目的:初步建立腮腺CT影像报告与数据系统(Parotid Imaging Reporting and Data System,PI-RADS),并探讨其临床应用价值。方法:纳入2013年1月至2016年12月间因腮腺肿物就诊于北京大学口腔医院并进行手术治疗的病例,回顾性评估所有病例的...
详细信息
目的:初步建立腮腺CT影像报告与数据系统(Parotid Imaging Reporting and Data System,PI-RADS),并探讨其临床应用价值。方法:纳入2013年1月至2016年12月间因腮腺肿物就诊于北京大学口腔医院并进行手术治疗的病例,回顾性评估所有病例的影像资料,获取相关影像特征,评估肿瘤恶性风险概率,并分为6个等级(1级,正常腮腺;2级,基本确定为良性病变或肿瘤;3级,无明确恶性病变证据但不能确定为良性病变;4级,怀疑为恶性肿瘤病变但证据不充分;5级,恶性肿瘤影像征象较充分;6级,有恶性肿瘤病理学证据)。结果:共纳入腮腺肿物病例897例次,其中良性病变905例次、恶性肿瘤98例次,影像诊断为2级、3级、4级和5级的病变中,恶性肿瘤的构成比分别为0.4%、5.7%、35.5%和96.7%,随PI-RADS分级呈逐渐增高趋势(Z=-15.579,P<0.001)。相邻等级[2级与3级(χ^2=12.048,P=0.001)、3级与4级(χ^2=75.231,P<0.001)、4级与5级(χ^2=32.266,P<0.001)]之间的恶性构成比差异有统计学意义。Cohen’s Kappa检验表明两位研究者分级诊断具有中度一致性(κ=0.614,P<0.001,95%CI:0.569~0.695)。结论:应用影像诊断分级方法对腮腺肿瘤性疾病的诊断和临床治疗有一定的帮助。
目的观察髁突骨小梁结构单元感兴趣区(volume of interest,VOI)的分布特点,分析髁突骨小梁的三维影像解剖形态特征。方法对北京大学医学部遗体捐献的1例61岁男性尸体右侧髁突标本的micro-CT影像进行分析。在髁突骨小梁范围内不同层面按...
详细信息
目的观察髁突骨小梁结构单元感兴趣区(volume of interest,VOI)的分布特点,分析髁突骨小梁的三维影像解剖形态特征。方法对北京大学医学部遗体捐献的1例61岁男性尸体右侧髁突标本的micro-CT影像进行分析。在髁突骨小梁范围内不同层面按规律尽可能多地排列直径2 mm、高度2 mm的圆柱体VOI单元,且各VOI单元无交叉区域。将选取的VOI单元划分为内、中、外、前、后共5个区,从上到下共6层,通过分析每个VOI单元的骨矿物质密度(bone mineral density,BMD)、骨体积分数(bone volume/total volume,BV/TV)、骨比表面积(bone surface area/bone volume,BS/BV)、骨小梁厚度(trabecular thickness,***)、骨小梁数量(trabecular bone number,Tb.N)、骨小梁分离度(trabecular spacing,***)以及骨小梁模式因子(trabecular bone pattern factor,***)等7个形态学参数,获取髁突骨小梁整体三维影像解剖形态特征的分布情况。结果本研究扫描的髁突标本共选取34个VOI单元,BMD、BV/TV、***和Tb.N在中区均值较大,内区均值最小,在1、2、5、6层前区>后区,3、4层后区>前区;BMD在1层[(332.66±97.11)mg/cm^3]和6层[(344.24±45.68)mg/cm3]较高,2层[(255.79±41.06)mg/cm3]最低;BV/TV和Tb.N在1层较高,5层最低;***在1层[(0.11±0.03)mm]较高,其余层数值相近且较低。BS/BV、***和***在1层较低,总体上内区和外区较高,中区和前区较低,1、5、6层后区>前区,3、4层前区>后区。ANOVA分析显示,VOI单元的7个形态学参数在6层间差异均无统计学意义(P>0.05);但在5个分区间BV/TV、BS/BV、***、Tb.N、***和***差异均有统计学意义(P<0.05),BMD则差异无统计学意义(P>0.05)。结论本研究基于VOI单元对髁突骨小梁进行划分,获得髁突骨小梁三维影像解剖特征分布数据,显示髁突骨小梁的三维影像解剖形态区域分布不均匀,该方法可进一步分析髁突骨小梁结构的三维影像解剖形态学等特征。
暂无评论