方法文章

三维相位解析功能性肺部磁共振成像

2.1K 次观看

⸱

DOI：

10.3791/66385

⸱

2024年6月21日

 ,  ,  , 
1Institute of Diagnostic and Interventional Radiology, Hannover Medical School, 2Biomedical Research in Endstage and Obstructive Lung Disease Hannover (BREATH), Member of the German Centre for Lung Research (DZL)

本文内容

摘要

三维（3D）相位解析功能性肺成像（PREFUL）是一种功能性磁共振成像（MRI）技术，可在8分钟内通过潮式呼吸及无对比剂的扫描方式，实现对整个人肺容积区域通气功能的定量评估。本文介绍了一种用于采集和分析3D PREFUL成像数据的磁共振（MR）操作方案。

摘要

肺部磁共振成像（MRI）提供多种无辐射技术，专门用于评估区域性肺通气或其替代指标。这些技术包括直接测量方法，如超极化气体MRI和氟化气体MRI，以及间接测量方法，例如氧气增强MRI和基于质子的傅里叶分解（FD）MRI。近年来，FD MRI领域取得了显著进展，包括空间/时间分辨率的提升、序列设计和后处理技术的优化，以及全肺整体分析方法的建立。

二维（2D）相位解析功能肺（PREFUL）MRI是一种基于频率域（FD）的方法，可在单次磁共振采集过程中全面评估局部通气和灌注动力学。最近，该技术已取得新进展，开发出三维（3D）PREFUL技术，采用自门控序列，仅需8分钟检查即可评估全肺的动态通气功能。

3D PREFUL 采集采用具有黄金角度增量的堆叠星状扰相梯度回波序列。在对约 40 个呼吸时相进行压缩感知图像重建后，所有重建的呼吸分辨图像将被配准至一个固定的呼吸时相。随后，从配准后的图像中提取通气参数。

在一项包含健康志愿者和慢性阻塞性肺疾病患者的队列研究中，3D PREFUL通气参数与肺功能测试获得的测量值表现出强相关性。此外，3D PREFUL技术的扫描间重复性被认为可接受，表明其在对同一受试者进行重复评估时具有可靠性。

总之，三维PREFUL通气MRI能够实现全肺覆盖，并且与二维PREFUL相比，具有更高的空间分辨率，可更清晰地捕捉通气动态。三维PREFUL技术为超极化129Xe MRI提供了一种成本效益更高的替代方案，成为一种适用于患者友好的肺通气评估的优选方法。

引言

根据世界卫生组织（WHO）的数据，慢性呼吸系统疾病是全球第三大死因，给医疗保健系统带来了沉重负担1。多种呼吸系统疾病的诊断与监测依赖肺功能检测，但该方法缺乏空间信息，且在儿童患者中可能难以实施。其他多种核医学成像技术可提供通气功能的空间信息，例如正电子发射断层扫描（PET）2、单光子发射计算机断层扫描（SPECT）3，或计算机断层扫描（CT）4。这些技术的一个显著缺点是使用了电离辐射进行成像，因此在儿童等敏感人群中，或在需要多次重复测量的临床研究中，这类检测并不可行。

在过去的二十年中，磁共振成像方法因其能够无辐射地测量肺功能而受到关注。尤其是超极化气体磁共振成像技术5已被用于健康对照者及肺部疾病患者的肺通气评估，其信噪比（SNR）显著优于19F6或氧增强磁共振成像7。然而，气体磁共振成像技术的常见缺点包括需要额外的人员、硬件成本较高，或在屏气测量期间需要患者配合。为克服这些局限性，基于傅里叶分解（FD）磁共振成像8的方法被提出，用于评估肺通气和灌注。作为FD MRI的一种替代方案，相位解析功能性肺（PREFUL）磁共振成像9被开发出来，并在多项研究（包括多中心研究13,14）中得到验证10,11,12。然而，二维采集方式在实现全肺覆盖时会导致较长的扫描时间以及空间分辨率有限。自门控三维采集提供了一种优雅的解决方案，但代价是丢失了灌注信息15,16,17。其中一种技术——三维PREFUL磁共振成像17——不仅可用于评估静态通气，还能在8分钟的磁共振检查中提供通气动态信息，其图像分辨率优于二维方法。

继首次描述该方法的原始论文发表后17，该技术的可重复性已得到评估，并与临床广泛应用的肺量计测量方法进行了比较18，；最近还引入了一种加速图像配准框架，在提高通气参数可重复性的同时，保持了通气图的图像质量19。这种对患者友好且易于扩展的技术，能够对人体肺部区域通气进行定量成像，有望显著促进呼吸系统疾病的早期检测、诊断以及治疗效果的随访监测20。这些区域肺功能的治疗相关变化（例如通气量的改善）有望成为评估治疗效果的生物标志物，并可在多中心临床研究中发挥重要作用。

本文旨在全面且直观地阐述3D PREFUL技术，以促进该技术更广泛的应用转化。

方案

本研究获得了汉诺威医学院伦理委员会的批准，确保研究全过程均遵循严格的伦理标准。研究严格遵守《赫尔辛基宣言》中规定的指南，强调医学研究的伦理规范。此外，在所有研究参与者（或其父母或法定监护人）参加MRI检查之前，均已认真获得知情同意。

注意：涉及三维 PREFUL MRI 的研究中，纳入/排除标准因研究设计而异。通常，健康志愿者参与三维 PREFUL MRI 检查的纳入标准包括：(a) 无任何可能影响研究结果的重大医学状况；(b) 未服用可能干扰 MRI 结果的药物；(c) 无幽闭恐惧症、焦虑、金属植入物或装置；(d) 符合研究目标所规定的特定年龄和性别要求；(e) 无吸烟史；(f) 肺功能测定结果正常（FEV1/FVC > 0.7，且 FEV1 和 FVC 均 > 预测值的 80%）。所有接受三维 PREFUL MRI 检查的研究参与者可能适用的排除标准包括：(a) 妊娠；(b) 存在可能影响三维 PREFUL MRI 检查安全性或有效性的任何状况；(c) 对含钆对比剂不耐受，当研究方案中包含动态增强 MRI 时。

1. 磁共振成像前访谈

  1. 由医务人员收集受试者相关的医学病史重要信息。
  2. 向受试者说明磁共振成像（MRI）检查可能存在的禁忌症、风险及检查流程。
  3. 获得受试者签署的书面知情同意书。
    注意：若无可用的肺功能检查结果，应在MRI检查前要求受试者接受肺功能检查，并确认检查结果符合纳入标准。

2. 磁共振检查前放射技师的准备工作

  1. 在MR控制台注册受试者，并选择包含3D PREFUL采集的MR研究方案。
  2. 确认受试者本人及其口袋和衣物中不含任何金属物品。
  3. 将铺巾放置在扫描仪桌面上，以确保无菌环境。
  4. 陪同受试者进入MR房间。

3. 为受试者准备 MR 检查

  1. 让受试者仰卧于MRI检查床上（但也可采用俯卧位）。
  2. 确保体部线圈充分覆盖胸部区域，将体部线圈的上部元件置于受试者下巴附近。
  3. 为受试者提供耳机（或耳塞，或两者同时使用），以保护其听力免受MRI设备产生的强噪声影响。
  4. 为受试者提供一个安全按钮（或其他备用安全装置），确保其易于触及并可随时按压。
  5. 在受试者头部和腿部下方放置垫子，以提高MR检查过程中的舒适度。
  6. 将受试者送入MR扫描仪，利用激光定位系统确保成像区域位于磁体孔径的等中心位置。

4. MRI 检查

  1. 定位扫描
    1. 执行定位序列（参数与表1A中所列相似），获取三个平面上的低分辨率解剖图像（大视野），用于规划3D PREFUL检查。
  2. 3D PREFUL成像
    1. 根据表1B设置成像采集参数。
    2. 适当设置径向投影数量，使整个采集过程持续约8分钟。
    3. 要求受试者在整个采集过程中保持正常呼吸（自由潮式呼吸）。
    4. 确认整个胸腔均包含在成像视野内，然后开始采集。
  3. 成像完成后，将受试者从扫描仪中移出。

5. 原始数据传输

  1. 通常，采集的原始数据不会保存在MR设备厂商平台上。请使用MR控制台上的厂商特定步骤保存原始3D PREFUL k空间数据。

6. 数据分析与后期处理

  1. 使用图像重建脚本开始评估所获取的数据（材料清单在指定的工作站（例如 MATLAB）中，通过设置原始数据路径来完成。
    注意：指定的工作站应已安装以下软件包：
    （a）伯克利高级重建工具箱（BART）
    ​(b) 高级归一化工具（ANTs）
  2. 图像重建
    1. 使用校准投影估算磁共振系统相关梯度延迟 estdelay 伯克利高级重建工具箱中实现的功能（BART)21,22.
    2. 根据计算出的梯度延迟对每个投影应用平移。
    3. 应用汉宁滤波（使用 hann 使用x-y平面和z方向上的周期性窗口，对梯度延迟校正后的数据进行（MATLAB中的函数）处理。
    4. 用于呼吸门控分组的低分辨率图像重建
      1. 选择以读出/分区维度中心索引为中心的八分之一/四分之一k空间数据。
        注意：根据受试者体型的不同，此步骤将产生 32 x 32 x (12-20) 的矩阵尺寸。
      2. 将k空间数据及其对应轨迹的矩阵重塑，以包含额外的时间维度，每个时间点包含14个径向投影。
        注：每个后续时间点包含前一时间点的13个径向投影以及1个新的连续径向投影。
      3. 利用并行成像与压缩感知（图片) 命令在 BART 中用于图像重建。
        注意：应用 L2 范数（λ = 0.1）和总变异（λ = 0.0001）的空间域正则化及全变分（λ 在时间域中进行正则化（= 0.01）。
    5. 呼吸门控信号的提取
      1. 使用Otsu阈值法对每幅重建的低分辨率三维图像中的肺实质进行分割23，并计算每个时间点的肺实质体积。
      2. 对提取的容积时间序列应用截止频率为 0.7 Hz 的低通滤波器，并计算呼吸频率。
      3. 排除时间序列中的极端异常值（高于第95百分位的时间点）th 百分位数及低于第10百分位数th 百分位数
        注意：按幅度和相位对时间序列进行排列，可重建一个完整的呼吸周期。
    6. 进行快速傅里叶变换（FFT， fft 在切片方向上对经汉宁滤波处理的数据应用傅里叶变换（MATLAB 中的 fft 函数），以实现逐层图像重建。
    7. 根据提取的时间序列重新调整 k 空间数据矩阵，使每个呼吸相位 bin 至少包含 100 个放射状采样线。
    8. 利用相邻区间20%的投影数据以提高信噪比24,25 每个呼吸区间的
    9. 将k空间轨迹矩阵重塑为与k空间数据相同的尺寸。
    10. 执行 图片 每个切片图像重建的命令。
      注意：应用 L2 范数（λ = 0.1）和总变差（λ = 0.0001）空间域正则化及全变分（λ 时间域中正则化（= 0.01）。
    11. 将变量（包括一个完整呼吸周期的重建图像、呼吸频率和采集时间）保存为 .mat 文件。
  3. 图像配准
    1. 反转重建图像的信号强度。
    2. 使用非刚性配准将图像注册到选定的呼吸状态（例如吸气相）。
      注意：为了提高配准精度，采用一种以群体为导向的方法26 可采用该方法。配准过程可使用高级归一化工具（Advanced Normalization Tools, ANTs）在 CPU 或 GPU 上执行。27 或 Forsberg 注册软件包28.
  4. 肺实质分割
    1. 使用卷积神经网络（如 nnUnet 架构）对呼气末三维图像中的肺实质进行分割29.
    2. 使用血管识别算法（例如 Wernz 等人所述的方法）排除肺部血管。30.
      注意：如果无法获取此类算法，肺血管识别步骤并非必需。在某些情况下，可能需要进行手动重新分割。
  5. 过滤
    1. 应用 Nadaraya-Watson 核回归（使用 σ 将0.3的高斯核应用于配准并重新反转变换后的图像，以在均匀分布的时间网格上插值出16个相位。
    2. 通过在时域中对插值后的数据应用0.7 Hz的低通滤波器，消除与呼吸无关的信号波动。
    3. 使用图像引导滤波对低通滤波后的图像进行去噪31，以时间平均配准图像作为引导图像。设置以下参数： 窗口大小 = [5, 5, 5], lambda = 0.001.
  6. 通气分析
    1. 使用以下公式计算每个呼吸时相 N 的区域通气量（RVent）图，单位为毫升/毫升（mL/mL）32:
      figure-protocol-1     [1]
      注意：S灵感 表示用于图像配准的目标图像，对应于吸气末期水平。S实验 指呼气末图像，而 SN 代表第N个呼吸状态。
    2. 计算通气缺陷（VDRVent8号右心室地图th 代表最大通气量的时相。
      ​注意：为计算 VD，需排除低于 90 阈值的体素th 百分位数值乘以0.4的系数后，被视为缺陷33.
    3. 计算流量-容积环相关性度量（FVL-CM）图。
      1. 将 RVent 的一阶导数计算为流量。
        注：体积由 RVent 直接测量。
      2. 为每张切片建立一个参考FVL，该值通过RVent在75之间的健康区域计算得出th 和 95th 百分位数
      3. 使用零滞后互相关法，确定每个肺实质体素的FVL与参考FVL之间的相似性。
    4. 计算 VDFVL-CM 图谱中，将FVL-CM值低于0.9的体素识别为通气缺陷体素34.
    5. 计算呼吸周期百分比（%）内的通气达峰时间（VTTP）图。
      注意：理论上，插值呼吸周期在健康体素的呼气峰处开始/结束，并在通气周期的50%处（即吸气峰）呈对称分布。对于存在通气提前或延迟动力学的体素，通气时间至峰值（VTTP）图将显示低于或高于50%的数值。
    6. 计算 VTTP 值的偏差（VTTP发育) 从50%峰值吸气量处开始如下操作：
      figure-protocol-2    [2]
      注意：对于健康区域，VTTP开发 应接近 0%。
    7. 统计学
      1. 描述 RVent、FVL-CM、VTTP 和 VTTP 的统计学参数开发 对于所有切片，提供中位数、均值、标准差值及四分位距。
      2. 计算由生成的通气缺陷图（VD图）得出的通气缺陷百分比值。
      3. 将所有计算参数导出至电子表格文件（参见提供的示例） 表3).

结果

最简单的 3D PREFUL 成像方案包含两个序列：一个解剖定位序列，以及一次采用黄金角度 3D 星状堆叠采集的自由呼吸测量。星状堆叠轨迹如图 1所示。该轨迹结合了平面内的径向采样与 z 方向的线性笛卡尔采样。首先采集 kz 分区方向的样本，随后通过黄金角度旋转对 kx-ky 平面进行采样。黄金角度采样方案可实现自门控，并对 k 空间实现均匀覆盖，从而有助于利用高度欠采样的数据进行图像重建。整个检查过程不超过 10 分钟。3D PREFUL 采集的更多细节见材料表。

figure-results-1
图1：黄金比例旋转星形堆叠轨迹。 注意在平面内维度（kx-ky）上应用了径向采样，而在层面方向（kz）上应用了笛卡尔采样。该方案实现了对所获取k空间的圆柱形覆盖。在此示例中，展示了三个分区，每个分区包含32个径向投影。请点击此处查看该图的放大版本。

在1.5 T磁共振扫描仪上进行3D PREFUL成像时常用的一组典型MRI参数列于 表1B. 对于3T扫描仪，所列的序列参数见 表2 被提出。

数据采集和数据传输完成后，开始进行图像重建部分。此步骤由一家公司（BioVisioneers GmbH）拥有知识产权（IP）的 MATLAB 代码完成，无法公开共享。一旦提供原始数据的路径，该脚本即可全自动运行。重建流程的示意图见图2。

figure-results-2
图2：三维相位解析功能性肺部（PREFUL）MRI 方法的示意图概述。 首先，采用持续8分钟的自由呼吸MR采集方式，结合“星堆”轨迹进行数据采集。数据从MR扫描仪传输至计算单元后，重建出时间分辨率约为100 ms的低分辨率3D图像。对每幅图像的肺实质进行分割，并计算肺容积。肺容积信息进一步用作门控信号。根据该门控信号的幅度和相位，将径向投影数据分入覆盖一个完整呼吸周期的呼吸相位分档中。分档完成后，进行全分辨率动态图像的重建，并将这些图像配准至吸气末水平。经过若干后处理步骤后，计算区域通气（RVent）周期，并进行图像分析，包括参数提取。通过计算每个体素的流量-容积环（FVL），评估RVent周期。FVL-CM通气图通过将每个体素的FVL与健康参考FVL进行比较而获得，相似性采用互相关度量进行评估。对于RVent和FVL-CM，均量化全局总通气缺陷百分比（VDP）值。此外，通过对时间-峰值分析来解析RVent周期的动力学特征，从而生成通气时间-峰值（VTTP）参数图。同时，在VTTPDev图中量化实际峰值通气相对于RVent周期50%处预期峰值的偏差。请点击此处查看该图的放大版本。

图像重建完成后，所有图像均被空间配准至一个固定的参考状态。配准过程本身在CPU上使用Advanced Normalization Tools（ANTs27）或Forsberg配准软件包28完成。尽管ANTs软件包在MRI和CT成像的图像配准任务中仍被视为金标准，但Forsberg配准软件包可实现高达10倍的加速，将配准时间缩短至最多9分钟，同时获得相当的配准效果19。用户可根据自身优先需求和可用计算资源选择合适的配准软件包。完成配准后，已配准的形态学图像会再次进行反向灰度反转，使肺部在灰度图像中呈现为暗色。

在图3中，展示了流程的下一步，即肺实质分割。首先，使用基于nnUnet架构的卷积神经网络从吸气末期图像中分割出肺实质29。随后进行血管识别30，并将血管部分从最终的分割掩膜中剔除。

figure-results-3
图3基于深度学习分割的典型结果，来自一名32岁男性受试者。 第一行显示八个代表性冠状切面的形态学图像。第二行和第三行分别展示了相应的肺实质掩膜以及排除血管后的最终掩膜。 请点击此处以查看此图的放大版本。

图4中展示了一个肺实质分割不正确的示例。图4表明，必须对基于深度学习的分割结果进行目视检查，若发现结果不理想，应考虑进行人工校正，以提高最终肺实质掩膜的准确性。

figure-results-4
图4：一名57岁男性受试者基于深度学习的错误分割示例结果。 第一行为八个代表性冠状切面的形态学图像。第二行和第三行分别显示了相应的肺实质掩膜以及排除血管后的最终掩膜。显然，部分纤维化区域被错误识别为血管或非肺部结构。这些错误已在第四行中通过人工方式进行修正。请点击此处查看该图的放大版本。

在经过方案中概述的多个过滤步骤后，计算通气替代参数。三维PREFUL MRI可生成静态区域性通气（RVent）、动态流量-容积相关度量参数（FVL-CM）以及基于通气达峰时间（VTTP）分析的两个参数的定量图谱，如图5所示。该图展示了1名32岁健康男性志愿者的8个冠状面切片。请注意所有通气参数均呈现预期的均匀分布特征。

figure-results-5
图5：一名健康志愿者（32岁男性）的3D PREFUL MRI。 一名健康志愿者（32岁男性）的代表性形态学图像（第一行）和3D PREFUL MRI通气参数图（第二至第五行）。静态区域性通气以区域性通气量（RVent）表示，而通气动态则通过流量-容积环相关度量（FVL-CM）、通气达峰时间（VTTP）以及VTTP的偏差（VTTPDev）来评估，这些参数均用于评价通气动态特征。如预期所示，所有通气参数图均显示出均匀的通气值。请点击此处查看该图的放大版本。

为了简化通气图，从RVent和FVL-CM中提取了通气缺陷（VD）图，以便更快地解读结果。示例性的VD图如图6所示。VDRVent和VDFVL-CM的通气缺陷百分比（VDP）值分别为3.6%和3.0%，均处于健康正常范围内。理想情况下，根据健康志愿者的年龄不同，VDP值不应超过10%。上述参数（RVent、FVL-CM及其VD图）已在多项研究中得到验证11,12,35,36，并已被证明在疾病检测以及治疗效应检测方面具有较高的敏感性20,34,37,38,39。

figure-results-6
图6：代表性右心室通气（RVent）和FVL-CM图谱及其通气缺陷图。 显示了一名健康志愿者（32岁男性）通过三维PREFUL MRI获得的右心室通气图（第一行）和FVL-CM图（第二行），以及相应的通气缺陷图（第三行和第四行）。在通气缺陷图中，健康区域以绿色表示，通气不足区域以红色标出。请点击此处查看该图的放大版本。

已有若干项在1.5 T和3 T磁场强度下开展的肺部MRI研究报道。尽管3 T理论上因具有更高的信噪比（SNR）而具备优势，但其更显著的磁化率效应可能抵消这一优势。目前尚不清楚磁场强度对3D PREFUL通气图成像质量的具体影响。本文展示了使用3 T磁共振扫描仪在一名健康志愿者（35岁男性）中获得的可行性结果（图7）。与1.5 T相比，3 T下通气参数呈现出更为异质的图像特征（图5）。

figure-results-7
图7：一名健康志愿者（35岁男性）的3D PREFUL MRI图像。 在3T磁共振设备上获取的一名健康志愿者（35岁男性）的代表性形态学图像（第一行）以及3D PREFUL MRI通气参数图（第二至第五行）。静态区域性通气由区域性通气量（RVent）表示，而通气动态则通过流量-容积环相关度量（FVL-CM）、通气达峰时间（VTTP）和VTTP偏差值（VTTPDev）来评估。 请点击此处查看该图的放大版本。

目前尚未发表将3D PREFUL导出的参数与更直接的测量方法进行比较/验证的研究。已有若干研究报道了2D PREFUL技术与129Xe11,12,14及19F MRI35在通气缺陷体积分数（VDP）值以及通气缺陷空间重叠方面呈正相关。最近一项针对慢性阻塞性肺疾病（COPD）、哮喘患者及健康志愿者的研究，比较了3D PREFUL导出的通气图与采用19F MRI直接测量的通气情况，结果显示在整体水平上具有中等到强相关性40。此处展示了一个示例对比结果（图8），对象为一名诊断为慢性阻塞性肺疾病的患者（54岁女性，FEV1 = 预测值的42%），该患者接受了3D PREFUL和19F洗入式MRI检查。

figure-results-8
图8：一名54岁女性慢性阻塞性肺疾病（COPD）患者的三维PREFUL MRI图像。 展示了一名54岁女性COPD患者（FEV1 = 预计值的42%，FVC = 预计值的102%）的形态学图像（第一行）、通气参数及其相应的通气缺陷图，分别通过三维PREFUL MRI（第二和第三行）与19F MRI（第四和第五行）获得，并对两种方法的通气缺陷图进行了比较（最后一行）。总体而言，在所有层面中，缺陷区域的Sørensen-Dice系数为25.5%，健康区域为80.6%，总空间重叠率为69.2%。值得注意的是，健康区域与缺陷区域中匹配的通气区域（以深绿色显示）在视觉上具有一致性。请点击此处查看该图的高清版本。

3D PREFUL MRI 可用于测量治疗的区域性反应20。例如，图9展示了囊性纤维化患者（43岁女性）在基线期（左侧，FEV1 = 预测值的94%）和CFTR调节剂治疗后（右侧，FEV1 = 预测值的112%）肺部三个切面的对比。由于两次测量在空间上匹配，3D PREFUL 可实现区域性的治疗反应分析，如图9底部所示。请注意治疗后流量-容积环相关性指标数值的增加以及通气缺陷的减少。

figure-results-9
图9：一名43岁女性囊性纤维化（CF）患者的三维PREFUL测量结果。 一名43岁女性CF患者在治疗前（左）和治疗后（右）的三维PREFUL测量代表性通气标志图。VDPFVL-CM 从基线时的18.0%下降至治疗后的3.6%。FEV1 % 预计值基线：94%，治疗后FEV1 % 预计值：112%。LCI基线：10.48，LCI治疗后：9.39。相应的治疗反应图显示在底部。请注意图中绿色区域表示治疗后通气功能的改善。 请点击此处查看此图的放大版本。

表1：在1.5T磁共振扫描仪上用于定位像和3D PREFUL采集的典型MRI参数列表。（A）定位像和（B）3D PREFUL采集。请点击此处下载该表格。

表2：在3T扫描仪上进行3D PREFUL采集的建议MRI参数。 请点击此处下载该表格。

表3：一名健康志愿者（35岁男性）3D PREFUL参数的示例性统计报告 请点击此处下载该表格。

讨论

最严重的陷阱之一在于数据采集本身。必须确保磁共振序列参数设置正确。其中，回波时间、重复时间、层数、矩阵大小和像素带宽是关键参数。若偏离推荐设置，可能导致时间分辨率不足或扫描时间延长。此外，数据传输也至关重要，需确保数据完整传输至指定的计算机或服务器以供评估。一旦设定采集数据的路径，数据评估将完全自动进行。后处理首先进行图像重建，其中回顾性分箱起着关键作用。建议验证分箱信号，以确保呼吸模式得到清晰呈现。在检查分箱信号后，无需额外操作，因为算法本身会通过排除异常值（即超过95百分位的数据点）来处理不良呼吸模式。th 百分位数及低于第10百分位数th 百分位数）。图像重建后，进行图像配准。该步骤应通过以下方式验证：配准后的图像应无呼吸和心脏运动伪影，具体而言，膈肌和心脏的位置应处于“冻结”状态。下一步是基于深度学习的肺实质和血管分割。对于整个三维肺体积而言，该分割过程耗时极长，因此使用基于人工智能的工具具有显著优势。然而，在某些情况下（如出现外周实变时），这些算法可能无法产生准确结果。因此，必须仔细检查分割掩膜，并在必要时进行手动修正。所有这些步骤对于通气参数的评估至关重要，若处理不当可能导致计算结果不准确。

自最初发表以来17，3D PREFUL 技术已取得若干进展。所获取的径向投影数据的排序算法已实现完全自动化并得到改进，通过 Otsu 阈值法对整个肺部进行分割，并将其用作导航信号，以将数据分组到不同的呼吸时相中。此外，原先手动进行的肺实质和血管分割已被基于深度学习的全自动算法所取代，从而减少了耗时的操作步骤。进一步地，若采用 Forsberg 配准工具箱19，图像配准部分的处理时间可缩短至最多 10 分钟。结合此前的改进，当前实现的代码支持对两个时间点（随访测量）的图像进行共配准，并可评估疾病进展或治疗引起的通气变化在体素水平上的变化情况20。目前版本的 Matlab 脚本无需任何用户干预，未来有望集成到自动化数据处理流程中，通过特定标志实现批量处理。

3D PREFUL 的主要缺点是无法实现局部血流测量，因为在使用非选择性硬射频脉冲进行激发时，无法捕获流入效应。其次，目前每位受试者的全部后处理流程（包括数据传输、图像重建、图像配准和通气分析）需要 2 小时。第三，目前仅展示了 3D PREFUL 衍生的通气参数与经过更充分验证的技术之间的初步比较40。第四，所采集数据的分析需在高性能计算机上进行，因此医生在扫描控制台无法直接获得结果。第五，尚缺乏在不同磁场强度及不同厂商扫描仪上开展的 3D PREFUL 可行性研究。

三维相位解析功能肺（PREFUL）MRI能够在自由呼吸状态下对整个人体肺部的区域性通气动力学进行定量成像17。目前存在一些成本较低的替代方法，例如肺量测定法或多呼吸惰性气体洗出技术；然而，这些方法均缺乏空间信息，且需要受试者配合完成特定呼吸动作，因此不适用于婴幼儿或新生儿。其他替代性影像学方法则会使患者暴露于电离辐射，例如核医学检查或CT，或因设备稀缺而难以广泛应用（如超极化129Xe或19F气体MRI成像）。三维PREFUL可评估通气动力学，能够在标准临床MRI扫描仪上实施，且无需使用对比剂，因而具有向临床研究领域转化的潜力。由于三维PREFUL无需电离辐射或对比剂，并采用对患者友好的自由呼吸扫描方式，因此特别适用于需要多次重复或纵向随访的研究，以定量评估治疗后肺部区域的反应。其次，三维PREFUL对肺通气功能的评估在婴幼儿中可能尤为有价值，因为该人群应尽可能避免辐射暴露。

3D PREFUL 生成人类肺部功能性通气图像的能力具有实现早期诊断的潜力。具体而言，生成可重复且定量的区域性通气图的能力，使得开展纵向研究成为可能，例如用于疾病进展评估或治疗效果监测。此外，关于通气动态的区域性信息能够更敏感地检测到肺部疾病的早期变化，而这些变化是肺功能测试无法发现的。

披露

Filip Klimeš、Andreas Voskrebenzev 和 Jens Vogel-Claussen 是 BioVisioneers GmbH 公司的股东，该公司致力于肺部磁共振成像技术。

致谢

本工作由德国肺研究中心（DZL）资助。作者们从与同事们的诸多有益讨论中获益匪浅，特别是与Marcel Gutberlet、Agilo Kern、Lea Behrendt、Arnd Obert、Julian Glandorf、Till Kaireit、Tawfik Moher Alsady、Gesa Pöhler、Maximilian Zubke、Robin Müller、Marius Wernz、Cristian Crisosto、Milan Speth、Julienne Scheller和Sonja Lüdiger的交流。作者们感谢Robert Grimm（西门子医疗）编写了磁共振成像序列，同时还要感谢汉诺威医学院放射科的Frank Schröder和Sven Thiele在进行MRI检查过程中提供的出色技术支持。

材料

本文使用的材料清单
姓名公司目录编号评论
ANTs开源医学图像分析研究社区图像配准工具箱
BART开源成像https://www.opensourceimaging.org/project/berkeley-advanced-reconstruction-toolbox-bart/图像重建工具箱
体线圈西门子 / 飞利浦 / 通用电气 https://www.siemens-healthineers.com/zh-cn/磁共振成像/选件与升级/线圈至少6通道体线圈；Philips [https://www.usa.philips.com/healthcare/solutions/magnetic-resonance/coils-overview ]
Forsberg图像配准工具箱https://github.com/fordanic/image-registration图像配准工具箱
图像重建代码BioVisioneers GmbHwww.biovisioneers.com磁共振重建与分析软件
MatlabMathworks软件
磁共振成像西门子 / 飞利浦 / 通用电气 https://www.siemens-healthineers.com/magnetic-resonance-imaging飞利浦 [https://www.philips.co.in/healthcare/solutions/magnetic-resonance]，通用电气 [https://www.gehealthcare.com/products/magnetic-resonance-imaging]；1.5 T / 3 T
序列西门子 / 飞利浦 / 通用电气MRI序列，采用星状轨迹与黄金角增量的三维梯度回波序列；1. 西门子Grasp-Vibe序列 - https://t.ly/P31kM ，2. 飞利浦Multi Vane XD序列 https://t.ly/wMWZZ ，3. 通用电气Lava-Star、Disco-Star - https://t.ly/vimm2

参考文献

  1. Chronic respiratory diseases. World Health Organization. , Available from: https://www.who.int/health-topics/chronic-respiratory-diseases#tab=tab_1 (2021).
  2. Musch, G., et al. Topographical distribution of pulmonary perfusion and ventilation, assessed by PET in supine and prone humans. J Appl Physiol. 93 (5), 1841-1851 (2002).
  3. Petersson, J., Sánchez-Crespo, A., Larsson, S. A., Mure, M. Physiological imaging of the lung: single-photon-emission computed tomography (SPECT). J Appl Physiol. 102 (1), 468-476 (2007).
  4. Mistry, N. N., et al. Evaluation of fractional regional ventilation using 4D-CT and effects of breathing maneuvers on ventilation. Int J Radiat Oncol Biol Phys. 87 (4), 825-831 (2013).
  5. Kirby, M., et al. Hyperpolarized 3 He and 129 Xe MR imaging in healthy volunteers and patients with chronic obstructive pulmonary disease. Radiology. 265 (2), 600-610 (2012).
  6. Kuethe, D. O., Caprihan, A., Fukushima, E., Waggoner, R. A. Imaging lungs using inert fluorinated gases. Magn Reson Med. 39 (1), 85-88 (1998).
  7. Ohno, Y., et al. Dynamic oxygen-enhanced MRI versus quantitative CT: Pulmonary functional loss assessment and clinical stage classification of smoking-related COPD. Am J Roentgenol. 190 (2), W93-W99 (2008).
  8. Bauman, G., et al. Non-contrast-enhanced perfusion and ventilation assessment of the human lung by means of fourier decomposition in proton MRI. Magn Reson Med. 62 (3), 656-664 (2009).
  9. Voskrebenzev, A., et al. Feasibility of quantitative regional ventilation and perfusion mapping with phase-resolved functional lung (PREFUL) MRI in healthy volunteers and COPD, CTEPH, and CF patients. Magn Reson Med. 79 (4), 2306-2314 (2018).
  10. Behrendt, L., et al. Validation of automated perfusion-weighted phase-resolved functional lung (PREFUL)-MRI in patients with pulmonary diseases. J Magn Reson Imaging. 52 (1), 103-114 (2020).
  11. Kaireit, T. F., et al. Flow volume loop and regional ventilation assessment using phase-resolved functional lung (PREFUL) MRI: Comparison with 129Xenon ventilation MRI and lung function testing. J Magn Reson Imaging. 53 (4), 1092-1105 (2021).
  12. Couch, M. J., et al. Comparison of functional free-breathing pulmonary 1H and hyperpolarized 129Xe magnetic resonance imaging in pediatric cystic fibrosis. Acad Radiol. 28 (8), e209-e218 (2020).
  13. Behrendt, L., et al. Validation of automated perfusion-weighted phase-resolved functional lung (PREFUL)-MRI in patients with pulmonary diseases. J Magn Reson Imaging. 52 (1), 103-114 (2019).
  14. Marshall, H., et al. 129Xe and free-breathing 1H ventilation MRI in patients with cystic fibrosis: A dual-center study. J Magn Reson Imaging. 57 (6), 1908-1921 (2022).
  15. Mendes Pereira, L., et al. UTE-SENCEFUL: first results for 3D high-resolution lung ventilation imaging. Magn Reson Med. 81 (4), 2464-2473 (2018).
  16. Boucneau, T., Fernandez, B., Larson, P., Darrasse, L., Maître, X. 3D magnetic resonance spirometry. Sci Rep. 10 (1), 16012(2020).
  17. Klimeš, F., et al. 3D phase-resolved functional lung ventilation MR imaging in healthy volunteers and patients with chronic pulmonary disease. Magn Reson Med. 85 (2), 912-925 (2021).
  18. Klimeš, F., et al. Repeatability of dynamic 3D phase-resolved functional lung (PREFUL) ventilation MR Imaging in patients with chronic obstructive pulmonary disease and healthy volunteers. J Magn Reson Imaging. 54 (2), 618-629 (2021).
  19. Klimeš, F., Voskrebenzev, A., Gutberlet, M., Grimm, R., Wacker, F., Vogel-Claussen, J. Evaluation of image registration algorithms for 3D phase-resolved functional lung ventilation magnetic resonance imaging in healthy volunteers and chronic obstructive pulmonary disease patients. NMR Biomed. 36 (3), e4860(2022).
  20. Klimeš, F., et al. Effect of CFTR modulator therapy with elexacaftor/tezacaftor/ivacaftor on pulmonary ventilation derived by 3D phase-resolved functional lung MRI in cystic fibrosis patients. Eur Radiol. 34 (1), 80-89 (2024).
  21. Rosenzweig, S., Holme, H. C. M., Uecker, M. Simple auto-calibrated gradient delay estimation from few spokes using Radial Intersections (RING). Magn Reson Med. 81 (1), 1898-1906 (2019).
  22. Uecker, M., et al. Berkeley advanced reconstruction toolbox. Proc Intl Soc Mag Reson Med. 23 (1), 2486(2015).
  23. Otsu, N. A threshold selection method from gray-level histograms. IEEE Trans Syst Man Cybern. 9 (1), 62-66 (1979).
  24. Song, H. K., Dougherty, L. k-Space weighted image contrast (KWIC) for contrast manipulation in projection reconstruction MRI. Magn Reson Med. 44 (6), 825-832 (2000).
  25. Song, H. K., Dougherty, L. Dynamic MRI with projection reconstruction and KWIC processing for simultaneous high spatial and temporal resolution. Magn Reson Med. 52 (4), 815-824 (2004).
  26. Voskrebenzev, A., Gutberlet, M., Kaireit, T. F., Wacker, F., Vogel-Claussen, J. Low-pass imaging of dynamic acquisitions (LIDA) with a group-oriented registration (GOREG) for proton MR imaging of lung ventilation. Magn Reson Med. 78 (4), 1496-1505 (2017).
  27. Avants, B. B., Tustison, N. J., Song, G., Cook, P. A., Klein, A., Gee, J. C. A reproducible evaluation of ANTs similarity metric performance in brain image registration. Neuroimage. 54 (3), 2033-2044 (2011).
  28. Forsberg, D. fordanicimage-registration. , Available from: https://github.com/fordanic/image-registration (2014).
  29. Isensee, F., Jaeger, P. F., Kohl, S. A. A., Petersen, J., Maier-Hein, K. H. nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation. Nat Methods. 18 (2), 203-211 (2021).
  30. Wernz, M., et al. Influence of lung vessel segmentation on the reproducibility of PREFUL MRI. Proc IWPFI. 10 (1), 73(2022).
  31. He, K., Sun, J., Tang, X. Guided image filtering. IEEE Trans Pattern Anal Mach Intell. 35 (6), 1397-1409 (2013).
  32. Klimeš, F., et al. Free-breathing quantification of regional ventilation derived by phase-resolved functional lung (PREFUL) MRI. NMR Biomed. 32 (6), e4088(2019).
  33. Pöhler, G. H., et al. Repeatability of phase-resolved functional lung (PREFUL)-MRI ventilation and perfusion parameters in healthy subjects and COPD patients. J Magn Reson Imaging. 53 (3), 915-927 (2020).
  34. Moher Alsady, T., et al. MRI-derived regional flow-volume loop parameters detect early-stage chronic lung allograft dysfunction. J Magn Reson Imaging. 50 (6), 1873-1882 (2019).
  35. Kaireit, T. F., et al. Comparison of quantitative regional ventilation-weighted fourier decomposition MRI with dynamic fluorinated gas washout MRI and lung function testing in COPD patients. J Magn Reson Imaging. 47 (6), 1534-1541 (2018).
  36. Munidasa, S., et al. Inter- and intravisit repeatability of free-breathing MRI in pediatric cystic fibrosis lung disease. Magn Reson Med. 89 (5), 2048-2061 (2023).
  37. Lévy, S., et al. Free-breathing low-field MRI of the lungs detects functional alterations associated with persistent symptoms after COVID-19 infection. Invest Radiol. 57 (1), 742-751 (2022).
  38. Voskrebenzev, A., et al. Detection of chronic lung allograft dysfunction using ventilation-weighted Fourier decomposition MRI. Am J Transplant. 18 (8), 2050-2060 (2018).
  39. Voskrebenzev, A., et al. PREFUL MRI depicts dual bronchodilator changes in COPD: A Retrospective analysis of a randomized controlled trial. Radiol Cardiothorac Imaging. 4 (2), e210147(2022).
  40. Klimeš, F., et al. Comparison of free-breathing 3D phase-resolved functional lung (PREFUL) MRI with dynamic 19F ventilation MRI in patients with obstructive lung disease and healthy volunteers. J Magn Reson Imaging. , (2024).

重印与许可

标签

PREFUL
三维相位解析功能性肺部磁共振成像
联系我们
向图书馆推荐

隐私

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。