當前位置: 代寫一篇論文多少錢 > 醫學論文 > 子宮內膜癌預后高危因素評價中多模態MRI的運用

子宮內膜癌預后高危因素評價中多模態MRI的運用

時間:2020-04-03 14:09作者:閆斌 趙婷婷 梁秀芬
本文導讀:這是一篇關于子宮內膜癌預后高危因素評價中多模態MRI的運用的文章,子宮內膜癌(endometrial carcinoma,EC)是女性生殖系統最常見的惡性腫瘤之一,其預后因素包括國際婦產科協會(FIGO)腫瘤分期、肌層侵犯深度(MI)、淋巴血管間隙浸潤(LVSI)、腫瘤的病理分級、淋巴結轉移與否、子宮下段是

  摘    要: 子宮內膜癌(EC)的預后因素包括腫瘤FIGO分期、肌層侵犯深度、淋巴血管間隙浸潤,腫瘤的病理分級,以及淋巴結轉移與否。篩選高危患者術中淋巴結清掃,避免低危患者過度治療,具有重要的臨床意義。目前,MRI是EC術前分期最有價值的檢查手段之一,磁共振擴散加權成像、體素內不相干運動、MR動態增強掃描以及MR影像組學分析等多模態技術均已用于EC的術前風險評價。本文將對多模態MRI在EC術前風險分層中的應用進展進行綜述。

  關鍵詞: 子宮內膜癌; 分期; 病理分級; 淋巴血管間隙; 磁共振成像;

  Abstract: Prognostic factors for endometrial cancer(EC) include tumor FIGO stage,depth of myometrial invasion,lymphovascular space invasion,histologic grade,and nodal status.It is very important that the optimal selection of EC patients at high risk for advanced disease who would benefit from more extensive surgical procedures(ie,lymph node dissection) and the avoidance of overtreatment in patients at low risk.At present,MRI is one of the most valuable means of preoperative staging of EC.Diffusion weighted imaging,intravoxel incoherent motion,dynamic contrast-enhanced MRI,and MR radiomics analysis have been used in preoperative risk assessment of EC.This article reviews the progress of the application of multimodality MRI in EC preoperative risk assessment.

  Keyword: endometrial carcinoma; stage; tumor grade; lymphovascular space; magnetic resonance imaging;

  子宮內膜癌(endometrial carcinoma,EC)是女性生殖系統最常見的惡性腫瘤之一 [1],其預后因素包括國際婦產科協會(FIGO)腫瘤分期、肌層侵犯深度(MI)、淋巴血管間隙浸潤(LVSI)、腫瘤的病理分級、淋巴結轉移與否、子宮下段是否受侵、宮頸間質是否受累以及患者年齡[2]。EC 手術治療的基礎術式為全子宮或改良根治性子宮切除及雙側附件切除術。篩選高危患者術中淋巴結清掃,避免低危患者過度治療,是目前主要的臨床挑戰[2]。然而,大多數的高危因素只能通過術后病理獲得。因此,臨床影像的綜合評價意義重大。多模態MR包括,常規MR和功能MR,后者包括擴散加權成像(DWI)、體素內不相干運動(IVIM)、磁共振動態增強掃描(DCE-MRI)及MR與大數據相結合的影像組學分析等。目前,DWI、DCE-MRI 已常規用于EC 的術前分期診斷。以MR 紋理分析為基礎的影像組學研究仍處于探索階段。結合術前臨床病理影像資料預測EC 淋巴結轉移已成為目前的研究熱點。本文對影響EC 預后的高危因素的術前評價進行綜述。

  1 、MR術前預測子宮內膜癌病理分級

  DWI 可以探測活體內水分子的擴散運動,ADC值可以定量測量反映腫瘤組織的微觀結構。惡性腫瘤細胞密集、細胞外間隙減小、核漿比高,ADC值較低。理論上,腫瘤隨組織分化程度的減低,ADC值降低[3]。目前,隨著對EC 研究的深入,越來越多的國內外學者關注ADC值與腫瘤病理分級的相關性。因為腫瘤的病理分級與患者預后密切相關。但是,目前研究結論仍然存在較大分歧。Tamai 等[4] 認為ADC值不但能夠區分EC 與正常子宮內膜,而且發現低分化EC(G3,0.73×10-3 mm2/s)的ADC值低于中分化(G2,0.92×10-3 mm2/s)和高分化(G1,0.93×10-3 mm2/s)的EC。Nakamura等[5]報道,EC的G1最小ADC值 (ADCmin)高于G3(0.683×10-3 mm2/s vs 0.572×10-3 mm2/s);Seo等[6]發現,EC 的G2和G3平均ADC值 (ADCmean)低于G1(G1/G2/G3,0.96/0.75/0.74×10-3 mm2/s)。最近,基于ADC直方圖,Woo等[7]和Nougaret 等[2] 也發現ADC值能夠預測EC 的病理級別。但是,也有許多研究持相反觀點。Kishimoto 等[8] 和 Bharwani 等[9] 認為,無論ADCmean還是ADCmin均無助于EC的腫瘤分級診斷。基于這種爭議,Yan等[10]研究發現,EC 的不同組織學亞型可能是問題的根源。病理上EC 分為多種組織亞型,包括子宮內膜樣腺癌(EEA)、漿液性癌、黏液癌、透明細胞癌、混合癌、鱗狀細胞癌、移行細胞癌、小細胞癌、未分化癌和癌肉瘤,其中EEA 占絕大多數(80%)[11]。不同組織亞型由于組織結構差異,ADCmean存在巨大差異;例如同樣屬于EC的G3,癌肉 瘤ADCmean顯著高于非癌肉瘤分 類的EC(1.047×10-3 mm2/s vs 0.823×10-3 mm2/s,P=0.001)。回顧之前的大多數研究,沒有將組織亞型作為單獨分類指標,每個研究入組的病理亞型組成不同、病例數量不同,可能對總體結果產生巨大影響;由此他們認為,ADCmean僅有助于鑒別高級別(G3)與低級別(G1和G2)EEA(0.800×10-3 mm2/s vs 0.962 ×10-3 mm2/s,P=0.002);以 0.835 ×10-3 mm2/s為閾值,預測高級別EEA 的敏感度、特異度、準確度分別為 84.6%、74.6% 和 76.3%。
 

子宮內膜癌預后高危因素評價中多模態MRI的運用
 

  體素內不相干運動(IVIM)利用雙指數模型多b值DWI 定量評估病變水分子的擴散及微血管灌注情況[12]。目前,IVIM 在頭頸、肝臟、前列腺、椎體等部位的病變中得到廣泛應用,而在EC 中鮮有報道[13,14,15]。張琪等[13]通過43例EC 患者的IVIM 與術后病理的對照研究發現,ADC值、D值及f值與病理分級均呈負相關,ADC值在G1與G3、G2與G3級之間差異有統計學意義,D值、f值僅在G1與G3之間差異有統計學意義。國外文獻,除了IVIM預測FIGO Ⅰ期EC 的微衛星不穩定[15],我們未發現IVIM 用于EC 病理分級診斷的研究。

  定量DCE-MRI 能夠反映組織或病灶微血管生成和血流灌注情況。理論上,隨著腫瘤惡性程度增高,腫瘤新生毛細血管增多,由于新生血管功能不成熟,血管通透性增加,導致腫瘤組織對比劑漏出及回流增加,DCE-MRI 灌注參數值增高[16]。郭永梅[17]等對32例EC 患者DCE-MRI 定量參數與腫瘤的病理分級進行相關性研究,發現Ktrans值、Kep值及Ve值在G1、G2及G3組間差異均有統計學意義,G1組 Ktrans值、Kep值、Ve值均小于G3組,G2組介于兩者之間,認為DCE-MRI 定量參數值有助于對EC 的病理分級進一步區分。但是,相反的聲音依然存在。Fasmer 等[18]研究發現,DCE-MRI 定量參數無助于EC 腫瘤病理級別的鑒別。

  總之,關于MR 新技術預測EC 病理分級的研究主要集中于ADC 值的定量測量方面。ADCmean有一定的局限性,僅有助于高級別與低級別EEA 的鑒別。整個瘤體ROI的ADC 直方圖,基于腫瘤異質性,有助于術前預測EC 的組織分化程度,并得到多個研究的驗證。腫瘤體積和腫瘤面積與EC 病理級別的相關性研究,仍處于探索階段。IVIM 及DCE-MRI 在預測EC 病理分級方面研究有限,研究結論仍需進一步驗證。

  2、 MR術前預測子宮內膜癌肌層侵犯深度

  目前,MR是EC 術前分期最有價值的檢查手段之一 [19]。常規MR 上,EC 常表現為子宮增大,子宮內膜彌漫性增厚,T1WI呈等信號,T2WI呈稍高信號,結合帶移位或破壞。腫瘤侵犯子宮肌層是否大于等于50%,是判斷深肌層與淺肌層侵犯的分水嶺。T2WI結合帶的完整連續,被認為腫瘤局限于淺肌層。但是,一些絕經后患者,或宮腔顯著增大的患者,結合帶可能變得模糊不清,導致在T2WI高估或低估腫瘤分期[19]。基于子宮內膜、結合帶及肌層強化程度的不同,DCE-MRI可以鑒別肌層侵犯深度。T2WI結合DCE-MRI被大多數歐洲癌癥中心使用,并被歐洲泌尿生殖放射協會EC 分期指南中推薦使用[2]。近年來,研究發現DWI 可準確預測EC 的深肌層侵犯(DMI)[20],并與DCE-MRI 具有相似的敏感性與特異性[19]。但是,基于常規MR 評價標準(腫瘤侵犯≥1/2肌層厚度),在一些情況下(如:子宮肌層在子宮角處生理性變薄;EC同時伴有子宮肌瘤和/或子宮腺肌癥-導致子宮變形、改變了子宮肌層的生理性厚度),DMI 仍然會受到挑戰[19]。基于目前的臨床痛點,國外學者提出腫瘤體積(TV)有助于評價EC 的DMI 以及腫瘤復發、患者生存[21]。Nougaret 等[2]發現,腫瘤子宮體積比(TVR)≥25%,預測EC 的DMI,敏感性、特異性分別為100%和93%。此外,Mainenti 等[21]提出了一種特殊的體積測量方法(DWI腫瘤體積,DV)-定義為腫瘤區域內、ADC值的一定范圍內,所有像素的總和;他們發現,EC 低危組(FIGO Ⅰ期的G1及G2)的DV 顯著低于中度風險組(FIGO Ⅰa 期的G3,或FIGO Ⅰb期的G1/G2/G3,或FIGO Ⅱ期),及高危組(FIGO Ⅲ期或Ⅳ期)。除了TV,腫瘤的最大直徑也與EC 的DMI 相關[22]。最近,根據Yan 等[23]的研究發現,腫瘤子宮面積比(TAR)是預測FIGO Ⅰ期 子宮內膜樣腺癌DMI 的一種有效的工具,以 TAR ≥34.6%預測DMI,敏感度、特異度及準確度分別是85.0%、84.8%和86%。并且TAR 簡單易行,不需要特殊專用軟件,易于臨床推廣。

  近年來,IVIM 及DCE-MRI定量測量,在預測EC 的DMI 方面,也有一些嘗試。張琪[13]等報道,ADC值、D值、 D*值及f值,在深淺肌層侵犯的差異均有統計學意義,其中D值的鑒別診斷效能最高。尹希[14]等則以評估單指數、雙指數、拉伸指數模型各參數對診斷FIGO Ⅰ 期EC 肌層侵犯深度為終點,發現單指數模型對肌層侵犯深度有一定幫助,雙指數、拉伸指數模型較之價值更高。DCE-MRI 定量參數方面,陳基明[16]等研究發現,EC 的DMI 組Ktrans值顯著高于無或淺肌層侵犯組(0.52 min-1 vs 0.37 min-1),認為Ktrans值有助于評估EC 肌層侵犯深度。

  多模態MR 預測EC 的DMI,國內外學者已做了大量工作,目前普遍認為T2WI+DCE-MRI 可準確診斷DMI,并優于單獨使用DWI 或DCE-MRI。TVR與TAR可作為位于宮角處EC,合并有子宮肌瘤和/或子宮腺肌癥患者的有益補充,IVIM 及DCE-MRI 定量測量的預測價值,仍值得繼續探索。

  3 、MR術前預測子宮內膜癌淋巴血管間隙浸潤

  目前,早期EC患者(FIGO Ⅰ期及Ⅱ期)的治療,涉及淋巴結切除術實施與否的手術治療,然后是化療和/或放療[24]。近年來,LVSI一再被證明是復發和患者生存的獨立預后因素[25,26]。2016年的歐洲腫瘤學會-歐洲放射治療與腫瘤學會-歐洲婦科腫瘤學會共識指南中,未經歷手術-病理淋巴結分期的LVSI 陽性EC患者(G1/G2)被歸類為高中度風險組,建議輔助外照射放療,降低骨盆復發的風險[24]。MR 術前預測LVSI,國內外已有多項報道。基于腫瘤體積,Nougaret等[2]研究發現,TVR可以預測EC 的LVSI,以TVR≥25%為閾值預測LVSI,敏感性、特異性及準確性分別為77%、83%及81%;依據ADC直方圖,他們還發現多個百分位ADC 值與LVSI相關,中位ADC 值 (50th)小于0.77×10-3 mm2/s 預測LVSI敏感性、特異性分別為65%及80%。基于MR 紋理分析,Ueno等[27]報道,以MR紋理分析為基礎的隨機森林法數學模型與LVSI 相關。也有研究發現[28],EC 的腫瘤最大徑、腫瘤體積及TVR 預測LVSI 的ROC 曲線無統計學差異。

  總體而言,多模態MR 在LVSI 方面仍處于研究階段。但是,以整個瘤體的ADC 直方圖及紋理分析已經顯示一定的診斷潛力,多中心的研究驗證可能是未來的方向。

  4、 MR術前預測子宮內膜癌淋巴結轉移

  早期EC 常規淋巴結切除術并未改善預后,與15%~20%的術后并發癥相關。因此,有必要強調改善術前危險分層[29]。Hsieh等[30]研究發現,術前CA-125水平大于40 U/ml可被視為EC 手術分期中全盆腔淋巴結切除術的標準。Lee等[31]聯合術前CA-125 及MRI 建立預測模型,用于檢出EC 淋巴結轉移的低風險組。他們對110例患者進行回顧性研究,使用 logistic 回歸得到的系數構建評分系統,預測因子包括術前子宮內膜活檢獲得EC 的病理分級、術前CA-125水平、MRI 獲得病變范圍及MI,ROC 曲線下面積0.902,由此,他們認為該模型用于術前預測淋巴結轉移的風險是可行的。Koskas 等[32]采用了一種基于五種臨床和病理特征的算法來預測EC 的淋巴結轉移,結果顯示該模型的準確率為77%;進一步,他們比較了依據術前資料與術后病理資料構建的算法,對于盆腔淋巴結轉移預測準確性方面兩者沒有統計學差異。由此,他們認為結合術前子宮內膜活檢和術前MRI可以準確預測盆腔淋巴結轉移。Meydanli等[33]也提出一個EC淋巴結轉移的風險預測模型,淋巴結轉移風險指數=腫瘤病理級別×腫瘤直徑×肌層侵犯百分比×術前血清CA-125水平,其中每個變量依據分配的優勢比(OR 值)進行加權。他們的結果顯示,依 據ROC曲線,淋巴結轉移的風險指數閾 值為981.0, 敏感性、特異性、準確性分別為 87.5%、87.5%及86.4%。

  淋巴結轉移預測模型的建立,有利于臨床手術方式的選擇,臨床意義巨大。目前,廣泛接受EC 免于淋巴結清掃的標準是,G1或G2的EC、腫瘤侵犯局限于淺肌層、腫瘤直徑小于2 cm、如無肌層侵犯則不需考慮腫瘤的病理級別及腫瘤大小[33]。綜合影像臨床及病理多個指標建立術前預測模型,仍處于探索階段。

  5、 影像組學在子宮內膜癌預后中的應用

  影像組學是一種新穎的成像分析方法,將定量成像特征的高通量提取轉換為可挖掘數據,隨后進行分析以獲得決策支持。影像組學為整合其他組學數據提供了巨大的潛力,因此引起了腫瘤學學者的關注[34]。紋理分析,是基于感興趣區體積中體素的信號強度的空間排列的圖像分析[35],被用來定量分析腫瘤的異質性而備受關注,包括婦科惡性腫瘤[34]。近年來EC 的影像組學,主要采用直方圖及一階的紋理分析方法進行研究。ADC 直方圖研究顯示,百分位ADC 值有助于EC 不同病理級別的鑒別[2,7];此外,基于MR 圖像的紋理分析數學模型,有助于預測大于1 cm的EC的DMI、高級別腫瘤及LVSI[27]。Ytre-Hauge等[36]基于紋理分析發現,ADC 圖腫瘤的高階熵能夠獨立預測DMI,增強T1W 正像素平均值可獨立預測高級別腫瘤,增強T1W 的高峰度預示著無復發和無進展生存率降低。目前,EC 的影像組學研究有限,但是利用影像組學在EC 預后的方法可能最終指導臨床制定治療方案,一定是未來的趨勢。

  6、 不足與展望

  近年來,多模態MRI 評價EC 預后方面取得了許多可喜成果,但仍然存在一定局限性:①大多數為單中心研究,MR 設備廠家不同、場強不同、掃描協議不同,所以MR 功能成像的研究結論是否能大范圍用于臨床,仍有很長的路要走。②ROI 的選擇,絕大多數研究仍然依賴人工,數據測量的一致性需要謹慎對待。③絕大多數是回顧性研究,期待未來更多的前瞻性研究加以驗證。④基于容積數據或面積數據的影像組學研究方法,仍然需要專業軟件,操作復雜,應用門檻較高,且具有明顯的時間滯后性,很難在臨床實踐中使用。因此,建立多中心研究交叉驗證,自動化ROI 選取,影像組學預測模型的建立,是今后的研究方向。

  參考文獻

  [1]Beddy P,O'Neill AC,Yamamoto AK.FIGO staging system for endometrial cancer:Added benefits of MR imaging[J].Radiographics,2012,32(1):241-254.
  [2]Nougaret S,Reinhold C,Alsharif SS,et al.Endometrial cancer:Combined MR volumetry and diffusion-weighted imaging for assessment of myometrial and lymphovascular invasion and tumor grade[J].Radiology,2015,276(3):797-808.
  [3]YAN Bin,ZHAO Tingting,LIANG Xiufen,et al.DWI quantitative measurement in diagnosis of uterine cervix cancer[J].Chin J Med Imaging Technol,2016,32(2):284-287.[閆斌,趙婷婷,梁秀芬,等.DWI定量測量診斷宮頸癌[J].中國醫學影像技術,2016,32(2):284-287.]
  [4]Tamai K,Koyama T,Saga T,et al.Diffusion-weighted MR imaging of uterine endometrial cancer[J].J Magn Reson Imaging,2007,26(3):682-687.
  [5]Nakamura K,Imafuku N,Nishida T,et al.Measurement of the minimum apparent diffusion coefficient (ADCmin) of the primary tumor and CA125 are predictive of disease recurrence for patients with endometrial cancer[J].Gynecologic Oncology,2012,124(2):335-339.
  [6]Seo JM,Kim CK,Choi D,et al.Endometrial cancer:Utility of diffusion-weighted magnetic resonance imaging with background body signal suppression at 3T[J].J Magn Reson Imaging,2013,37(5):1151-1159.
  [7]Woo S,Cho JY,Kim SY,et al.Histogram analysis of apparent diffusion coefficient map of diffusion-weighted MRI in endometrial cancer:A preliminary correlation study with histological grade[J].Acta Radiol,2014,55(10):1270-1277.
  [8]Kishimoto K,Tajima S,Maeda I,et al.Endometrial cancer:Correlation of apparent diffusion coefficient (ADC) with tumor cellularity and tumor grade[J].Acta Radiol,2016,57(8):1021-1028.
  [9]Bharwani N,Miquel ME,Sahdev A,et al.Diffusion-weighted imaging in the assessment of tumour grade in endometrial cancer[J].Br J Radiol,2011,84(1007):997-1004.
  [10]Yan B,Zhao T,Liang X,et al.Can the apparent diffusion coefficient differentiate the grade of endometrioid adenocarcinoma and the histological subtype of endometrial cancer[J]?Acta Radiol,2018,59(3):363-370.
  [11]Amant F,Moerman P,Neven P,et al.Endometrial cancer[J].Lancet,2005(366):491-505.
  [12]Le Bihan D,Breton E,Lallemand D,et al.Separation of diffusion and perfusion in intravoxel incoherent motion MR imaging[J].Radiology,1988,168(2):497-505.
  [13]ZHANG Qi,YU Xiaoduo,LIN Meng,et al.Value of intravoxel incoherent motion diffusion weighted imaging in endometrial cancer for estimating histological grade and myometrial invasion[J].Chin J Magn Reson Imaging,2018,9(3):214-220.[張琪,余小多,林蒙,等.體素內不相干運動擴散加權成像術前評估子宮內膜癌分級、肌層侵犯的價值[J].磁共振成像,2018,9(3):214-220.]
  [14]YIN Xi,WU Hui,GAO Yang,et al.The value of different diffusion models in the depth of myometrial invasion of stage I endometrial cancer[J].Chin J Magn Reson Imaging,2019,10(4):258-262.[尹希,吳慧,高陽,等.不同擴散模型對Ⅰ期子宮內膜癌肌層浸潤深度的診斷價值[J].磁共振成像,2019,10(4):258-262.]
  [15]Bhosale P,Ramalingam P,Ma J,et al.Can reduced field-of-view diffusion sequence help assess microsatellite instability in FIGO stage 1 endometrial cancer[J].J Magn Reson Imaging,2017,45(4):1216-1224.
  [16]CHEN Jiming,LI Zhouli,ZHU Qing,et al.Quantitative parameters of DWI and dynamic contrast-enhanced MRI in evaluating the depth of myometrial invasion of endometrial carcinoma[J].Chin J Med Imaging Technol,2019,35(2):226-230.[陳基明,李周麗,朱晴,等.DWI和動態增強MRI定量參數診斷子宮內膜癌肌層浸潤[J].中國醫學影像技術,2019,35(2):226-230.]
  [17]GUO Yongmei,YIN Jinxue,JIANG Xinqing,et al.Quantitative parametric analysis of dynamic contrast-enhanced mr imaging in endometrial carcinoma with histopathologic correlation[J].J Clin Radiol,2016,35(10):1546-1550.[郭永梅,尹進學,江新青,等.DCE-MRI定量參數分析子宮內膜癌影像與病理特征相關性研究[J].臨床放射學雜志,2016,35(10):1546-1550.]
  [18]Fasmer KE,Bjornerud A,Ytre-Hauge S,et al.Preoperative quantitative dynamic contrast-enhanced MRI and diffusion-weighted imaging predict aggressive disease in endometrial cancer[J].Acta Radiol,2018,59(8):1010-1017.
  [19]Nougaret S,Horta M,Sala E,et al.Endometrial cancer MRI staging:Updated guidelines of the european Society of Urogenital Radiology[J].European Radiol,2019,29(2):792-805.
  [20]Das SK,Niu XK,Wang JL,et al.Usefulness of DWI in preoperative assessment of deep myometrial invasion in patients with endometrial carcinoma:Asystematic review and meta-analysis[J].Cancer Imaging,2014(14):32.
  [21]Mainenti PP,Pizzuti LM,Segreto S,et al.Diffusion volume (DV) measurement in endometrial and cervical cancer:A new MRI parameter in the evaluation of the tumor grading and the risk classification[J].Eur J Radiol,2016,85(1):113-124.
  [22]Bourgioti C,Chatoupis K,Tzavara C,et al.Predictive ability of maximal tumor diameter on MRI for high-risk endometrial cancer[J].Abdominal Radiology,2016,41(12):2484-2495.
  [23]Yan B,Liang X,Zhao T,et al.Preoperative prediction of deep myometrial invasion and tumor grade for stage I endometrioid adenocarcinoma:Asimple method of measurement on DWI[J].Eur Radiol,2019,29(2):838-848.
  [24]Colombo N,Creutzberg C,Amant F,et al.ESMO-ESGO-ESTRO consensus conference on endometrial cancer:Diagnosis,treatment and follow-up[J].Ann Oncol,2016,27(1):16-41.
  [25]Bosse T,Peters EE,Creutzberg CL,et al.Substantial lymph-vascular space invasion (LVSI) is a significant risk factor for recurrence in endometrial cancer-A pooled analysis of PORTEC 1 and 2 trials[J].Eur J Cancer,2015,51(13):1742-1750.
  [26]Ayhan A,Sahin H,Sari ME,et al.Prognostic significance of lymphovascular space invasion in low-risk endometrial cancer[J].Int J Gynecol Cancer,2019,29(3):505-512.
  [27]Ueno Y,Forghani B,Forghani R,et al.Endometrial carcinoma:MR imaging-based texture model for preoperative risk stratification-a preliminary analysis[J].Radiology,2017,284(3):748-757.
  [28]Sahin H,Sarioglu FC,Bagci M,et al.Preoperative magnetic resonance volumetry in predicting myometrial invasion,lymphovascular space invasion,and tumor grade:Is it valuable in international federation of gynecology and obstetrics stage I endometrial cancer[J]?Int J Gynecol Cancer,2018,28(4):666-674.
  [29]Reijnen C,IntHout J,Massuger L,et al.Diagnostic accuracy of clinical biomarkers for preoperative prediction of lymph node metastasis in endometrial carcinoma:A systematic review and meta-analysis[J].Oncologist,2019(24):1-11.
  [30]Hsieh CH,ChangChien CC,Lin H,et al.Can a Preoperative CA 125 level be a criterion for full pelvic lymphadenectomy in surgical staging of endometrial cancer[J]?Gynecologic Oncology,2002,86(1):28-33.
  [31]Lee JY,Jung DC,Park SH,et al.Preoperative prediction model of lymph node metastasis in endometrial cancer[J].Int J Gynecol Cancer,2010,20(8):1350-1355.
  [32]Koskas M,Genin AS,Graesslin O,et al.Evaluation of a method of predicting lymph node metastasis in endometrial cancer based on five pre-operative characteristics[J].Eur J Obstet Gynecol Reprod Biol,2014(172):115-119.
  [33]Meydanli MM,Aslan K,Oz M,et al.A novel multivariable prediction model for lymphatic dissemination in endometrioid endometrial cancer the lymph node metastasis risk index[J].Eur J Obstet Gynecol Reprod Biol,2019(240):310-315.
  [34]Lin G,Lai CH,Yen TC.Emerging molecular imaging techniques in gynecologic oncology[J].PET Clin,2018,13(2):289-299.
  [35]XIE Kai,SUN Hongfei,LIN Tao,et al.Research progresses in feature extraction of radiomics[J].Chin J Med Imaging Technol,2017,33(12):1792-1796.[謝凱,孫鴻飛,林濤,等.影像組學中特征提取研究進展[J].中國醫學影像技術,2017,33(12):1792-1796.]
  [36]Ytre-Hauge S,Dybvik JA,Lundervold A,et al.Preoperative tumor texture analysis on MRI predicts high-risk disease and reduced survival in endometrial cancer[J].J Magn Reson Imaging,2018,48(6):1637-1647.

聯系我們
范文范例
双色球开奖日期