磁共振灌注成像在脑胶质瘤中的应用及研究进展

摘要：胶质瘤微血管生成的病理学基础及其在肿瘤发展和治疗中的重要性广受关注。磁共振灌注成像作为一种非侵入性手段，通过反映组织内微血管分布和血流灌注情况，已应用于胶质瘤的分级诊断、分子诊断、肿瘤鉴别和预后分析。对磁共振成像数据的分析可实现胶质瘤的精准分类，有助于个体化治疗方案的制定。同时，结合分子生物学技术，该技术能够为胶质瘤的分子亚型分类提供依据，指导更精准的治疗策略，并用于鉴别诊断和预后评估。本文综述了胶质瘤微血管灌注的生物学机制和磁共振灌注成像在诊断与治疗中的应用，旨在为临床实践提供全面的信息支持。

关键词：脑肿瘤；胶质瘤；磁共振灌注成像；体素内不相干运动成像；动态对比增强成像；动态磁敏感对比

Research progress of application of magnetic resonance perfusion imaging in glioma

WANG Junhao1， 3， HAN Lingyan1， 3， SU Yifei1， 3， CHENG Rui2， 3， JI Hongming2， 3， WANG Chunhong2， 3

1Department of Neurosurgery， Shanxi Provincial People's Hospital， Shanxi Medical University， Taiyuan 030012， China; 2Department of Neurosurgery， Fifth Hospital of Shanxi Medical University/Shanxi Provincial People's Hospital， Taiyuan 030012， China; 3Provincial Key Cultivation Laboratory of Intelligent Big Data Digital Neurosurgery of Shanxi Province， Taiyuan 030012， China

Abstract：" The pathological basis of microvascular perfusion in gliomas and its significance in tumor progression and treatment have garnered significant attention. Magnetic resonance perfusion imaging， a non-invasive technique， reflects the distribution of microvessels and blood flow within tissues， and has been extensively applied in the grading diagnosis， molecular diagnosis， differential diagnosis， and prognosis assessment of gliomas. Analysis of MRI data allows for precise classification of gliomas， facilitating the development of personalized treatment plans. When combined with molecular biology techniques， this imaging method provides a basis for the molecular subtype classification of gliomas， guiding more precise therapeutic strategies， and is also used for differential diagnosis and prognosis evaluation. This review summarizes the biological mechanisms of microvascular perfusion in gliomas and the application of magnetic resonance perfusion imaging in diagnosis and treatment， aiming to provide comprehensive information support for clinical practice.

Keywords： cerebral tumor; glioma; magnetic resonance perfusion imaging; intravoxel incoherent motion imaging; dynamic contrast-enhanced imaging; dynamic susceptibility contrast

胶质瘤是原发性中枢神经系统恶性肿瘤，呈浸润生长，占成人颅内原发恶性肿瘤的75%，具有侵袭性强、高度血管化、中位生存期短、复发率高等特点［1］。胶质瘤异常的血管结构和血流灌注特征与其病理学分级、放化疗疗效、恶性进展和复发密切相关。常规的磁共振扫描可以提供肿瘤的解剖信息，但在反映瘤内分子水平微环境方面具有一定的局限性。随着磁共振成像技术的不断发展，磁共振灌注成像（PWI）可以评估肿瘤微血管分布和血液灌注的情况，有助于判断肿瘤恶性程度，对预测肿瘤进展、制定个性化治疗方案有一定的临床参考及应用价值。

1" 胶质瘤微血管灌注的病理学基础

新生血管广泛分布于肿瘤间质中，随着恶性程度增高，细小、均一的毛细血管变为扩张、窦状不成熟的血管，且数量多、分布杂乱、管腔不规则、动静脉吻合枝丰富［2］。而内皮细胞的改变使得血管的通透性相对失控，并且随着肿瘤组织体积不断增大，新生血管不断增殖，使得肿瘤有丰富的血流灌注。但局部血流的营养耗尽后，血管开始闭合、变性、坏死，从而导致肿瘤微环境的缺氧状态，而肿瘤的缺氧状态则促进了肿瘤微血管的增殖，形成恶性循环［3］。因此，肿瘤血管的形成在时间和空间上呈现出特异性，从而导致了肿瘤血流供应的差异。

2" PWI常用技术及基本原理

PWI主要包括动态磁敏感增强灌注成像（DSC-PWI）、动脉自旋标记（ASL）、动态对比增强磁共振成像（DCE-MRI）和体素内不相干运动（IVIM）。其中ASL获得肿瘤信息少、信噪比低、敏感性差，临床应用较为局限；DSC-PWI 、DCE-MRI和IVIM可以定量评估组织的微血管生成，反映组织血管分布、血流灌注等生理信息，引起了更多的学者的兴趣。

DSC-PWI通过静脉团注顺磁性对比剂，引起氢质子自旋失相位，从而形成局部磁场不均匀区，降低组织的T2值或T2*值。通过时间-信号强度曲线，进一步计算可以得到相关血流动力学参数［4］。DCE-MRI利用顺磁性造影剂降低组织的T1值。通过连续、重复、快速的成像序列，获取注入对比剂前后连续动态增强过程的图像以及时间-信号强度曲线，使用计算机软件对获得信息进行处理和分析，得到组织微循环灌注的各种参数［5］。IVIM是在扩散加权成像基础上开发出来的一种磁共振扩散成像方法，序列设置多个b值并通过双指数模型量化组织内和微血管内水分子的扩散运动，以反映肿瘤的组织学特征［6］。

3" PWI主要成像参数

DSC-PWI的主要成像参数包括脑血容量（CBV）、脑血流量（CBF）和平均通过时间（MTT）。为了校正由个体差异引起的误差，通常采用相对值表示法，将CBV和CBF的患侧值与对侧正常白质区的灌注参数进行比值计算，得到相对脑血容量（rCBV）和相对脑血流量（rCBF），这些参数被用于胶质瘤的组织病理学分级以及预后评估［7］。rCBV反映所选感兴趣区域脑组织的血容量，肿瘤微血管密度越高，rCBV增加越明显；rCBF反映所选感兴趣区域的血流速度。并且rCBV和rCBF具有很好的相关性。

DCE-MRI主要获得半定量参数和定量参数。半定量参数主要通过描述感兴趣区域组织的信号强度-时间曲线的形状和结构来获得。定量参数分析需要选择与组织血供状态相匹配的药代动力学模型，通过计算对比剂的浓度获得参数。常用的参数有容积传递常数（Ktrans）、速率常数（Kep）、血管外和细胞外间隙容积分数（Ve）、血浆容积分数（Vp）等。其中Ktrans可以反映血脑屏障的破坏情况；Vp反映新生血管的情况；Ve与肿瘤坏死程度和细胞密度有关［8］。

IVIM成像参数包括灌注分数（f）、慢扩散系数（D）、快扩散系数（D*）。f反映局部组织内微循环灌注效应占总扩散的容积百分比。f是一个可靠的定量参数可评估胶质瘤的血流灌注，可广泛应用于不同肿瘤的鉴别和胶质瘤的分级［9］。D反映单位时间内水分子随机运动的范围，D越高，意味着水分子的弥散运动越自由的，其被广泛用于不同肿瘤的诊断及鉴别诊断、以及急性脑卒中的诊断中，并有着良好的诊断效能［10］。D*反映微循环灌注的扩散系数。D*的信噪比低且重复性较差，在评估胶质瘤分级时作用较为局限［11］。

4" PWI常用技术的优势和劣势

DSC-PWI具有分辨力高、信噪比高等优点，获得CBV参数与肿瘤病理密切相关，是临床最常用的磁共振灌注技术［12］，但其需要引入外源性对比剂，并且半定量分析方法使得无法开展多项纵向研究中。

DCE-MRI是对T1技术的补充和完善，有着更高的空间分辨率，但灌注模型理论还不成熟，获得的参数精确度较低，很难实现重复测量［13］。同样的，DCE-MRI也需要引入外源性对比剂的使用，具有潜在的造影剂过敏风险。

IVIM 是在常规扩散加权成像的基础上发展起来的新的成像序列，无需使用外源性对比剂就可以无创的安全的量化脑肿瘤的扩散和灌注信息，反映出组织和细胞微观结构及微循环灌注，但 IVIM存在以下不足：研究中b值的选取没有统一标准，非标准化的b值选取是不同研究结果产生巨大差异的原因［14］；灌注成像参数受到多种因素影响，如：基础代谢率、心脏搏动、基础血压等；感兴趣区的选取受主观因素的影响；数据采集时间长、后处理过程相对复杂。

5" PWI在脑胶质瘤中应用

PWI可根据肿瘤血管密度及对血脑屏障破坏程度对胶质瘤分级以及进行鉴别以及分级诊断，还可根据组织的灌注异常对胶质瘤分子分型提供准确的诊断信息，从而预测其预后和复发情况［15］。

5.1" 胶质瘤分级诊断

术前对胶质瘤分级进行准确预测，对制定最佳治疗方案有重要作用。DSC-PWI作为临床上重要的胶质瘤灌注的评价技术，其提供的rCBF和rCBV可以通过反映胶质瘤肿瘤组织的血流灌注来评估胶质瘤的病理分级［16］。此外，rCBV与胶质瘤病理分级、肿瘤体积、新生血管的增殖相关，表明rCBV是胶质瘤分级的有效参数［17］。

DCE-MRI使用定量参数评估血脑屏障的变化，可以为胶质瘤患者的术前分级及预后评估提供有用的信息［13］。相对于低级别胶质瘤（LGG），高级别胶质瘤（HGG）肿瘤实质区域显示出较高的区Ktrans［18］，说明在HGG肿瘤组织内对比剂更容易转运到血管外间隙，也即HGG的毛细血管通透性更高。此外，HGG肿瘤实质区的Ktrans、Ve明显高于LGG，表明随着胶质瘤分级的增加、血管越不成熟、通透性越大、肿瘤坏死程度越高，同时也表明这些参数可以用来预测胶质瘤分级［19］。在DCE-MRI的这些参数中，Vp和Ve对胶质瘤的分级有较高的准确性，而Ktrans被认为是最重要的参数之一，Ktrans越高，代谢越快，恶性程度越高［20］。

胶质瘤等级越高，其细胞密度越大，细胞间隙越小，新生毛细血管越丰富，肿瘤组织的灌注就相对丰富，水分子扩散相对受限，具体表现为D减小和f增大［21］。研究表明相较于LGG，HGG的D值明显降低，并且D、D*和 f均可以有效鉴别 HGG 和 LGG，AUC分别可达0.89、0.81、0.94，敏感性分别为0.85、0.78、0.89，特异性分别为0.78、0.68、0.88［22］。可见IVIM的定量参数是评估胶质瘤分级的重要生物标志物。

5.2" 胶质瘤分子诊断

异柠檬酸脱氢酶（IDH）基因状态是弥漫性胶质瘤最重要的分子特征之一。在LGG IDH突变状态的研究中，一项DSC-MRI研究表明，IDH突变型肿瘤相较于IDH野生型肿瘤最大rCBV值更小［23］。同时IVIM的研究表明IDH突变肿瘤的ADC更大，AUC为0.936、D*更小，AUC为0.841、f也更小，AUC为0.992［24］。在HGG IDH突变状态的研究中，一项DCE-MRI研究指出 IDH突变组的Ktrans低于IDH野生组［25］。

5.3" 胶质瘤鉴别诊断

中枢神经系统淋巴瘤（PCNSL）和HGG两种肿瘤的细胞密度相似、血供丰富、生长方式均呈侵袭性，好发年龄无差异，并且在常规磁共振扫描中两者的强化指数相似，故在临床工作中存在一定程度上的鉴别困难［26］。

有研究表明PCNSL肿瘤区域的Ve明显高于HGG，而瘤周区域的Ktrans明显低于HGG［27］。有研究表明PCNSL的rCBV明显低于HGG［28］。有学者发现，相较于SBM，HGG肿瘤周围rCBV明显高于对侧正常脑组织［29］，可能与HGG浸润生长，肿瘤内及肿瘤周围正常脑组织内有丰富的新生血管相关。

有研究表明，通过IVIM技术来鉴别HGG和PCNSL，ADC和f有着较高的诊断效能，而D值鉴别意义较小［30］。另有研究发现IVIM诱导的血流灌注和扩散参数中，f在PCNSL与HGG的鉴别中有意义，敏感性及特异性分别为0.842、0.951［31］。有研究表明D可以区分PCNSL和HGG，其AUC可达0.905，联合考虑f和D可以进一步提高诊断性能，AUC可达0.936［32］。此外，IVIM技术可以区分肿瘤实质以及肿瘤周围1 cm水肿区的扩散和灌注特征的差异，为HGG和SBM的鉴别诊断提供依据［33］。

5.4" 胶质瘤预后和复发

目前广泛应用于评价预后指标的病理学指标是Ki-67，其被认为与恶性肿瘤细胞增殖密切相关［34］。有IVIM研究表明Ki-67表达水平与肿瘤组织D值和f值呈中度负相关［35］。并且有研究发现可以通过D值的下降来预测贝伐单抗治疗后肿瘤的进展情况。另有研究发现无进展生存时间小于12月的胶质瘤患者相较于无进展生存时间大于12月的胶质瘤患者通常有较高的Ktrans和Ve，在ROC分析中Ktrans、Ve的AUC分别为0.846、0.906，表明Ktrans和Ve与胶质瘤恶性程度及预后密切相关［36］。

对于胶质瘤，尤其是HGG，目前指南推荐手术联合同步放化疗以及电场治疗，但仍存在抗血管治疗、免疫治疗等其他方案［37］，使得胶质瘤的治疗变得极其复杂，也就导致了在评价治疗效果时的困境。在影像随诊过程中会出现肿瘤复发、放射性坏死以及肿瘤的假性进展等情况，依靠传统磁共振成像无法进行鉴别［38］。肿瘤复发在常规影像学上与放射性坏死、假性进展很难鉴别，均表现为点片状异常信号，对比增强的形态学表现大多为不规则、环状或结节状的强化影［39］。肿瘤进展患者的D*和f值高于假性进展患者［40］。在灌注加权成像中，CBV可作为肿瘤血管系统的重要生物标志物，而肿瘤复发、放射性坏死和假性进展常表现为不同的血管状态，肿瘤复发可能伴随异常的血管生成，形成异常血管结构；放射性坏死可能导致肿瘤内部血供减少或中断，影响血管结构；假性进展可能引发炎症反应，导致局部血管扩张和渗漏［41］。由此，有研究表明相较于假性进展组，肿瘤复发时rCBV更高［42］，另有研究表明肿瘤复发患者的rCBV明显高于放射性坏死［43］。rCBV是鉴别肿瘤复发和放射性坏死的敏感指标，可以作为评估胶质瘤综合治疗疗效的依据［44］。此外，在一项DCE-MRI的研究中，Ktrans在鉴别肿瘤复发和放射性坏死时，敏感性可达0.94，而特异性为1［45］。

6" 展望

PWI在脑胶质瘤研究中呈现出广阔的应用前景，但仍存在诸如定量测量受模型假设和扫描参数的影响、对生物学特性的多维度评估不足、缺乏标准化分析方法等不足。伴随着磁共振技术的不断发展，可以通过综合应用高场强磁共振技术、多模态成像等先进技术，提升图像质量与分辨率，以实现更为准确的定量分析。此外，将PWI与磁共振波谱成像、弥散张量成像等多模态成像相融合，实现多参数综合评估，以深化对脑胶质瘤微环境与代谢特性的理解，提供关于肿瘤代谢、细胞增殖、血管生成等微观层面的信息。同时，建立统一的图像处理与分析流程，有利于不同研究结果的可比性和可重复性。人工智能技术在图像分析中的应用，有望促进PWI数据的高效解读与分析。进而在脑胶质瘤的早期诊断、疗效监测以及预后评估方面发挥更为显著的作用，为临床决策提供更加精准的支持。

参考文献：

［1］" "Schaff LR， Mellinghoff IK. Glioblastoma and other primary brain malignancies in adults： a review［J］. JAMA， 2023， 329（7）： 574-87.

［2］" "Tu JY， Liang H， Li CY， et al. The application and research progress of anti-angiogenesis therapy in tumor immunotherapy［J］. Front Immunol， 2023， 14： 1198972.

［3］ Mosteiro A， Pedrosa L， Ferrés A， et al. The vascular microenvironment in glioblastoma： a comprehensive review［J］. Biomedicines， 2022， 10（6）： 1285.

［4］" "Hirschler L， Sollmann N， Schmitz‑Abecassis B， et al. Advanced MR techniques for preoperative glioma characterization： part 1［J］. J Magn Reson Imaging， 2023， 57（6）： 1655-75.

［5］" "Gaustad JV， Hauge A， Wegner CS， et al. DCE‑MRI of tumor hypoxia and hypoxia-associated aggressiveness［J］. Cancers， 2020， 12（7）： 1979.

［6］" "Iima M. Perfusion-driven intravoxel incoherent motion （IVIM） MRI in oncology： applications， challenges， and future trends［J］. Magn Reson Med Sci， 2021， 20（2）： 125-38.

［7］" "Shoaib Y， Nayil K， Makhdoomi R， et al. Role of diffusion and perfusion magnetic resonance imaging in predicting the histopathological grade of gliomas‑A prospective study［J］. Asian J Neurosurg， 2019， 14（1）： 47-51.

［8］" "Albano D， Bruno F， Agostini A， et al. Dynamic contrast-enhanced （DCE） imaging： state of the art and applications in whole-body imaging［J］. Jpn J Radiol， 2022， 40（4）： 341-66.

［9］" "Jabehdar Maralani P， Myrehaug S， Mehrabian H， et al. Intravoxel incoherent motion （IVIM） modeling of diffusion MRI during chemoradiation predicts therapeutic response in IDH wildtype glioblastoma［J］. Radiother Oncol， 2021， 156： 258-65.

［10］ Federau C. Measuring perfusion： intravoxel incoherent motion MR imaging［J］. Magn Reson Imaging Clin N Am， 2021， 29（2）： 233-42.

［11］ Paschoal AM， Zotin MCZ， Costa LMD， et al. Feasibility of intravoxel incoherent motion in the assessment of tumor microvasculature and blood‑brain barrier integrity： a case‑based evaluation of gliomas［J］. MAGMA， 2022， 35（1）： 17-27.

［12］ 刘江涛， 陈谦学. 磁共振灌注成像技术在脑胶质瘤诊疗中的应用进展［J］. 中国临床神经外科杂志， 2020， 25（4）： 248-50.

［13］ Qiu J， Tao ZC， Deng KX， et al. Diagnostic accuracy of dynamic contrast-enhanced magnetic resonance imaging for distinguishing pseudoprogression from glioma recurrence： a meta‑analysis［J］. Chin Med J， 2021， 134（21）： 2535-43.

［14］ Cao MQ， Wang XQ， Liu F， et al. 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［J］. Eur Radiol， 2023， 33（4）： 2871-80.

［15］ Carrete LR， Young JS， Cha S. Advanced imaging techniques for newly diagnosed and recurrent gliomas［J］. Front Neurosci， 2022， 16： 787755.

［16］ Chen S， Wang L， Wang L， et al. Consistency analysis between 3D arterial spin labeling and dynamic susceptibility contrast perfusion magnetic resonance imaging in perfusion imaging of brain tumor［J］. Nan Fang Yi Ke Da Xue Xue Bao， 2021， 41（8）： 1283-6.

［17］ Surendra KL， Patwari S， Agrawal S， et al. Percentage signal intensity recovery： a step ahead of rCBV in DSC MR perfusion imaging for the differentiation of common neoplasms of brain［J］. Indian J Cancer， 2020， 57（1）： 36-43.

［18］ Jin Y， Peng H， Peng J. Brain glioma localization diagnosis based on magnetic resonance imaging［J］. World Neurosurg， 2021， 149： 325-32.

［19］ 何金龙， 高" 阳， 李" 波， 等. DCE-MRI联合MTI在脑胶质瘤分级及浸润中的应用价值［J］. 临床放射学杂志， 2021， 40（4）： 651-5.

［20］ Su CQ， Lu SS， Han QY， et al. Intergrating conventional MRI， texture analysis of dynamic contrast‑enhanced MRI， and susceptibility weighted imaging for glioma grading［J］. Acta Radiol， 2019， 60（6）： 777-87.

［21］ Catanese A， Malacario F， Cirillo L， et al. Application of intravoxel incoherent motion （IVIM） magnetic resonance imaging in the evaluation of primitive brain tumours［J］. Neuroradiol J， 2018， 31（1）： 4-9.

［22］" Luo HC， He L， Cheng WQ， et al. The diagnostic value of intravoxel incoherent motion imaging in differentiating high-grade from low-grade gliomas： a systematic review and meta-analysis［J］. Br J Radiol， 2021， 94（1121）： 20201321.

［23］" Song SS， Wang LM， Yang HW， et al. Static 18F-FET PET and DSC-PWI based on hybrid PET/MR for the prediction of gliomas defined by IDH and 1p/19q status［J］. Eur Radiol， 2021， 31（6）： 4087-96.

［24］ Wang X， Chen XZ， Shi L， et al. Glioma grading and IDH1 mutational status： assessment by intravoxel incoherent motion MRI［J］. Clin Radiol， 2019， 74（8）： 651.e7-651.e14.

［25］ van Santwijk L， Kouwenberg V， Meijer F， et al. A systematic review and meta-analysis on the differentiation of glioma grade and mutational status by use of perfusion‑based magnetic resonance imaging［J］. Insights Imaging， 2022， 13（1）： 102.

［26］ Cindil E， Sendur HN， Cerit MN， et al. Validation of combined use of DWI and percentage signal recovery-optimized protocol of DSC-MRI in differentiation of high-grade glioma， metastasis， and lymphoma［J］. Neuroradiology， 2021， 63（3）： 331-42.

［27］ Guida L， Stumpo V， Bellomo J， et al. Hemodynamic imaging in cerebral diffuse glioma-part A： concept， differential diagnosis and tumor grading［J］. Cancers， 2022， 14（6）： 1432.

［28］ Chaganti J， Taylor M， Woodford H， et al. Differentiation of primary central nervous system lymphoma and high‑grade glioma with dynamic susceptibility contrast‑derived metrics： pilot study［J］. World Neurosurg， 2021， 151： e979-e987.

［29］ Xiao HF， Chen ZY， Lou X， et al. Astrocytic tumour grading： a comparative study of three-dimensional pseudocontinuous arterial spin labelling， dynamic susceptibility contrast-enhanced perfusion-weighted imaging， and diffusion-weighted imaging［J］. Eur Radiol， 2015， 25（12）： 3423-30.

［30］ Shim WH， Kim HS， Choi CG， et al. Comparison of apparent diffusion coefficient and intravoxel incoherent motion for differentiating among glioblastoma， metastasis， and lymphoma focusing on diffusion-related parameter［J］. PLoS One， 2015， 10（7）： e0134761.

［31］ Szubert-Franczak AE， Naduk‑Ostrowska M， Pasicz K， et al. Intravoxel incoherent motion magnetic resonance imaging： basic principles and clinical applications［J］. Pol J Radiol， 2020， 85： e624-35.

［32］ Yamashita K， Hiwatashi A， Togao O， et al. Diagnostic utility of intravoxel incoherent motion mr imaging in differentiating primary central nervous system lymphoma from glioblastoma multiforme［J］. J Magn Reson Imaging， 2016， 44（5）： 1256-61.

［33］" 宋双双， 赵继平， 马敏阁， 等. 体素内不相干运动DWI鉴别诊断高级别胶质瘤与脑转移瘤［J］. 中国医学影像技术， 2018， 34（6）： 826-30.

［34］ Yang ZX， Ling F， Ruan SB， et al. Clinical and prognostic implications of 1p/19q， IDH， BRAF， MGMT promoter， and TERT promoter alterations， and expression of ki-67 and p53 in human gliomas［J］. Cancer Manag Res， 2021， 13： 8755-65.

［35］ Miyoshi F， Shinohara Y， Kambe A， et al. Utility of intravoxel incoherent motion magnetic resonance imaging and arterial spin labeling for recurrent glioma after bevacizumab treatment［J］. Acta Radiol， 2018， 59（11）： 1372-9.

［36］" 黄" 琦， 喻" 强， 刘" 江， 等. 3.0T磁共振动态对比增强检查对脑胶质瘤分级诊断及其预后评估的价值［J］. 安徽医药， 2021， 25（9）： 1855-8， 1911.

［37］" 国家卫生健康委员会医政医管局， 中国抗癌协会脑胶质瘤专业委员会， 中国医师协会脑胶质瘤专业委员会. 脑胶质瘤诊疗指南（2022版）［J］. 中华神经外科杂志， 2022， 38（8）： 757-77.

［38］ Malik DG， Rath TJ， Urcuyo Acevedo JC， et al. Advanced MRI protocols to discriminate glioma from treatment effects： state of the art and future directions［J］. Front Radiol， 2022， 2： 809373.

［39］" Mangesius J， Mangesius S， Demetz M， et al. A multi-disciplinary approach to diagnosis and treatment of radionecrosis in malignant gliomas and cerebral metastases［J］. Cancers， 2022， 14（24）： 6264.

［40］ Liao D， Liu YC， Liu JY， et al. Differentiating tumour progression from pseudoprogression in glioblastoma patients： a monoexponential， biexponential， and stretched-exponential model-based DWI study［J］. BMC Med Imaging， 2023， 23（1）： 119.

［41］ van Dijken BRJ， van Laar PJ， Smits M， et al. Perfusion MRI in treatment evaluation of glioblastomas： clinical relevance of current and future techniques［J］. J Magn Reson Imaging， 2019， 49（1）： 11-22.

［42］Quan GM， Zhang KX， Liu YW， et al. Role of dynamic susceptibility contrast perfusion MRI in glioma progression evaluation［J］. J Oncol， 2021， 2021： 1696387.

［43］ Peer S， Gopinath R， Saini J， et al. Evaluation of the diagnostic performance of 18F‑fluorodeoxyglucose‑positron emission tomography， dynamic susceptibility contrast perfusion， and apparent diffusion coefficient in differentiation between recurrence of a high‑grade glioma and radiation necrosis［J］. Indian J Nucl Med， 2023， 38（2）： 115-24.

［44］ Nguyen TB， Zakhari N， Velasco Sandoval S， et al. Diagnostic accuracy of arterial spin-labeling， dynamic contrast-enhanced， and DSC perfusion imaging in the diagnosis of recurrent high‑grade gliomas： a prospective study［J］. AJNR Am J Neuroradiol， 2023， 44（2）： 134-42.

［45］ Jing H， Yan XH， Li JJ， et al. The value of dynamic contrast-enhanced magnetic resonance imaging （DCE‑MRI） in the differentiation of pseudoprogression and recurrence of intracranial gliomas［J］. Contrast Media Mol Imaging， 2022， 2022： 5680522.

（编辑：郎" 朗）