Articolo metodologico

Una tecnica di quantificazione 3D per l'analisi della distribuzione della frazione di grasso epatico utilizzando la risonanza magnetica Dixon

DOI:

10.3791/66121

⸱

20 ottobre 2023

 ,  ,  ,  , 
1Department of Infectious Diseases, Dongzhimen Hospital, Beijing University of Chinese Medicine, 2The First Clinical College, Beijing University of Chinese Medicine, 3Department of Radiology, Dongzhimen Hospital, Beijing University of Chinese Medicine, 4Fever Clinics, Dongzhimen Hospital, Beijing University of Chinese Medicine, 5Beijing Intelligent Entropy Science & Technology Co Ltd.

In questo articolo

Sommario

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo studio introduce un metodo di quantificazione 3D unico per la distribuzione della frazione di grasso epatico (LFF) utilizzando la risonanza magnetica Dixon (Dixon MRI). Le mappe LFF, derivate da immagini in fase e in fase acquosa, sono integrate con contorni epatici 3D per differenziare i modelli LFF tra fegati normali e steatosici, consentendo una valutazione precisa del contenuto di grasso epatico.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo studio presenta una metodologia di quantificazione 3D per la distribuzione della frazione di grasso epatico (LFF) attraverso l'utilizzo dell'analisi delle immagini di Dixon MRI. L'obiettivo principale è quello di offrire un mezzo altamente accurato e non invasivo per valutare il contenuto di grasso epatico. Il processo prevede l'acquisizione di immagini in fase e in fase acquosa da una sequenza di Dixon. Le mappe LFF vengono quindi meticolosamente calcolate voxel per voxel dividendo le immagini della fase lipidica per le immagini in fase. Contemporaneamente, i contorni epatici 3D vengono estratti dalle immagini in fase. Questi componenti cruciali sono perfettamente integrati per costruire un modello di distribuzione 3D-LFF completo. Questa tecnica non si limita ai fegati sani, ma si estende a quelli afflitti da steatosi epatica. I risultati ottenuti dimostrano la notevole efficacia di questo approccio sia nella visualizzazione che nella quantificazione del contenuto di grasso epatico. Discerne distintamente i modelli che differenziano tra fegato normale e steatosico. Sfruttando la risonanza magnetica di Dixon per estrarre la struttura 3D del fegato, questo metodo offre valutazioni precise dell'LFF che coprono l'intero organo, mantenendo così una grande promessa per la diagnosi di steatosi epatica con notevole efficacia.

Introduzione

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La steatosi epatica non alcolica (NAFLD) comprende uno spettro di condizioni patologiche, che vanno dall'accumulo anomalo di trigliceridi nelle cellule epatiche (steatosi epatica) allo sviluppo di infiammazione e danni alle cellule epatiche, noti come steatoepatite non alcolica (NASH). In alcuni casi, la NAFLD può progredire verso stadi più gravi, tra cui fibrosi, cirrosi, malattia epatica allo stadio terminale o persino carcinoma epatocellulare (HCC)1. I dati pubblicati dall'Organizzazione Mondiale della Sanità e dal Global Burden of Disease suggeriscono che circa 1.235,7 milioni di persone in tutto il mondo sono affette da NAFLD in tutte le fasce d'età2. La NAFLD è attualmente una delle cause più importanti di malattie legate al fegato a livello globale e si prevede che diventerà la principale causa di malattia epatica allo stadio terminale nei prossimi decenni3.

La valutazione accurata dell'estensione della steatosi epatica riveste un'importanza sostanziale per una diagnosi precisa, una selezione appropriata del trattamento e un efficace monitoraggio della progressione della malattia. Il gold standard per valutare il contenuto di grasso epatico continua ad essere la biopsia epatica. Tuttavia, a causa della sua natura invasiva, del potenziale di dolore, sanguinamento e altre complicanze postoperatorie, non è un'opzione pratica per frequenti esami di follow-up 4,5,6. Di conseguenza, c'è un urgente bisogno di tecniche di imaging non invasive in grado di quantificare in modo affidabile la deposizione di grasso epatico. La risonanza magnetica per immagini (MRI) è promettente in questo settore grazie alla sua assenza di radiazioni ionizzanti e alla sua capacità di rilevare in modo sensibile il contenuto di grassi attraverso effetti di spostamento chimico 7,8.

Studi recenti hanno delineato tecniche di risonanza magnetica per quantificare il grasso epatico, basate su metodi di eco del gradiente di spostamento chimico come l'imagingDixon 9,10. Tuttavia, la maggior parte di queste tecniche si basa sull'analisi delle regioni bidimensionali di interesse. La valutazione completa della distribuzione tridimensionale della frazione grassa epatica (LFF) è rimasta limitata. Nel presente studio, viene introdotto un approccio unico di quantificazione 3D LFF, che combina la risonanza magnetica di Dixon con l'imaging strutturale del fegato. Il modello LFF 3D risultante consente una visualizzazione e una misurazione precise della distribuzione del contenuto di grasso nell'intero volume del fegato. Questa tecnica dimostra una sostanziale utilità clinica per la diagnosi accurata della steatosi epatica.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Lo studio è stato approvato e il paziente è stato reclutato dal Dipartimento di Malattie Infettive dell'Ospedale Dongzhimen, Università di Medicina Cinese di Pechino, a Pechino, in Cina. Il paziente è stato sottoposto a una risonanza magnetica addominale di routine dopo aver fornito il consenso informato. In questa indagine, viene impiegato un approccio di modellazione della distribuzione 3D per ricostruire la frazione di grasso epatico (LFF) in un paziente standard con steatosi epatica diagnosticata dal punto di vista medico. Inoltre, lo studio fornisce una valutazione quantitativa confrontando il fegato del paziente con un fegato sano. Gli strumenti software utilizzati in questa ricerca sono elencati nella Tabella dei Materiali.

1. Preparazione e raccolta dei dati

NOTA: La varianza dei parametri rimane inalterata dall'approccio di ricerca. In questa indagine, sono stati ottenuti dati DICOM autentici dall'imaging clinico. I dati sono stati acquisiti utilizzando un apparato di risonanza magnetica con un'intensità di campo di 1,5 Tesla. Il set di dati comprende quattro fasi distinte derivate dalla sequenza di Dixon, in particolare In-phase, Out-of-phase, Water e Fat.

  1. Controllare la sequenza di Dixon per la parte superiore dell'addome.
    1. Copiare tutti i dati DICOM in una directory di lavoro personalizzata.
      NOTA: La directory di lavoro è la stessa sia nel sistema operativo che in MATLAB.
    2. Passare alla directory che contiene i dati all'interno della directory di lavoro corrente di MATLAB (come mostrato nella Figura 1).
    3. Verificare che i dati DIXON visualizzino una risoluzione orizzontale di 520 x 704 pixel, con una spaziatura dei pixel di 0,5682 mm e uno spessore della fetta di 5 mm.
  2. Controlla rapidamente le immagini di Dixon.
    1. Modificare la directory per accedere alle cartelle per le diverse fasi, che includono le fasi In-phase, Out-phase, Water e Fat, ciascuna memorizzata in cartelle distinte per l'imaging Dixon.
    2. Utilizza la funzione Slice_View per visualizzare le immagini per ogni fase.
    3. Vedere la Figura 2 per visualizzare un'immagine dell'interfaccia utente grafica interattiva (GUI) della sequenza MRI-Dixon. Utilizza la barra di scorrimento situata nella parte inferiore della GUI per navigare in modo efficiente tra le varie sequenze.
    4. Impiegare la sequenza in fase MRI-Dixon per migliorare la descrizione dei confini del tessuto epatico.
      NOTA: Nella Figura 2, è possibile trovare le icone situate nell'angolo in alto a destra della GUI. Queste icone offrono funzioni come lo zoom indietro, lo zoom avanti, il ritorno alla vista globale e la marcatura delle coordinate del pixel selezionato. Utilizzare la funzione di zoom per esaminare da vicino le caratteristiche locali della lesione.
    5. Utilizzare la funzione Contrassegna coordinate pixel per calcolare la distanza tra due punti, facilitando la misurazione delle dimensioni dei noduli.
    6. La barra dei colori iniziale utilizza la mappa dei colori del getto, che indica uno spostamento di colore dal blu al rosso, che indica rispettivamente i valori bassi e alti. Per passare alla mappa dei colori grigia standard e ripristinare l'intera GUI, fare clic con il pulsante destro del mouse sulla barra dei colori e selezionare l'opzione dal menu a comparsa.
    7. Se la finestra del filtro predefinita non è adatta, regolarla trascinando verso l'alto e verso il basso al centro della figura utilizzando il pulsante sinistro del mouse per modificare il livello della finestra. Trascinando a sinistra e a destra si regola la larghezza della finestra e l'intervallo di filtraggio preciso verrà visualizzato sulla barra dei colori.
      NOTA: Le operazioni successive si concentreranno sull'utilizzo della sequenza DIXON in fase per rappresentare la regione 3D del fegato.

2. Estrazione della regione 3D del fegato

NOTA: Per calcolare la frazione di grasso epatico (LFF), ogni voxel all'interno della regione epatica 3D funge da vettore spaziale, con il suo valore di frazione grassa ottenuto dai dati MRI-Dixon. Prima di calcolare l'LFF, è fondamentale estrarre la regione epatica 3D. Sebbene i metodi di deep learning possano raggiungere questo obiettivo in modo più efficiente, l'attenzione qui è rivolta all'utilizzo di strumenti software maturi come MIMICS per l'estrazione della regione epatica.

  1. Aprire il software MIMICS e scegliere Nuovo progetto. Nella finestra di dialogo successiva, individuare la cartella che contiene le immagini DIXON Out-phase. Continua facendo clic su AVANTI, quindi premi Converti per accedere alla modalità di modifica della sequenza.
  2. Generare una maschera vuota facendo clic su Nuovo all'interno della finestra di dialogo MASCHERA situata sul lato destro e optare per la soglia massima.
  3. Usa lo strumento Modifica maschere che si trova sotto l'etichetta "Segmento" per delineare l'area del fegato in tutte le viste orizzontali.
  4. Crea una rappresentazione spaziale 3D del fegato scegliendo la maschera epatica raffigurata in precedenza e facendo clic su Calcola parte dalla maschera. Verrà presentata la regione epatica 3D risultante (fare riferimento alla Figura 3).
  5. Passare a File, quindi selezionare Esporta e scegliere l'opzione DICOM . Nella finestra di dialogo a comparsa, selezionare la maschera del fegato, specificare il percorso e i nomi del file, quindi fare clic su OK per esportare la regione del fegato 3D nei file DICOM designati.

3. Generazione della mappa della frazione grassa (FF-Map)

NOTA: La mappa della frazione grassa (FF-Map) ha un intervallo di valori compreso tra 0 e 1. In questo studio, la FF di ciascun voxel viene calcolata dividendo il valore del voxel di In-phase meno solo acqua per quello di In-phase utilizzando la risonanza magnetica di Dixon.

  1. Modificare la directory nella cartella delle immagini in fase e selezionare la funzione Volume_In per generare il volume in fase.
  2. Passare alla cartella delle immagini solo acqua e selezionare la funzione Volume_Water per generare il volume solo acqua.
  3. Selezionare la funzione FF_Volume utilizzando i due volumi generati al punto 3.1 e al punto 3.2 come input per ottenere il volume FF della risonanza magnetica addominale, visualizzato come mostrato nella Figura 4.
  4. La mappa della frazione grassa (FF) mostrata nella Figura 4 è presentata come un'immagine RGB a colori reali con una struttura di dati di 520 x 704 x 44 matrice. In questa rappresentazione, ogni pixel è composto da tre valori, che rappresentano i canali rosso, verde e blu. Prendi nota della barra dei colori sul lato sinistro, che fornisce un riferimento visivo per i valori della frazione grassa associati a pixel di colore diverso.
    NOTA: La GUI mostrata nella Figura 4 consente un'osservazione più ravvicinata del fegato del paziente attraverso lo strumento di zoom nell'angolo in alto a destra e l'ottenimento dei valori esatti di FF utilizzando lo strumento di tastatura. Trascinando la barra di scorrimento in basso, gli utenti possono osservare le mappe FF di tutte le posizioni di scansione sul piano orizzontale.

4. 3D volume della distribuzione della frazione grassa epatica

NOTA: La Figura 4 mostra la mappa LFF calcolata in base alle immagini della risonanza magnetica di Dixon della parte superiore dell'addome. In combinazione con la regione epatica 3D nella Figura 3, il volume 3D-LFF dell'intero fegato può essere calcolato separatamente.

  1. Utilizzare la funzione LFF_Volume , fornendole la regione epatica 3D (come illustrato nella Figura 3) e la mappa di rigidità epatica (mostrata nella Figura 4) come parametri di input. Ciò si tradurrà nella creazione della rappresentazione del volume 3D della frazione di grasso epatico, come illustrato nella Figura 5.
  2. Per esaminare la mappa di rigidità per ogni strato del fegato, è sufficiente utilizzare la barra di scorrimento situata sotto la GUI visualizzata nella Figura 5.
    NOTA: In questa vista, solo il tessuto epatico è rappresentato accuratamente.
  3. Prestare attenzione alle icone situate nell'angolo in alto a destra della GUI (come mostrato nella Figura 5). Queste icone forniscono funzionalità per eseguire lo zoom indietro, lo zoom avanti, il ritorno alla visualizzazione globale e la marcatura delle coordinate del pixel selezionato.
    NOTA: La barra dei colori predefinita utilizza la mappa dei colori "jet", in cui i colori passano dal blu al rosso per rappresentare valori variabili (misurati in unità di kPa) da bassi ad alti.
  4. Eseguire la funzione LFF_Distribution utilizzando gli stessi parametri di input di "LFF_Volume" per produrre la distribuzione spaziale della frazione di grasso epatico 3D (3D-LFF), come illustrato nella Figura 6.

Analisi quantitativa 5. 3D-LFF

NOTA: Voxel epatici normali: LFF < 5%; Voxel di fegato grasso lieve: 5%-10%; Voxel di fegato grasso moderato: 10%-20%; Voxel di fegato grasso grave: LFF ≥ 20%11,12,13,14,15. Un obiettivo quantitativo chiave di questo studio è determinare la proporzione di voxel in diversi stadi LFF nel fegato del paziente. La Figura 6 mostra la distribuzione spaziale irregolare della frazione di grasso epatico nel paziente. La mancanza di sintomi clinici distinti è principalmente attribuita a una percentuale sostanziale di tessuto epatico normale. Pertanto, è indispensabile quantificare con precisione le differenze tra pazienti e individui sani. Questo rappresenta un concetto quantitativo vitale in questo caso.

  1. Calcola la distribuzione 3D-LFF per un fegato sano ripetendo i passaggi 1-4.
    NOTA: La funzione barra MATLAB integrata consente il confronto delle distribuzioni 3D-LFF per fegati sani e grassi (Figura 7).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questa indagine utilizza set di dati reali dei pazienti acquisiti utilizzando uno scanner MRI disponibile in commercio per convalidare la metodologia di quantificazione della frazione di grasso epatico 3D (Figura 1). Il protocollo di risonanza magnetica includeva l'imaging a quattro fasi 9,10 di Dixon: in fase, fuori fase, solo acqua e solo grasso (Figura 2). La frazione grassa (FF) di ciascun voxel vien...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questa ricerca presenta un'innovativa tecnica di quantificazione 3D per l'analisi della distribuzione della frazione di grasso epatico (LFF) utilizzando Dixon MRI 9,10. Integrando le mappe LFF, generate da immagini in fase e in fase acquosa, con i contorni epatici 3D, questo metodo distingue tra i modelli LFF nel fegato normale e in quello steatosico6. Di conseguenza, facilita una valutazione precisa del contenuto di grasso epatico.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Lo strumento software per la quantificazione della steatosi epatica, elencato nella tabella dei materiali di questo studio come HepaticSteatosis V1.0, è un prodotto di Beijing Intelligent Entropy Science & Technology Co., Ltd. I diritti di proprietà intellettuale di questo strumento software appartengono all'azienda.

Ringraziamenti

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questa pubblicazione ha ricevuto il sostegno del quinto programma nazionale per l'identificazione di talenti clinici eccezionali nella medicina tradizionale cinese, organizzato dall'Amministrazione Nazionale della Medicina Tradizionale Cinese. Il collegamento ufficiale alla rete è'http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
MATLABMathWorks 2022BInformatica e visualizzazione 
MimicsMaterialiseMimics Research V20 Trasformazione delformato del modello
Strumenti per 3D_LFFEntropia intelligenteSteatosi epatica V1.0Pechino Entropia intelligente Scienza & Technology Co Ltd.
Modellazione per la fusione TC/MRI

Riferimenti

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Pouwels, S., et al. Non-alcoholic fatty liver disease (NAFLD): a review of pathophysiology, clinical management and effects of weight loss. BMC Endocr Disord. 22 (1), 63(2022).
  2. Younossi, Z. M., et al. The global burden of liver disease. Clin Gastroenterol Hepatol. 21 (8), 1978-1991 (2023).
  3. Younossi, Z., et al. Global burden of NAFLD and NASH. Trends, predictions, risk factors and prevention. Nat Rev Gastroenterol Hepatol. 15 (1), 11-20 (2018).
  4. Boyum, J. H., et al. Incidence and risk factors for adverse events related to image-guided liver biopsy. Mayo Clin Proc. 91 (3), 329-335 (2016).
  5. Khalifa, A., Rockey, D. C. The utility of liver biopsy in 2020. Curr Opin Gastroenterol. 36 (3), 184-191 (2020).
  6. Sumida, Y., Nakajima, A., Itoh, Y. Limitations of liver biopsy and non-invasive diagnostic tests for the diagnosis of nonalcoholic fatty liver disease/nonalcoholic steatohepatitis. World J Gastroenterol. 20 (2), 475-485 (2014).
  7. Ajmera, V., Loomba, R. Imaging biomarkers of NAFLD, NASH, and fibrosis. Mol Metab. 50, 101167(2021).
  8. Castera, L., Friedrich-Rust, M., Loomba, R. Noninvasive assessment of liver disease in patients with nonalcoholic fatty liver disease. Gastroenterology. 156 (5), 1264-1281 (2019).
  9. Jiang, Y., et al. Application of multi-echo Dixon and MRS in quantifying hepatic fat content and staging liver fibrosis. Sci Rep. 13 (1), 12555(2023).
  10. Yang, Y., et al. The accuracy and clinical relevance of the multi-echo dixon technique for evaluating changes to hepatic steatosis in patients with non-alcoholic fatty liver disease treated with formulated food. Magn Reson Med Sci. 22 (2), 263-271 (2023).
  11. Peng, H., et al. Fat-water separation based on Transition REgion Extraction (TREE). Magn Reason Med. 82 (1), 436-448 (2019).
  12. Hines, C. D. G., et al. T(1) independent, T(2)(*) corrected chemical shift based fat-water separation with multi-peak fat spectral modeling is an accurate and precise measure of hepatic steatosis. Magn Reason Imaging. 33 (1), 873-881 (2011).
  13. Tang, A., et al. Nonalcoholic fatty liver disease: MR imaging of liver proton density fat fraction to assess hepatic steatosis. Radiology. 267 (2), 422-431 (2013).
  14. Caussy, C., Reeder, S. B., Sirlin, C. B., Loomba, R. Noninvasive, quantitative assessment of liver fat by MRI-PDFF as an endpoint in NASH Trials. Hepatology. 68 (2), 763-772 (2018).
  15. Reeder, S. B., Cruite, I., Hamilton, G., Sirlin, C. B. Quantitative assessment of liver fat with magnetic resonance imaging and spectroscopy. Magn Reson Imaging. 34 (4), 729-749 (2011).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Risonanza Magnetica DixonQuantificazione 3DSteatosi EpaticaAnalisi delle Immagini RMSegmentazione del FegatoDati DICOMVisualizzazione 3DImaging tramite Deep Learning

Articoli correlati