基于不同扩散模型的扩散加权成像在脑胶质瘤分级和预测<italic style="font-style: italic">IDH-1</italic>突变的对比分析

黄颖倩; 赵静; 初建平; 王玉亮; 田一粟; 丘海珊; 黄子桓

您当前的位置：

首页 >

文章列表页 >

基于不同扩散模型的扩散加权成像在脑胶质瘤分级和预测IDH-1突变的对比分析

临床研究 | 更新时间：2023-11-01

- 基于不同扩散模型的扩散加权成像在脑胶质瘤分级和预测IDH-1突变的对比分析
- Evaluating Glioma in Terms of Grading and Predicting IDH-1 Mutation Status by Advanced Diffusion Weighted Imaging： A Comparative Study of DTI， DKI and NODDI
- 中山大学学报（医学科学版） 2021年42卷第1期页码：87-94
- 作者机构：
  
  1.中山大学附属第一医院放射科，广东广州 510080
  2.华中科技大学协和深圳医院放射科，广东深圳 518000
  3.四川省肿瘤医院放射科，四川成都 610000
- 作者简介：
  
  黄颖倩，硕士研究生，研究方向：神经系统影像诊断，E-mail：huangyq97@mail2.sysu.edu.cn
- 基金信息：
  
  广东省自然科学基金(2017A030313676)
- DOI：
  中图分类号： R739.41
- 收稿：2020-09-15，
  
  纸质出版：2021-01-20
- 稿件说明：
移动端阅览
黄颖倩,赵静,初建平等.基于不同扩散模型的扩散加权成像在脑胶质瘤分级和预测IDH-1突变的对比分析[J].中山大学学报（医学科学版）,2021,42(01):87-94.

HUANG Ying-qian,ZHAO Jing,CHU Jian-ping,et al.Evaluating Glioma in Terms of Grading and Predicting IDH-1 Mutation Status by Advanced Diffusion Weighted Imaging： A Comparative Study of DTI， DKI and NODDI[J].Journal of Sun Yat-sen University(Medical Sciences),2021,42(01):87-94.
黄颖倩,赵静,初建平等.基于不同扩散模型的扩散加权成像在脑胶质瘤分级和预测IDH-1突变的对比分析[J].中山大学学报（医学科学版）,2021,42(01):87-94. DOI：

HUANG Ying-qian,ZHAO Jing,CHU Jian-ping,et al.Evaluating Glioma in Terms of Grading and Predicting IDH-1 Mutation Status by Advanced Diffusion Weighted Imaging： A Comparative Study of DTI， DKI and NODDI[J].Journal of Sun Yat-sen University(Medical Sciences),2021,42(01):87-94. DOI：

摘要

目的

对比分析基于不同扩散模型的扩散加权成像（扩散张量成像：DTI，扩散峰度成像：DKI，和神经突起方向离散度与密度成像：NODDI）在脑胶质瘤术前预测脑胶质瘤级别和异柠檬酸脱氢酶-1（

IDH-1

）突变的诊断效能。

方法

回顾性分析中山大学附属第一医院2014年5月至2019年12月经手术病理证实的胶质瘤患者66例（WHO Ⅱ级28例，Ⅲ级10例，Ⅳ级28例），其中

IDH-1

基因表型明确的患者64例（

IDH-1

突变型34例，野生型30例）。采用德国西门子Magnetom Verio 3.0T MRI机器进行数据采集，扫描序列包括常规MRI平扫，增强和扩散加权成像。后处理获取DTI（平均扩散系数：MD，部分各向异性分数：FA），DKI（平均峰度：MK，轴向峰度： Ka，径向峰度：Kr）和NODDI（神经突内体积分数：icvf，神经突方向离散度：odi）的各参数图。用Image J勾画肿瘤实质相邻最大的三个层面作为ROI，取得各个参数的均值。采用独立样本

检验或Mann-Whitney秩和检验分别比较高、低级别组和不同

IDH-1

状态各扩散参数值的差异。进一步，对有统计学意义差异的参数进行Logistic回归分析，评价其鉴别脑胶质瘤高低级别和

IDH-1

基因突变状态的诊断效能，并获得受试者工作特征（ROC）曲线。

结果

基于不同的扩散加权模型，其扩散参数均可以用于区分脑胶质瘤级别（

0.01），其中ROC分析发现MK在鉴别高低级别脑胶质瘤具有最大的诊断效能，ROC曲线下面积为0.84。进一步Logistic回归分析发现仅年龄和MK参数可以用来鉴别高低级别脑胶质瘤，诊断价值［

AUC

=0.88，

AUC

95%CI（0.79，0.96）］优于单一的MK参数。对

IDH-1

基因突变状态预测，NODDI两个参数均无鉴别意义，DKI和DTI的各参数可有效鉴别（

0.05）。其中，DKI的Ka参数具有最高的诊断价值，ROC曲线下面积为0.73，灵敏度也最高（0.83）。进一步Logistic回归发现，仅Kr可以预测

IDH-1

突变，回归模型ROC曲线下面积［AUC=0.72，AUC 95%CI（0.59， 0.85）］。

结论

基于不同扩散模型的扩散加权成像均可以用于预测脑胶质瘤级别，DKI诊断价值最优；对于

IDH-1

突变状态的预测，DKI优于DTI，而NODDI价值有限。推荐DKI用于临床脑胶质瘤术前评估。

Abstract

Objective

To assess the diagnostic efficiency of different diffusion models （DTI， DKI and NODDI） in grading glioma and predicting

IDH-1

mutation status， and to further build logistic regression prediction models.

Methods

Totally 66 patients （22 females； mean age： 47.8） with pathologically proved gliomas were retrospectively included. All cases underwent bipolar spin echo diffusion examination. Parameters of DKI （MK； Ka； Kr）， DTI （MD and FA） and NODDI （intracellular volume fraction： icvf， orientation dispersion index： odi） were derived. ROIs were manually drawn and corresponding average values were calculated. Logistic regression was performed to build a predictive model. ROC curve was obtained， and Hosmer-lemeshow test was carried out to test the goodness of fit.

Results

DKI， DTI and NODDI parameters were significantly different between HGGs and LGGs （

0.01）. And among all diffusion parameters， a further logistic regression model for grading glioma only included age and MK， which showed the highest diagnostic value ［

AUC

=0.88，

AUC

95%CI （0.79， 0.96）］. Hosmer-lemeshow Test present excellent of goodness of fit. With

IDH-1

mutation status， NODDI showed no significant value for distinction， whereas DKI and DTI can significantly differentiate

IDH-1

mutated and non-mutated glioma （

0.05）. Further logistic regression only selected Kr （

0.01） in the model， which demonstrated the highest diagnostic value ［

AUC

=0.72，

AUC

95%CI （0.59， 0.85）］.

Conclusions

DKI is superior to DTI and NODDI in grading gliomas and identifying

IDH-1

mutation status. The model of MK value and age variables present the best discriminatory capacity for grading glioma and Kr value may serve as a potential predictive index for identify

IDH-1

mutation.

关键词

Keywords

references

Goodenberger ML ， Jenkins RB . Genetics of adult glioma ［J］. Cancer Genet ， 2012 ， 205 （ 12 ）： 613 - 621 .

Siegal T . Clinical relevance of prognostic and predictive molecular markers in gliomas ［J］. Adv Tech Stand Neurosurg ， 2016 ，（ 43 ）： 91 - 108 .

Louis DN ， Perry A ， Reifenberger G ， et al . The 2016 World Health Organization classification of tumors of the central nervous system： a summary ［J］. Acta Neuropathol ， 2016 ， 131 （ 6 ）： 803 - 820 .

Xu Z ， Ke C ， Liu J ， et al . Diagnostic performance between MR amide proton transfer （APT） and diffusion kurtosis imaging （DKI） in glioma grading and IDH mutation status prediction at 3 T ［J］. Eur J Radiol ， 2020 ， 134 ： 109466 .

Cairncross JG ， Wang M ， Jenkins RB ， et al . Benefit from procarbazine， lomustine， and vincristine in oligodendroglial tumors is associated with mutation of IDH ［J］. J Clin Oncol ， 2014 ， 32 （ 8 ）： 783 - 790 .

Smits M ， van den Bent MJ . Imaging correlates of adult glioma genotypes ［J］. Radiology ， 2017 ， 284 （ 2 ）： 316 - 331 .

Tropine A ， Vucurevic G ， Delani P ， et al . Contribution of diffusion tensor imaging to delineation of gliomas and glioblastomas ［J］. J Magn Reson Imaging ， 2004 ， 20 （ 6 ）： 905 - 912 .

Bai Y ， Lin Y ， Tian J ， et al . Grading of gliomas by using monoexponential， biexponential， and stretched exponential diffusion-weighted MR imaging and diffusion kurtosis MR imaging ［J］. Radiology ， 2016 ， 278 （ 2 ）： 496 - 504 .

Zhao J ， Li JB ， Wang JY ， et al . Quantitative analysis of neurite orientation dispersion and density imaging in grading gliomas and detecting IDH-1 gene mutation status ［J］. Neuroimage Clin ， 2018 ， 19 ： 174 - 181 .

Zhao J ， Wang YL ， Li XB ， et al . Comparative analysis of the diffusion kurtosis imaging and diffusion tensor imaging in grading gliomas， predicting tumour cell proliferation and IDH-1 gene mutation status ［J］. J Neurooncol ， 2019 ， 141 （ 1 ）： 195 - 203 .

Maynard J ， Okuchi S ， Wastling S ， et al . World Health Organization Grade Ⅱ/Ⅲ glioma molecular status： prediction by MRI morphologic features and apparent diffusion coefficient ［J］. Radiology ， 2020 ， 296 （ 1 ）： 111 - 121 .

Dijkstra H ， Sijens PE ， van der Hoorn A ， et al . Inter-observer reproducibility of quantitative dynamic susceptibility contrast and diffusion MRI parameters in histogram analysis of gliomas ［J］. Acta Radiol ， 2020 ， 61 （ 1 ）： 76 - 84 .

Jensen JH ， Helpern JA . MRI quantification of non-Gaussian water diffusion by kurtosis analysis ［J］. NMR Biomed ， 2010 ， 23 （ 7 ）： 698 - 710 .

Wu EX ， Cheung MM . MR diffusion kurtosis imaging for neural tissue characterization ［J］. NMR Biomed ， 2010 ， 23 （ 7 ）： 836 - 848 .

王婧妍，初建平，赵静，等 . NODDI在脑胶质瘤分级中的初步探讨［J］. 放射学实践， 2018 ， 33 （ 7 ）： 664 - 667 .

Wang JY ， Chu JP ， Zhao J ， et al . A preliminary discussion about the application of NODDI in grading glioma patients ［J］. Radiologic Pract ， 2018 ， 33 （ 7 ）： 664 - 667 .

Jensen JH ， Helpern JA ， Ramani A ， et al . Diffusional kurtosis imaging： the quantification of non-gaussian water diffusion by means of magnetic resonance imaging ［J］. Magn Reson Med ， 2005 ， 53 （ 6 ）： 1432 - 1440 .

王玉亮，赵静，李欣蓓，等 . 扩散峰度成像在胶质瘤分级和预测细胞增殖中的诊断效能［J］. 中国医学影像技术， 2017 ， 33 （ 2 ）： 177 - 182 .

Wang YL ， Zhao J ， Li XB ， et al . The diagnostic efficiency of diffusion kurtosis imaging in grading gliomas and predicting tumor cell proliferation ［J］. Chin J Med Imag Technol ， 2017 ， 33 （ 2 ）： 177 - 182 .

Kodiweera C ， Wu YC . Data of NODDI diffusion metrics in the brain and computer simulation of hybrid diffusion imaging （HYDI） acquisition scheme ［J］. Data Brief ， 2016 ， 7 ： 1131 - 1138 .

宋玉坤，陈颖茜，初建平，等 . 神经突起方向离散度和密度成像定量评估肝豆状核变性患者脑核团微结构改变［J］. 中国医学影像技术， 2018 ， 34 （ 5 ）： 650 - 655 .

Song YK ， Chen YX ， Chu JP ， et al . Quantitative analysis of neurite orientation dispersion and density imaging in evaluating microstructural changes of brain nuclei in wilson′s disease ［J］. Chin J Med Imag Technol ， 2018 ， 34 （ 5 ）： 650 - 655 .

Tan Y ， Zhang H ， Wang X ， et al . Comparing the value of DKI and DTI in detecting isocitrate dehydrogenase genotype of astrocytomas ［J］. Clin Radiol ， 2019 ， 74 （ 4 ）： 314 - 320 .

Zhang J ， Chen X ， Chen D ， et al . Grading and proliferation assessment of diffuse astrocytic tumors with monoexponential， biexponential， and stretched-exponential diffusion-weighted imaging and diffusion kurtosis imaging ［J］. Eur J Radiol ， 2018 ， 109 ： 188 - 195 .

Jiang R ， Jiang J ， Zhao L ， et al . Diffusion kurtosis imaging can efficiently assess the glioma grade and cellular proliferation ［J］. Oncotarget ， 2015 ， 6 （ 39 ）： 42380 - 42393 .

Van Cauter S ， Veraart J ， Sijbers J ， et al . Gliomas： diffusion kurtosis MR imaging in grading ［J］. Radiology ， 2012 ， 263 （ 2 ）： 492 - 501 .

Raab P ， Hattingen E ， Franz K ， et al . Cerebral gliomas： diffusional kurtosis imaging analysis of microstructural differences ［J］. Radiology ， 2010 ， 254 （ 3 ）： 876 - 881 .

Hui ES ， Cheung MM ， Qi L ， et al . Towards better MR characterization of neural tissues using directional diffusion kurtosis analysis ［J］. Neuroimage ， 2008 ， 42 （ 1 ）： 122 - 134 .

Xiong J ， Tan WL ， Pan JW ， et al . Detecting isocitrate dehydrogenase gene mutations in oligodendroglial tumors using diffusion tensor imaging metrics and their correlations with proliferation and microvascular density ［J］. J Magn Reson Imaging ， 2016 ， 43 （ 1 ）： 45 - 54 .

Hempel JM ， Schittenhelm J ， Brendle C ， et al . Histogram analysis of diffusion kurtosis imaging estimates for in vivo assessment of 2016 WHO glioma grades： A cross-sectional observational study ［J］. Eur J Radiol ， 2017 ， 95 ： 202 - 211 .

Hempel JM ， Schittenhelm J ， Brendle C ， et al . Effect of perfusion on diffusion kurtosis imaging estimates for in vivo assessment of integrated 2016 WHO glioma grades： a cross-sectional observational study ［J］. Clin Neuroradiol ， 2018 ， 28 （ 4 ）： 481 - 491 .

浏览量

287

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

扩散峰度成像鉴别直肠癌区域淋巴结良恶性的初步探讨

脑卒中后认知障碍的中枢机制：基于脑电图和磁共振成像的研究进展

表观弥散系数对磁共振引导聚焦超声术治疗子宫肌瘤效果的评估

基于不同扩散模型的扩散加权成像在脑胶质瘤分级和预测IDH-1突变的对比分析

Evaluating Glioma in Terms of Grading and Predicting IDH-1 Mutation Status by Advanced Diffusion Weighted Imaging： A Comparative Study of DTI， DKI and NODDI

DOI：

摘要

Abstract

关键词

Keywords

references