**摘要**
**目的** 评估时间依赖性扩散磁共振成像（td-dMRI）衍生的微结构参数在预测直肠癌淋巴血管侵犯（LVI）方面的价值。
**材料与方法**
2023年3月至2025年6月期间，共纳入84名可切除的直肠癌患者（分期为T1、T2、T3a、T3b和T4a），这些患者在术前接受了td-dMRI检查，且未接受新辅助治疗。由经验丰富的放射科医生对每个肿瘤的最大横截面区域进行手动分割。使用MATLAB（MathWorks, Inc.）中实现的有限光谱编辑扩散模型，拟合微结构参数（细胞内体积分数（ICVF）、细胞直径、细胞外扩散率和细胞密度）。还评估了不同扩散时间下的表观扩散系数（ADC）值、相对ADC值、ADC比值以及MRI报告的肠壁外血管侵犯（EMVI）。采用Mann–Whitney U检验比较LVI阳性和LVI阴性患者之间的参数差异。通过逻辑回归和接收者操作特征（ROC）曲线（结合DeLong检验）来确定LVI的预测因子及诊断性能。
**结果**
在84名参与者中（中位年龄66岁；IQR 60–70岁；50名为男性），30名为LVI阳性，54名为LVI阴性。LVI阳性患者的ICVF、细胞直径和细胞密度显著高于LVI阴性患者（所有p<0.05）。MRI-EMVI（OR=3.251）、ICVF（OR=8.137）和细胞密度（OR=1.159）是LVI的独立风险因素。结合MRI报告的EMVI、细胞密度和ICVF的模型在ROC曲线下面积（AUC）为0.860，优于单独的参数（包括MRI报告的EMVI（AUC=0.730）、ICVF（AUC=0.815）、细胞密度（AUC=0.792）和ADC测量值（AUC=0.631–0.710）（所有p<0.05）。
**结论**
td-dMRI衍生的参数，尤其是ICVF和细胞密度与MRI报告的EMVI结合使用，显示出作为直肠癌LVI非侵入性生物标志物的潜力。
**关键相关性声明**
本研究开发了一种基于术前时间依赖性扩散MRI的微结构参数模型，用于诊断和预测直肠癌的淋巴血管侵犯，提高了诊断准确性，并推动了临床放射学的个性化治疗策略。
**要点**
- 时间依赖性扩散MRI衍生的微结构参数模型和临床数据用于预测直肠癌的淋巴血管侵犯。
- 综合模型具有0.860的AUC和96.3%的特异性，优于单一模式模型。
- 该模型提供了一种非侵入性的、可靠的工具，用于个性化淋巴血管侵犯的诊断和治疗计划。
**引言**
结直肠癌是一种常见的恶性肿瘤，是癌症相关死亡的第二大原因[1]。直肠癌占结直肠癌发病率的三分之一[2]。淋巴血管侵犯（LVI）表现为肿瘤细胞向淋巴系统和/或血液系统的扩散[3]。作为直肠癌的重要病理特征，LVI已被广泛研究，并被认为是预后不良的独立因素，这与患者较高的死亡风险密切相关[4, 5]。先前的研究表明，LVI阴性组的5年无病生存率（71.4% vs 56.2%）和总生存率（86.7% vs 63.4%）显著高于LVI阳性组[4, 5]。因此，LVI是直肠癌预后不良的重要指标，与高复发率和转移潜力相关[6, 7]。准确的术前LVI检测有助于临床医生根据风险对患者进行分层并制定个性化治疗方案。例如，LVI阳性的患者需要进一步的术前新辅助放疗以改善预后[6]。然而，LVI只能通过术后病理检查来确定，而不能通过术前影像学方法或病理活检来识别。
**方法**
多项先前的研究开发了包含放射组学特征的模型，用于非侵入性地预测直肠癌的LVI[8, 9, 10]。然而，放射组学面临结果重复性和生物学解释性差的问题，这使得将放射组学模型应用于临床实践变得困难[11, 12]。一项先前的研究报告称，传统的表观扩散系数（ADC）值提供了一种非侵入性的LVI预测方法[10]。然而，LVI阳性和LVI阴性组之间的ADC值存在重叠。可能的解释是，ADC仅是受多种因素影响的简单扩散性指标，如炎症和细胞增殖，并不能识别表明LVI的微结构变化，这突显了需要更先进的成像方法。时间依赖性扩散MRI（td-dMRI）能够量化细胞直径、细胞密度和细胞内体积分数等微结构特性[13, 14]。td-dMRI已在其他肿瘤（如乳腺癌和前列腺癌）中显示出潜力，但其预测直肠癌LVI的临床价值尚未确定[15, 16]。鉴于LVI与肿瘤侵袭性和细胞密度增加有关[17, 18]，我们假设从td-dMRI衍生的微结构参数可用于预测直肠癌的LVI状态。
**患者选择**
本研究获得了机构审查委员会的批准，并从所有参与者处获得了书面知情同意。2023年3月至2025年6月期间，根据以下纳入标准共纳入118名连续患者：（1）临床怀疑患有直肠癌（排便习惯改变、粪便中带鲜红色血液、腹痛）且经活检确诊为直肠癌；（2）肿瘤位于肛门边缘15厘米以内，通过内镜或影像学检查确定；（3）肿瘤分期为T1、T2、T3a、T3b和T4a（高位直肠癌）[19]；（4）未接受过任何直肠癌治疗，包括化疗或放疗；（5）在任何治疗前已完成td-dMRI检查。排除标准如下：（1）肿瘤太小（最大肿瘤直径<1厘米）或MRI上未见肿瘤（n=2）；（2）td-dMRI质量差（如严重运动伪影，n=8）；（3）不可切除或转移性直肠癌或无法获取LVI评估的病理标本（n=14）；（4）患者已接受术前新辅助治疗或化放疗（n=10）。研究参与者的流程图见图1。
**MR协议**
MRI检查在3.0-T MR扫描仪（Magneton Vida，Siemens Healthineers）上进行，使用32通道体线圈。患者处于标准仰卧位，建立呼吸信号后，所有患者均接受了20毫克丁溴东莨菪碱的肌肉注射以减少肠道运动。本研究中未使用水或空气来扩张直肠。成像包括振荡梯度自旋回波（OGSE）和脉冲梯度自旋回波（PGSE）序列，分别采用25 Hz（有效扩散时间=7.3毫秒，一个周期，b=0，350和710秒/平方毫米）和40 Hz（有效扩散时间=4.7毫秒，两个周期，b=0，150和315秒/平方毫米）的振荡频率。PGSE序列的扩散持续时间和间隔分别为54.3和59.3毫秒（有效扩散时间=41.1毫秒，b=0，350和710秒/平方毫米）。所有序列使用以下参数：三个扩散方向；重复时间（TR）/回波时间（TE），5000/132毫秒；视野，260 × 265毫米²；间隔，10%；平面内分辨率，3.2 × 3.2毫米²；切片数量，10；切片厚度，5毫米。该td-dMRI协议的扫描时间约为4.5分钟。
**其他临床常规MR序列**
还包括轴向-斜向T2加权成像（T2WI），其扫描方向垂直于患者直肠腔内的肿瘤，以清晰显示肿瘤的最大横截面。OGSE和PGSE序列的方向与斜向轴向T2WI一致。轴向-斜向T2WI的参数为：TR/TE=4600毫秒/75毫秒，视野=220毫米×220毫米²，间隔=10%；矩阵大小=256 × 512；切片厚度=3毫米。此外还包括增强型轴向T1加权成像（T1WI）、3D脂肪饱和梯度回波（GRE）序列，TR：4.6毫秒；TE：2.1毫秒；翻转角度：15°；矩阵大小：320 × 256；视野：280 × 320毫米²；间隔：0%；切片厚度：1.1毫米。对比剂：Gadopentetate Dimeglumine，Bayer Healthcare，0.1毫米摩尔/千克体重，注射速率为3毫升/秒，用20毫升生理盐水（0.9% NaCl）冲洗。
**图像分析**
两名对临床信息不知情的放射科医生（分别具有5年和12年的直肠癌经验）共同审查了84名直肠癌患者的MR图像。在矢状和斜向T2WI图像上获取了肿瘤长度和最大肿瘤厚度。原发肿瘤的肠壁外血管侵犯（EMVI）状态以及T分期也在（斜向轴向T2WI、冠状和矢状）T2WI上进行了评估[20]。MRI报告的淋巴结状态基于2016年欧洲胃肠和腹部放射学会的共识会议[21]。
**数据拟合**
td-dMRI数据使用MATLAB（MathWorks, Inc.）中实现的有限光谱编辑扩散（IMPULSED）模型进行拟合[22]。通过最小二乘算法进行体素模型拟合，生成包括细胞内体积分数（ICVF）、细胞直径、细胞外扩散率（Dex）和细胞密度在内的微结构特征参数图。由一位具有5年直肠癌经验的放射科医生（第一作者）根据td-dMRI微结构图和ADC图像，在每个肿瘤的最大横截面区域手动划定感兴趣区域（ROIs）（图2）。ROIs仔细放置，以包含T2WI和增强型T1WI图像中的实体肿瘤成分，同时排除周围正常组织、血管和坏死区域，以最小化对参数估计的干扰。还计算了不同扩散时间下的ADC值，包括来自PGSE的ADC（ADCPGSE）、在25 Hz（ADC25HZ）和40 Hz（ADC40HZ）下获得的ADC测量值。此外，还计算了相对ADC参数，包括相对ADC25HZ（[ADC25HZ–ADCPGSE]/ADCPGSE）、相对ADC40HZ（[ADC40HZ–ADCPGSE]/ADCPGSE）、ADC25HZ/ADC40HZ [24]、ADC25HZ/ADCPGSE [25]和ADC40HZ/ADCPGSE。
**图2**
来自时间依赖性扩散MRI（td-dMRI）的肿瘤组织微结构映射，分别显示了一例具有淋巴血管侵犯（LVI）（A）和一例无LVI（B）的患者。微结构图包括细胞内体积分数（ICVF）、细胞直径、细胞密度、细胞外扩散率（Dex）和25 Hz OGSE、45 Hz OGSE以及PGSE下的表观扩散系数（ADC）。LVI患者的ICVF和直径值显著升高，ADC值较低，这表明td-dMRI衍生的参数在识别肿瘤的侵袭性微结构变化方面具有潜力。
**稳定性与可靠性评估**
为了评估微结构特征和ADC值的稳定性和可靠性，通过观察者间类内相关系数（ICC）分析，另一位具有12年直肠癌经验的放射科医生重复了对前30名患者的图像进行划定。两名放射科医生的相应测量平均值被用于进一步分析。计算了ICC和Bland–Altman分析以测试评分者间的可靠性。组织病理学评估及其与MRILVI的相关性定义为血管和/或淋巴管壁浸润中存在肿瘤血栓，或存在具有内皮衬里的空间的肿瘤栓子。本研究对所有84名患者进行了LVI的病理学分析，并根据美国癌症联合委员会（AJCC）第8版分期系统[26]对LVI的诊断进行分类。在84名患者中，随机选择了20名患者（8名LVI阳性，12名LVI阴性）的高清晰度（放大倍数×400）苏木精和伊红（H&E）染色的直肠癌组织切片，以评估基于td-dMRI的微观结构参数与病理学微观结构参数之间的相关性。所有组织病理学切片均由一位具有15年病理学经验的病理学家解读，且该病理学家不知道MRI的结果。全切片数字组织切片使用Qupath（版本0.6.0）和Openslide（版本4.0.0）软件进行处理，并勾画和识别了感兴趣区域（ROIs），确保至少包含20,000个细胞。通过实施细胞检测模块并应用自动量化的条件生成对抗网络（CGAN）进行核分割[27]来获取微观结构数据。这一过程提供了整个核区域（Anuclei）和总勾画组织区域（Atissue）的初步测量值[28]。随后，计算了与td-dMRI得出的参数概念上相似的以下病理学微观结构参数：核的体积加权直径计算为\({{{{\rm{d}}}}}_{{{{\rm{nuclei}}}}}={\sum }_{n}{d}_{n}^{4}/{\sum }_{n}{d}_{n}^{3}\)，其中n代表细胞数量，d是直径，\(\varSigma\)是总和，核直径（dnuclei）根据1.8的缩放因子进行了缩放[25]。基于病理学的细胞内分数计算为\({({\sum }_{n}{A}_{{nuclei}}/{A}_{{tissue}})}^{3/2}\)，其中Atissue是整个组织的面积，Anuclei是整个核的面积。病理学细胞密度计算如下：（病理学细胞密度 = [细胞内分数 / 病理学结构直径] × 100）。通过对这些定量得出的病理学参数与td-dMRI获得的相应参数进行相关性分析，对预训练的CGAN进行了验证。使用皮尔逊相关性分析（Pearson correlation analysis）来评估基于td-dMRI的ICVF与病理学细胞内分数、基于td-dMRI的细胞直径与病理学细胞直径以及基于td-dMRI的细胞密度与病理学细胞密度之间的关系。
统计分析使用SPSS 26.0（IBM）和MedCalc 15.2进行。连续变量表示为平均值±标准差（mean±SD），并使用独立t检验（independent t-test）进行比较（对于正态分布），或使用Mann–Whitney U检验（Mann–Whitney U test）进行比较（对于非正态分布）。定性变量使用卡方检验（χ2 test）进行比较。通过向后逐步选择（backward stepwise selection）进行单变量和多变量逻辑回归分析，以识别LVI阳性的风险因素。接收者操作特征曲线（receiver operating characteristic curve，AUC）下的面积用于确定预测LVI阳性的诊断性能。还计算了相应的敏感性和特异性。通过最大化Youden指数来确定定量参数的临界值。使用DeLong检验（DeLong test）来比较AUC。ICC和Bland–Altman分析用于评估观察者间的一致性。ICC<0.5、0.5–0.75、0.75–0.9、>0.9分别表示较差、中等、良好和极好的再现性。p<0.05表示有显著差异。
参与者特征
本研究共招募了84名直肠癌患者（中位年龄66岁[四分位数范围，59–70岁]），其中包括30名LVI阳性和54名LVI阴性患者。LVI阳性和LVI阴性组在年龄（p=0.125）、性别（p=0.947）、肿瘤位置（p=0.182）、肿瘤长度（p=0.968）、肿瘤厚度（p=0.085）、cT分期（p=0.071）或cN分期（p=0.513）方面没有显著差异（表1）。LVI阳性组中MRI报告的EMVI的患病率显著高于LVI阴性组（p<0.001）。两组在术前CEA水平（p=0.973）或CA199水平（p=0.680）方面没有显著差异。
td-dMRI微观结构参数与LVI的相关性
LVI阳性和LVI阴性患者之间的ADC25HZ、Relative ADC40HZ、ADC25HZ/ADC40HZ、ADC40HZ/ADCPGSE、Dex和细胞直径没有显著差异（所有p>0.05）（表2）。LVI阳性组中EMVI阳性的比例高于LVI阴性组（p<0.001）。LVI阳性组的APCGSE（p=0.004）和ADC40HZ（p=0.047）低于LVI阴性组。Relative ADC25HZ（p=0.004）、ADC25HZ/ADCPGSE（p=0.001）、ICVF（p<0.001）和细胞密度（p<0.001）高于LVI阴性组（图3）。
LVI阳性预测的风险因素
单变量分析显示，EMVI（比值比（OR），7.359 [95% CI: 2.709, 19.993]，p<0.001）、APCGSE（OR，0.344 [95% CI: 0.135, 0.874]，p=0.025）、Relative ADC25HZ（OR，2.917 [95% CI: 1.131, 7.523]，p=0.027）、ADC25HZ/ADCPGSE（OR，2.916 [95% CI: 1.128, 7.526]，p=0.028）、ICVF（OR，13.000 [95% CI: 4.3, 40.234]，p<0.001）和细胞密度（OR，1.190 [95% CI: 1.099, 1.289]）与LVI阳性相关。多变量逻辑回归分析确定EMVI（OR，3.251 [95% CI: 0.991–10.699]，p=0.032）、ICVF（OR，8.137 [95% CI: 2.836, 27.750]，p=0.001）和细胞密度（OR，1.159 [95% CI: 1.062, 1.264]）是预测LVI阳性的独立风险因素（表3）。
风险模型的诊断性能
单个风险因素和组合模型的诊断性能总结在表4中。由MRI报告的EMVI构建的放射学特征的AUC为0.730（95% CI: 0.613, 0.846），用于预测LVI阳性。ICVF显示出优于APCGSE（AUC，0.815 [95% CI: 0.710–0.888]）的预测性能（AUC，0.815 [95% CI: 0.710–0.888]，p<0.010）、ADC40HZ（AUC，0.631 [95% CI: 0.510–0.753]，p=0.003）、Relative ADC25HZ（AUC，0.688 [95% CI: 0.581–0.780]，p=0.101）、ADC25HZ/ADCPGSE（AUC，0.710 [95% CI: 0.605–0.808]，p=0.001）、细胞密度（AUC，0.792 [95% CI: 0.690–0.873]，p=0.798）。整合EMVI、ICVF和细胞密度的组合模型进一步提高了诊断性能，AUC达到0.860（95% CI: 0.767–0.926），显著高于单独使用MRI报告的EMVI（p=0.001）和单独使用细胞密度（p=0.021）（图4）。在pT3a和pT3b直肠癌亚组中，有36名LVI阴性和23名LVI阳性患者。在pT3a和pT3b亚组中区分LVI阳性和LVI阴性时，组合模型的性能良好，AUC为0.834，敏感性为69.5%，特异性为97.2%。
使用预训练的CGAN对每张全切片图像中的核进行了分割（图5）。结果表明，基于td-dMRI的ICVF与病理学ICVF（r=0.671，p=0.001）以及基于td-dMRI的细胞直径（r=0.736，p<0.001）与病理学细胞直径有高度相关性。基于td-dMRI的细胞密度与病理学细胞密度也有中等程度的相关性（r=0.590，p=0.006）。
观察者间一致性
表5显示了微观结构特征和ADC值的测量结果在观察者间的一致性。Relative ADC25HZ、Relative ADC40HZ、ADC25HZ/ADCPGSE和细胞直径的ICC值为0.764–0.839（95% CI: 0.561–0.920），表明一致性良好；其他参数的ICC值为0.936–0.986（95% CI: 0.869–0.993），表明一致性极佳。Bland–Altman分析显示在图6中。
Bland–Altman图比较了两位独立读者在不同扩散时间下测量的MRI微观结构参数和表观扩散系数（ADC）值的一致性。A 对于平均APCGSE（ICC=0.965，95% CI: 0.928–0.983）有极好的一致性；B 对于平均ADC25HZ（ICC=0.957，95% CI: 0.911–0.980）有极好的一致性；C 对于平均ADC40HZ（ICC=0.951，95% CI: 0.900–0.976）有极好的一致性；D 对于平均Relative ADC25HZ（ICC=0.813，95% CI: 0.645–0.907）有良好的一致性；E 对于平均ADC25HZ/40HZ（ICC=0.951，95% CI: 0.900–0.977）有良好的一致性；F 对于平均ADC25HZ/ADCPGSE（ICC=0.951，95% CI: 0.900–0.977）有极好的一致性；G 对于平均ADC40HZ/ADCPGSE（ICC=0.764，95% CI: 0.561–0.880）有极好的一致性；H 对于平均ICVF（ICC=0.986，95% CI: 0.970–0.993）有极好的一致性；J 对于平均Dex（ICC=0.955，95% CI: 0.908–0.978）有极好的一致性；K 对于平均细胞直径（ICC=0.839，95% CI: 0.689–0.920）有良好的一致性；L 对于平均细胞密度（ICC=0.963，95% CI: 0.925–0.982）有极好的一致性。
讨论
在本研究中，我们证明了从td-dMRI获得的微观结构参数，特别是ICVF和细胞密度，是预测直肠癌LVI的有价值的无创生物标志物。多变量分析表明，EMVI（OR，3.251）、ICVF（OR，8.137）和细胞密度（OR，1.159）是预测LVI阳性的独立风险因素。整合这些特征的组合模型实现了最高的诊断性能，接收者操作特征曲线（AUC）为0.860。在pT3a和pT3b直肠癌亚组中，组合模型的性能良好，AUC为0.834。
传统的DWI可以量化水分子的扩散驱动位移，已被用于预测直肠癌的LVI。Chen等人发现基于DWI的总体肿瘤体积在预测LVI方面具有最大的潜力，AUC为0.899[29]。然而，MRI上的肿瘤体积测量可能耗时较长，这使得其在临床实践中的应用变得困难。Yuan等人指出，肿瘤周围ADC与肿瘤内ADC的比率在评估LVI方面具有更好的预测性能，AUC为0.778[30]。Fan等人使用预处理ADC映射来预测LVI，AUC范围为0.71至0.80[31]。在本研究中，我们发现APCGSE可以帮助预测LVI，AUC为0.691。然而，Curvo-Semedo等人报告称ADC无法帮助评估直肠癌患者的LVI[32]。这些研究表明，ADC在预测LVI方面的价值仍有争议。此外，我们发现OGSE产生的ADC值（ADC25HZ和ADC40HZ）高于PGSE（ADCPGSE）产生的ADC值。可能的解释是，随着扩散时间的延长，ADC值可能会降低，因为更多的水与细胞膜发生碰撞[33]。因此，我们假设不同扩散时间下ADC值的相对变化可能为描述肿瘤微结构提供新的信息。我们发现LVI阳性患者的Relative ADC25HZ高于LVI阴性患者。这一发现可能表明LVI阳性患者的微结构中扩散受阻的情况更多。我们还发现ADC25HZ/ADCPGSE与LVI阳性有显著相关性。与ADCOGSE或APCGSE相比，ADC25HZ/ADCPGSE在预测LVI阳性方面倾向于具有略高的AUC。这一发现可能表明ADC25HZ/ADCPGSE比APCGSE更好地反映了肿瘤微结构，这与Ejima等人在子宫内膜癌中的观察结果相似[24]。尽管ADC测量在预测LVI阳性方面具有潜力，但其诊断性能（AUC，0.631–0.710）仍然不令人满意。人工智能分析方法在预测LVI方面显示出出色的性能（AUC，0.876–0.913）[34, 35]。然而，由于算法的灵活性，放射组学模型的AUC（曲线下面积）存在疑问，这引发了关于过拟合的担忧[12]。此外，缺乏生物物理支持和可解释性使得这些模型难以应用于临床实践。IMPULSED模型基于双室模型，通过考虑癌细胞球体简化了数学计算。该模型在乳腺癌中的临床可行性已经得到验证，细胞密度在预测病理完全缓解方面的AUC高达0.84[16]。曹等人使用IMPULSED方法发现，ICVF在区分高级别浆液性卵巢癌和浆液性边界卵巢肿瘤方面的AUC为0.936[36]。在本研究中，我们证明了ICVF和细胞密度是td-dMRI微结构参数中预测LVI（淋巴管侵犯）的两个关键参数，其性能优于ADC测量和放射学特征。这可能是因为LVI阳性与肿瘤分化不良有关，而分化不良的肿瘤具有较大的核体积分数、较高的细胞密度和微坏死[37]。因此，分化不良肿瘤的微结构比分化良好的肿瘤更为复杂。我们可以推测，肿瘤中较高的细胞密度和ICVF与较高的增殖能力和侵袭性相关，从而导致更高的LVI阳性率。与放射学特征和细胞密度相比，结合MRI报告的EMVI、ICVF和细胞密度的综合模型具有更好的预测性能（AUC分别为0.730、0.792和0.860，所有p<0.05）和更高的特异性（分别为75.9%、83.3%和96.3%）。然而，仅使用ICVF的综合模型也取得了类似的诊断性能（AUC为0.860，p=0.446），但特异性更高（96.3% vs 83.3%）。这一发现表明，将MRI微结构特征添加到MRI报告的EMVI中，在临床实践中预测LVI方面具有广泛的应用潜力。
本研究存在一些局限性。首先，样本量相对较小，结果尚需在更多机构进行额外研究以验证。其次，MRI微结构参数是在每个肿瘤的最大横截面上测量的，应进一步进行整个肿瘤的分析。第三，尽管我们尝试将td-dMRI参数与病理微结构特征相关联，但病理评估仅限于单个切片中的选定区域，这可能无法准确对应于MRI分析的较大ROI（感兴趣区域），因为肿瘤具有固有的异质性。这种空间不匹配可能会在相关性分析中引入偏差。未来的研究应结合人工智能进行整个肿瘤的体积分析，并采用先进的MRI与组织病理学全切片图像配准技术，以实现更精确和全面的验证。此外，td-dMRI参数与组织病理学微结构之间的相关性分析仅在相对较小的患者子集（n=20）中进行。虽然这些结果提供了初步的概念验证生物学有效性，但未来需要更大样本量的研究来进行最终验证。最后，T3a/b-T4a期直肠癌患者未接受术前化疗放疗。然而，先前的研究表明，术前化疗放疗并未显著提高3年无复发生存率，与单独手术相比[38, 39]。
总之，本研究利用基于td-dMRI的微结构映射技术无创地预测了直肠癌患者的LVI，并证明ICVF和细胞密度具有良好的预测性能。ICVF、细胞密度和EMVI的结合进一步提高了LVI的预测准确性。我们的研究应被视为一个概念验证，证明了td-dMRI微结构映射技术在无创预测LVI方面的可行性。未来，我们计划进行多中心随访研究以验证我们的发现。
打赏
