方法文章

使用自由呼吸、自门控超短回波时间成像的肺部结构磁共振成像

1.2K 次观看

⸱

DOI：

10.3791/67294

⸱

2024年9月6日

1Division of Pulmonary, Critical Care, and Sleep Medicine, Hoglund Biomedical Imaging Center, University of Kansas Medical Center

本文内容

摘要

本文介绍了一种利用超短回波时间（UTE）磁共振成像（MRI）生成肺部高分辨率结构图像的实验方案。该方案可在自由呼吸状态下，通过简单的MRI脉冲序列实现图像采集。

摘要

肺部的高质量磁共振成像（MRI）面临组织密度低、MRI信号弛豫快以及呼吸和心脏运动等挑战。因此，肺部结构成像几乎完全依赖于计算机断层扫描（CT）。然而，CT成像具有电离辐射，因此不太适用于某些易感人群（如儿科患者）或研究用途。作为一种替代方案，采用超短回波时间（UTE）的MRI正受到越来越多的关注。该技术可在自由呼吸状态下完成，扫描时间约为5-10分钟。呼吸运动信息被同时编码到图像中，可用于实现图像的“自门控”。自门控技术因此免除了对复杂MRI脉冲序列编程或使用呼吸气囊的需求，从而简化了图像采集过程。本方案介绍了一种简单、稳健且计算效率高的肺部高质量UTE MRI采集与重建方法。该方案最初为3T MRI扫描仪设计，但其基本原理同样适用于较低磁场强度的设备。本方案包括三维径向UTE图像采集的推荐参数设置，以及用于生成不同呼吸相位图像的自门控重建步骤。通过实施本方案，使用者可获得高分辨率的肺部UTE图像，且运动伪影极少甚至无明显伪影。这些图像可用于评估肺部结构，在多种肺部疾病的研究中具有应用价值。

引言

肺部结构的高分辨率成像对于多种肺部疾病的诊断评估至关重要。通常采用计算机断层扫描（CT）进行成像，该技术非常适合获取肺部的高分辨率图像1。然而，CT成像会带来不可忽视的电离辐射剂量，因此不适合频繁重复成像、在多个不同呼吸时相进行成像，或用于特定人群（如儿科患者）的成像。磁共振成像（MRI）不具有电离辐射的风险，因此更适合此类成像任务。但由于肺部组织密度低、存在呼吸和心脏运动以及信号弛豫非常迅速，利用MRI对肺部成像仍具有挑战性2,3,4。

一种能够缓解这些挑战的磁共振成像技术是超短回波时间（UTE）磁共振成像4,5,6。在UTE磁共振成像中，磁共振信号在激发后立即进行采样，从而减少了快速信号弛豫的影响。此外，该技术从k空间中心向外进行采样，导致k空间中心区域显著过采样。这种k空间中心的过采样使该成像技术对运动具有较强的鲁棒性。除了这种固有的抗运动能力外，对k空间中心的重复采样还编码了呼吸运动的信息，从而实现了图像的自门控7,8,9。这种自门控可用于生成多个呼吸时相的图像。由于人类在呼吸周期中大部分时间处于呼气阶段，因此通常生成呼气末图像，因为该时相采集的成像数据最多。

肺部 MRI 中存在多种呼吸自门控策略。首先需要区分的是基于图像的方法 与基于k空间的门控10 (图1在基于图像的门控技术中，通过重建成像数据的小时间子集生成一组具有高时间分辨率的图像。随后，利用这些图像中膈肌的位置来确定特定图像投影集的呼吸时相。10,11在基于k空间的门控中，来自k空间中心的数据（“k0）被检测8,9,12图像的信号强度在k中编码0，因此，k 的强度0 点随呼吸而变化。因此，可根据 k 空间中心区域信号强度的不同，将投影数据分入不同的呼吸时相。0在基于图像和基于k空间的门控技术中，具有相似呼吸时相的投影数据会被分组用于图像重建。有研究指出，基于图像的门控在估计呼吸时相方面具有更高的准确性，因而可提供模糊程度更低的图像。10,13.

滑动窗口重建、k空间自门控示意图、成像分析中的信号处理。
图 1：基于图像和基于k空间的自门控技术。（A）在基于图像的门控中，通过对整体数据的时间子集进行重建，生成低空间分辨率但高时间分辨率的图像以显示横膈膜。通过在横膈膜上设置一条线，可实现呼吸运动的可视化，并据此对数据进行分箱以用于图像重建。（B）在基于k空间的门控中，采用从中心向外的k空间投影的第一个点（“k0”）来可视化呼吸运动。对k0信号进行平滑处理后，基于呼吸周期的信号强度差异清晰可见，可用于识别不同的呼吸时相。请点击此处查看该图的高清版本。

基于图像和基于k空间的门控均可采用硬门控或软门控方式实现11,14。在硬门控中，仅使用对应于目标呼吸时相的投影数据进行图像重建。然而，丢弃非目标时相的投影数据可能导致图像信噪比（SNR）降低以及欠采样伪影增加。这些不利影响可通过使用软门控来缓解。在软门控中，所有投影数据均用于图像重建，但来自非目标呼吸时相的投影会被赋予较低权重，从而减少其对最终图像的影响。通过这种方式，可在有效抑制呼吸运动影响的同时，实现伪影最小化且信噪比高的图像重建。

通过将超短回波时间（UTE）MRI采集技术与采集后的自门控技术相结合，可获得高质量的图像，尽管其尚不能完全等同于CT，但其对比度和分辨率已接近CT成像水平6,15,16,17,18,19。本文提供了一种简单的方案，用于采集和重建UTE MRI图像，以获得肺部结构的高质量影像。

本方案主要针对3T磁共振成像仪编写；3T是科研用磁共振成像最常用的磁场强度。较低的磁场强度，如1.5T或近期可用的0.55 T20，可在肺部提供更优的图像质量和信号强度，因为在这些磁场强度下，肺部内的信号弛豫速度更慢。

尽管本方案及所提供的图像重建代码已尽可能做到清晰简明，但该方案仍需要由专职的磁共振物理学家（或类似的磁共振专家）在磁共振扫描仪上建立合适的超短回波时间（UTE）磁共振成像序列。该磁共振序列应采用三维非笛卡尔编码策略，并具有从中心向外的k空间轨迹，例如三维径向或三维螺旋（如“FLORET”）21,22成像序列。重要的是，投影的采集顺序应具备良好的时间稳定性：在任意给定的时间子集中，投影应覆盖k空间的完整范围23。具有良好时间稳定性的投影排序策略示例包括黄金均值法或Halton随机化的阿基米德螺旋法。若采用时间稳定性较差的投影排序，则采集后的自门控将遗漏k空间的大量区域，从而导致图像伪影。最后，该序列必须能够实现<100 µs的回波时间（TE）。在3T场强下，肺组织的T2*弛豫时间<1 ms24，因此使用极短的TE对于获得高质量图像至关重要。

方案

所有人体成像研究均经堪萨斯大学医学中心机构审查委员会（KUMC IRB）批准。所有参与者均签署了书面知情同意书。本研究中的图像采集是在一项通用的技术开发方案下进行的，纳入/排除标准 deliberately broad。纳入标准：年龄 ≥ 18 岁。排除标准：根据MRI筛查问卷的回答判定为不适合进行MRI检查，以及妊娠状态。本研究所用的附件和设备列于材料表中。

1. UTE 图像采集

  1. 准备成像序列。仅需准备一次成像序列，并在所有受试者中使用相同的序列。
    1. 根据表1设置参数。
    2. 将MRI模体置于MRI设备的中心位置，并运行成像序列。
      注意：由于该序列需要快速的梯度性能和大量射频脉冲，因此在对人类受试者进行测试之前，必须验证该方案设置能否正常运行。
  2. 为受试者准备MRI检查。采用机构标准的MRI安全筛查程序，确保受试者可以安全进入MRI检查区域。
  3. 将受试者安置在MRI检查床上，并在其躯干上方放置胸部线圈。将线圈放置于靠近受试者下颌的位置，以确保肺尖区域被完全覆盖。
  4. 将受试者送入MRI扫描仪。将定位标志置于受试者胸骨下方稍低位置。
  5. 采集定位像，以确认受试者的肺部位于UTE扫描的视野范围内。不得更改UTE扫描的几何位置。如果肺部未完全处于视野内，应调整受试者位置并重复采集定位像，直至肺部完全包含在视野中。
  6. 运行UTE序列。在此序列期间，受试者可正常呼吸。
  7. 从扫描仪导出原始数据。根据所使用的成像序列不同，扫描仪可能在设备上重建图像，也可能不重建。对于拟采用的回顾性门控重建方法，需要获取原始成像数据以判断图像是否在扫描仪上生成。请注意，原始数据量较大（>10 GB）。
  8. 导出或计算k空间轨迹（即每个原始数据点在k空间中的位置）。
    注意：对于某些成像序列，k空间轨迹可能与原始数据一起存储在MRI扫描仪中，可直接导出；而对于其他成像序列，则需要根据成像参数计算k空间轨迹。
参数通用推荐设置此处实施的设置
成像序列三维非笛卡尔中心向外k空间轨迹三维径向与黄金比例投影排序
视野400 x 400 x 400 mm3400 x 400 x 400 mm3
矩阵尺寸根据目标分辨率的需要320 x 320 x 320（1.25 mm 各向同性分辨率）
带宽根据读出持续时间需要 < 1.0 ms888 Hz/像素
TE< 0.1 ms0.07 ms
TR最短时间（目标 3–4 ms）3.5 ms
翻转角大约 5°4.8°
投影数量至少 100,0001,35,386
图像持续时间至少 5 分钟7 分 54 秒

表1：UTE成像的推荐设置。提供了可用于指导方案设置的通用推荐设置。同时提供了用于数据采集的具体推荐设置，如代表性结果所示。参数规范在不同厂商之间通用，带宽除外。一些主要MRI厂商将带宽表示为Hz/像素，而其他主要MRI厂商则指定绝对带宽。推荐带宽（888 Hz/像素）对应的绝对带宽为284,160 Hz。

2. 基于图像的呼吸软门控UTE图像重建

注意：完成以下步骤的 MATLAB 代码可在 https://github.com/pniedbalski3/UTE_Reconstruction 获取。

  1. 将数据和k空间轨迹导入 MATLAB。所有主要 MRI 设备厂商均提供用于导入原始 MRI 数据的代码。
  2. 舍弃前 1000 个投影，以确保数据处于稳态磁化状态。
    注意：如果所使用的成像序列在数据采集前已包含伪扫描，则可跳过此步骤。
  3. 使用极小部分数据重建一幅低分辨率图像。
    1. 采用非均匀快速傅里叶变换，重建为96 × 96 × 96矩阵尺寸的图像。
    2. 使用约 200 个投影，相当于 0.6 秒至 0.8 秒的数据量。
    3. 重建并保存所有线圈单元的图像，以及最终的线圈合并图像。
  4. 在所得的线圈合并图像中，选择一个能清晰显示膈肌的冠状切片。
    注意：所提供的代码将提示用户选择包含膈肌的切片。
  5. 选定该切片后，查看此切片的单个线圈图像，并选择一个或两个最能清晰显示膈肌的线圈单元（图 2）。
    注意：所提供的代码将提示用户选择线圈单元。
  6. 采用滑动窗口方法重建图像，以生成时间分辨率为 ~0.5 秒的图像序列（图 2）。
    1. 仅重建在步骤 2.4 中选定的线圈单元的数据。
      注意：虽然可重建所有线圈单元的图像，但为实现呼吸自门控可视化膈肌，仅需使用最靠近膈肌的线圈单元。通过仅重建最靠近膈肌的线圈单元，可显著减少重建时间和计算负担。
    2. 使用前 200 个投影，通过非均匀快速傅里叶变换重建一幅图像（图 2），仅保存在步骤 2.4 中确定的显示膈肌的切片。
      注意：最终将生成多达 1500 幅图像；仅需二维切片即可可视化膈肌位置，若在每个滑动窗口步骤中均保存三维图像，则存储量将不可行。
    3. 将投影移动 100 个（即第一幅图像使用投影 1–200 重建，第二幅图像使用投影 101–300 重建），并重建另一幅图像，保存在步骤 2.4 中选定的切片。
    4. 持续此过程，直至所有投影均用于生成图像。
  7. 在滑动窗口图像序列的第一幅图像中，选择一条跨越膈肌的直线。确保该直线足够长，向肺部延伸 5–10 个体素，向膈肌内延伸 5–10 个体素。
  8. 通过查看所有投影的该呼吸导航线，可视化呼吸运动。
  9. 确定所有呼吸导航图像中膈肌的位置。有多种方法可实现此目的，一种简单的方法是使用 Otsu 方法25，将较暗侧（肺）与较亮侧（膈肌）区分开。
  10. 利用膈肌位置，将投影标记为属于某一特定呼吸门控区间。若某一呼吸导航图像显示膈肌位于“位置 1”，则用于生成该导航图像的 200 个投影即属于“门控区间 1”。
    注意：由于图像通过具有 100 投影重叠的滑动窗口生成，部分投影可能被标记为属于多个门控区间。滑动窗口图像的粗略空间分辨率导致总共约有 ~4–6 个门控区间，覆盖从吸气到呼气的完整范围。
  11. 通过确定包含最多投影的门控区间来选择用于重建的门控区间，该区间应对应于呼气末期。
    1. 或者，可根据对呼吸导航图像的目视评估，选择所需呼吸时相进行图像重建。
  12. 生成用于软门控14的权重。
    1. 使用指数滤波器，为属于主门控区间的投影赋予权重 1，为属于其他呼吸门控区间的投影赋予快速递减的权重。
  13. 使用Berkely Advanced Reconstruction Toolbox (BART；https://mrirecon.github.io/bart/)26,27 重建目标呼吸门控区间的高分辨率图像。
    ​注意：BART 是一个可免费获取的 MRI 图像重建工具箱。
    1. 使用迭代密度组合方法计算密度补偿权重。
    2. 将密度补偿权重乘以软门控权重。
    3. 根据密度补偿和软门控权重对数据进行加权。
    4. 执行基本的非均匀快速傅里叶变换 (NUFFT)，以促进线圈合并。
    5. 将 NUFFT 图像转换为栅格化 k 空间，用于线圈合并。
    6. 生成线圈合并矩阵，并用于对原始数据和栅格化 k 空间进行线圈合并。
    7. 估计线圈灵敏度。
    8. 使用加权的密度补偿、合并后的线圈数据及线圈灵敏度图，执行并行成像压缩感知重建。
  14. 保存最终图像。NIFTI 格式易于实现。若需将图像上传至 PACS 系统，则可能需要 DICOM 格式。

MRI 流程图，膈肌线圈选择，滑动窗口重建，呼吸分析。
图 2：基于图像的自门控技术。（1）利用少量投影数据重建的低分辨率图像（以提高计算效率），确定一个能清晰显示膈肌的冠状面切片。（2）通过检查各个线圈单元的图像，选择最靠近膈肌的线圈单元。（3）仅对最靠近膈肌的线圈单元进行滑动窗口重建（以提高计算效率）。图像可由每200个投影的子集生成（对应约0.8秒）；通过投影数据重叠，可在图像中实现约0.5秒的伪时间分辨率。（4）确定一条垂直于膈肌的线，作为呼吸导航线。（5）可视化该线上图像数据可显示呼吸运动，可用于图像分 bins 处理。请点击此处查看该图的放大版本。

3. 基于k空间的呼吸软门控UTE图像重建

  1. 完成步骤 2.1–2.4，以确定距离隔膜最近的线圈元件。
  2. 通过使用所选线圈元件在所有投影中投影第一个点的绝对值，生成一条 k0 时间序列轨迹。这将提供呼吸波形的可视化结果。
  3. 以每 5000 个投影为一步，使用这些相同 k0 点的平均信号强度对 k0 进行归一化28。此方法可减轻随时间变化的信号强度漂移，从而提高对投影进行定量分箱的能力。
  4. 将每个 k0 点标记为发生在吸气或呼气期间。
    1. 对 k0 时间序列进行平滑处理，并计算门控轨迹上每个点的导数以评估其斜率。
    2. 根据斜率符号标记吸气点：正斜率对应呼气，负斜率对应吸气。
  5. 根据信号强度对投影进行分箱。由于呼吸深度可能变化，因此分箱依据信号振幅而非呼吸时相中的位置。
    注意：实现此目的的一种简单快速的方法是采用 k 均值聚类（k-means clustering）来识别不同的信号强度水平。
  6. 对于处于吸气末和呼气末之间的中间分箱，根据步骤 3.4 确定投影发生在吸气或呼气期间。
  7. 按照步骤 2.10 至步骤 2.13 提供的步骤完成图像重建。
  8. 如有需要，可对所有呼吸分箱而非仅在呼气末进行图像重建。

结果

代表性结果（图3）使用 表1 所示的设置生成。所采用的成像持续时间可获得高质量图像，且大多数受试者均可耐受。

ct scan gating comparison, k0-based vs image-based methods, diagram showing soft and hard gating results
图3：生成的代表性UTE图像。 显示同一患者在使用基于图像和基于k空间的门控方法，以及硬门控和软门控重建数据集后所得的冠状面、矢状面和轴向切片图像。每幅图像中的某一区域（方框内）被放大显示，以突出图像间的分辨率差异。对于该受试者，基于图像和基于k空间的门控在减轻呼吸运动伪影方面表现相似。软门控可减少图像中的模糊现象。各图像中近似的实质信号噪声比分别为：基于图像的硬门控：3.2；基于图像的软门控：3.6；基于k0的硬门控：4.3；基于k0的软门控：3.2。 请点击此处查看该图的放大版本。

通过本方案，可获得呼气末肺部的高分辨率 MRI 图像。在自由呼吸状态下完成图像采集后，可采用基于图像或基于 k 空间门控的方法来可视化呼吸运动。为了获得最佳图像质量，这些图像需使用多通道接收线圈阵列进行采集。因此，必须识别距离膈肌最近的线圈单元，以最大程度地提高对呼吸运动的敏感性（图 2）。由于线圈放置位置的不同，距离膈肌最近的线圈单元编号可能在每次扫描中发生变化。因此，每次扫描时都必须查看各个线圈单元的图像，以准确识别出正确的线圈单元。

如果采用基于图像的门控，则使用滑动窗口重建方法生成显示膈肌的单层图像。完成滑动窗口图像重建后，膈肌应在每幅图像中清晰可见。如果膈肌显示不清，可能需要使用不同的线圈单元重复此重建过程。通过对膈肌区域设置一条线，可实现对呼吸运动随时间变化的可视化。类似地，在基于k空间门控时，k0点也可用于可视化呼吸运动。

对于保持静止且呼吸规律的受试者，基于图像的门控和基于k空间的门控均显示出一致的呼吸波形。对于依从性较差的受试者，两种门控方法均可识别出呼吸不规则发生的时间区域。特别依从性和特别非依从性受试者的基于图像和基于k空间的门控结果如图4所示。与先前的研究7,13类似，本文展示的结果表明，与基于k0的门控相比，基于图像的门控可能提供更高的图像保真度。

MRI k空间和基于图像的分析，比较肺部扫描中规律与不规律呼吸。
图4：呼吸非常规律的受试者（左）与呼吸浅且不规律的受试者（右）的k0和基于图像的门控信号轨迹。 在门控轨迹下方展示了两位受试者基于图像和基于k0门控的代表性图像，并包含图像的放大区域以突出图像间的差异。对于呼吸规律的受试者，基于图像和基于k0的门控表现相似。而对于呼吸不规律的受试者，两种方法所得图像质量均相对较差，但基于图像的门控表现略优。 请点击此处查看该图的放大版本。

在实现呼吸运动可视化后，可重建任意数量呼吸时相的图像。本方案主要旨在生成呼气末时相的单幅图像（图3）。由于在呼气过程中采集的投影数量更多，且在此呼吸时相肺组织密度更高，因此呼气末图像通常具有最佳的图像质量和信噪比（SNR）。

由于三维体积分图像需要大量的投影才能实现完全采样，通常采用欠采样方式采集图像。表1所述方案中，采样率约为60%。三维螺旋和三维径向成像方法对欠采样具有较强的鲁棒性，因此通常不会显著影响高分辨率图像的采集。然而，回顾性门控会进一步减少本已欠采样的图像投影数量，可能导致图像模糊和伪影，尤其在呼吸节律不规律的受试者中更为明显。采用软门控技术有助于减轻因欠采样引起的模糊和伪影，如图3和图5所示。

肺部 MRI 显示门控技术：呼气相、硬门控、软门控、权重不佳的结果。
图 5：软门控的优缺点。 呼气相图像（A）通常使用大量投影生成，因此在采用硬门控时不易产生图像伪影。而吸气相图像使用的投影数量少得多，因此硬门控可能导致图像质量下降和出现伪影（B）。软门控可减少此类伪影，并提高图像分辨率和质量（C），但需谨慎选择合适的投影权重。若采用不恰当的权重，图像可能变得模糊，并偏离目标呼吸时相的真实形态（D）。各图像局部区域已放大显示，以突出分辨率和膈肌位置的差异。请点击此处查看该图的高清版本。

图3展示了使用基于图像和基于k空间的门控方法，以及软门控和硬门控重建的UTE图像。基于图像和基于k空间的门控均能清晰显示呼气末期的膈肌位置，尽管如上所述，多个研究团队已证明，使用基于图像的门控可实现更优的运动补偿效果11,13。对于图3所示的呼气图像，硬门控并未导致明显的图像伪影。然而，在吸气图像中（其重建所用的投影数量较少），硬门控会导致信噪比降低以及欠采样伪影增加。软门控可提高图像的锐利度，并在吸气图像中有效抑制图像伪影（图5）。然而，使用软门控时需格外注意，若未对不期望的投影进行恰当加权，可能导致运动保真度下降（图5）。由于呼气末期的投影数量远多于吸气期，吸气图像尤其容易出现膈肌模糊现象。

重建后，可观察到与正常肺生理学及病理生理学相关的特征（图6）。在经过优化重建的高质量图像中，可清晰显示直至第3级的气道rd 或 4th 可以观察到生成的图像。此外，较大的血管结构也清晰可见，尤其是在肺部的中央区域。对于间质性肺病患者，可见与CT特征一致的表现，例如磨玻璃样影和蜂窝状改变。图6在某些情况下，可从图像中推断出空气潴留或肺气肿等特征，但通常在3T下获取的图像中，肺实质内的信噪比过低，难以可靠地识别这些特征。

CT与UTE肺部成像对比，插图显示分辨率细节；三维重建中气道的掩膜。
图6CT与UTE MRI的比较 (ACT成像（1st 柱) 明显超过 UTE MRI (2nd 柱）在图像分辨率和质量方面的表现。CT图像的区域（3rd 柱）和UTE MRI（4th 柱状）被放大以方便图像间的比较。然而，重要的特征，如大血管、大气道以及与肺部病理生理相关的纹理特征（如（B）以及磨玻璃样阴影（C) 可在UTE MRI中显示。尽管UTE MRI在分辨气道方面的能力不及CT，但其可显示至第3级气道rd 或 4th 可以从图像中手动分割生成D). 请点击此处以查看该图的放大版本。

讨论

进行肺部超短回波（UTE）成像时，可采用多种不同的采集和重建方法来生成肺部图像。本方案侧重于实施的简便性和计算效率。使用三维径向UTE成像相对简单，成像序列通常可由主要的MRI设备供应商提供。本文提供了基于MATLAB的数据处理和自门控工具。由于大多数学术机构均可获得MATLAB授权，因此该代码具有广泛的适用性且易于实施。所提供的MATLAB代码专为在西门子3T MRI扫描仪上使用自研成像序列进行图像采集而设计。其他序列和MRI平台可能需要对代码进行部分修改，以正确读取成像数据。

这些图像的原始成像数据文件非常大（>10 GB），因此重建算法在计算上代价高昂，导致图像重建可能非常耗时。伯克利高级重建工具箱（Berkely Advanced Reconstruction Toolbox，BART；https://mrirecon.github.io/bart/）26,27 提供高质量的图像重建工具，易于实现且计算效率高。BART 可轻松集成到所提供的基于 MATLAB 的自门控工具中。所提供的基于图像的回顾性门控与 BART 实现流程，从原始数据生成图像需 20–30 分钟。该处理在配备 128 GB 内存和 13 的计算机上进行th第10代 Intel i9 3.00 GHz 处理器。目前该方案未使用图形处理器（GPU）来加速计算，但可引入 GPU 以进一步缩短计算时间。建议使用至少配备 64 GB 内存的计算机，以确保有足够的内存处理本方案涉及的大型数据集。

图像选择 与基于k空间的自门控可能影响工作流程和图像质量。尽管基于k空间的门控速度更快，但其对呼吸时相的解析精度可能较低。13基于图像的门控方法由于需要进行滑动窗重建（使用提供的Matlab代码约需5分钟），执行时间较长，但该方法能更准确地反映膈肌运动，从而获得运动模糊更小的图像。

在牺牲操作简便性、计算效率或图像重建时间的前提下，可对该方案进行多种改进。可通过增加投影数量来获取图像，这将提高图像质量，但需要更长的扫描时间和更长的重建时间。根据所增加的投影数量，可能还需要额外的计算机内存来存储非常庞大的数据集。也可采用更为复杂的门控方法，例如在滑动窗口重建中使用更高分辨率的图像重建。这同样会增加该方案的计算负担。此外，还可实施更先进的图像重建方法，例如iMoCo29,30等技术。尽管这些改进可能提升图像质量，但会显著增加计算时间，因此可能带来递减的边际效益。

本方案主要针对结构磁共振成像。可通过多种方式修改该方案以转而评估肺功能，例如采用氧气增强磁共振成像31,32，或采用PREFUL分析方法28,33。

最终，本方案能够采用5-8分钟的自由呼吸扫描策略，获取高分辨率的肺部MRI图像。在图像采集过程中获取的原始数据可进行回顾性门控，生成不同呼吸时相的图像，且不受呼吸运动伪影的干扰。本方案强调实施的简便性和计算效率，使用高性能工作站进行图像重建的总耗时为20-30分钟。一旦建立流程，图像重建过程可几乎无需人工干预，但需手动选择显示膈肌的图像层面以及最合适的线圈单元，因此该方案尚无法完全自动化。尽管肺部MRI在临床中尚未广泛应用，但随着超短回波时间（UTE）MRI技术的逐步普及，其在揭示肺部结构方面的应用有望增加。

披露

Peter Niedbalski 获得硬皮病基金会、美国心脏协会和美国国立卫生研究院的研究资助。他是 Polarean Imaging Plc. 的顾问，该公司致力于开发超极化129Xe MRI 技术。

致谢

本方案的开发及作为代表性结果展示的图像得到了美国硬皮病基金会的资助。

材料

本文使用的材料清单
姓名公司目录编号评论
胸部MRI线圈西门子、通用电气、飞利浦，或其他临床MRI成像线圈供应商不适用应使用26至32通道的胸部线圈
高性能工作站惠普、苹果，或其他计算机硬件公司不适用图像重建需要至少配备64 GB内存的计算机
MatlabMathworksR2016A或更新版本需要Matlab授权以运行所提供的计算机代码
MRI模体西门子、通用电气、飞利浦，或其他MRI模体供应商不适用可在人体受试者使用前，采用任意模体对MRI序列进行测试
MRI扫描仪西门子、通用电气、飞利浦，或其他临床MRI扫描仪供应商不适用本方案在3T扫描仪上开发完成，但1.5T或0.55T扫描仪经最小程度调整后亦可适用

参考文献

  1. Raju, S., Ghosh, S., Mehta, A. C. Chest ct signs in pulmonary disease: A pictorial review. Chest. 151 (6), 1356-1374 (2017).
  2. Biederer, J., et al. MRI of the lung (2/3). Why, when, how. Insights Imaging. 3 (4), 355-371 (2012).
  3. Biederer, J., et al. MRI of the lung (3/3)-current applications and future perspectives. Insights Imaging. 3 (4), 373-386 (2012).
  4. Johnson, K. M., Fain, S. B., Schiebler, M. L., Nagle, S. Optimized 3D ultrashort echo time pulmonary MRI. Magn Reson Med. 70 (5), 1241-1250 (2013).
  5. Ma, W., et al. Ultra-short echo-time pulmonary MRI: Evaluation and reproducibility in COPD subjects with and without bronchiectasis. J Magn Reson Imaging. 41 (5), 1465-1474 (2015).
  6. Roach, D. J., et al. Ultrashort echo-time magnetic resonance imaging is a sensitive method for the evaluation of early cystic fibrosis lung disease. Ann Am Thorac Soc. 13 (11), 1923-1931 (2016).
  7. Tibiletti, M., et al. Multistage three-dimensional UTE lung imaging by image-based self-gating. Magn Reson Med. 75 (3), 1324-1332 (2016).
  8. Weick, S., et al. Dc-gated high-resolution three-dimensional lung imaging during free-breathing. J Magn Reson Imaging. 37 (3), 727-732 (2013).
  9. Fischer, A., et al. Self-gated non-contrast-enhanced functional lung imaging (SENCEFUL) using a quasi-random fast low-angle shot (FLASH) sequence and proton MRI. NMR Biomed. 27 (8), 907-917 (2014).
  10. Tibiletti, M., et al. Respiratory self-gated 3D UTE for lung imaging in small animal MRI. Magn Reson Med. 78 (2), 739-745 (2017).
  11. Jiang, W., et al. Motion robust high resolution 3D free-breathing pulmonary MRI using dynamic 3D image self-navigator. Magn Reson Med. 79 (6), 2954-2967 (2018).
  12. Higano, N. S., et al. Retrospective respiratory self-gating and removal of bulk motion in pulmonary UTE MRI of neonates and adults. Magn Reson Med. 77 (3), 1284-1295 (2016).
  13. Metze, P., et al. Non-uniform self-gating in 2D lung imaging. Front Phys. 10, (2022).
  14. Gandhi, D. B., et al. Comparison of weighting algorithms to mitigate respiratory motion in free-breathing neonatal pulmonary radial UTE-MRI. Biomed Phys Eng Express. 10 (3), 035030(2024).
  15. Fauveau, V., et al. Performance of spiral UTE-MRI of the lung in post-covid patients. Magn Reson Imaging. 96, 135-143 (2023).
  16. Metz, C., et al. Comparison of diagnostic quality of 3D ultrashort-echo-time techniques for pulmonary magnetic resonance imaging in free-breathing. Acta Radiologica. 64 (5), 1851-1858 (2023).
  17. Periaswamy, G., et al. Comparison of ultrashort TE lung MRI and HRCT lungs for detection of pulmonary nodules in oncology patients. Indian J Radiol Imaging. 32 (04), 497-504 (2022).
  18. Darçot, E., et al. Comparison between magnetic resonance imaging and computed tomography in the detection and volumetric assessment of lung nodules: A prospective study. Frontiers in Medicine. 9, 858731(2022).
  19. Dournes, G., et al. 3D ultrashort echo time MRI of the lung using stack-of-spirals and spherical k-space coverages: Evaluation in healthy volunteers and parenchymal diseases. J Magn Reson Imaging. 48 (6), 1489-1497 (2018).
  20. Campbell-Washburn, A. E. 2019 American Thoracic Society Bear Cage winning proposal: Lung imaging using high-performance low-field magnetic resonance imaging. Am J Respir Crit Care Med. 201 (11), 1333-1336 (2020).
  21. Robison, R. K., Anderson, A. G., Pipe, J. G. Three-dimensional ultrashort echo-time imaging using a FLORET trajectory. Magn Reson Med. 78 (3), 1038-1049 (2017).
  22. Willmering, M. M., Robison, R. K., Wang, H., Pipe, J. G., Woods, J. C. Implementation of the FLORET sequence for lung imaging. Magn Reson Med. 82 (3), 1091-1100 (2019).
  23. Chan, R. W., Ramsay, E. A., Cunningham, C. H., Plewes, D. B. Temporal stability of adaptive 3D radial MRI using multidimensional golden means. Magn Reson Med. 61 (2), 354-363 (2009).
  24. Yu, J., Xue, Y., Song, H. K. Comparison of lung T2* during free-breathing at 1.5 T and 3.0 T with ultrashort echo time imaging. Magn Reson Med. 66 (1), 248-254 (2011).
  25. Otsu, N. A threshold selection method from gray-level histograms. IEEE Trans Syst Man Cybern. 9 (1), 62-66 (1979).
  26. Martin Uecker, F. O., et al. Berkely advanced reconstruction toolbox. Proc Intl Soc Magn Reson Med. 23, 2486(2015).
  27. Bart Toolbox for Computational Magnetic Resonance Imaging. , (2024).
  28. Munidasa, S. Treatment monitoring of pediatric cystic fibrosis lung disease using free breathing lung MRI. , Doctor of Philosophy thesis, University of Toronto. (2024).
  29. Zhu, X., Chan, M., Lustig, M., Johnson, K. M., Larson, P. E. Z. Iterative motion-compensation reconstruction ultra-short TE (IMOCO UTE) for high-resolution free-breathing pulmonary MRI. Magn Reson Med. 83 (4), 1208-1221 (2020).
  30. Tan, F., et al. Motion-compensated low-rank reconstruction for simultaneous structural and functional UTE lung MRI. Magn Reson Med. 90 (3), 1101-1113 (2023).
  31. Bhattacharya, I., et al. Oxygen-enhanced functional lung imaging using a contemporary 0.55 T MRI system. NMR Biomed. 34 (8), e4562(2021).
  32. Kim, M., et al. Feasibility of dynamic T2*-based oxygen-enhanced lung MRI at 3T. Magn Reson Med. 91 (3), 972-986 (2024).
  33. 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).

重印与许可

标签

使用自由呼吸、自门控超短回波时间成像的肺部结构磁共振成像
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。