的勾画 |
| 1.5 纹理特征提取与降维 |
| 1.6 分类结果 |
| 2 结果 |
| 2.1 ADC序列FPM降维方式筛选纹理特征的T检验结果 |
| 2.2 ADC 序列纹理特征与前列腺癌侵袭度相关性 logistic 回归分析 |
| 2.3 优势纹理特征预测移行带前列腺癌危险度的效能评估 |
| 讨论 |
| 全文总结 |
| 结论 |
| 本研究创新性的自我评价 |
| 参考文献 |
| 综述 纹理分析在前列腺癌诊疗中的研究进展 |
| 参考文献 |
| 致谢 |
（9）体素内不相干运动成像直方图分析和synthetic MRI在前列腺癌诊断和分级的应用（论文提纲范文）
| 中英文缩略词表 |
| 第一部分 体素内不相干运动和单指数模型直方图分析对前列腺癌和良性前列腺增生鉴别诊断的比较 |
| 中文摘要 |
| 英文摘要 |
| 1、前言 |
| 2、材料和方法 |
| 3、结果 |
| 4、讨论 |
| 5、结论 |
| 参考文献 |
| 第二部分 Synthetic MRI定量弛豫图在前列腺癌诊断和分级的应用 |
| 中文摘要 |
| 英文摘要 |
| 1、前言 |
| 2、材料和方法 |
| 3、结果 |
| 4、讨论 |
| 5、结论 |
| 参考文献 |
| 文献综述一 体素不相干运动成像在前列腺癌诊断中的应用价值 |
| 参考文献 |
| 文献综述二 Synthetic MRI技术临床应用进展 |
| 参考文献 |
| 攻读学位期间文章发表情况和会议交流情况 |
| 致谢 |
（10）前列腺癌3.0T MR成像特征与分子标记物Ki67、P504s表达的相关性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 中英文缩略词表 |
| 前言 |
| 第一部分 前列腺癌扩散加权成像、动态对比增强MRI参数与Ki67 蛋白表达的相关性 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 第二部分 前列腺癌多模态MRI参数与P504s蛋白表达的相关性分析 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 附图 |
| 结论 |
| 不足与展望 |
| 参考文献 |
| 综述 |
| 综述参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 个人简介 |
| 开题、中期及学位论文答辩委员组成 |
四、动态增强MR与PSA在前列腺癌诊断及鉴别诊断中的应用价值（论文参考文献）
- [1]基于DBSI的深度神经网络学习在鉴别诊断前列腺癌及预测病理分级中的应用价值[D]. 阳青松. 中国人民解放军海军军医大学, 2021(01)
- [2]MRI高b值DWI结合多期动态增强在前列腺癌诊断价值的研究[D]. 张得新. 长春中医药大学, 2021(01)
- [3]单指数、双指数扩散加权成像及其参数图直方图分析在前列腺癌诊断中的应用价值研究[D]. 曾桔. 西南医科大学, 2020(10)
- [4]多模态超声在前列腺癌诊断中的价值探讨[D]. 巫明钢. 成都中医药大学, 2020(02)
- [5]MR多参数成像对前列腺癌与前列腺增生的诊断价值及其与血清PSA的相关性研究[D]. 单丹丹. 蚌埠医学院, 2020(01)
- [6]多模态磁共振成像对前列腺癌的诊断价值及其危险度评估[D]. 殷慧佳. 新乡医学院, 2020(12)
- [7]MR高分辨rFOV DWI及DCE对前列腺癌诊断价值的研究[D]. 黄冰峰. 西南医科大学, 2020(06)
- [8]基于多参数磁共振成像移行带前列腺癌影像组学研究[D]. 姜澳田. 河南大学, 2020(02)
- [9]体素内不相干运动成像直方图分析和synthetic MRI在前列腺癌诊断和分级的应用[D]. 崔亚东. 北京协和医学院, 2020(05)
- [10]前列腺癌3.0T MR成像特征与分子标记物Ki67、P504s表达的相关性研究[D]. 张家伟. 宁夏医科大学, 2019(08)
标签：前列腺癌论文; 标致雪铁龙集团论文; 前列腺特异性抗原论文; 前列腺肿瘤论文; 病理报告论文;