2024年4月12日
CT 与 129Xe MRI 可提供互补的肺部结构-功能信息,可通过图像配准用于区域性分析。本文提供了一种基于现有文献的协议,利用开源平台实现 129Xe MR 与 CT 图像的配准。
首先,在所需图像可视化软件中打开图像及其对应的掩膜,以确认所有CT、质子和氙文件的图像与掩膜方向一致。然后,将图像DICOM文件和单标签掩膜保存为NIfTI文件,并存放在与reg.py文件相同的文件夹中。
对于CT氙MRI配准,请在所需的Python计算环境设置中打开reg.py文件。如果使用虚拟环境,可根据需要或根据计算环境中可用的资源设置中央处理器数量、线程数和内存大小。
接下来,设置所需的变换和插值方式,然后指定固定图像和移动图像。在 Python 计算环境中运行 reg.py。
注册完成后,继续进行评估。以 ct.nii 图像为基础图像,打开 ventilation warp.nii。
将氙气磁共振图像另存为另一幅图像,并使用所需的色彩图将其叠加在CT图像上。在所有图像平面中评估氙气磁共振图像与CT图像的重叠情况,以判断气管隆突和肺边界等解剖标志的视觉对齐效果。配准结果显示,该健康受试者的肺部边界均实现了良好的对齐。
在3名慢性阻塞性肺疾病患者中,可观察到肺边界的良好匹配,表现为不同程度的通气异常,包括弥漫性通气异常、伴有肺尖边界消失的上叶通气异常,以及伴有膈面肺边界消失的下叶通气异常。
本文介绍了一种将129Xe MRI与CT图像配准以增强肺部结构-功能分析的实验方案。该方法利用开源平台进行图像配准,有助于实现区域性分析。
将超极化129Xe MRI 与 CT 成像相结合,可实现对肺部结构和功能的全面评估,支持呼吸系统药物研发中的高级靶点验证和机制性风险降低。这种多模态方法在肺部研发管线的关键转折点上提高了预测的可信度,有助于针对肺部疾病新疗法的风险调整型产品组合决策。该方法提供的定量和区域性输出结果,使其成为转化研究和临床前模型开发中的战略性资源。
该多模态成像方案可连接呼吸系统研发工作流程中的早期发现、先导物识别和临床前验证阶段。