Article de méthode

IRM structurelle pulmonaire à l’aide de l’imagerie à temps d’écho ultra-court en respiration libre et auto-fermée

1.2K vues

⸱

DOI :

10.3791/67294

⸱

6 septembre 2024

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

Dans cet article

Résumé

Un protocole est décrit pour générer des images structurelles à haute résolution des poumons à l’aide de l’imagerie par résonance magnétique (IRM) à temps d’écho ultra-court (UTE). Ce protocole permet d’acquérir des images à l’aide d’une simple séquence d’impulsions IRM pendant la respiration libre.

Résumé

L’IRM de haute qualité des poumons est mise à l’épreuve par la faible densité tissulaire, la relaxation rapide du signal IRM et les mouvements respiratoires et cardiaques. Pour ces raisons, l’imagerie structurelle des poumons est réalisée presque exclusivement à l’aide de la tomodensitométrie (TDM). Cependant, l’imagerie par tomodensitométrie émet des rayonnements ionisants et est donc moins bien adaptée à certaines populations vulnérables (par exemple, la pédiatrie) ou aux applications de recherche. L’IRM utilisant des temps d’écho ultra-courts (UTE) suscite également de l’intérêt. Cette technique peut être réalisée en respiration libre au cours d’un balayage de ~5 à 10 minutes. Les informations sur les mouvements respiratoires sont codées en même temps que les images ; Ces informations peuvent être utilisées pour « auto-gate » des images. L’auto-déclenchement élimine ainsi la nécessité d’une programmation avancée de la séquence d’impulsions IRM ou de l’utilisation de soufflets respiratoires, ce qui simplifie l’acquisition d’images. Dans ce protocole, des méthodes simples, robustes et efficaces en termes de calcul pour l’acquisition d’une IRM UTE des poumons de haute qualité sont présentées. Ce protocole a été développé pour être utilisé sur un scanner IRM 3T, mais les mêmes principes peuvent être mis en œuvre à une intensité de champ magnétique plus faible. Le protocole comprend des paramètres recommandés pour l’acquisition d’images 3D radiales UTE ainsi que des instructions pour la reconstruction d’images auto-fermées afin de générer des images à des phases respiratoires distinctes. Grâce à la mise en œuvre de ce protocole, les utilisateurs peuvent générer des images UTE haute résolution des poumons avec des artefacts de mouvement minimes, minimes ou nuls. Ces images peuvent être utilisées pour évaluer la structure pulmonaire, ce qui peut être mis en œuvre pour la recherche dans une variété de conditions pulmonaires.

Introduction

L’imagerie à haute résolution de la structure pulmonaire est un élément essentiel des bilans diagnostiques pour de nombreuses affections pulmonaires. En règle générale, cela est effectué à l’aide de l’imagerie par tomodensitométrie (TDM), qui est parfaitement adaptée pour générer des images à haute résolution des poumons1. Cependant, l’imagerie par tomodensitométrie délivre une dose non négligeable de rayonnement ionisant, ce qui la rend mal adaptée à l’imagerie répétée régulière, à l’imagerie à plusieurs phases respiratoires différentes ou à l’imagerie de certaines populations (par exemple, les enfants). L’imagerie par résonance magnétique (IRM) ne comporte pas le même risque de rayonnement ionisant et se prête donc à de telles tâches d’imagerie. Cependant, il est difficile d’imager les poumons à l’aide de l’IRM en raison de la faible densité tissulaire, des mouvements respiratoires et cardiaques et de la relaxation très rapide du signal 2,3,4.

Une technique d’IRM capable d’atténuer ces défis est l’IRM à temps d’écho ultra-court (UTE) 4,5,6. Dans l’IRM UTE, le signal IRM est échantillonné immédiatement après l’excitation du signal, ce qui réduit l’impact de la relaxation rapide du signal. De plus, cette technique échantillonne l’espace k du centre vers l’extérieur, ce qui conduit à un suréchantillonnage important au centre de l’espace k. Ce suréchantillonnage au centre de l’espace k rend cette technique d’imagerie robuste au mouvement. En plus de cette robustesse inhérente au mouvement, l’échantillonnage répété du centre de l’espace k encode des informations sur le mouvement respiratoire, ce qui permet l’auto-déclenchement des images 7,8,9. Cet auto-gate peut être utilisé pour générer des images à diverses phases respiratoires. Étant donné que les humains passent la majorité de la phase respiratoire à l’expiration, il est courant de générer une image pour la fin de l’expiration, car cette phase contient le plus de données d’imagerie acquises.

Il existe une variété de stratégies d’auto-déclenchement respiratoire dans l’IRM pulmonaire. La première distinction à faire est basée sur l’image vs. Porte10 basée sur l’espace k (Figure 1). Dans le gate basé sur l’image, un ensemble d’images à haute résolution temporelle est généré en reconstruisant de petits sous-ensembles temporels des données d’imagerie. Par la suite, la position du diaphragme dans ces images est utilisée pour identifier la phase respiratoire pour un ensemble donné de projections d’images10,11. Dans le gating basé sur l’espace k, les données du centre de l’espace k (« k0 ») sont examinées 8,9,12. L’intensité du signal de l’image est codée en k0, et donc, l’intensité du point k0 varie avec la respiration. Les projections peuvent ainsi être regroupées en différentes phases respiratoires en fonction de l’intensité de k0. Dans le gating basé sur l’image et dans l’espace k, les projections avec des phases de respiration similaire sont regroupées pour la reconstruction de l’image. Il a été suggéré que le déclenchement basé sur l’image offre une meilleure fidélité dans l’estimation de la phase respiratoire, fournissant ainsi des images avec un flou réduit10,13.

figure-introduction-1
Figure 1 : Techniques d’auto-déclenchement basées sur l’image et l’espace k. (A) Dans le gate basé sur l’image, des images à faible résolution spatiale et à haute résolution temporelle montrant le diaphragme sont générées à partir de sous-ensembles temporels des données globales. À l’aide d’une ligne sur le diaphragme, le mouvement respiratoire peut être visualisé et regroupé pour la reconstruction de l’image. (B) Dans le gating basé sur l’espace k, le premier point d’une projection centrée de l’espace k (« k0 ») est utilisé pour visualiser le mouvement respiratoire. Après lissage de k0, les différences d’intensité du signal en fonction du cycle respiratoire sont clairement visibles et peuvent être utilisées pour identifier différentes phases respiratoires. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Le gating basé sur l’image et l’espace k peut être effectué à l’aide du gating dur ou du gating doux11,14. En hard gating, seules les projections correspondant à la phase respiratoire souhaitée sont reconstruites. Cependant, cette élimination des projections indésirables peut entraîner une réduction du rapport signal/bruit (SNR) de l’image et une augmentation des artefacts de sous-échantillonnage. Ces effets indésirables peuvent être atténués en utilisant des portes douces. Dans le cadre du gating doux, toutes les projections sont utilisées pour la reconstruction de l’image, mais les projections provenant d’une phase respiratoire indésirable sont pondérées de manière à avoir un impact moindre sur l’image finale. Ce faisant, les images peuvent être reconstruites avec un minimum d’artefacts et un rapport signal/bruit élevé tout en supprimant l’impact des mouvements respiratoires.

Grâce à la combinaison de l’acquisition de l’IRM UTE et de l’auto-déclenchement post-acquisition, il est possible de générer des images de haute qualité qui, bien que n’étant pas équivalentes à la TDM, ont un contraste et une résolution proches de ceux de l’imagerie CT 6,15,16,17,18,19. Ici, un protocole simple est fourni pour collecter et reconstruire des images IRM UTE afin de générer des images de haute qualité de la structure pulmonaire.

Ce protocole est écrit principalement pour les scanners IRM 3T ; 3T est l’intensité de champ la plus couramment utilisée pour l’IRM de recherche. Des intensités de champ magnétique plus faibles telles que 1,5T ou 0,55 T20 récemment disponible peuvent améliorer la qualité d’image et l’intensité du signal dans les poumons, car la relaxation du signal dans les poumons est plus lente à ces intensités de champ.

Bien que tous les efforts aient été faits pour apporter clarté et simplicité à ce protocole et au code de reconstruction d’image fourni, le protocole nécessitera probablement un physicien IRM dédié (ou un expert en IRM similaire) pour établir une séquence d’IRM UTE appropriée sur le scanner IRM. La séquence IRM doit mettre en œuvre une stratégie d’encodage 3D non cartésienne avec des trajectoires d’espace k centrées vers l’extérieur. Il s’agit par exemple de séquences d’imagerie 3D radiales ou spirales 3D (par exemple, « FLORET »)21,22. Il est important de noter que l’ordre des projections doit avoir une bonne stabilité temporelle : sur un sous-ensemble de temps donné, les projections doivent couvrir toute la gamme de l’espace k23. Des exemples de stratégies d’ordonnancement de projection avec une bonne stabilité temporelle sont les moyennes d’or ou la spirale d’Archimède randomisée de Halton. Si un ordre de projection avec une faible stabilité temporelle est utilisé, l’auto-déclenchement post-acquisition omettra de grandes régions de l’espace k, conduisant à des artefacts d’image. Enfin, la séquence doit être capable d’atteindre un temps d’écho (TE) de <100 μs. Le temps de relaxation de T2* dans les poumons à 3T est de <1 ms24, l’utilisation d’un TE très court est donc essentielle pour générer des images de haute qualité.

Protocole

Toutes les images de sujets humains ont été réalisées avec l’approbation de l’IRB du KUMC. Un consentement éclairé écrit a été obtenu de tous les participants. Les images de cette étude ont été obtenues dans le cadre d’un protocole de développement technique générique, et les critères d’inclusion/exclusion étaient délibérément larges. Critères d’inclusion : Âge ≥ 18 ans. Critère d’exclusion : L’IRM est contre-indiquée sur la base des réponses au questionnaire de dépistage par IRM et de la grossesse. Les accessoires et l’équipement utilisés pour cette étude sont énumérés dans la Table des matériaux.

1. Acquisition d’images UTE

  1. Préparez la séquence d’imagerie. Préparez la séquence d’imagerie une fois et utilisez cette même séquence pour tous les participants.
    1. Réglez les paramètres conformément au tableau 1.
    2. Placez un fantôme d’IRM au centre de l’IRM et exécutez la séquence d’imagerie.
      REMARQUE : Étant donné que cette séquence nécessite des performances de gradient rapides et de nombreuses impulsions RF, il est important de vérifier que la configuration du protocole peut être exécutée avant de procéder à un test sur un humain.
  2. Préparez le participant à l’IRM. Utilisez un dépistage de sécurité par IRM standard pour vous assurer que le participant peut entrer en toute sécurité dans l’IRM.
  3. Placez le participant sur le lit d’IRM et placez une bobine thoracique sur le torse du participant. Positionnez la bobine près du menton du participant afin d’assurer une couverture complète des apex pulmonaires.
  4. Déplacez le participant dans le scanner IRM. Placez le repère de positionnement juste en dessous du sternum du participant.
  5. Effectuer un balayage d’alignement de piste pour s’assurer que les poumons du participant sont dans le champ de vision de l’examen de l’UTE. Ne déplacez pas la géométrie du balayage UTE. Si les poumons du participant ne sont pas dans le champ de vision, déplacez-le et collectez des scans d’alignement de piste supplémentaires jusqu’à ce que les poumons soient complètement dans le champ de vision.
  6. Exécutez la séquence UTE. Pendant cette séquence, le participant peut respirer normalement.
  7. Exportez les données brutes du scanner. Selon la séquence d’imagerie utilisée, le scanner peut ou non reconstruire des images sur le scanner. Pour la reconstruction rétrospective proposée du gate, des données d’imagerie brutes sont nécessaires pour déterminer si des images sont générées ou non sur le scanner. Notez que les données brutes seront volumineuses (>10 Go).
  8. Exporter ou calculer les trajectoires de l’espace k (c’est-à-dire l’emplacement dans l’espace k de chaque point de données brutes).
    REMARQUE : Pour certaines séquences d’imagerie, les trajectoires de l’espace k peuvent être stockées avec les données brutes sur le scanner IRM et peuvent être directement exportées. Pour d’autres séquences d’imagerie, les trajectoires de l’espace k devront être calculées en fonction des paramètres d’imagerie.
ParamètreParamètres génériques recommandésParamètres mis en œuvre dans le présent document
Séquence d’imagerie3D non cartésienne avec trajectoires d’espace k centrées vers l’extérieur3D Radial avec Ordre de projection des moyens d’or
Champ de vision400 x 400 x 400 millimètre3400 x 400 x 400 millimètre3
Taille de la matriceComme souhaité pour la résolution cible320 x 320 x 320 (résolution isotrope de 1,25 mm)
Bande passanteSelon les besoins pour une durée de lecture < 1,0 ms888 Hz/pixel
TE< 0,1 ms0,07 ms
TRMinimum (cible 3 à 4 ms)3,5 ms
Angle de retournementEnviron 5°4.8°
Nombre de projectionsMinimum 100 0001,35,386
Durée de l’imageMinimum 5 min7 min 54 s

Tableau 1 : Paramètres recommandés pour l’imagerie UTE Des paramètres génériques recommandés sont fournis et peuvent être utilisés pour guider la configuration du protocole. Les paramètres spécifiques recommandés qui ont été utilisés pour les données sont également fournis, comme indiqué sous forme de résultats représentatifs. Les spécifications des paramètres sont génériques chez tous les fournisseurs, à l’exception de la bande passante. Certains grands fournisseurs d’IRM spécifient la bande passante en Hz/pixel. D’autres grands fournisseurs d’IRM spécifient une bande passante absolue. La bande passante recommandée (888 Hz/pixel) correspond à une bande passante absolue de 284,160 Hz.

2. Reconstruction d’image UTE à l’aide d’un soft-gating respiratoire basé sur l’image

REMARQUE : le code MATLAB permettant d’effectuer les étapes suivantes est fourni à l’https://github.com/pniedbalski3/UTE_Reconstruction.

  1. Importez des données et des trajectoires k-space dans MATLAB. Le code d’importation des données IRM brutes est disponible pour tous les principaux fournisseurs d’IRM.
  2. Ignorez les 1000 premières projections pour vous assurer que les données sont à l’état d’aimantation stable.
    REMARQUE : Si la séquence d’imagerie utilisée comprend des balayages factices avant l’acquisition des données, cette étape peut être ignorée.
  3. Reconstruisez une image basse résolution à l’aide d’un très petit sous-ensemble de données.
    1. Reconstruisez l’image à l’aide d’une transformée de Fourier rapide non uniforme jusqu’à une taille de matrice de 96 x 96 x 96.
    2. Utilisez environ 200 projections, ce qui correspond à 0,6 à 0,8 s de données.
    3. Reconstruisez et stockez des images de tous les éléments de la bobine ainsi qu’une image finale combinée à la bobine.
  4. Dans l’image résultante combinée à la bobine, sélectionnez une tranche coronale qui montre clairement le diaphragme.
    REMARQUE : Le code fourni invitera l’utilisateur à sélectionner une tranche contenant le diaphragme.
  5. Une fois cette tranche sélectionnée, affichez les images de bobine individuelles de cette tranche et sélectionnez un ou deux éléments de bobine qui représentent le mieux le diaphragme (Figure 2).
    REMARQUE : Le code fourni invitera l’utilisateur à sélectionner des éléments de bobine.
  6. Reconstruisez des images à l’aide d’une fenêtre coulissante pour générer des images avec une résolution temporelle de ~0,5 s (Figure 2).
    1. Reconstruisez uniquement les données des éléments de bobine sélectionnés à l’étape 2.4.
      REMARQUE : Bien que tous les éléments de la bobine puissent être reconstruits, seuls les éléments les plus proches du diaphragme sont nécessaires pour visualiser le diaphragme à des fins d’auto-déclenchement respiratoire. En reconstruisant uniquement les éléments de bobine les plus proches du diagramme, le temps de reconstruction et la charge de calcul sont considérablement réduits.
    2. Utilisez les 200 premières projections pour reconstruire une image à l’aide d’une transformée de Fourier rapide non uniforme (Figure 2). Ne stockez que la tranche montrant le diaphragme (comme indiqué à l’étape 2.4).
      REMARQUE : En fin de compte, jusqu’à 1500 images seront générées ; seule une tranche 2D est nécessaire pour visualiser la position du diaphragme, et le stockage d’images 3D pour chacune des étapes de la fenêtre coulissante serait prohibitif.
    3. Décalage de 100 projections (c’est-à-dire que la première image est reconstruite à l’aide des projections 1-200. La seconde est reconstruite à l’aide de projections 101 - 300) et reconstruit une image supplémentaire, en stockant la tranche sélectionnée à l’étape 2.4.
    4. Continuez jusqu’à ce que toutes les projections aient été utilisées pour générer des images.
  7. Sélectionnez une ligne sur le diaphragme dans la première des images de la fenêtre coulissante. Assurez-vous que la ligne est suffisamment longue pour s’étendre dans les poumons de 5 à 10 voxels et dans le diaphragme de 5 à 10 voxels.
  8. Visualisez le mouvement respiratoire en consultant ce navigateur respiratoire pour toutes les projections.
  9. Déterminez l’emplacement du diaphragme pour tous les navigateurs respiratoires. Il existe plusieurs façons de le faire, mais une méthode simple consiste à utiliser la méthode25 d’Otsu pour diviser le côté le plus sombre (poumon) du côté le plus lumineux (diaphragme).
  10. Utilisez l’emplacement du diaphragme pour étiqueter les projections comme appartenant à une cellule respiratoire donnée. Si un navigateur respiratoire donné montre le diaphragme en « position 1 », alors les 200 projections utilisées pour générer l’image de ce navigateur appartiendraient au « bac 1 ».
    REMARQUE : Étant donné que les images ont été générées à l’aide d’une fenêtre coulissante avec un chevauchement de 100 projections, certaines projections peuvent être étiquetées comme appartenant à plusieurs bacs. La résolution spatiale grossière des images de fenêtre coulissante conduit à un total de ~4 à 6 bacs qui couvrent toute la gamme de l’inspiration jusqu’à l’expiration.
  11. Sélectionnez l’emplacement à reconstruire en déterminant quel emplacement contient le plus grand nombre de projections, ce qui doit correspondre à l’expiration finale.
    1. Alternativement, reconstruisez des images pour les phases respiratoires souhaitées sur la base d’une inspection visuelle du navigateur respiratoire.
  12. Générer des poids pour le soft-gating14.
    1. Utilisez un filtre exponentiel pour fournir un poids de 1 aux projections à l’intérieur du bac primaire et un poids fortement réduit aux projections à l’intérieur de différents bacs respiratoires.
  13. Utilisez la boîte à outils Berkely Advanced Reconstruction Toolbox (BART ; https://mrirecon.github.io/bart/)26,27 pour reconstruire une image haute résolution à la poubelle respiratoire souhaitée.
    REMARQUE : BART est une boîte à outils disponible gratuitement pour la reconstruction d’images IRM.
    1. Calculez les poids de compensation de densité à l’aide d’une combinaison de densité itérative.
    2. Mettez à l’échelle les poids de compensation de densité en fonction des poids de soft-gate.
    3. Données de balance basées sur la compensation de densité et les poids de soft-gating
    4. Effectuer une transformée de Fourier rapide non uniforme (NUFFT) de base pour faciliter la combinaison des bobines.
    5. Convertissez l’image NUFFT en k-space quadrillé à utiliser pour la combinaison de bobines.
    6. Générez une matrice de combinaison de bobines et utilisez-la pour combiner des bobines à la fois pour les données brutes et l’espace k maillé.
    7. Estimez la sensibilité des bobines.
    8. Effectuez une reconstruction de détection compressée par imagerie parallèle à l’aide de la compensation de densité pondérée, des données combinées de bobine et des cartes de sensibilité de bobine.
  14. Enregistrez l’image finale. Le format NIFTI est facile à mettre en œuvre. Si l’image doit être téléchargée sur un système PAC, un format DICOM peut être requis.

figure-protocol-1
Figure 2 : Auto-contrôle basé sur l’image. (1) À l’aide d’une image basse résolution reconstruite à partir d’un petit nombre de projections (pour l’efficacité de calcul), identifiez une coupe coronale qui montre clairement le diaphragme. (2) En examinant les images de chaque élément de bobine, sélectionnez les éléments de bobine les plus proches du diaphragme. (3) Effectuer une reconstruction de fenêtre coulissante uniquement des éléments de la bobine les plus proches du diaphragme (pour l’efficacité de calcul). Les images peuvent être générées à partir de sous-ensembles de 200 projections (correspondant à ~0,8 s) ; En superposant les projections, une résolution pseudo-temporelle de ~0,5 s peut être obtenue dans les images. (4) Identifier une ligne perpendiculaire au diaphragme à utiliser comme navigateur respiratoire. (5) La visualisation des données d’image sur cette ligne montre le mouvement respiratoire, qui peut être utilisé pour regrouper les images. Veuillez cliquer ici pour voir une version agrandie de cette figure.

3. Reconstruction d’images UTE à l’aide du soft-gating respiratoire basé sur l’espace k

  1. Effectuez les étapes 2.1 à 2.4 de manière à ce que l’élément de bobine le plus proche de la membrane puisse être identifié.
  2. Générez une trace de série chronologique k0 en utilisant la valeur absolue du premier point de la projection pour toutes les projections de l’élément de bobine sélectionné. Cela fournira une visualisation d’une forme d’onde respiratoire.
  3. Par pas de 5000 projections, normalisez k0 par l’intensité moyenne du signal de ces mêmes k0 points28. Cela atténue la dérive de l’intensité du signal au fil du temps et offre une meilleure capacité à établir des projections quantitatives de groupes.
  4. Étiquetez chaque point k0 comme s’étant produit pendant l’inspiration ou l’expiration.
    1. Lissez la série chronologique k0 et prenez la dérivée pour évaluer la pente de chaque point de la trace de porte.
    2. Étiquetez les points d’inspiration en fonction du signe de la pente. Une pente positive correspond à l’expiration, tandis qu’une pente négative correspond à l’inspiration.
  5. Projections de groupes basées sur l’intensité du signal. Comme la profondeur de la respiration peut varier, les projections de bac sont basées sur l’amplitude du signal plutôt que sur l’emplacement dans la phase respiratoire.
    REMARQUE : Une méthode simple et rapide pour y parvenir consiste à mettre en œuvre le regroupement k-moyennes pour identifier différents niveaux d’intensité du signal.
  6. Pour les bacs intermédiaires entre l’inspiration finale et l’expiration finale, identifiez les projections comme se produisant pendant l’inspiration et l’expiration en fonction de l’étape 3.4.
  7. Terminez la reconstruction de l’image en suivant les étapes fournies aux étapes 2.10 à 2.13.
  8. Si vous le souhaitez, reconstruisez des images pour tous les bacs respiratoires plutôt qu’uniquement à la fin de l’expiration.

Résultats

Des résultats représentatifs (figure 3) ont été générés à l’aide des paramètres indiqués dans le tableau 1. La durée d’imagerie utilisée permet d’obtenir des images de haute qualité qui sont tolérables par la plupart des participants.

figure-results-1
Figure 3 : Images UTE représentatives générées. Des tranches d’images coronales, sagittales et axiales sont montrées pour le même patient avec des ensembles de données reconstruits à l’aide d’images et de gating basés sur l’espace k, ainsi que de gating hard et de gating soft. Une zone de chaque image (carrés) est agrandie pour mettre en évidence les différences de résolution entre les images. Pour ce participant, l’image et le gating basé sur l’espace k fonctionnent de la même manière pour atténuer les mouvements respiratoires. Le soft-gating permet de réduire le flou dans les images. Le rapport parenchymateux approximatif signal/bruit dans chaque image est le suivant : Grille dure basée sur l’image : 3,2 ; Soft-gate basé sur l’image : 3,6 ; Hard gate basé sur K0 : 4,3 ; Soft-gate basé sur K0 : 3,2. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Grâce à ce protocole, des images IRM haute résolution des poumons à la fin de l’expiration peuvent être générées. Après l’acquisition d’images en respiration libre, le mouvement respiratoire peut être visualisé à l’aide d’une porte basée sur l’image ou d’un gating dans l’espace k. Pour une qualité d’image optimale, ces images sont acquises à l’aide de bobines de réseau de récepteurs multicanaux. Ainsi, il est essentiel d’identifier l’élément de la bobine le plus proche du diaphragme afin d’avoir la plus grande sensibilité aux mouvements respiratoires (Figure 2). L’indice de l’élément de la bobine le plus proche du diaphragme peut changer d’un balayage à l’autre en fonction du positionnement de la bobine. Par conséquent, il est important de visualiser des images de chaque élément de bobine pour chaque balayage afin d’assurer une identification correcte de l’élément de bobine approprié.

Si le contrôle basé sur l’image est utilisé, la reconstruction de fenêtre coulissante est utilisée pour générer des images d’une seule tranche montrant le diaphragme. Après la reconstruction de l’image de la fenêtre coulissante, le diaphragme doit être clairement visible dans chacune de ces images. Si le diaphragme n’est pas clairement visible, il peut être nécessaire de répéter cette reconstruction en utilisant différents éléments de bobine. Une ligne évaluée sur le diaphragme permet de visualiser le mouvement respiratoire au fil du temps. De même, le point k0 lors de l’utilisation du gating basé sur l’espace k permet également de visualiser le mouvement respiratoire.

Chez un participant qui reste immobile et respire régulièrement, les images et les portes de l’espace k montrent une forme d’onde respiratoire cohérente. Chez un participant moins conforme, les deux méthodes de contrôle peuvent identifier les régions temporales où la respiration irrégulière se produit. La figure 4 montre les points de contrôle basés sur l’image et l’espace k pour les participants particulièrement conformes et particulièrement non conformes. À l’instar des travaux précédents 7,13, les résultats présentés ici suggèrent que le gate basé sur l’image peut fournir une meilleure fidélité d’image par rapport au gate basé sur k0.

figure-results-2
Figure 4 : k0 et traces de contrôle basées sur l’image pour un participant ayant une respiration très régulière (à gauche) et un participant ayant respiré de manière superficielle et irrégulière (à droite). Des images représentatives pour le gating basé sur l’image et le gating basé sur k0 pour les deux participants sont présentées sous les traces de gating, y compris une région agrandie de l’image pour mettre en évidence les différences entre les images. Pour les participants qui respiraient régulièrement, les portes basées sur l’image et k0 avaient des performances similaires. Pour le participant qui a respiré de manière irrégulière, les deux images montrent une qualité relativement médiocre, bien que le gate basé sur l’image ait eu des performances légèrement meilleures. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Après la visualisation du mouvement respiratoire, des images à un nombre arbitraire de phases respiratoires peuvent être reconstruites. Ce protocole vise principalement à générer une seule image à la fin de l’expiration (Figure 3). Les images à la fin de l’expiration ont tendance à avoir la meilleure qualité d’image et le meilleur SNR en raison du plus grand nombre de projections acquises pendant l’expiration et de la plus grande densité des poumons pendant cette phase respiratoire.

Étant donné que les images volumétriques 3D nécessitent un grand nombre de projections pour être entièrement échantillonnées, il est courant de collecter des images sous-échantillonnées. Dans le protocole décrit au tableau 1, environ 60 % de l’échantillonnage est utilisé. Les méthodes d’imagerie 3D spirale et 3D radiale ont tendance à être robustes au sous-échantillonnage, ce qui n’est généralement pas un obstacle important à la collecte d’images haute résolution. Cependant, le gate rétrospectif réduit le nombre de projections dans ces images déjà sous-échantillonnées, de sorte que le flou et les artefacts peuvent être une préoccupation, en particulier chez les participants moins dociles qui n’ont peut-être pas un schéma respiratoire aussi régulier. L’utilisation de portes douces peut aider à atténuer le flou et les artefacts dus au sous-échantillonnage, comme le montrent les figures 3 et 5.

figure-results-3
Figure 5 : Avantages et risques du soft-gating. Les images d’expiration (A) sont généralement générées à l’aide d’un nombre beaucoup plus important de projections et ne sont donc pas aussi sensibles aux artefacts d’image lors de l’utilisation du gate-dur. Les images d’inspiration sont générées avec un nombre beaucoup plus petit de projections, et par conséquent, le gate dur peut entraîner une réduction de la qualité de l’image et des artefacts d’image (B). Le soft-gate peut réduire ces artefacts et améliorer la résolution et la qualité de l’image (C), mais il faut veiller à utiliser une pondération de projection appropriée. Si une mauvaise pondération est mise en œuvre, les images peuvent être floues et perdre leur fidélité à la phase respiratoire cible (D). Les régions de chaque image sont agrandies pour mettre en évidence les différences de résolution et de position du diaphragme. Veuillez cliquer ici pour voir une version agrandie de cette figure.

La figure 3 montre des images UTE reconstruites à l’aide de la porte basée sur l’image et sur l’espace k, ainsi qu’à l’aide de la porte douce et dure. Le déclenchement basé sur l’image et l’espace k montrent tous deux une capacité à résoudre le diaphragme à l’expiration finale, bien que, comme indiqué ci-dessus, plusieurs groupes aient démontré une compensation de mouvement supérieure lors de l’utilisation du déclenchement basé sur l’image11,13. Dans le cas des images d’expiration illustrées à la figure 3, le gate dur n’entraîne pas d’artefacts d’image significatifs. Cependant, dans les images d’inspiration, qui sont reconstruites avec moins de projections, le gate dur entraîne une réduction du rapport signal/bruit et une augmentation des artefacts de sous-échantillonnage. Le gating doux augmente la netteté des images et, dans le cas des images d’inspiration, supprime les artefacts de l’image (Figure 5). Cependant, il faut être prudent avec le soft-gating, car si les projections indésirables ne sont pas correctement pondérées, la fidélité du mouvement peut être perdue (Figure 5). Les images d’inspiration sont particulièrement sensibles au flou du diaphragme, étant donné le nombre beaucoup plus important de projections d’expiration finale.

Lors de la reconstruction, des caractéristiques relatives à la physiologie et à la physiopathologie pulmonaires normales peuvent être observées (Figure 6). Dans une image de haute qualité avec une reconstruction optimisée, les voies respiratoires jusqu’à la 3eou 4egénération peuvent être visualisées. De plus, le système vasculaire le plus grand est visible, en particulier dans les régions centrales des poumons. Chez les patients atteints d’une pneumopathie interstitielle, des caractéristiques compatibles avec des caractéristiques CT sont visibles, telles que des opacités en verre dépoli et des nids d’abeille (Figure 6). Dans certains cas, des caractéristiques telles que le piégeage de l’air ou l’emphysème peuvent être déduites des images, mais généralement, le SNR dans le parenchyme pulmonaire est trop faible pour identifier avec certitude ces caractéristiques pour l’imagerie acquise à 3T.

figure-results-4
Figure 6 : Comparaison entre la TDM et l’IRM UTE. (A) L’imagerie CT (1èrecolonne) dépasse nettement l’IRM UTE (2ème colonne) en termes de résolution et de qualité d’image. Les régions des images CT (3e colonne) et de l’IRM UTE (4e colonne) sont agrandies pour faciliter la comparaison entre les images. Cependant, des caractéristiques importantes, telles qu’un système vasculaire important, de grandes voies respiratoires et des caractéristiques de texture liées à la physiopathologie pulmonaire, telles que le nid d’abeille en (B) et l’opacité du verre dépoli en (C) peuvent être visualisées en IRM UTE. Bien que l’IRM UTE n’ait pas la même capacité à résoudre les voies respiratoires que la TDM, les voies respiratoires de la 3eou 4egénération peuvent être segmentées manuellement à partir des images (D). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Discussion

Lors de l’imagerie UTE des poumons, de nombreuses variantes de l’acquisition et de la reconstruction peuvent être utilisées pour générer des images des poumons. Ce protocole met l’accent sur la facilité de mise en œuvre et l’efficacité de calcul. L’imagerie à l’aide de l’UTE radiale 3D est relativement simple, les séquences d’imagerie étant généralement disponibles auprès des principaux fournisseurs d’IRM. Des outils basés sur MATLAB sont fournis pour la gestion des données et l’auto-gating. Étant donné que la plupart des établissements d’enseignement ont accès à des licences MATLAB, ce code devrait être largement utilisable et facile à mettre en œuvre. Le code MATLAB fourni est adapté à l’acquisition d’images à l’aide d’une séquence d’imagerie maison sur un scanner IRM Siemens 3T. D’autres séquences et plateformes d’IRM peuvent nécessiter une certaine modification du code pour lire correctement les données d’imagerie.

Les fichiers de données d’imagerie bruts pour ces images sont très volumineux (>10 Go), et les algorithmes de reconstruction sont donc coûteux en termes de calcul. Par conséquent, la reconstruction d’images peut prendre beaucoup de temps. La Berkely Advanced Reconstruction Toolbox (BART ; https://mrirecon.github.io/bart/)26,27 fournit des outils de reconstruction d’images de haute qualité, faciles à mettre en œuvre et efficaces en termes de calcul. BART s’intègre facilement dans les outils MATLAB fournis pour l’auto-gating. Le pipeline fourni mettant en œuvre le gate-gate rétrospectif basé sur l’image et BART nécessite 20 à 30 minutes pour générer des images à partir de données brutes. Ceci est effectué sur un ordinateur avec 128 Go de RAM et un processeur Intel i9 3,00 GHz de 13e génération. Actuellement, le protocole n’utilise pas d’unité de traitement graphique (GPU) pour accélérer le calcul, bien que cela puisse être mis en œuvre pour réduire davantage le temps de calcul. Il est recommandé de disposer d’un ordinateur doté d’au moins 64 Go de RAM afin d’assurer une mémoire adéquate pour la gestion des grands ensembles de données impliqués dans ce protocole.

Le choix de l’image par rapport à L’auto-déclenchement basé sur K-space peut avoir un impact sur les flux de travail et la qualité de l’image. Bien que le déclenchement basé sur l’espace k soit plus rapide, il peut résoudre les phases respiratoires avec moins de précision13. L’exécution du gate basé sur l’image nécessite plus de temps, compte tenu du temps nécessaire à la reconstruction de la fenêtre coulissante (~5 min en utilisant le code Matlab fourni), mais cette méthode peut offrir une meilleure fidélité au mouvement du diaphragme et donc fournir des images avec un flou de mouvement réduit.

Diverses améliorations pourraient être apportées à ce protocole au détriment de la facilité d’application, de l’efficacité de calcul ou du temps de reconstruction d’image. Les images peuvent être acquises avec un plus grand nombre de projections, ce qui augmenterait la qualité des images mais nécessiterait une durée de balayage et un temps de reconstruction supplémentaires. En fonction du nombre de projections ajoutées, il peut également être nécessaire d’avoir besoin de mémoire informatique supplémentaire pour stocker les très grands ensembles de données. Une sophistication supplémentaire dans le gate pourrait également être incorporée, comme l’utilisation d’une reconstruction d’image à plus haute résolution dans la reconstruction de la fenêtre coulissante. Ceci, encore une fois, augmenterait la charge de calcul de ce protocole. De plus, une reconstruction d’image plus avancée pourrait être mise en œuvre, comme des techniques comme iMoCo29,30. Bien que ces améliorations puissent conduire à une meilleure qualité d’image, elles ont un temps de calcul considérablement accru, et donc, il pourrait y avoir des rendements décroissants.

Le protocole actuel est axé sur l’IRM structurelle. Diverses modifications pourraient être apportées à ce protocole pour interroger la fonction pulmonaire, par exemple en utilisant l’IRM assistée par oxygène31,32 ou l’analyse PREFUL28,33.

En fin de compte, ce protocole permet l’acquisition d’images IRM à haute résolution des poumons à l’aide d’une stratégie d’acquisition en respiration libre de 5 à 8 minutes. Les données brutes acquises lors de l’acquisition d’images peuvent être bloquées rétrospectivement, générant des images à différentes phases respiratoires qui ne sont pas corrompues par les mouvements respiratoires. Ce protocole a mis l’accent sur la facilité de mise en œuvre et l’efficacité de calcul, avec un temps global de reconstruction d’image de 20 à 30 minutes à l’aide d’un poste de travail haute performance. Une fois établie, la reconstruction d’image peut être effectuée avec une intervention minimale de l’utilisateur, bien que les exigences de sélection manuelle d’une tranche d’image montrant le diaphragme et les éléments de bobine les plus appropriés empêchent le protocole d’être totalement automatisé. Bien que l’IRM des poumons ne soit pas couramment pratiquée en clinique, la disponibilité accrue de l’IRM UTE au fil du temps peut augmenter son utilisation pour élucider la structure pulmonaire.

Déclarations de divulgation

Peter Niedbalski reçoit des fonds de recherche de la National Scleroderma Foundation, de l’American Heart Association et du NIH. Il est consultant pour Polarean Imaging Plc., une société qui développe la technologie d’IRM hyperpolarisée 129Xe.

Remerciements

Le développement de ce protocole et les images présentées comme résultats représentatifs ont été soutenus par la Fondation nationale de la sclérodermie.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Antenne d’IRM thoraciqueSiemens, GE, Philips,, Autre Bobine d’imagerie IRM clinique Fournisseur/A26 - 32 canaux La bobine thoracique doit être utilisée
Station de travail haute performanceHP, Apple ou autre société de matériel informatiqueN/AUn ordinateur avec un minimum de 64 Go de mémoire est nécessaire pour la reconstruction d’images
MatlabMathworksR2016A ou plusrécentUne licence Matlab est nécessaire pour exécuter le code informatique MRI
Phantomfourni par Siemens, GE, Philips ou un autre fournisseur de fantômes d’IRMN/ATout Phantom peut être utilisé pour tester la séquence d’IRM avant de l’utiliser chez des sujets humains.
Scanner IRMSiemens, GE, Philips ou autre fournisseur de scanner IRM cliniqueN/ALe protocole a été développé sur un scanner 3T, mais 1,5T ou 0,55T fonctionnerait également avec une adaptation minimale
N

Références

  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).

Réimpressions et autorisations

Mots-clés

IRM pulmonaireIRM en respiration libreimagerie auto synchronis eimagerie de la structure pulmonairecompensation du mouvement respiratoireUTE radial 3Dtransform e de Fourier rapide non uniformecombinaison de bobinesimagerie parall le
IRM structurelle pulmonaire à l’aide de l’imagerie à temps d’écho ultra-court en respiration libre et auto-fermée
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d'utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.