查看更多>>摘要:目的:对比基于二维(Two-dimensional,2D)和三维(Three-dimensional,3D)分割的脂肪抑制T2 加权成像(Fat-satu-rated T2 weighted imaging,Fs-T2WI)直方图分析鉴别腮腺良、恶性肿瘤及多形性腺瘤和腺淋巴瘤的价值.方法:回顾性分析经病理证实的腮腺肿瘤患者 159 例,其中良性肿瘤 119 例,包括多形性腺瘤 63 例,腺淋巴瘤 43 例;恶性肿瘤 40 例.由 2 名医师于轴位Fs-T2WI上分别进行 2D和 3D肿瘤分割,获取最大层面及全瘤感兴趣区域(Region of interest,ROI).采用FAE软件提取 7个直方图特征,包括第 10 百分位数(10th)、第 90 百分位数(90th)、均值、中位数、熵、偏度、峰度.采用组内相关系数(Intraclass correlation coefficient,ICC)评价直方图参数观察者间的一致性.比较腮腺良、恶性肿瘤之间及多形性腺瘤和腺淋巴瘤之间直方图特征的差异.使用逐步逻辑回归筛选出独立预测因子.采用受试者工作特征(Receiver operating characteristic,ROC)曲线及Delong检验评估 2D与 3D直方图特征诊断腮腺肿瘤的效能,并比较不同分割方式曲线下面积(Area under the curve,AUC)的差异.结果:2D分割(ICC:0.877~0.981)和 3D分割(ICC:0.877~0.986)的直方图参数均具有很好的观察者间一致性.区分腮腺良、恶性肿瘤,基于 2D和 3D分割时,10th均是独立预测因子,AUC分别为 0.814 和 0.789,灵敏度分别为 0.875 和 0.725,特异度分别为 0.647 和 0.765.区分多形性腺瘤与腺淋巴瘤,基于 2D分割的独立预测因子是中位数,AUC为 0.890,灵敏度为 0.857,特异度为 0.837;基于 3D分割的独立预测因子是 90th、熵与均值,模型的AUC为 0.942,灵敏度为 0.857,特异度为 0.884.Delong检验显示 2D分割和 3D分割模型鉴别腮腺良、恶性肿瘤及多形性腺瘤和腺淋巴瘤的AUC值间均无显著性差异(P值均>0.05).结论:T2WI直方图分析能够为腮腺肿瘤的诊断提供一种定量工具,2D分割可作为优先选择的检查手段.