Une technique de quantification 3D pour l’analyse de la distribution de la fraction graisseuse du foie à l’aide de l’imagerie par résonance magnétique de Dixon

Cette étude introduit une méthode unique de quantification 3D pour la distribution de la fraction de graisse hépatique (LFF) à l’aide de l’imagerie par résonance magnétique de Dixon (IRM de Dixon). Les cartes LFF, dérivées d’images en phase et en phase aqueuse, sont intégrées aux contours du foie en 3D pour différencier les modèles LFF entre les foies normaux et stéatosiques, permettant une évaluation précise de la teneur en graisse du foie.

Cette étude a développé une technique d’IRM 3D de Dixon pour quantifier avec précision la distribution de la graisse du foie, dans le but de valider son efficacité en tant qu’outil précis et non invasif pour évaluer et différencier les modèles de graisse dans les foies normaux par rapport aux foies stératiques. Les progrès récents dans la quantification des graisses par IRM comprennent des approches de modélisation de la distribution 3D normale, intégrant Dixon Imaging à la segmentation de la structure hépatique pour permettre une visualisation précise et un environnement des modèles de fraction de graisse hépatique. L’intégration de l’imagerie médicale basée sur l’IA, de l’apprentissage profond, de la visualisation 3D et d’une fusion de données multimodales améliore la modélisation du foie entier et l’évaluation stératique, facilitant ainsi la prise de décision clinique précise.

Les défis expérimentaux actuels comprennent la normalisation des flux de travail informatiques, la prise en compte des variations dans l’équipement et les protocoles, et l’élucidation des mécanismes de progression de la maladie dans la recherche sur la stéatose hépatique. Notre protocole offre l’avantage de l’évaluation 3D de la fraction graisseuse du foie, surpassant les techniques 2D. Les résultats feront progresser la recherche dans notre domaine en offrant une évaluation 3D complète et précise des différents stades de la stéatose hépatique, ce qui est crucial pour les décisions de traitement et l’évaluation du pronostic.