Purpose

To evaluate the ability of quantitative dynamic contrast-enhanced (DCE)-MRI and readout segmentation of long variable echo-trains diffusion-weighted imaging (RESOLVE-DWI) in differentiating parotid tumors (PTs) with different histological types.

Methods

In this retrospective study, 123 patients with 145 histologically proven PTs who underwent both RESOLVE-DWI and DCE-MRI were enrolled including 51 pleomorphic adenomas (PAs), 52 Warthin’s tumors (WTs), 27 other benign neoplasms (OBNs), and 15 malignant tumors (MTs). Quantitative parameters of DCE-MRI (K^trans, K_ep, and V_e) and the apparent diffusion coefficient (ADC) of lesions were calculated and analyzed. Kruskal–Wallis tests with Dunn-Bonferroni correction, logistic regression analyses, and receiver operating characteristic curve were used for statistical analyses.

Results

PAs exhibited a lowest K^trans among these four PTs. WTs demonstrated the highest K_ep and lowest V_e values. WTs and MTs showed lower ADC_min values than PAs and OBNs. The combination of K_ep and V_e provided 98.1% sensitivity, 85% specificity, and 98.7% accuracy for differentiating WTs from the other three PTs. The ADC_min cutoff value of ≤ 0.826 yielded 80.0% sensitivity, 92.3% specificity, and 90.3% accuracy for the differentiation of MTs from PAs and OBNs. K^trans with a cutoff value of ≤ 0.185 achieved a sensitivity, specificity, and accuracy of 84.3, 70.4, and 79.5%, respectively, for discriminating PAs from OBNs.

Conclusion

The combination of quantitative DCE-MRI and RESOLVE-DWI is beneficial for characterizing four histological types of PTs.

中文翻译：

---

定量动态对比增强 MRI 和长可变回波序列扩散加权成像的读出分割在区分腮腺肿瘤中

目的

评估定量动态对比增强 (DCE)-MRI 和长可变回波序列弥散加权成像 (RESOLVE-DWI) 的读出分割在区分不同组织学类型的腮腺肿瘤 (PT) 中的能力。

方法

在这项回顾性研究中，纳入了 123 名患者，其中 145 名经组织学证实的 PT 接受了 RESOLVE-DWI 和 DCE-MRI，包括 51 名多形性腺瘤 (PAs)、52 名 Warthin 瘤 (WTs)、27 名其他良性肿瘤 (OBNs) 和 15 名恶性肿瘤（MT）。计算并分析DCE-MRI的定量参数（K ^trans、K _ep和V _e）和病灶表观扩散系数（ADC）。使用带有 Dunn-Bonferroni 校正的 Kruskal-Wallis 检验、逻辑回归分析和接受者操作特征曲线进行统计分析。

结果

PA在这四个 PT 中表现出最低的 K ^trans。WT 表现出最高的 K _ep和最低的 V _e值。WT 和 MT 的 ADC_最小值低于 PA 和 OBN。K _ep和 V _e的组合为区分 WT 与其他三个 PT 提供了 98.1% 的灵敏度、85% 的特异性和 98.7% 的准确度。≤ 0.826的 ADC_最小截止值产生了 80.0% 的灵敏度、92.3% 的特异性和 90.3% 的准确度，用于区分 MT 与 PA 和 OBN。截断值≤ 0.185 的K ^{trans 分别}实现了 84.3%、70.4% 和 79.5% 的灵敏度、特异性和准确度，用于区分 PA 和 OBN。

结论

定量 DCE-MRI 和 RESOLVE-DWI 的组合有利于表征四种组织学类型的 PT。