ارزیابی مدل‌های مختلف تصویربرداری وزنی انتشار در تعیین درجه‌ی گلیوما

اکبری زاده, هادی; ملکی, مرضیه; موسی زاده آغوئی, محمد شایان; خوش باش, صدیقه; لطفی, پگاه; منتظرابدی, علیرضا

doi:10.48305/jims.v43.i816.0544

ارزیابی مدل‌های مختلف تصویربرداری وزنی انتشار در تعیین درجه‌ی گلیوما

نوع مقاله : Original Article(s)

نویسندگان

¹ دانشجوی دکتری تخصصی فیزیک پزشکی، گروه فیزیک پزشکی، دانشکدهی پزشکی دانشگاه علوم پزشکی مشهد، مشهد، ایران

² دستیار تخصصی، گروه جراحی مغز و اعصاب، دانشکدهی پزشکی دانشگاه علوم پزشکی مشهد، مشهد، ایران

³ دانشجوی کارشناسی تکنولوژی پرتوشناسی، گروه تکنولوژی پرتوشناسی، دانشکدهی پیراپزشکی دانشگاه علوم پزشکی مشهد، مشهد، ایران

⁴ کارشناس رادیولوژی، بیمارستان قائم(عج) مشهد، مشهد، ایران

⁵ دانشجوی کارشناسی ارشد فناوری تصویربرداری پزشکی، گروه فیزیک پزشکی، دانشکدهی پزشکی دانشگاه علوم پزشکی مشهد، مشهد، ایران

⁶ دانشیار فیزیک پزشکی،گروه فیزیک پزشکی، دانشکدهی پزشکی دانشگاه علوم پزشکی مشهد و مرکز تحقیقات فیزیک پزشکی، پژوهشکده‌ی علوم پایه، دانشگاه علوم پزشکی مشهد، مشهد، ایران

10.48305/jims.v43.i816.0544

چکیده

مقاله پژوهشی

مقدمه: هدف از این مطالعه، بررسی عملکرد مدل‌های تک نمایی، دونمایی و نمایی کشیده در تکنیک تصویربرداری بروزن دیفیوژنی (Diffusion weighted Imaging) DWI در گریدبندی بیماران مبتلا به سرطان گلیوما می‌باشد.
روش‌ها: در این مطالعه، 30 بیمار تأیید شده دارای گلیوما مورد تصویربرداری DWI با 10 مقدار b شدند. سپس مدل‌های مختلف به داده‌ها برازش شد و کمیت ADC در مدل تک نمایی، کمیت‌های D، f و D* از مدل دونمایی و کمیت‌های DDC و α از مدل‌نمایی کشیده شده، برای هر دو گرید بالا و پایین در دو ناحیه سرطانی و بافت نرمال استخراج شدند. سپس، نرمالیتی داده مورد بررسی قرار گرفت و سپس، مورد آنالیز آماری T-test و یا Mann-Whitney با سطح معنی‌داری 0/05 قرار گرفتند. همچنین حساسیت، اختصاصیت و سطح زیر منحنی نمودار ROC کمیت‌های معنی‌دار مورد ارزیابی قرار گرفت.
یافته‌ها: نتایج این مطالعه نشان می‌دهد که تمامی کمیت‌های مدل‌های مختلف توانایی ایجاد تفاوت معنی‌داری در بافت سرطانی را داشته ولی هیچ کدام این توانایی را در بافت نرمال ندارند. با وجود تفاوت کم بین کمیت‌های مدل‌های مختلف، کمیت D بیشترین سطح زیر نمودار ROC را با حدود 78 درصد دارد. همچنین این نتایج نشان می‌دهد که در صورت تقسیم کردن اعداد به ناحیه نرمال، توانایی تمایز بین گریدها از بین می‌رود.
نتیجه‌گیری: می‌توان دریافت که با استفاده از این تکنیک، می‌توان اطلاعات مختلفی را از بافت بدون نیاز به ماده کنتراست استخراج کرد و تمامی آنها توانایی ایجاد تمایز بین گرید بالا و پایین را دارند. با این حال، در صورتی که سرعت تصویربرداری و محاسبات مهم باشد، روش تک نمایی بهترین گزینه است و اگر مقدار مطلق مدنظر باشد، روش دونمایی توانایی بالاتری از خود نشان می‌دهد.

تازه های تحقیق

هادی اکبری‌زاده: Google Scholar, PubMed

علیرضا منتظرابدی: Google Scholar, PubMed

کلیدواژه‌ها

موضوعات

پزشکی

عنوان مقاله [English]

Diffusion-Weighted Imaging for Glioma Grading: A Comparative Evaluation of Different Diffusion Models

نویسندگان [English]

Hadi Akbari Zadeh ¹
Marziyeh Maleki ²
Mohammad shayan Mousazadeh ³
Sedighe Khoshbash ⁴
Pegah Lotfi ⁵
Alireza Montazerabadi ⁶

¹ PhD Student, Department of Medical Physics, Faculty of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran

² Resident, Department of Neurosurgery, Faculty of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran.

³ BS Student, Department of Radiation technology, Faculty of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran

⁴ Radiology Expert, Ghaem Educational, Research and Treatment Center, Mashhad, Iran.

⁵ MSc student, Department of Medical Physics, Faculty of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran

⁶ Associate Professor, Department of Medical Physics, Faculty of Medicine, Mashhad University of Medical Sciences AND Medical Physics Research Center, Basic Sciences Research Institute, Mashhad University of Medical Sciences, Mashhad, Iran

چکیده [English]

Background: This study evaluated the performance of mono-exponential, bi-exponential, and stretched exponential diffusion models in diffusion-weighted imaging (DWI) for grading gliomas.
Methods: Thirty patients with confirmed gliomas underwent DWI using 10 b-values. We extracted apparent diffusion coefficient (ADC) from the mono-exponential model, D, f, and D* from the bi-exponential model, and DDC and α from the stretched exponential model. These parameters were compared between high- and low-grade tumors and normal tissue. Data normality was assessed, followed by statistical analysis (T-tests or Mann-Whitney U tests, P < 0.05). We also evaluated the sensitivity, specificity, and area under the receiver operating characteristic curve (AUC) for significant parameters.
Findings: The results of this study show that all parameters of the different models have the ability to create a significant difference in cancerous tissue, but none of them have this ability in normal tissue. Despite the small difference between the parameters of the different models, the parameter D has the highest area under the ROC curve, with approximately 78 percent. Also, these results show that if the numbers are divided by the normal region, the ability to differentiate between grades is lost.
Conclusion: Our results show that DWI technique with each model can provide valuable information about tissue without contrast agent, and all parameters of models can differentiate between high- and low-grade tumors. The mono-exponential method is the most practical option if rapid imaging and calculations are essential. However, the bi-exponential method is better suited when accurate absolute values are required.

کلیدواژه‌ها [English]

Diffusion Magnetic Resonance Imaging
Models
Theoretical
Mono-exponential model
Bi-exponential model
Stretched exponential model

مراجع

Wang X, Chen XZ, Shi L, Dai JP. Glioma grading and IDH1 mutational status: assessment by intravoxel incoherent motion MRI. Clin Radiol 2019; 74(8): 651.e7-.e14.
Abd-Ellah MK, Awad AI, Khalaf AA, Hamed HF. A review on brain tumor diagnosis from MRI images: Practical implications, key achievements, and lessons learned. Magn Reson Imaging 2019; 61: 300-18.
Luo H, He L, Cheng W, Gao S. The diagnostic value of intravoxel incoherent motion imaging in differentiating high-grade from low-grade gliomas: a systematic review and meta-analysis. Br J Radiol 2021; 94(1121): 20201321.
Bagheri M, Ghorbani F, Akbari-Lalimi H, Akbari-Zadeh H, Asadinezhad M, Shafaghi A, et al. Histopathological graded liver lesions: what role does the IVIM analysis method have? MAGMA 2023; 36(4): 565-75.
Bai Y, Lin Y, Tian J, Shi D, Cheng J, Haacke EM, et al. Grading of gliomas by using monoexponential, biexponential, and stretched exponential diffusion-weighted MR imaging and diffusion kurtosis MR imaging. Radiology 2016; 278(2): 496-504.
Yan R, Haopeng P, Xiaoyuan F, Jinsong W, Jiawen Z, Chengjun Y, et al. Non-Gaussian diffusion MR imaging of glioma: comparisons of multiple diffusion parameters and correlation with histologic grade and MIB-1 (Ki-67 labeling) index. Neuroradiology. 2016; 58(2): 121-32.
Kusunoki M, Kikuchi K, Togao O, Yamashita K, Momosaka D, Kikuchi Y, et al. Differentiation of high-grade from low-grade diffuse gliomas using diffusion-weighted imaging: a comparative study of mono-, bi-, and stretched-exponential diffusion models. Neuroradiology 2020; 62(7): 815-23.
Gu T, Yang T, Huang J, Yu J, Ying H, Xiao X. Evaluation of gliomas peritumoral diffusion and prediction of IDH1 mutation by IVIM-DWI. Aging (Albany NY) 2021; 13(7): 9948-59.
Cao M, Suo S, Han X, Jin K, Sun Y, Wang Y, et al. Application of a Simplified Method for Estimating Perfusion Derived from Diffusion-Weighted MR Imaging in Glioma Grading. Front Aging Neurosci 2017; 9: 432.
Keil VC, Mädler B, Gielen GH, Pintea B, Hiththetiya K, Gaspranova AR, et al. Intravoxel incoherent motion MRI in the brain: Impact of the fitting model on perfusion fraction and lesion differentiability. J Magn Reson Imaging 2017; 46(4): 1187-99.
Zou T, Yu H, Jiang C, Wang X, Jiang S, Rui Q, et al. Differentiating the histologic grades of gliomas preoperatively using amide proton transfer-weighted (APTW) and intravoxel incoherent motion MRI. NMR Biomed 2018; 31(1).
Hino T, Togao O, Hiwatashi A, Yamashita K, Kikuchi K, Momosaka D, et al. Clinical efficacy of simplified intravoxel incoherent motion imaging using three b-values for differentiating high-and low-grade gliomas. PLoS One 2018; 13(12): e0209796.
Xing F, Wu G. Histogram analysis of intravoxel incoherent motion and dynamic contrast-enhanced MRI with the two-compartment exchange model in glioma. Int J Radiat Res 2021; 19(3): 505-14.

Cao M, Wang X, Liu F, Xue K, Dai Y, Zhou Y. A three-component multi-b-value diffusion-weighted imaging might be a useful biomarker for detecting microstructural features in gliomas with differences in malignancy and IDH-1 mutation status. Eur Radiol 2023; 33(4): 2871-80.