一、脑肿瘤磁共振成像技术的研究进展（论文文献综述）
林姗[1]（2021）在《DWI、IVIM和DKI在儿童脑肿瘤分级诊断中的应用价值》文中指出目的:探讨基于常规扩散加权成像（DWI）、体素内非相干运动（IVIM）和扩散峰度成像（DKI）技术衍生的各扩散参数在儿童脑肿瘤分级诊断中的应用价值,并评估其与儿童脑肿瘤组织病理特征之间的相关性,以期提高儿童脑肿瘤术前分级诊断的准确性。材料和方法:回顾性分析2017年7月至2020年8月期间于我院经手术组织病理证实的54例儿童脑肿瘤患者的临床及影像资料。所有患者均接受磁共振检查,包括常规MRI平扫+增强、DWI、IVIM和DKI序列。分析常规MRI影像学特征,包括肿瘤位置、囊变、坏死、出血、瘤周水肿、边界及强化。采用Image J软件选择肿瘤实性成分的最大层面沿肿瘤边缘手动绘制多边形的感兴趣区（ROI）,分别计算不同扩散参数图的ADCROI、DROI、D*ROI、fROI、DkROI和KROI平均值。采用3D slicer软件沿肿瘤实性成分边缘逐层手动绘制ROI,生成全肿瘤感兴趣容积（VOI）,分别计算不同扩散参数图的ADCVOI、DVOI、D*VOI、fVOI、DkVOI和KVOI平均值。对35例标本进行病理染色分析,计算组织病理指标,包括细胞密度、增值指数Ki-67和微血管密度（MVD）。采用Pearson’s卡方或Fisher’s确切概率法比较不同级别儿童脑肿瘤组间计数资料的差异。采用Student’s t检验或Mann-Whitney U检验比较儿童高、低级别脑肿瘤各扩散参数值之间的差异。采用Spearman相关性分析探讨各扩散参数值与组织病理指标之间的相关性。采用受试者工作特征（ROC）曲线评估各扩散参数值对儿童高、低级别脑肿瘤的鉴别诊断效能。结果:与儿童低级别脑肿瘤组相比,高级别组更容易出现坏死,组间差异具有统计学意义（50%vs 19.2%,P=0.018）。儿童高级别脑肿瘤组的ADCVOI值、DVOI值、DkVOI值均明显低于低级别脑肿瘤组,而KVOI值明显高于低级别脑肿瘤组（P均<0.001）。K值与细胞密度、Ki-67指标之间呈正相关（r=0.674～0.802,P均<0.001）,其中KVOI值与Ki-67指标的相关性最强（r=0.802,P<0.001）;而ADC值、D值、Dk值与细胞密度、Ki-67指标均呈负相关（r=-0.548～-0.740,P均<0.001）;各扩散参数值与微血管密度之间均无相关性（P均>0.05）。在所有扩散参数中,ADCVOI值在鉴别儿童高、低级别脑肿瘤中具有最高的ROC曲线下面积（AUC）,为0.901。但与其他扩散参数相比,其诊断效能之间的差异无统计学意义（校正后P>0.05）。在阈值为1.163×10-3mm2/s时,ADCVOI值鉴别儿童高、低级别脑肿瘤的敏感性为85.7%,特异性为84.6%。结论:基于DWI、IVIM和DKI衍生的扩散参数值有助于区分儿童高、低级别脑肿瘤,其诊断效能相当。此外,各扩散参数值在一定程度上能够反映儿童脑肿瘤的组织病理信息,包括细胞密度和增殖指数Ki-67。
柳永达[2]（2021）在《超声—核磁共振多模态技术联合神经导航在运动区附近肿瘤手术中的应用》文中进行了进一步梳理目的:探讨超声-核磁共振多模态技术联合神经导航技术在运动区附近脑肿瘤手术中的优势。方法:收集48例累及运动功能区附近的脑肿瘤患者,将其随机分为研究组和对照组,每组24例,研究组接受DTI、BOLD-f MRI、神经导航、术中超声技术行肿瘤切除术;对照组仅接受神经导航切除肿瘤。选取两组患者肿瘤切除率、术后随访Karnofsky功能状态（KPS）评分结果进行比较。结果:（1）两组患者术中均成功切除肿瘤,研究组17例全切,7例未全切,全切率为70.83%,对照组10例全切,14例未全切,全切除率为41.67%,P=0.042<0.05,为差异有统计学意义,研究组肿瘤全切除率明显优于对照组。（2）术后随访6个月KPS评分:研究组为（90.00±8.85）,对照组为（74.17±13.81）,术后KPS评分:研究组明显高于对照组,组间差异有统计学意义（P<0.001）。（3）组内差异:研究组和对照组术后KPS评分优于术前（P<0.05）,两组患者行手术治疗有统计学意义,研究组生活质量改善优于对照组。结论:DTI和BOLD-fMRI、术中超声、神经导航多技术联合应用能对肿瘤精准定位,更准确评估肿瘤切除范围,提高患者手术切除率、减轻脑组织损伤,改善术后KPS评分,提高患者的生活质量。
杨子依[3]（2021）在《176例犬猫神经系统疾病的MRI影像调查与典型病例分析》文中进行了进一步梳理随着核磁共振成像技术（MRI）在宠物诊疗行业中的应用,犬猫神经系统疾病的诊断有了更为准确的诊断手段。本研究收集了2020-2021年期间北京市某宠物医院的176例犬猫的神经系统疾病病例,分析了病例中犬猫常患脑部疾病和脊髓疾病的发病率、发病种类与年龄、性别、品种之间的关系,以及MRI在小动物神经系统疾病上的诊断效果,为犬猫神经系统疾病诊断中MRI的应用提供研究数据和理论基础。通过对收集的176例MRI影像确诊病例进行分析,发现犬患神经系统疾病的数量高于猫,比例为4.03:1;在收集的141只犬病例中,高发品种包括贵宾犬（27.1%）、田园犬（12.8%）、法国斗牛犬（11.3%）,发病率高的年龄段集中在3-5岁,占整体的34.8%;在收集的35只猫病例中,发病数量最多的品种为田园猫（22.86%）、英国短毛猫（22.86%）、美国短毛猫（20%）、布偶猫（17.1%）,发病率高的年龄段集中在1-2岁,占总发病数量的40%;而在犬和猫中,雄性的发病率均高于雌性,脑部疾病的发病率均高于脊髓疾病。通过对几种犬猫典型神经系统疾病MRI影像诊断学分析,丰富了兽医MRI影像检查数据。MRI技术在小动物神经系统器质性疾病诊断过程中作用十分重要,有广阔的应用前景。
许昌[4]（2021）在《多模态MRI在胶质瘤分级及基因分型中的价值研究》文中指出脑胶质瘤（简称胶质瘤,下同）是来源于神经上皮细胞肿瘤的统称,是中枢神经系统最常见的原发性肿瘤,大约有半数以上的恶性程度比较高,占所有颅内肿瘤的约45%。据美国脑肿瘤注册中心（Central Brain Tumor Registry of the United States,CBTRUS）2019 年最新统计的 2012-2016 年在美国诊断的原发性脑和其他中枢神经系统肿瘤数据显示:胶质瘤占原发性脑和其他中枢神经系统肿瘤的25.5%。近年来统计发现,胶质瘤的发病率和死亡率逐步上升,现在已经严重危害人类的健康。2007年世界卫生组织（World Health Organization,WHO）公布了胶质瘤的组织病理学分级,将脑胶质瘤分为四级:Ⅰ级、Ⅱ级胶质瘤属于低级别胶质瘤;Ⅲ级、Ⅳ级胶质瘤属于高级别胶质瘤。肿瘤的组织病理学分级越高,临床上的恶性程度越大,对周围组织的浸润性越强,治疗后肿瘤的复发率也越高,患者预后也越差。在临床治疗过程中,主要采取手术治疗、放疗、化疗的方式。针对不同组织病理学分级的胶质瘤,手术治疗的选择、切除范围的大小、放疗时间的长短、放疗范围的大小以及化疗用药的剂量等治疗方案亦不尽相同,因此在治疗方案确定前预估胶质瘤的组织病理学分级对于临床医师为病人制定合理的治疗方案、评估患者预后具备极为重要的临床意义。在胶质瘤的分级中,Ⅰ级胶质瘤在临床上较为少见,Ⅳ级胶质瘤因其内部结构复杂影像表现较为典型,临床和影像科医师通过影像图像较为容易诊断,Ⅱ级、Ⅲ级胶质瘤在影像图像上表现比较类似,鉴别较为困难,故Ⅱ级、Ⅲ级胶质瘤的影像学鉴别为医学影像诊断学的难点和重点。随着研究的不断深入,现已发现组织病理学类型相同的脑胶质瘤存在不同的基因遗传特性,例如异柠檬酸脱氢酶（Isocitrate Dehydrogenase,IDH）的突变。2016年版WHO中枢神经系统肿瘤分类中,胶质瘤在传统组织病理学基础上增加了基因分型,其中最主要是IDH基因分型,即将胶质瘤分为IDH突变型胶质瘤和IDH野生型胶质瘤。研究发现,IDH基因突变主要发生在低级别胶质瘤和继发性的胶质母细胞瘤中。目前国内外诸多学者研究表明,低级别胶质瘤的IDH基因分型对于低级别胶质瘤患者预后具有一定的影响,即IDH突变型低级别胶质瘤比野生型低级别胶质瘤治疗预后较好,主要在于IDH基因的突变增强了放疗及化疗的敏感性。在临床上,低级别胶质瘤以Ⅲ级较为多见,低级别胶质瘤的治疗方式以手术切除为主,同时对于IDH突变型的低级别胶质瘤辅以化疗,以此来降低胶质瘤的复发率、提高治疗效果。因此术前无创性的预测低级别胶质瘤IDH基因分型对于临床患者治疗具有重要的临床意义。近年来,大数据技术与医学影像辅助诊断的有机融合产生了影像组学的研究方法。影像组学（Radiomics）是利用数据描述性算法,采用自动或半自动的分析方法,从不同的影像图像中提取海量的影像特征来量化肿瘤等重大疾病,可以进行肿瘤异质性的定量评估,进而用于疾病的分类诊断、指导预后,在实际中具有重要的临床价值。磁共振成像技术（Magnetic Resonance Imaging,MRI）的发展,使磁共振成像技术成为目前诊断神经系统疾病最佳的无创性检查手段,磁共振的平扫、扩散加权成像和对比增强扫描是磁共振检查中最常用的扫描方式。磁共振扩散峰度成像（Diffusion Kurtosis Imaging,DKI）是一种起自于磁共振扩散成像的新兴技术,是用于监测人体组织内非高斯分布的水分子扩散运动的方法,它是基于扩散张量成像（Diffusion Tensor Imaging,DTI）、扩散加权成像（Diffusion Weighted Imaging,DWI）技术上的延伸,能够比DWI、DTI更加敏感的反应组织微结构的复杂程度,DKI可以使用各向异性分数（Fractional Anisotropy,FA）、平均扩散系数（Mean Diffusion,MD）、平均峰度（Mean Kurtosis,MK）等参数来定量描述细胞内外水分子扩散的非高斯分布、量化病变组织的微观结构改变,能够从微观功能层面反映脑胶质瘤的异质性。目前对于磁共振影像检查技术在胶质瘤分级及基因分型中的认识尚存在一定的不足,本研究试图通过多模态磁共振影像组学的角度对胶质瘤的高低级别进行分类鉴别,通过磁共振DKI的图像分析来鉴别低级别胶质瘤不同的IDH基因分型,为临床医师给胶质瘤患者制定个体化的治疗方案提供参考信息及依据。综上所述,本研究共分为两个部分:第一部分:多模态MRI影像组学在胶质瘤分级中的应用研究背景和目的:按照世界卫生组织2007年公布的胶质瘤组织病理学分级,将其分为四级:Ⅰ级、Ⅱ级胶质瘤归为低级别胶质瘤,将Ⅲ级、Ⅳ级胶质瘤归为高级别胶质瘤,不同级别胶质瘤的治疗方案不尽相同,治疗前对胶质瘤的分级尤为重要。Ⅰ级胶质瘤在临床上较为少见,Ⅳ级胶质瘤因其内部结构复杂故影像表现表现较为典型,在影像图像上较为容易诊断,ⅡⅡ级、Ⅲ级胶质瘤在影像图像上表现比较类似,鉴别较为困难,故Ⅱ级、Ⅲ级胶质瘤的影像学鉴别成为医学影像诊断学的难点和重点。临床上最常用的胶质瘤检查方式是MRI检查技术。本研究的目的是通过分析多模态MRI影像组学,提取影像组学特征,建立影像组学统计学模型,探讨多模态MRI影像组学在Ⅱ级、Ⅲ级胶质瘤鉴别诊断中的价值。材料与方法:经本研究的纳入和排除标准筛选,该研究共筛选胶质瘤患者180名（其中Ⅱ级胶质瘤78名,Ⅲ级胶质瘤102名）。所有患者术前2周内均进行了磁共振的常规扫描,检查设备采用德国西门子Skyra 3.0T超导磁共振扫描仪,常规MRI扫描序列包括横轴位T1加权成像（T1 Weighted Image,TIWI）、T2加权成像（T2 Weighted Image,T2WI）、T2液体衰减反转恢复序列（T2 Fluid-Attenuated Inversion Recovery,T2FLAIR）、扩散加权成像以及T1 加权成像对比增强扫描（Contrast Enhanced T1 Weighted Imaging,CET1WI）。将采集的 MRI 图像（TIWI、T2WI、T2FLAIR、DWI、ADC 图、CET1WI）的DICOM格式导入到汇医慧影Radcloud中,再将导入的图像进行感兴趣区的勾画,感兴趣区为最大截面的肿瘤实质区域。使用汇医慧影平台提取每个MRI序列感兴趣区的影像组学特征,同时进行数据分析以及影像组学统计分析。在统计分析中,采用单因素方差分析、最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator,LASSO）回归算法进行特征降维,逐步筛选影像组学特征,然后用计算机随机分配80%的数据纳入训练组进行训练,20%的数据分配给验证组,进行数据验证。对于训练组数据集,采用支持向量机（Support Vector Machin,SVM）和逻辑回归（Logistic Regression,LR）两种分类器构建了基于多模态MRI影像组学的模型,并采用验证组数据集对模型进行验证。本研究以P（精准度=真阳性/（真阳性+假阳性））、R（召回率=真阳性/（真阳性+假阴性））、Fl得分（F1得分=P*R*2/（P+R））、支持度support（测试集总数）四个指标来评价分类器的性能。用受试者工作特征（Receiver Operating Characteristic,ROC）曲线来说明影像组学特征的预测性能。结果:从每个MRI序列图像感兴趣区中各提取了 1409个影像组学特征,6个MRI序列图像共提取了 8454个影像特征。经过单因素方差分析、LASSO回归筛选后,剩余了最具诊断价值的7个特征。使用SVM分类器进行训练时,训练集的ROC曲线的曲线下面积（Area Under Curve,AUC）为0.962（95%CI:0.86-1.00）,Ⅱ级胶质瘤的敏感性为0.94,特异性为0.89,Ⅲ级胶质瘤的敏感性为0.89,特异性为0.94;验证集的AUC为0.76（95%CI:0.44-1.00）,Ⅱ级胶质瘤的敏感性为0.40,特异性为0.80,Ⅲ级胶质瘤的敏感性为0.80,特异性为0.40。用LR分类器进行训练时,训练集的AUC为0.955（95%CI:0.85-1.00）,Ⅱ级胶质瘤的敏感性为0.88,特异性为0.94,Ⅲ级胶质瘤的敏感性为0.94,特异性为0.88;验证数据集的AUC为0.68（95%CI:0.36-1.00）,Ⅱ级胶质瘤的敏感性为0.60和特异性0.80,Ⅲ级胶质瘤的敏感性为0.80,特异性为0.60。用支持向量机分类器进行训练时,训练集的精准度、召回率、F1得分、支持度分别为 0.88、0.94、0.91、16（IⅡ级胶质瘤）和 0.94、0.89、0.91、18（Ⅲ级胶质瘤）,验证集的精准度、召回率、F1得分、支持度分别为0.67、0.40、0.50、5（Ⅱ 级胶质瘤）和 0.57、0.80、0.67、5（Ⅲ级胶质瘤）。用LR分类器训练,训练集的精准度、召回率、F1得分、支持度分别为0.93、0.88、0.90、16（Ⅱ 级胶质瘤）、0.89、0.94、0.92、1 8（Ⅲ级胶质瘤）,验证集的精准度、召回率、F1得分、支持度为0.75、0.60、0.67、5（Ⅱ级胶质瘤）和 0.67、0.80、0.73、5（Ⅲ级胶质瘤）。结论:本研究通过多模态MRI影像组学的分析流程,对具有典型特征的影像征象进行分析整合,构建出多模态影像组学胶质瘤术前分级模型,为影像医师使用常规MRI检查技术诊断Ⅱ级、Ⅲ级胶质瘤提供参考;减少了患者的有创检查;为临床医师提供有效的信息,帮助其制定个性化治疗方案及预后评估。第二部分:DKI在预测低级别胶质瘤基因分型中的价值研究背景和目的:IDH1基因突变与低级别胶质瘤的预后有明显的相关性,不同IDH1基因分型的低级别胶质瘤治疗方案亦不相同。本研究的目的是评估DKI在预测低级别胶质瘤IDH1基因分型中的价值。材料与方法:收集临床确诊的低级别胶质瘤病例资料,患者术前均使用3T磁共振进行DKI扫描,DKI扫描使用平面回波成像（b值=0,1000,2000,30个扩散梯度方向）。选取肿瘤病灶区、病灶旁白质（Perilesional White Matter,pWM）和对侧正常白质（Contralateral Normal Appearing White Matter,cNAWM）区域为感兴趣区,用DKI成像方法,计算各个感兴趣区的MD、MK和FA值。采用独立样本t检验比较IDH1突变型和IDH1野生型组各DKI参数的差异,并用配对样本t检验分析pWM和cNAWM各DKI参数的差异。结果:经本研究的纳入和排除标准筛选,确诊的38例低级别胶质瘤患者最终入选,其中IDH1野生型胶质瘤10例（男6例,女4例,年龄32～67岁）,IDH1突变型胶质瘤28例（男16例,女12例,年龄35～69岁）。与突变型胶质瘤相比,野生型胶质瘤的MK值显着升高,MD值明显降低,FA值两者之间无明显差异。ROC曲线分析表明,MK值比MD值对IDH1基因分型检测的预测价值高,两者AUC分别为0.88和0.86。配对t检验显示,在IDH1野生型和IDH1突变型胶质瘤中,pWM和cNAWM的MD值和MK值均存在显着差异（p值均<0.001）。有趣的是,在IDH1野生型胶质瘤中,pWM与cNAWM相比,FA值有显着差异,而在IDH1突变型胶质瘤中则没有差异。结论:IDH1野生型胶质瘤与IDH1突变型相比,肿瘤病灶区的MK值较高,MD值较低;IDH1野生型和突变型胶质瘤中,pWM和cNAWM的MD值和MK值有显着差异,IDH1野生型胶质瘤pWM中FA值较cNAWM低,IDH1突变型胶质瘤无差异。肿瘤病灶区MK值对IDH1野生型和突变型低级别胶质瘤的分型较MD值敏感,pWM区FA值的改变也有助于区分基因分型。这一发现表明DKI参数有助于区分低级别胶质瘤IDH1的基因分型。
李小莉[5]（2021）在《多模态磁共振成像技术在癫痫病脑结构性病因诊断中的应用》文中进行了进一步梳理第一部分高分辨磁共振成像在诊断癫痫病脑结构性病因中的价值目的 探讨全年龄段癫痫病患者的脑结构性病因分布,分析高分辨磁共振成像（MRI）在诊断癫痫病脑结构性病因中的价值。方法 回顾性收集在山东省立医院神经内科和小儿神经科住院的247例确诊为癫痫的患者,其中经高年资神经内科、小儿神经科和影像科医生结合患者的临床及辅助检查资料诊断其癫痫由结构性病因引起的患者116例,116例患者均使用3.0 T Siemens Magnetom Prisma扫描仪和32通道相控阵头部线圈进行了高分辨的磁共振序列扫描。收集统计116例患者的发病年龄、性别及具体结构性病因的分布。分析总结不同结构性病因在高分辨磁共振成像（MRI）中的征象特点。结果 116例脑结构性病因癫痫病患者中0～18岁年龄段54例（约占46.5%）,其中男29例,女25例;19～40岁年龄段25例（约占21.6%）,其中男13例,女12例;41～60岁年龄段18例（约占15.5%）,其中男11例,女7例;>60岁年龄段19例（约占16.4%）,其中男11例,女8例。在本研究中,18岁以下患者（婴幼儿及青少年患者）是癫痫病的高发人群,约占研究总数的46.5%;同时男性患者在各个年龄段的患病率均略高于女性,但总体而言,癫痫病的发病概率男女未见明显差异（P>0.05）。0～18岁年龄段患者的病因分布以脑皮质发育不良居首位,其次是脑创伤、脑肿瘤、海马硬化、杏仁核肥大等;19～40岁年龄段患者的病因分布以脑皮质发育不良居首位,其次是脑创伤、杏仁核肥大、海马硬化、脑肿瘤、脑血管病等;41～60岁年龄段患者的病因分布以脑肿瘤居首位,其次是海马硬化、杏仁核肥大、脑创伤、脑血管病等;>60岁年龄段患者的病因分布以脑血管病居首位,其次是脑肿瘤、海马硬化、脑创伤、杏仁核肥大等。高分辨磁共振成像对脑内微小结构病变的显示具有优越性。各类结构性病因在高分辨磁共振成像中的征象总结如下:（1）脑皮质发育异常:①局灶性皮质发育不良:a.局灶性灰白质分界模糊b.局灶性皮质增厚c.局灶性皮质增厚并周围白质内T2加权像异常高信号d.灰质内异常信号e.白质内异常信号f.局部脑叶萎缩或发育不良;②灰质异位:脑白质区条状、带状、类圆形、脑回样等T1等T2灰质信号;③脑裂畸形:横贯大脑半球的横行裂隙,边缘见等T1等T2灰质信号覆盖。（2）脑创伤:①脑内陈旧性出血灶;②脑内软化灶;③脑内软化灶并胶质增生;④脑内缺血灶。（3）脑血管病:①脑梗死;②脑出血;③脑梗死后软化灶形成。（4）脑肿瘤。（5）海马硬化:①海马体积减小;②T2加权像及T2-FLAIR像信号增高。（6）杏仁核肥大:杏仁核体积增大,可见于左侧、右侧或双侧,双侧少见。结论 脑皮质发育异常、脑创伤、脑血管病、脑肿瘤、海马硬化、杏仁核肥大为各年龄段癫痫病的主要结构性病因,患者年龄不同,病因分布也存在差异。高分辨磁共振成像对脑内微小结构病变显示具有优越性。第二部分探讨高级扩散成像在伴杏仁核肥大颞叶癫痫致痫灶定位中的应用价值目的 高级扩散成像技术有助于定位常规MRI阴性癫痫患者的脑内致痫灶。本研究的目的是探讨两种高级扩散成像序列,扩散张量成像（diffusion tensor imaging,DTI）和神经突方向离散度与密度成像（neurite orientation dispersion and density imaging,NODDI）对检测伴杏仁核肥大（amygdala enlargement,AE）颞叶癫痫患者致痫灶的临床应用价值。方法 利用3.0 T Siemens Magnetom Prisma扫描仪对15例常规MRI图像中仅表现为杏仁核肥大的颞叶癫痫患者及14名年龄和性别匹配的正常志愿者作为对照组行DTI和NODDI序列扫描,量化分析癫痫患者患侧与健侧、患侧与对照组杏仁核和海马的平均弥散率（mean diffusivity,MD）、部分各向异性（fractional anisotropy,FA）、细胞内体积分数（neurite densitv index,NDI）和方向分散指数（orientation dispersion index,ODI）,获取每一种参数的受试者工作曲线（receiver operating characteristic,ROC）及相应的AUC值,计算其敏感度和特异度,分析确定癫痫致痫灶的独立预测因子。结果 癫痫患者患侧杏仁核的FA值、NDI值明显低于健侧,MD值、ODI值明显高于健侧（P<0.05）。患者患侧海马的NDI值明显低于健侧（P<0.05）,FA值、MD值及ODI值未见明显统计学差异。癫痫患者患侧杏仁核的NDI值明显低于对照组（P<0.05）,FA值、MD值和ODI值未见明显统计学差异。癫痫患者患侧与对照组海马FA值、MD值、NDI值及ODI值未见明显统计学差异。获得患者患侧与健侧杏仁核的参数值的ROC曲线,FA值、MD值、NDI值、ODI 值的 ROC 曲线下面积分别为 0.19（95%CI,0.03～0.35）、0.78（95%CI,0.61～0.95）、0.22（95%CI,0.05～0.38）、0.84（95%CI,0.68～0.99）,ODI值的敏感度和特异度最高,分别为86.7%、80%。结论 DTI和NODDI可以帮助评价诊断伴杏仁核肥大颞叶癫痫患者的致痫灶,NODDI的诊断准确性更高。
蔡阿昌[6]（2021）在《基于深度学习的核磁脑肿瘤分割研究》文中研究说明脑肿瘤是一种全球死亡率较高的疾病,对病变组织范围的界定是对脑肿瘤定量评估和制定治疗计划的一个主要挑战。近年来,基于核磁共振成像（Magnetic Resonance Imaging,MRI）的脑肿瘤分割研究因其无创成像和良好的软组织对比度而受到越来越多的关注。核磁脑肿瘤分割是指,基于脑部核磁共振影像,将坏死细胞、水肿、活跃细胞从脑脊液等正常组织中标记出来,从而确定肿瘤范围的过程。目前,常规临床中采用人工分割的方法。该方法由一个或多个专家凭借知识经验进行手工标注,不仅耗时费力而且具有主观性。即使同一专家在不同时候得到的分割结果也可能不相同。为了解决人工分割的弊端,本文基于深度学习技术研究脑肿瘤自动分割算法,具体研究成果如下:（1）研究分析了基于U-Net网络模型分割算法的原理和优化方案。U-Net采用四次上采样和四次下采样以及跳层链接结构,该结构可以更好地结合核磁脑肿瘤的低分辨率信息以及精准分割定位的高分辨率信息,减少卷积过程的信息损失。通过数据预处理和后处理、引入残差机制和注意力机制、改进损失函数等多种策略对该算法进行改进,并在Bra TS（The Brain Tumor Segmentation Challenge）数据集上进行模型训练、测试。实验结果表明:残差机制对于算法性能提升较小;注意力机制能够使模型集中病灶区域,更有利于分割准确度;通过改进损失函数可以在一定程度上解决细粒度数据不均衡问题,从而提升算法性能。（2）基于（1）的研究成果,本文提出了一种基于MASegGAN模型的脑肿瘤分割算法。该模型由肿瘤分割器（Tumor Segmentor,TS）和分割判别器（Prediction Discriminator,PD）组成。肿瘤分割器使用了类似U-Net网络的编码器-解码器模型,并采用平行分支来利用不同模态特征,最终生成概率图。分割判别器由卷积层、多尺度平均误差和Focal损失函数构成。在训练过程中,二者进行动态博弈最终达到平衡。采用五折交叉验证和模型融合方法得到最终模型,然后在Bra TS数据集上进行测试,在整个肿瘤、增强肿瘤和核心肿瘤的平均Dice分值分别为0.9016、0.8987和0.9147,在整个肿瘤和增强肿瘤部分的分割结果优于当前主流算法性能。同时,实验也验证了多模型融合可以进一步提高脑肿瘤分割的准确度。最后,为了方便医生使用该算法,将训练好的模型应用在一个可视化的、支持交互操作的脚本中。
何晓芳[7]（2021）在《ADC值和DCE-MRI灌注参数在儿童幕下脑肿瘤病理分级中的诊断应用》文中认为目的探讨表观扩散系数（Apparent diffusion coefficient,ADC）值在儿童幕下脑肿瘤病理分级中的诊断价值。方法回顾性分析本院经手术病理证实的70例儿童幕下脑肿瘤的ADC图像,根据2016世界卫生组织（World Health Organization,WHO）中枢神经系统肿瘤分类,I级13例,II级6例,III级6例,IV级45例,测量不同病理分级肿瘤实质部分的最小ADC值,经过统计学分析各组之间的差异并绘制工作特性（R-eceiver operating characteristic,ROC）曲线,预测ADC最佳临界值。结果低级别（I～II）与高级别（III～IV）幕下脑肿瘤的平均最小ADC值分别为（1.08±0.33）×10-3mm2/s和（0.48±0.15）×10-3mm2/s,两组差异具有统计学意义（P<0.001）,当ADC值<0.849×10-3mm2/s时,考虑为高级别可能性大,敏感性为90.2%,特异性为94.7%。I～IV级的平均最小ADC值分别为（1.17±0.31）×10-3mm2/s、（0.86±0.29）×10-3mm2/s、（0.65±0.16）×10-3mm2/s、（0.46±0.13）×10-3mm2/s,III、IV级组间差异有统计学意义（P<0.05）,当ADC值<0.578×10-3mm2/s,考虑为IV级可能性大,敏感性为66.7%,特异性为91.1%。I、II级与II、III级组间差异不具有统计学意义（P>0.05）。结论最小ADC值有助于儿童幕下脑肿瘤的分级诊断。目的探讨动态对比增强（Dynamic contrast enhanced,DCE）磁共振灌注参数[容积转移常数（Volume transfer constant,Ktrans）、反流常数（Exchange rate constant,Kep）、血管外细胞外容积比（Volume of extravascular extracellular space per unit volume of tissue,Ve）、相对强化率的曲线下面积（i AUC）]在儿童幕下脑肿瘤病理分级的应用价值。方法回顾性分析本院经手术病理证实的70例儿童幕下脑肿瘤的DCE-MRI图像数据。其中低级别（III级）19例,高级别（IIIIV级）51例。测量不同病理分级肿瘤实质部分的灌注参数值。对灌注参数进行Mann-Whitney U检验、Spearman相关分析,并绘制ROC曲线预测灌注参数值的最佳临界值。结果高、低级别幕下脑肿瘤的Ktrans值及Kep值差异均具有统计学意义（P<0.001）。Ktrans值、Kep值与病理分级间呈正相关。当Ktrans值>0.705min-1时,考虑为高级别可能性大,敏感性为86.3%,特异性84.2%（P<0.001）,当Kep值>0.612min-1时,考虑为高级别可能性大,敏感性为98%,特异性63.2%（P<0.001）。高、低级别幕下脑肿瘤的Ve值及i AUC值差异无统计学意义（P>0.05）。结论DCE-MRI灌注参数值（Ktrans,Kep）在儿童幕下脑肿瘤病理分级中具有重要临床意义。
李双鑫[8]（2021）在《3D-ASL联合DKI成像在脑泡型包虫病的应用价值》文中指出目的:通过分析脑泡型包虫病（Cerebral alveolar echinococcosis,CAE）常规磁共振、扩散加权成像（Diffusion weighted imaging,DWI）、三维动脉自旋标记（Three dimensional-arterial spin labeling,3D-ASL）及扩散峰度成像（Diffusion kurtosis imaging,DKI）的成像特点,研究CAE的生物学特征及血流灌注特点,并将CAE与脑转移瘤（Brain metastases,BM）进行鉴别诊断,提高诊断水平。方法:所有病人均在3TMR检查仪（MAGNETOM Prisma,Siemens Healthcare,Erlangen,Germany）上进行常规MRI、DWI、DKI及3D-ASL成像。对24例经临床、病理或其它影像学检查手段诊断为CAE的患者,分析CAE病灶（共86个）的数量、大小、位置、水肿体积及水肿指数特点、囊泡个数以及MRI序列（DWI、DKI、3D-ASL）对病灶不同区域（实质、边缘、水肿）的诊断价值。分别测量CAE病灶不同区域的DKI参数（Kmean、Krad、Kax、Dmean、Drad、Dax及FA）值、ADC值和CBF值并与对侧正常脑组织平均值相比得到各参数标准化后的值,并比较CAE病灶体积与病灶周围水肿体积之间的相关关系以及囊泡个数与病灶体积之间的相关关系。分别测量24例CAE（共86个病灶）和16例BM（共69个病灶）两组病灶实质及水肿区的各标准化参数（nADC、nKmean、nDmean、nFA、nCBF）值。两组间分别采用独立样本t检验分析,对于差异具有一定统计学研究意义的参数进行ROC曲线分析,评价各个参数鉴别脑泡型包虫病与脑转移瘤患者的效能。结果:24例CAE共86个病灶,病灶边缘区的Kmean、Krad、Kax、FA及CBF值高于病灶实质区、水肿区和正常区（P<0.001）。CAE病灶边缘区的Dmean、Drad及Dax值低于实质区、水肿区及对侧正常组织（P<0.01）。CAE病灶边缘区的ADC值低于实质区及水肿区（P<0.01）。CAE病灶实质区及水肿区的Kmean、Krad、Kax、ADC值高于对侧正常脑组织（P<0.001）。CAE病灶实质区和水肿区的Dmean、Drad、Dax、FA及CBF值低于对侧正常脑组织（P<0.05）。CAE病灶MRI平扫水肿体积及水肿指数统计值分别为（230.73±336.09）cm3、11.58±14.11。CAE病灶体积及水肿体积以及病灶内囊泡个数与病灶体积之间都存在正相关（r=0.855,P<0.001;r=0.639,P<0.001）。CAE和BM组病灶实质区n Kmean、n Dmean、nFA及nCBF值差异均有统计学意义（P<0.01）,但是实质区nADC值差异无统计学意义（P>0.05）。CAE组和BM病灶水肿区nKmean、nDmean、nFA、nCBF及nADC值差异均有统计学意义（P<0.05）。ROC曲线的结果分析表明两组病灶实质区n CBF值的敏感度和其特异性都比较高,曲线下的面积最大,水肿区的n Kmean值的敏感性和其特异性都比较高,曲线下的面积也比较大,以此作为评价这些参数对于鉴别CAE与BM的效能。结论:通过联合常规磁共振技术以及DWI、DKI及3D-ASL成像等技术,在一定分子水平下深入研究CAE病灶的周围边缘组织、水肿区域及囊泡的微观生物学特点,血脑屏障的损伤和破坏程度及其新生血管形成状态等情况,探究CAE病灶大小与周围水肿大小之间的相互关系以及囊泡个数与其病灶体积之间的相互关系,为脑泡型包虫病的识别、确认边缘区域以及其病灶活性特征提供了一条全新的途径。脑泡型包虫病病灶内部及周边的多发长T2信号小囊泡有助于与脑转移瘤鉴别,DWI、DKI联合3D-ASL的各定量参数对鉴别脑泡型包虫病与脑转移瘤有重要的价值。
党佩[9]（2021）在《扩散峰度成像（DKI）在脑胶质瘤复发与假性进展鉴别中的应用价值》文中认为目的探讨扩散峰度成像（DKI）在鉴别胶质瘤患者术后复发（PD）与假性进展（PsP）中的临床应用价值。材料与方法经患者知情同意后,通过纳入与排除标准回顾性收集宁夏医科大学总医院2018年10月-2020年12月间经手术治疗并术后接受放、化疗治疗的脑胶质瘤患者共40例,所有患者均行常规磁共振成像和DKI序列扫描。40例患者通过二次手术病理或经MRI增强扫描随访>6个月分为PD组（24例）与PsP组（16例）。分别测量PD组与PsP组患者增强病灶和瘤周水肿中DKI参数值平均峰度（MK）、轴向峰度（AK）、径向峰度（RK）和DTI技术参数值平均扩散系数（MD）、部分各向异性（FA）。使用两独立样本T检验或Mann-Whitney U检验比较胶质瘤PD和PsP之间各参数值的组间差异。绘制受试者工作特征曲线（ROC）,用于评估每个参数的鉴别诊断效能。计算不同参数值的曲线下面积（AUC）、最佳诊断阈值、灵敏度和特异度。结果1.胶质瘤PD组患者的增强病灶中,相对平均峰度值（r MK）、相对径向峰度值（r RK）显着高于PsP组患者（P<0.001,P<0.001）,相对平均扩散系数值（r MD）显着低于PsP组患者（P=0.025）。相比较r RK值、r MD值的曲线下面积（AUC=0.828,AUC=0.701）,r MK值的曲线下面积最大（AUC=0.935）,以0.801作为最佳诊断阈值时,诊断的灵敏度和特异度分别为87.50%和99.37%。2.胶质瘤PD组患者的病灶瘤周水肿中,相对平均峰度值（r MK）显着高于PsP组患者（P<0.001）,相对平均扩散系数值（r MD）显着低于PsP组患者（P=0.012）。相比较r MD值的曲线下面积（AUC=0.734）,r MK值的曲线下面积最大（AUC=0.816）,以0.817作为最佳诊断阈值时,诊断的灵敏度和特异度分别为79.20%和78.70%。结论1.胶质瘤PD与PsP患者的增强病灶中,DKI的参数值MK、RK和DTI的参数值MD具有鉴别诊断价值,较PsP患者,胶质瘤PD患者增强病灶的MK值、RK值升高,MD值降低。2.胶质瘤PD与PsP患者的瘤周水肿中,DKI的参数值MK和DTI的参数值MD具有鉴别诊断价值,较PsP患者,胶质瘤PD患者瘤周水肿的MK值升高,MD值降低。3.DKI技术在鉴别胶质瘤PD与PsP方面的敏感性及特异性较好,其中DKI的参数值MK的诊断效能最高,今后有可能作为较好的影像学标记。
薛彩强[10]（2021）在《基于深度学习评估较低级别脑胶质瘤MGMT启动子甲基化状态》文中进行了进一步梳理目的:1.探讨MRI征象在术前评估较低级别胶质瘤06-甲基鸟嘌呤-DNA-甲基转移酶（06-methylguanine-DNA methyhransferase,MGMT）启动子甲基化状态中的价值。2.探讨Efficient Net-B3卷积神经网络在术前预测MGMT启动子甲基化状态中的价值,并对基于不同序列的所建立模型进行性能比较,选取最佳序列组合进行建模。方法:1.回顾性分析兰州大学第二医院2016年6月-2020年6月经手术病理及分子病理证实的89例较低级别胶质瘤患者的临床及影像学资料,其中MGMT启动子甲基化共59例,非甲基化共30例。所有患者术前均行MRI扫描,包括T1WI、T2WI、FLAIR、DWI及T1WI增强序列。对肿瘤的发病性别、年龄、位置、病变数目、肿瘤直径、囊变坏死、肿瘤边界、出血、瘤周水肿、是否跨越中线、强化程度等征象及ADCmin值、ADCmean值、n ADC值进行统计学分析,通过受试者操作特征（receiver operating characteristic,ROC）曲线对MGMT启动子甲基化状态相关指标效能进行评价。2.将收集的121例较低级别胶质瘤的MRI图像的T2WI及T1增强序列,通过手动选取每个患者所有包含病灶层面的图像,按照7:3随机分成训练集（n=85）及验证集（n=36）,应用Efficient Net-B3卷积神经网络构建了独立的基于T2WI、T1WI增强、T2WI联合T1WI增强的预测模型T2-net、T1C-net、TS-net,通过ROC曲线对各个模型预测效能分别进行评价。结果:1.与MGMT非甲基化组相比,较低级别胶质瘤MGMT甲基化组的ADCmin值[（0.97±0.30）×10-3vs（0.84±0.23）×10-3 mm2/s]显着更高,差异具有统计学意义（P=0.032）。而MGMT甲基化组与非甲基化组ADCmean值[（1.10±0.32）×10-3 vs（0.99±0.32）×10-3 mm2/s]及n ADC值[（1.48±0.46）vs（1.37±0.44）]差异不具有统计学意义（P均>0.05）。利用ADCmin值将较低级别胶质瘤MGMT甲基化组与非甲基化组进行鉴别时,AUC值为0.646,当ADCmin=0.76×10-3 mm2/s时,敏感度为76%,特异度为57%。而两组间的发病年龄、性别、肿瘤的位置、病变数目、是否跨越中线、是否出血、肿瘤边界、囊变有无、肿瘤直径、囊变最大径、水肿最大径、强化程度差异均无统计学意义（P>0.05）;2.T2-net模型在在验证集上准确率为72.3%,敏感度为64.7%,特异度为73.3%,ROC曲线下面积（AUC）为0.718;T1C-net模型在验证集上准确率为66.8%,敏感度为68.3%,特异度为66.9%,ROC曲线下面积（AUC）为0.721;TS-net模型在验证集上准确率为81.8%,敏感度为63.1%,特异度为85.0%,ROC曲线下面积（AUC）为0.784。结论:1.ADCmin值在术前评估较低级别胶质瘤MGMT甲基化状态具有初步的参考价值;利用常规MRI征象不能对较低级别胶质瘤MGMT甲基化状态进行评估。2.基于MRI的Efficient Net-B3卷积神经网络可以预测较低级别胶质瘤MGMT启动子甲基化状态,基于T2WI联合T1WI增强的TS-net模型预测性能最佳,模型对术前无创性预测MGMT启动子甲基化状态具有价值。
二、脑肿瘤磁共振成像技术的研究进展（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、脑肿瘤磁共振成像技术的研究进展（论文提纲范文）
（1）DWI、IVIM和DKI在儿童脑肿瘤分级诊断中的应用价值（论文提纲范文）
| 英文缩略词表 |
| 中文摘要 |
| Abstract |
| 前言 |
| 材料和方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 综述 磁共振扩散成像技术在儿童脑肿瘤中的应用进展 |
| 参考文献 |
| 致谢 |
（2）超声—核磁共振多模态技术联合神经导航在运动区附近肿瘤手术中的应用（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 英文缩写 |
| 前言 |
| 资料与方法 |
| 结果 |
| 附图 |
| 附表 |
| 讨论 |
| 结论 |
| 参考文献 |
| 综述 DTI和 BOLD-fMRI在运动功能区附近肿瘤切除术中的临床应用进展 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（3）176例犬猫神经系统疾病的MRI影像调查与典型病例分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 MRI的研究进展 |
| 1.1 MRI的简介 |
| 1.2 MRI的成像原理 |
| 1.3 MRI的图像特点 |
| 1.4 MRI的分类 |
| 1.5 MRI的临床应用 |
| 第二章 犬猫神经系统疾病概述 |
| 2.1 犬猫脑部疾病的概述 |
| 2.1.1 脑膜脑炎 |
| 2.1.2 脑萎缩 |
| 2.1.3 脑出血 |
| 2.1.4 脑积水 |
| 2.1.5 脑梗死 |
| 2.2 犬猫脊髓疾病的概述 |
| 2.2.1 椎间盘病 |
| 2.2.2 脊髓炎 |
| 2.2.3 脊髓空洞 |
| 2.2.4 脊髓肿瘤 |
| 第三章 MRI在犬猫神经系统疾病中的应用 |
| 3.1 头部脑部疾病 |
| 3.2 脊椎疾病 |
| 3.3 肿瘤 |
| 3.4 胸腹腔疾病 |
| 第四章 犬猫神经系统疾病的临床病例调查 |
| 4.1 材料与方法 |
| 4.1.1 来源 |
| 4.1.2 设备 |
| 4.1.3 检查方法 |
| 4.1.4 病例收集标准 |
| 4.1.5 疾病诊断依据 |
| 4.2 结果与讨论 |
| 4.2.1 犬猫病例数量 |
| 4.2.2 犬常见神经疾病的患病情况 |
| 4.2.3 猫常见神经疾病的患病情况 |
| 4.3 小结 |
| 第五章 MRI在犬猫神经疾病诊断应用实例 |
| 5.1 脊椎疾病 |
| 5.1.1 脊椎典型病例一:腰椎间盘突出 |
| 5.1.2 脊椎典型病例二:颈椎间盘突出 |
| 5.1.3 脊椎典型病例三:椎体形态异常 |
| 5.1.4 脊椎典型病例四:脊髓炎 |
| 5.1.5 脊椎典型病例五:脊髓空洞 |
| 5.1.6 脊椎典型病例六:椎体肿物 |
| 5.2 脑部疾病 |
| 5.2.1 脑部典型病例一:脑膜炎 |
| 5.2.2 脑部典型病例二:脑积水 |
| 5.2.3 脑部典型病例三:脑外伤 |
| 5.2.4 脑部典型病例四:脑肿瘤 |
| 5.2.5 脑部典型病例五:中耳炎 |
| 讨论 |
| 结论 |
| 参考文献 |
| 致谢 |
（4）多模态MRI在胶质瘤分级及基因分型中的价值研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 多模态MRI影像组学在胶质瘤分级中的应用 |
| 1.1 前言 |
| 1.1.1 胶质瘤概述 |
| 1.1.2 磁共振成像 |
| 1.1.3 影像组学 |
| 1.1.4 研究目的和意义 |
| 1.2 材料和方法 |
| 1.2.1 研究对象 |
| 1.2.2 影像数据采集 |
| 1.2.3 图像处理 |
| 1.2.4 特征提取及特征量化 |
| 1.2.5 分类判别与模型建立 |
| 1.2.6 统计学方法 |
| 1.3 结果 |
| 1.3.1 一般资料 |
| 1.3.2 特征提取及筛选量化结果 |
| 1.3.3 分类结果 |
| 1.4 讨论 |
| 1.5 结论 |
| 1.6 图表及说明 |
| 第二章 DKI在预测低级别胶质瘤基因分型中的价值 |
| 2.1 前言 |
| 2.2 材料与方法 |
| 2.2.1 研究对象 |
| 2.2.2 磁共振成像 |
| 2.2.3 DKI后处理 |
| 2.2.4 统计分析 |
| 2.3 结果 |
| 2.3.1 一般资料 |
| 2.3.2 DKI成像结果 |
| 2.4 讨论 |
| 2.5 结论 |
| 2.6 图表及说明 |
| 第三章 综述:MRI在胶质瘤分级及基因分型中的应用进展 |
| 3.1 前言 |
| 3.1.1 胶质瘤的分级 |
| 3.1.2 胶质瘤的基因分型 |
| 3.2 磁共振检查技术 |
| 3.2.1 常规MRI检查技术 |
| 3.2.2 MRI扩散加权成像检查技术 |
| 3.2.3 MRI其他成像技术 |
| 3.3 磁共振技术在胶质瘤中的应用 |
| 3.3.1 常规MRI检查胶质瘤影像学表现 |
| 3.3.2 MRI扩散加权成像胶质瘤影像学表现 |
| 3.3.3 MRI其他成像技术胶质瘤影像学表现 |
| 3.4 MRI影像组学在胶质瘤中的应用 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文和参加科研情况 |
| 学位论文评阅及答辩情况表 |
| 附件 1-发表的SCI收录文章: 综合生物信息学分析对胶质瘤不同表达基因和信号通路的鉴别 |
| 附件 2-正在投稿的英文文章: MR扩散峰度成像在术前鉴别低级别胶质瘤和高级别胶质瘤的疗效: 系统回顾和Meta分析 |
（5）多模态磁共振成像技术在癫痫病脑结构性病因诊断中的应用（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 符号说明 |
| 第一部分: 高分辨磁共振成像在诊断癫痫病脑结构性病因中的价值 |
| 前言 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 附表 |
| 附图 |
| 参考文献 |
| 第二部分: 探讨高级扩散成像在伴杏仁核肥大颞叶癫痫致痫灶定位中的应用价值 |
| 前言 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 附表 |
| 附图 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 学位论文评阅及答辩情况表 |
（6）基于深度学习的核磁脑肿瘤分割研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 序言 |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文章节安排 |
| 1.5 本章小结 |
| 2 CNN与脑肿瘤分割理论基础 |
| 2.1 CNN模型 |
| 2.2 U-Net网络模型 |
| 2.3 残差机制和注意力机制 |
| 2.4 损失函数 |
| 2.4.1 二元交叉熵损失函数 |
| 2.4.2 Focal损失函数 |
| 2.5 基于CNN的脑肿瘤分割理论基础 |
| 2.6 本章小结 |
| 3 基于U-Net模型的脑肿瘤分割算法及改进 |
| 3.1 问题描述 |
| 3.2 基于 3D U-Net的脑肿瘤分割方法 |
| 3.2.1 基于CNN的脑肿瘤分割算法框架 |
| 3.2.2 U-Net算法和改进 |
| 3.3 实验与分析 |
| 3.3.1 实验环境和数据集 |
| 3.3.2 评价指标 |
| 3.3.3 实验细节与训练过程 |
| 3.3.4 实验结果与分析 |
| 3.4 本章小结 |
| 4 基于对抗神经网络的MASegGAN脑肿瘤分割算法 |
| 4.1 研究目的 |
| 4.2 对抗神经网络思想 |
| 4.3 MASegGAN网络模型 |
| 4.4 实验设计与结果分析 |
| 4.5 可视化脑肿瘤分割 |
| 4.6 本章小结 |
| 5 结论 |
| 5.1 研究内容总结 |
| 5.2 未来展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）ADC值和DCE-MRI灌注参数在儿童幕下脑肿瘤病理分级中的诊断应用（论文提纲范文）
| 中英文缩略词表 |
| 中文摘要 |
| ABSTRACT |
| 前言 |
| 第一部分 ADC值在儿童幕下脑肿瘤病理分级中的诊断应用 |
| 背景 |
| 对象与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 第二部分 DCE-MRI灌注参数在儿童幕下脑肿瘤病理分级中的诊断应用 |
| 背景 |
| 对象与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 综述 DCE-MRI 在儿童脑肿瘤中的研究进展 |
| 参考文献 |
| 致谢 |
（8）3D-ASL联合DKI成像在脑泡型包虫病的应用价值（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号对照表 |
| 引言 |
| 第1章 常规MRI结合DWI、DKI及 3D-ASL技术在脑泡型包虫病的应用价值 |
| 1.1 对象和方法 |
| 1.1.1 研究对象及基本情况 |
| 1.1.2 研究对象纳入和排除标准 |
| 1.1.3 MR检查方法及扫描参数 |
| 1.1.4 图像分析 |
| 1.1.5 图像后处理 |
| 1.1.6 统计分析 |
| 1.2 结果 |
| 1.2.1 研究对象一般资料 |
| 1.2.2 CAE病灶常规影像学表现 |
| 1.2.3 CAE病灶体积与水肿体积以及囊泡与病灶体积的相关性分析 |
| 1.2.4 CAE病灶DWI、DKI及3D-ASL结果 |
| 1.3 讨论 |
| 1.3.1 脑泡型包虫病概述 |
| 1.3.2 脑泡型包虫病的病理 |
| 1.3.3 CAE病灶不同区域DWI表现及特点 |
| 1.3.4 CAE病灶不同区域DKI表现及特点 |
| 1.3.5 CAE病灶不同区域3D-ASL表现及特点 |
| 1.3.6 CAE病灶周围水肿的特点 |
| 1.3.7 CAE病灶体积与水肿体积、囊泡个数的相关性分析 |
| 1.3.8 本章小结 |
| 第2章 DWI、DKI联合3D-ASL在脑泡型包虫病与脑转移瘤的鉴别诊断中的应用价值 |
| 2.1 对象和方法 |
| 2.1.1 研究对象 |
| 2.1.2 MR检查方法及扫描参数 |
| 2.1.3 图像分析及后处理 |
| 2.1.4 统计学方法 |
| 2.2 结果 |
| 2.2.1 CAE和BM组一般资料 |
| 2.2.2 CAE和BM病灶影像表现 |
| 2.2.3 CAE组和BM组病灶实质区各标准化参数结果 |
| 2.2.4 CAE组和BM组病灶水肿区各标准化参数结果 |
| 2.2.5 CAE组和BM组病灶各标准化参数ROC曲线结果分析 |
| 2.3 讨论 |
| 2.3.1 概述 |
| 2.3.2 CAE和BM组病灶体积与水肿体积之间的相关性 |
| 2.3.3 各参数对CAE和BM的鉴别诊断及诊断效能 |
| 2.3.4 本章小结 |
| 第3章 全文结论 |
| 3.1 研究结论 |
| 3.2 临床意义 |
| 3.3 不足之处 |
| 参考文献 |
| 作者简介 |
| 致谢 |
| 附录 多模态影像技术在脑泡型包虫病中的研究进展 |
| 参考文献 |
（9）扩散峰度成像（DKI）在脑胶质瘤复发与假性进展鉴别中的应用价值（论文提纲范文）
| 摘要 |
| abstract |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 文献综述 脑胶质瘤复发与假性进展的影像学研究进展 |
| 综述参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 个人简介 |
| 开题、中期及学位论文答辩委员组成 |
（10）基于深度学习评估较低级别脑胶质瘤MGMT启动子甲基化状态（论文提纲范文）
| 中文摘要 |
| Abstract |
| 英文缩略语 |
| 前言 |
| 第一部分 基于 MRI 征象评估较低级别脑胶质瘤 MGMT 启动子甲基化状态 |
| 一、研究目的 |
| 二、材料与方法 |
| 2.1 临床资料 |
| 2.2 仪器与方法 |
| 2.2.1 扫描参数 |
| 2.2.2 图像分析与测量方法 |
| 2.2.3 病理分析 |
| 2.2.4 统计学分析 |
| 三、结果 |
| 3.1 较低级别胶质瘤MGMT启动子甲基化状态临床指标及MRI常规征象比较 |
| 3.2 较低级别胶质瘤MGMT启动子甲基化状态ADC值比较 |
| 四、讨论 |
| 第二部分 基于深度学习评估较低级别脑胶质瘤 MGMT 启动子甲基化状态 |
| 一、研究目的 |
| 二、材料与方法 |
| 2.1 临床资料 |
| 2.2 仪器扫描参数 |
| 2.3 图像处理与模型构建方法 |
| 2.3.1 图像预处理 |
| 2.3.2 EfficientNet卷积神经网络 |
| 2.3.3 EfficientNet 卷积神经网络训练与验证 |
| 2.3.4 统计学分析 |
| 三、结果 |
| 四、讨论 |
| 总结论 |
| 研究不足及展望 |
| 参考文献 |
| 深度学习在脑肿瘤医学图像的研究进展 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
四、脑肿瘤磁共振成像技术的研究进展（论文参考文献）
- [1]DWI、IVIM和DKI在儿童脑肿瘤分级诊断中的应用价值[D]. 林姗. 福建医科大学, 2021(02)
- [2]超声—核磁共振多模态技术联合神经导航在运动区附近肿瘤手术中的应用[D]. 柳永达. 河北北方学院, 2021(02)
- [3]176例犬猫神经系统疾病的MRI影像调查与典型病例分析[D]. 杨子依. 河北科技师范学院, 2021(08)
- [4]多模态MRI在胶质瘤分级及基因分型中的价值研究[D]. 许昌. 山东大学, 2021(11)
- [5]多模态磁共振成像技术在癫痫病脑结构性病因诊断中的应用[D]. 李小莉. 山东大学, 2021(09)
- [6]基于深度学习的核磁脑肿瘤分割研究[D]. 蔡阿昌. 北京交通大学, 2021(02)
- [7]ADC值和DCE-MRI灌注参数在儿童幕下脑肿瘤病理分级中的诊断应用[D]. 何晓芳. 广州医科大学, 2021(02)
- [8]3D-ASL联合DKI成像在脑泡型包虫病的应用价值[D]. 李双鑫. 青海大学, 2021(01)
- [9]扩散峰度成像（DKI）在脑胶质瘤复发与假性进展鉴别中的应用价值[D]. 党佩. 宁夏医科大学, 2021(02)
- [10]基于深度学习评估较低级别脑胶质瘤MGMT启动子甲基化状态[D]. 薛彩强. 兰州大学, 2021(12)