软件版本：3D-SLICER5.6.2
问题描述：本人是一名医学生，目前手里有260例患者的MRI影像。请问影像老师：针对于脑部肿瘤，如何在T2flair影像中勾画感兴趣区？目前在文献中发现，有把所有高信号区全部勾画；有只勾画瘤心；有勾画剔除瘤心后的水肿区；也有勾画高信号区周围。鉴于本人想预测肿瘤的复发模式（原位还是远位复发；PFS时间的长短；原位复发的位置），请老师解惑，到底哪种勾画方式比较符合我的临床目的？谢谢。
一、关键术语解释
（为保证清晰，我尽量用中文／通俗语言说明）
| 术语 | 含义 | 在脑肿瘤影像中为什么重要 |
|---|---|---|
| T2-FLAIR 序列 | FLAIR = Fluid Attenuated Inversion Recovery，是一种消除脑脊液信号的 T2 加权 MRI 序列。由于能让水（脑脊液）信号较低，却保留脑组织中异常水增多（如水肿、浸润）高信号，非常适合脑肿瘤、水肿检测。 | 在肿瘤外“白质水肿”或“浸润区域”中经常表现为高信号，非常常用作为“感兴趣区（ROI）”的基础。 |
| 肿瘤核心（Core） | 在影像里指肿瘤中明显实性增强、坏死／囊变、增强强化区等，“最‘癌’的那一块”。 | 这个区域通常生物学最活跃，对复发、疗效有强关联。 |
| 水肿／浸润区（Peritumoral edema / infiltration） | 在肿瘤外缘，T2-FLAIR表现为高信号的区域，可能是真正水肿（血管通透性增高）也可能是真正肿瘤细胞浸润。 | 对“复发”尤其重要，因为肿瘤细胞往往沿浸润区滑散，复发往往起于此。比如有研究指出：> “复发主要发生在肿瘤浸润水肿区内”。 (Frontiers) |
| 同心壳层（Peritumoral shells / radial shells） | 指在肿瘤或肿瘤＋水肿边界之外，向外做一定距离（如10 mm、20 mm、30 mm）生成的“环形”或“壳”区域。 | 用于探查“肿瘤可能扩散／微浸润”的更外侧区域，对预测“原位复发但在肿瘤边界之外”或“邻近复发”很有帮助。 |
| 复发模式（原位 vs 远处） | “原位复发”一般指在原始肿瘤床或其附近（可能在同一个高信号区或其边界内）复发；“远处复发”是指在远离原发位置的脑内或脑外区域。 | 如果你想预测“复发是发生在原位置还是远处”、或“PFS（无进展生存时间）长短”，那么影像中的这些外围浸润区域就非常关键。 |
二、勾画建议
根据你要做的是：260例 MRI + 想预测肿瘤复发模式（原位 vs 远处）＋PFS时间＋原位复发位置，建议采用如下勾画方式：
-
安装3DSlicer稳定版本：5.8.1版本
-
在 T2-FLAIR 上：
-
勾画 WFLAIR（整个高信号区域）：也就是所有可见的FLAIR高信号（肿瘤＋可能水肿／浸润）作为一个总体ROI。
-
勾画 Core（肿瘤核心）：对应增强强化／坏死區（如果你的队列只有FLAIR，那么可按低信号坏死／囊变或实性部分粗略标注）。
-
从 WFLAIR 中减去 Core 部分，得出 浸润／水肿区（ED）。
-
在 WFLAIR 边界之外，向外再做 壳层（例如：0–10 mm、10–20 mm、20–30 mm）作为外围潜在扩散区。
-
-
这样你就有多个标签：核心、浸润／水肿、外壳1、外壳2、外壳3。
-
这些标签能分别提供：
-
核心 → 生物活性信息（可能与 PFS 快慢、肿瘤侵袭性相关）
-
浸润／水肿区 → 预测“原位复发”最常发生区
-
壳层 → 探查是否有“靠外但仍属于原发床范围”的复发潜力，也可能提示远处复发预警（若壳层特征异常显著）
-
-
这样的方法比 “只画高信号全部”或 “只画瘤心” 更能细分机制，也更贴合你想预测“复发位置 + 模式 + 时间”的目的。
三、参考文献
下面是几篇你可以查阅、带入你研究背景的相关文章：
-
Long H, et al. MRI radiomic features of peritumoral edema may predict the site of glioblastoma recurrence. Frontiers in Oncology. 2023. (Frontiers)
-
作者指出：浸润／水肿区存在异质性，其影像组学特征与复发位置相关。
-
对你的“复发模式”研究特别有启发。
-
-
Tan R, et al. MRI-based intratumoral and peritumoral radiomics for glioma grading. (PMC) 2024. (PubMed Central)
- 讨论了核心 vs 浸润区的影像特征在分级中的区别，可为你借鉴。
-
Sun X, et al. Glioma subtype prediction based on radiomics of tumor and peritumoral edema under automatic segmentation. Sci Rep. 2024. (Nature)
- 虽不是专门复发预测，但强调了“肿瘤＋浸润区”组合的重要性。
-
Hoff BA, et al. Parametric Response Mapping of FLAIR MRI Provides an Imaging Signature of Invasion and Predicts Progression in Glioblastoma. 2021. (科学直接)
- 涉及 FLAIR 高信号与肿瘤浸润／侵袭的关系。
-
Parvaze S., et al. Radiomics‐based evaluation … FLAIR and T1GD‐specific Radiomics features help in characterizing tumor sub-regions from edema in GBM. 2023. (科学直接)
- 强调了不同子区域（包括水肿区）影像特征的区分价值。
1 个赞
这里整理了 近 3 年（约 2022 – 2025） 中，聚焦于 脑肿瘤／胶质瘤复发模式预测（包括原位 vs 远处）＋以 T2-FLAIR／高信号区／浸润区勾画为或相关的研究 的文献（共 10 篇）。请您根据需要挑选下载、阅读全文。部分可能未完全对“FLAIR 高信号勾画”这一细节精准对应，但都在“复发位置／浸润区／影像预测”范畴，与您项目高度相关。
| № | 文献（年份） | 研究目的／亮点 | 是否明确 FLAIR高信号勾画 |
|---|---|---|---|
| 1 | Predicting Regions of Local Recurrence in Glioblastomas Using Voxel‑Based Radiomic Features of Multiparametric Postoperative MRI (2023) by S. Cepeda et al. (ResearchGate) | 针对 Glioblastoma (GBM)术后多参数 MRI ，建立体素级 radiomics 模型预测局部复发区域。 | 包含 FLAIR 序列；虽未专强调“FLAIR高信号区”但涉及 peritumoral 区域。 |
| 2 | T2‑FLAIR imaging‑based radiomic features for predicting early postoperative recurrence of grade II gliomas (2024) by Z. Wang et al. (PubMed) | 基于 T2-FLAIR 序列，预测Ⅱ级胶质瘤术后早期复发（1年以内）。 | 明确使用了 T2-FLAIR 且提取 ROI 进行 radiomics。 |
| 3 | Prediction of early recurrence of adult‐type diffuse gliomas: a radiomics‑based neural network for local vs distant recurrence (2024) by Shim et al. (AAPM Online Library) | 构建 radiomics ＋神经网络，专注“局部复发（local） vs 远处复发（distant）”的预测。 | 虽未详列为 FLAIR 高信号勾画，但目标与您“原位 vs 远处复发”非常吻合。 |
| 4 | Predicting glioblastoma recurrence using multiparametric MRI (2024) by Z. Xing et al. (科学直接) | 多参数 MRI 用于胶质母细胞瘤复发预测。 | 虽未专注 FLAIR 高信号勾画，但与复发位置相关。 |
| 5 | Multimodal radiomics in glioma: predicting recurrence in the peritumoural brain zone using integrated MRI (2025) by Q. Li et al. (BioMed Central) | 采用 FLAIR + T1-CE 的多模态 radiomics，预测“手术周边脑区”复发情况。 | 明确使用了 FLAIR 影像 + 围瘤区（peritumoural zone）这一概念。 |
| 6 | Novel radiotherapy target definition using AI‑driven prediction of recurrence regions in glioblastoma (2025) by N. Tran et al. (Nature) | 研究改进放疗 CTV 定义，以AI预测复发区域（包括 T2高信号区）以提升定位。 | 提到 T2-高信号病灶扩展；虽非仅“勾画”讨论但与浸润区扩展密切。 |
| 7 | MRI‑based intratumoral and peritumoral radiomics for glioma grading (2024) by R. Tan et al. (Frontiers) | 虽主要为分级研究，但“肿瘤内＋周围”区域 radiomics 研究，强调浸润／水肿区价值。 | 涉及 T2-FLAIR 与 peritumoral 区域，方法学可借鉴复发预测。 |
| 8 | Assessing Glioblastoma Treatment Response Using Machine‑Learning Radiomics (2024) by A. Sadeghinasab et al. (PubMed Central) | 虽为治疗反应预测，但使用了 MRI ＋ radiomics 框架，可借鉴复发预测模型。 | 与直接“复发位置”稍偏，但方法可辅助。 |
| 9 | Prediction of prognosis in glioblastoma with radiomics features extracted by synthetic MRI images using CycleGAN (2024) by H. Yoshimura et al. (SpringerLink) | 利用合成 MRI 影像＋radiomics 预测预后；虽非直接复发定位但可参考流程。 | 与您的“PFS”目标相关。 |
| 10 | T2‑FLAIR mismatch sign and machine‑learning‑based radiomics in glioma (2024) by W.T. Tang et al. (临床放射学在线) | 探讨 T2-FLAIR mismatch 征象 ＋ radiomics 在胶质瘤中的应用。 | 虽非复发研究，但 FLAIR 高信号勾画思路可借。 |
提醒与建议
-
虽然这些文献多数关联“浸润区／复发预测”，但并非全都明确“仅勾画 T2-FLAIR 高信号区”这一方式。你在阅读时特别留意方法部分：他们ROI 是如何定义（只 FLAIR 高信号？包括／剔除核心？是否壳层方式？）
-
在查找全文时，建议重点看 “methods → ROI delineation / segmentation” 与 “results → recurrence spatial distribution” 两部分。
如果科研合作，可以加我为前3作者的话，可以提供进一步帮助。