le point sur… - IRM de diffusion et pelvis féminin - 14/04/10

Doi : JR-03-2010-91-3-C2-0221-0363-101019-200909899 

I Thomassin-Naggara [1 et 2],

LS Fournier [2 et 3],

A Roussel [1],

C Marsault [1],

M Bazot [1]

Voir les affiliations

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Avec les progrès des techniques en IRM (imagerie parallèle et nouvelles antennes en réseau phasé), l’imagerie de diffusion a pu être utilisée en imagerie du pelvis féminin. Les séquences de diffusion sont utilisées en pondération b1000 et en complément des séquences morphologiques classiques (T2, T1 avec injection dynamique de gadolinium). L’IRM de diffusion optimise la détection des lésions tumorales utérines de petite taille et la visualisation des nodules de carcinose péritonéale, ce qui pourrait avoir un rôle important pour le bilan de l’extension tumorale. En terme de caractérisation, elle se révèle utile pour optimiser l’analyse des tumeurs ovariennes complexes : l’absence d’hypersignal en b1000 d’une portion solide a une excellente valeur prédictive positive en faveur de la bénignité. Elle pourrait également être utilisée pour la caractérisation des lésions endométriales, pour distinguer polype et cancer de l’endomètre lorsqu’une hystéroscopie n’est pas réalisable et enfin pour différencier myome et sarcome utérin. Enfin, l’IRM de diffusion serait utile pour l’évaluation d’une réponse précoce au traitement radio-chimiothérapique des tumeurs utérines et pourrait permettre de suivre la bonne évolution des myomes après embolisation.

Diffusion-weighted MR imaging of the female pelvis

Due to technical advances (parallel imaging and new phased-array coils), diffusion-weighted MR imaging can be used to image the female pelvis. Diffusion-weighted (b=1000) images are now acquired as a complement to conventional sequences (T2W, dynamic T1W images after intravenous injection of gadolinium). Diffusion weighted imaging improves the detection of small uterine tumors and the visualization of small implants of peritoneal carcinomatosis, which could play a significant role for tumor staging. It is helpful for characterization of complex ovarian tumors : the absence of hyperintensity on b = 1000 diffusion-weighted images has an excellent positive predictive value for a benign etiology. It could also be helpful to characterize endometrial lesions, to differentiate between endometrial polyp and carcinoma when hysteroscopy is not possible, and to differentiate uterine fibroid from sarcoma. Finally, diffusion-weighted imaging could be helpful to assess the response of uterine tumors to therapy and could confirm a good outcome following uterine artery embolization of uterine fibroids.

Keywords: Diffusion , Uterus , Ovaries , Peritoneum


Plan



© 2010 Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 91 - N° 3-C2

P. 431-440 - mars 2010 Retour au numéro

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.