Thanh bên bài viết

pdf
Ngày xuất bản: 25/09/2023
Ngày xuất bản Online: 25/09/2023
Số lượt xem tóm tắt: 128
Số lượt xem pdf: 150
DOI: https://doi.org/10.55046/vjrnm.52.964.2023
Số xuất bản
Số 52 (2023)
Chuyên mục
Nghiên cứu khoa học
Trích dẫn bài báo
Ngô, . Đức Y., Vũ , . Đăng L., Đàm , T. T., & Nguyễn, . C. T. (2023). NGHIÊN CỨU GIÁ TRỊ CỦA CHUỖI XUNG TƯỚI MÁU VÀ CHUỖI XUNG PHỔ TRÊN CỘNG HƯỞNG TỪ 3 TESLA CHẨN ĐOÁN PHÂN BẬC U THẦN KINH ĐỆM . Tạp chí Điện quang & Y học hạt nhân Việt Nam, 52, 47-55. https://doi.org/10.55046/vjrnm.52.964.2023

NGHIÊN CỨU GIÁ TRỊ CỦA CHUỖI XUNG TƯỚI MÁU VÀ CHUỖI XUNG PHỔ TRÊN CỘNG HƯỞNG TỪ 3 TESLA CHẨN ĐOÁN PHÂN BẬC U THẦN KINH ĐỆM

Ngô Đức Yên1, Vũ Đăng Lưu1, Đàm Thủy Trang1, Nguyễn Công Tiến1
1 Bệnh viện Bạch Mai

Nội dung chính của bài viết

Tóm tắt

Mục tiêu: Đánh giá giá trị của chuỗi xung phổ và chuỗi xung tưới máu trên máy cộng hưởng từ (CHT) 3 Tesla (T) trong chẩn đoán phân bậc u thần kinh đệm (UTKĐ).


Phương pháp: Bệnh nhân được chụp chuỗi xung phổ và tưới máu trên máy 3T với tiêu chuẩn vàng là giải phẫu bệnh. Dùng phần mềm tính toán các giá trị Ktrans, Ve, Cho/NAA, Cho/Cre. Sử dụng đường cong ROC để so sánh các thông số tưới máu và phổ để phân biệt UTK bậc cao và UTKĐ bậc thấp.


Kết quả: Có 15 bệnh nhân UTKĐ, trong đó có 10 bệnh nhân UTKĐ bậc cao, 5 bệnh nhân UTKĐ bậc thấp. Có sự khác biệt có ý nghĩa thống kê (p<0,05) của các thông số tưới máu (Ktrans, Ve) và phổ (Cho/NAA, Cho/Cre) trong phân bậc UTKĐ. Trong đó, Ktrans có giá trị cao nhất để phân bậc u thần kinh đệm (AUC 0,956).


Kết luận: Giá trị Ktrans, Ve của chuỗi xung tưới máu có khả năng phân biệt UTKĐ bậc cao và UTKĐ bậc thấp. Từ khóa: U thần kinh đệm, cộng hưởng từ phổ, cộng hưởng từ tưới máu,

Chi tiết bài viết

Từ khóa

U thần kinh đệm, cộng hưởng từ phổ, cộng hưởng từ tưới máu,

Tài liệu tham khảo

1. Junfeng Zhang, Heng Liu, Haipeng Tong, Sumei Wang, et al (2017). Clinical Applications of Contrast-Enhanced Perfusion MRI Techniques in Gliomas: Recent Advances and Current Challenges. doi: 10.1155/2017/7064120
2. Jitender Saini ,Rakesh Kumar Gupta,Manoj Kumar,Anup Singh, et al (2019). Comparative evaluation of cerebral gliomas using rCBV measurements during sequential acquisition of T1-perfusion and T2*-perfusion MRI. doi: 10.1371/journal.pone.0215400
3. John G. Webster, E. Russell Ritenour, Slavik Tabakov, & and Kwan-Hoong Ng (2018). (Series in Medical Physics and Biomedical Engineering) Ioannis Tsougos - Advanced MR Neuroimaging_ From Theory to Clinical PracticeCRC Press. (1st Edition). CRC Press
4. DCE Parameters. What quantitative parameters can be extracted from the DCE data? (2022). https://mriquestions. com/dce-tissue-parmeters.html.
5. G. Parenti, F. Albarello, P. Campioni, et al. (2014). Role of MR Spectroscopy (H1-MRS) of the Testis in Men with Semen Analysis Altered. doi:10.1594/ecr2014/C-0534
6. Alena Horská, Ph.D.1 and Peter B. Barker, D. Phil, et al. (2010). Imaging of Brain Tumors: MR Spectroscopy and Metabolic Imaging. doi: 10.1016/j.nic.2010.04.003
7. Ming zhao, Li-Li Luo, Ning Huang, Qiong Wu, Li Zhou, et al. (2017). Quantitative analysis of permeability for glioma grading using dynamic contrast-enhanced magnetic resonance imaging. doi:10.3892/ol.2017.6895
8. Nguyễn Duy Hùng, et al. (2018). Nghiên cứu giá trị của cộng hưởng từ tưới máu và cộng hưởng từ phổ trong chẩn đoán một số u thần kinh đệm trên lều ở người lớn. URI: http://dulieuso.hmu.edu.vn//handle/hmu/1775
9. J Magn Reson Imaging, et al (2010), pp. 39-45. Short echo time MR spectroscopy of brain tumors: grading of cerebral gliomas by correlation analysis of normalized spectral amplitudes. https://doi.org/10.1002/jmri.21991
10. Xiaoguang Li, Yongshan Zhu, Houyi Kang, Yulong Zhang, et al. (2015). Glioma grading by microvascular
permeability parameters derived from dynamic contrast-enhanced MRI and intratumoral susceptibility signal on susceptibility weighted imaging. doi: 10.1186/s40644-015-0039-z
11. Thomas Nielsen,* Thomas Wittenborn, and Michael R. Horsman. (2012). Dynamic Contrast-Enhanced Magnetic Resonance Imaging (DCE-MRI) in Preclinical Studies of Antivascular Treatments.
12. Corrado Santarosaa, Antonella Castellanoa, et al. Dynamic contrast-enhanced and dynamic susceptibility contrast perfusion MR imaging for glioma grading: Preliminary comparison of vessel compartment and permeability parameters using hotspot and histogram analysis. doi: 10.3390/pharmaceutics4040563
13. Cao M, Suo S, Han X, Jin K, Sun Y1, Wang Y1, et al. (2018). Application of a Simplified Method for Estimating Perfusion Derived from Diffusion-Weighted MR Imaging in Glioma Grading. DOI: 10.3389/fnagi.2017.00432
14. Zhongzheng Jia a, Daoying Geng, Tianwen Xie, et al. (2012). Quantitative analysis of neovascular permeability in glioma by dynamic contrast-enhanced MR imaging. doi: 10.1016/j.jocn.2011.08.030
15. Mariko Toyooka, Hirohiko Kimura, Hidemasa Uematsu, et al. (2008). Tissue characterization of glioma by proton magnetic resonance spectroscopy and perfusion-weighted magnetic resonance imaging: glioma grading and histological correlation. doi: 10.1016/j.clinimag.2007.12.006