方法文章

基于磁共振弹性成像的肝纤维化早期诊断三维数字模型

DOI:

10.3791/65507

2023年7月21日

本文内容

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究的目的是开发一种用于肝纤维化早期诊断的新型三维数字模型,该模型包含患者肝脏中每个体素的硬度信息,因此可用于计算患者肝脏在不同纤维化阶段的分布比例。

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

肝纤维化是肝硬化的早期阶段,目前尚无更优的无创且便捷的方法用于该疾病的检测与评估。尽管基于磁共振弹性成像(MRE)的肝脏硬度图(LSM)已取得良好进展,但仍存在一些需要克服的局限性,包括手动确定焦点、手动选择感兴趣区域(ROIs),以及缺乏结构信息的不连续LSM数据,这使得无法对肝脏整体进行评估。在本研究中,我们提出了一种基于磁共振弹性成像(MRE)的新型三维(3D)数字模型,用于肝纤维化的早期诊断。

磁共振弹性成像(MRE)是一种无创成像技术,利用磁共振成像(MRI)通过人机交互方式测量扫描部位的肝脏硬度。研究表明,通过MRE获得的肝脏硬度测量值(LSM)与肝纤维化程度之间存在显著的正相关关系。然而,出于临床需要,必须对肝纤维化程度进行全面且精确的量化。为解决这一问题,本研究提出了肝脏硬度分布(LSD)的概念,该概念指通过三维肝脏组织图像与MRE指标配准后,获取每个肝脏体素的三维硬度体积。这为肝纤维化的诊断与治疗提供了更为有效的临床工具。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

肝纤维化是指肝脏中形成过量的瘢痕组织,通常由肝脏损伤或疾病引起1,2,3,4。它常继发于慢性肝损伤,常见于慢性病毒性肝炎、非酒精性脂肪性肝病和酒精性肝病等肝脏疾病。若不及时治疗,肝纤维化可进展为肝硬化,后者是一种可能危及生命的情况,与显著的发病率和死亡率相关。

该领域的活跃研究旨在阐明肝纤维化发病机制中的细胞与分子机制,并开发新型诊断和治疗策略,以改善患者的预后。另一项目标是实现肝纤维化分期的无创检测,这是与疾病诊断、治疗方案选择及预后评估直接相关的关键环节。尽管准确诊断和监测肝纤维化至关重要,传统的诊断方法(如肝活检)具有侵入性,并伴随显著风险。相比之下,磁共振弹性成像5,6(MRE)是一种有前景的无创影像技术,已显示出在肝纤维化诊断与监测中的潜力,其通过量化肝脏硬度来实现评估。

近年来,大量研究集中于评估磁共振弹性成像(MRE)在肝纤维化诊断中的准确性与可靠性,以及其相较于传统诊断方法的潜在优势。MRE的肝脏硬度指标已获得美国食品药品监督管理局(FDA)批准用于临床诊断,并在临床实践中与病理结果进行了广泛的对比分析。结果表明,MRE生成的硬度图与不同阶段的肝纤维化具有显著的正相关性7,8,9,10,11,12。然而迄今为止,通过将肝脏结构图像与MRE相结合,对肝脏硬度分布(LSD)进行定量分析,以准确评估和追踪患者肝纤维化进展的工作尚未取得显著进展。

本研究引入医学影像组分析技术13,14,15,以实现肝脏结构图像与MRE在三维空间中生成的刚度图的精确配准,从而计算整个肝脏每个体素的肝脏刚度值。基于LSD的三维数字模型,可精确计算并评估患者个体化肝纤维化分期的分布情况。这为早期肝纤维化的精确定量诊断奠定了坚实基础。

访问受限。请登录或开始试用以查看此内容。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究采用三维数字肝窦结构(3D-digital LSD)建模技术,重建了一名经临床确诊为肝纤维化的典型患者的肝脏结构。该患者来自中国北京著名的肝病治疗机构"You An Hospital",在签署知情同意书后,接受了常规上腹部磁共振成像(MRI)及磁共振弹性成像(MRE)。该患者被选为本研究方法的案例,因其肝纤维化分期已通过病理学检查确认,且无明显临床症状,突显了本研究在早期肝纤维化患者诊断中的适用性与临床价值。本文还对该患者的肝脏与健康肝脏进行了定量比较。本研究中使用的软件工具列于材料表中。

1. 数据收集与准备

注意:参数差异对研究方法不敏感。

  1. MRI 扫描策略
    注意:本研究使用了从 GE 公司制造的磁共振成像(MRI)设备临床影像中获取的实际 DICOM 数据。数据内容包括 IDEAL(通过回波不对称性和最小二乘估计进行水脂分离的迭代分解)水脂分离成像和磁共振弹性成像(MRE)。
    1. 确保 IDEAL 数据的横向分辨率为 256 像素 × 256 像素,像素间距为 1.5625 mm,层厚为 10 mm。
      注意:扫描策略可进一步优化,但本研究所采用的方法适用于更高精度的医学成像。
  2. 重命名每个序列的文件夹。
    注意:由于设备导出的 DICOM 数据未明确提供序列名称,在预处理阶段需为每个序列添加明确的名称,以便后续分析和处理。
    1. 复制 所有 DICOM 数据至自定义的工作目录。
    2. 切换 到 MATLAB 工作目录中包含数据的目录。
    3. 执行 Description_Name 函数,为每个序列的文件夹添加描述性名称。
    4. 参见 图 1 查看重命名前后的对比。为每个图像序列文件夹添加描述性名称,以便于识别各种分析所需的图像序列。
  3. 快速检查 IDEAL 图像。
    1. 切换至不同相位的文件夹目录,包括同相位、反相位、水相和脂肪相,这些相位在 IDEAL 成像中存储于不同的文件夹中。
    2. 执行 Slice_View 函数,查看各相位的图像序列。
    3. 参见 图 2 查看 MRI-IDEAL 序列的交互式图形用户界面(GUI)图像。使用 GUI 底部的滚动条快速浏览不同序列。
    4. 使用 MRI-IDEAL 反相位 序列作为提供肝脏组织边界更清晰描述的 MRI 序列类型。
      ​注意:在后续操作中,将重点使用 IDEAL 的反相位序列来勾画肝脏的三维区域。

2. 提取肝脏的三维区域

注意:肝脏3D区域中的各个体素作为LSD的空间载体,每个体素的刚度值均来源于磁共振弹性成像(MRE)。在进行融合之前,提取肝脏组织的3D区域是必要步骤。尽管深度学习可更高效地完成此任务,但这并非本研究的重点。因此,本文仍采用成熟的软件工具(例如MIMICS)来提取肝脏组织的3D区域。

  1. 启动 MIMICS 软件,选择 新项目 在随后出现的对话框中,导航至包含 IDEAL 反相位图像的文件夹,然后点击 下一步 |转化 按钮,从而进入序列编辑状态。
  2. 创建一个空的 口罩,点击 新方法 按钮在 MASK 位于右侧的对话框中并选择 最大阈值.
  3. 为了在所有水平视图中界定肝脏区域,使用位于下方的编辑掩膜工具 片段 标记
  4. 为了生成肝脏的三维空间部分,选择已勾画的肝脏掩膜并点击 从掩膜计算部分 按钮。提取的肝脏三维区域如下所示 图3.
  5. 点击 文件 | 导出 | 选择 Dicom 命令。在弹出的对话框中,选择 肝脏掩模,设置文件路径和文件名,然后单击 好的 单击按钮以完成将肝脏三维区域导出至指定 DICOM 文件的操作。

3. 肝脏硬度图序列

注意:早期纤维化患者的磁共振弹性成像(MRE)硬度范围通常低于 8 kPa。为此,应选择标记为“SE27_ST8K_(Pa)”的序列图像。

  1. 将目录更改为包含肝脏硬度图序列的“SE27_ST8K_(Pa)”文件夹。
  2. 要浏览每幅硬度图,请在 Matlab 工作区中执行 MRE_show 函数,并将指定路径下的文件名作为该函数的参数。
  3. 图4 所示的肝脏硬度图为一幅 RGB 真彩色图像,其数据结构为 512 像素 × 512 像素 × 3 矩阵,每个像素点包含三个代表 RGB 三原色的数值。观察左侧的颜色条,其显示了不同颜色像素对应的具体硬度值。通过各像素与其颜色的对应关系,计算每个像素的精确硬度值。
  4. 图4 中的附加信息包括序列描述、扫描位置、时间、患者信息和图像参数。利用这些数据,特别是图像参数,建立 MRE 与 IDEAL 序列之间的空间对应关系。

4. 肝脏硬度分布的三维体积

注意:三维肝脏硬度体积中的每个体素代表相应三维肝脏区域中体素的硬度值,该值源自图4中每个像素的硬度值。通过将图3中的三维肝脏区域与图4中的硬度图对齐,可提取每个体素的硬度值,从而生成三维肝脏硬度体积。

  1. 调用 LSD_Slice 函数,以 图3 所示的三维肝脏区域和 图4 中的肝脏硬度图作为输入参数,获得肝脏硬度分布的三维体积,如 图5 所示。
  2. 通过拖动 图5 所示图形用户界面(GUI)下方的滚动条,查看肝脏每一层的硬度图。
    注意:然而,与 图4 不同,此处仅准确保留了肝组织。
  3. 观察图形用户界面(GUI)右上角的图标(图5),例如放大、缩小、返回全局视图以及标记所选像素的坐标。
    注意:默认的颜色条为 "jet" 色彩映射,表示从蓝色到红色对应值(单位 kPa)由低到高。
  4. 使用与 LSD_Slice 相同的输入参数执行 LSD_Volume 函数,以获得三维肝脏 LSD 的空间分布,如 图6 所示。通过按住鼠标左键并拖动屏幕,可从任意视角查看 LSD 的三维体积(图6)。

5. LSD 定量分析

注意:本研究的一个重要定量分析重点是提供患者肝脏中不同阶段 LSD 体素的比例。图6 显示,患者肝纤维化的分布在不同空间位置上是不均匀的。临床症状尚不明显的主要原因是相当比例的肝组织仍处于正常阶段。因此,有必要精确量化患者与健康个体之间的差异。这是本研究的一个重要定量概念。

  1. 确定不同肝纤维化阶段的硬度值数值范围,如图7所示。
  2. 调用Hepatic_Fibrosis函数,输入参数为图6所示的LSD三维体积,计算患者全肝体素在不同纤维化阶段的分布情况(图8)。
  3. 采用相同步骤,计算并比较完全健康肝脏与上述典型肝纤维化患者的结果(图9)。

访问受限。请登录或开始试用以查看此内容。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

通过利用 DICOM 文件中 Description_Name 字段的信息,可对原始 MRI 文件夹进行重命名,以便在影像组的分析过程中快速定位所需的成像序列。MRI-IDEAL 反相位序列是一种用于更清晰显示肝组织边界的 MRI 成像序列,因为该序列能够通过特定的图像处理技术,更好地分辨不同组织的磁化强度和磁化角度。

MRI-IDEAL反相位序列通过使用梯度回波序列(GREs)生成图像,并在图像采集过程中利用反相位控制,从而减少成像时组织间的磁场不均匀性,提高组织结构的图像分辨率和对比度。此外,MRI-IDEAL反相位序列还可抑制脂肪信号,减少脂肪对成像的干扰,更清晰地显示邻近的组织结构。总之,MRI-IDEAL反相位序列通过磁场控制和脂肪信号抑制等技术,可提高成像的分辨率与对比度,使组织边界更加清晰。

尽管深度学习工具可用于提取肝脏的三维解剖结构,但该方法存在一定程度的机器学习误差。本研究的重点是肝纤维化的精确定量,因此采用MIMICS工具提取肝脏组织的三维区域,并结合专家经验,以获得相对...

访问受限。请登录或开始试用以查看此内容。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在临床实践中,准确量化和追踪早期肝纤维化患者的病情具有挑战性。图9所示的对比充分反映了患者肝纤维化的程度,相较于健康肝脏;当然,该图像也可用于同一患者在两个不同时期的比较,以评估治疗效果。这种精确的量化方法是本研究的核心关键步骤。此外,图5图6所示的LSD三维体积计算方法,能够精确定位患者肝脏中纤维化病灶的空间位置和大小,为早期肝纤维化的准确诊断提供坚实的定量依据。同时,也可为基于三维数字模型的精准引导肝穿刺提供科学支持。

本研究提出了肝纤维化不同阶段中三维肝表面结节(3D LSD)的概念及其精确定量方法。结果表明,该方法可有效定量评估早期肝纤维化患者的疾病进展。可能的进一步改进与发展方向包括:提高磁共振弹性成像(MRE)扫描的精度,特别是横向扫描间隔;提升肝脏磁共振结构图像的成像精度;引入深度学习技术以辅助快速提取肝脏的三维区域;积累更多健康肝脏的LSD数据,以建立诊断比较的基线标准;以及积累肝纤维化...

访问受限。请登录或开始试用以查看此内容。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

用于肝纤维化定量的软件工具列于下文 材料表 本研究的目的, 肝纤维化 V1.0,是由北京智熵科学开发的一款软件工具 & 技术有限公司。该软件工具的知识产权归该公司所有。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本出版物由国家中医药管理局组织的第五批全国中医药临床优秀人才研究项目提供支持。官方网站链接为“http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html”。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
MATLABMathWorks 2022B计算与可视化 
MimicsMaterialiseMimics Research V20模型格式转换
3D_LSD 工具智能 熵肝纤维化 V1.0北京智熵科技 & Technology Co Ltd.
CT/MRI 融合建模

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Henderson, N. C., Rieder, F., Wynn, T. A. Fibrosis: from mechanisms to medicines. Nature. 587 (7835), 555-566 (2020).
  2. Parola, M., Pinzani, M. Liver fibrosis: Pathophysiology, pathogenetic targets and clinical issues. Molecular Aspects of Medicine. 65, 37-55 (2019).
  3. Ramachandran, P., et al. Resolving the fibrotic niche of human liver cirrhosis at single-cell level. Nature. 575 (7783), 512-518 (2019).
  4. Stefan, N., Häring, H. -U., Cusi, K. Non-alcoholic fatty liver disease: causes, diagnosis, cardiometabolic consequences, and treatment strategies. The Lancet. Diabetes & Endocrinology. 7 (4), 313-324 (2019).
  5. Castera, L., Friedrich-Rust, M., Loomba, R. Noninvasive assessment of liver disease in patients with nonalcoholic fatty liver disease. Gastroenterology. 156 (5), 1264.e4-1281.e4 (2019).
  6. Godoy-Matos, A. F., Silva Júnior, W. S., Valerio, C. M. NAFLD as a continuum: from obesity to metabolic syndrome and diabetes. Diabetology & Metabolic Syndrome. 12 (1), 1-20 (2020).
  7. Venkatesh, S. K., Xu, S., Tai, D., Yu, H., Wee, A. Correlation of MR elastography with morphometric quantification of liver fibrosis (Fibro-C-Index) in chronic hepatitis B. Magnetic Resonance in Medicine. 72 (4), 1123-1129 (2014).
  8. Yin, M., et al. Assessment of hepatic fibrosis with magnetic resonance elastography. Clinical Gastroenterology and Hepatology. 5 (10), 1207-1213 (2007).
  9. Venkatesh, S. K., Wang, G., Lim, S. G., Wee, A. Magnetic resonance elastography for the detection and staging of liver fibrosis in chronic hepatitis B. European Radiology. 24, 70-78 (2014).
  10. Ichikawa, S., et al. Magnetic resonance elastography for staging liver fibrosis in chronic hepatitis C. Magnetic Resonance in Medical Sciences. 11 (4), 291-297 (2012).
  11. Chen, J., et al. Early detection of nonalcoholic steatohepatitis in patients with nonalcoholic fatty liver disease by using MR elastography. Radiology. 259 (3), 749-756 (2011).
  12. Singh, S., et al. Diagnostic performance of magnetic resonance elastography in staging liver fibrosis: a systematic review and meta-analysis of individual participant data. Clinical Gastroenterology and Hepatology. 13 (3), 440.e6-451.e6 (2015).
  13. Ferro, M., et al. Radiomics in prostate cancer: an up-to-date review. Therapeutic Advances in Urology. 14, 17562872221109020(2022).
  14. Nam, D., Chapiro, J., Paradis, V., Seraphin, T. P., Kather, J. N. Artificial intelligence in liver diseases: Improving diagnostics, prognostics and response prediction. JHEP Reports. 4 (4), 100443(2022).
  15. Wu, Y. -J., Wu, F. -Z., Yang, S. -C., Tang, E. -K., Liang, C. -H. Radiomics in early lung cancer diagnosis: from diagnosis to clinical decision support and education. Diagnostics. 12 (5), 1064(2022).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

DICOM

相关文章