Risonanza magnetica polmonare funzionale tridimensionale risolta in fase

Sommario

Il polmone funzionale a risoluzione di fase tridimensionale (3D) (PREFUL) è una tecnica di risonanza magnetica funzionale (MRI) che consente la quantificazione della ventilazione regionale dell'intero volume polmonare umano, utilizzando la respirazione corrente e l'acquisizione senza mezzo di contrasto per 8 minuti. Qui presentiamo un protocollo RM per raccogliere e analizzare i dati di imaging 3D PREFUL.

Abstract

La risonanza magnetica polmonare (MRI) offre una varietà di tecniche prive di radiazioni su misura per valutare la ventilazione polmonare regionale o i suoi surrogati. Queste tecniche comprendono misurazioni dirette, esemplificate dalla risonanza magnetica con gas iperpolarizzati e dalla risonanza magnetica con gas fluorurati, nonché misurazioni indirette facilitate dalla risonanza magnetica con ossigeno potenziato e dalla risonanza magnetica di decomposizione di Fourier (FD) basata su protoni. Negli ultimi tempi, ci sono stati progressi sostanziali nel campo della risonanza magnetica FD, che hanno comportato il miglioramento della risoluzione spazio/temporale, il perfezionamento della progettazione e della post-elaborazione della sequenza e lo sviluppo di un approccio completo all'intero polmone.

La risonanza magnetica funzionale polmonare funzionale risolta in fase bidimensionale (2D) (PREFUL) si distingue come un approccio basato su FD sviluppato per la valutazione completa della ventilazione regionale e delle dinamiche di perfusione, il tutto all'interno di un'unica acquisizione RM. Recentemente, è stato fatto un nuovo passo avanti con lo sviluppo di 3D PREFUL per valutare la ventilazione dinamica dell'intero polmone utilizzando un esame di 8 minuti con una sequenza auto-gated.

L'acquisizione 3D PREFUL comporta l'impiego di una sequenza di pile di stelle con un incremento dell'angolo aureo. Dopo la ricostruzione dell'immagine di rilevamento compressa di circa 40 fasi respiratorie, tutte le immagini risolte con la respirazione ricostruita vengono registrate su una fase di respirazione fissa. Successivamente, i parametri di ventilazione vengono estratti dalle immagini registrate.

In una coorte di studio comprendente volontari sani e pazienti con broncopneumopatia cronica ostruttiva, i parametri di ventilazione 3D PREFUL hanno dimostrato forti correlazioni con le misurazioni ottenute dai test di funzionalità polmonare. Inoltre, la ripetibilità interscan della tecnica 3D PREFUL è stata ritenuta accettabile, indicando la sua affidabilità per valutazioni ripetute degli stessi individui.

In sintesi, la risonanza magnetica con ventilazione 3D PREFUL fornisce una copertura dell'intero polmone e cattura le dinamiche di ventilazione con una risoluzione spaziale migliorata rispetto alla PREFUL. 3D 2D La tecnica PREFUL offre un'alternativa economica alla risonanza magnetica ^{iperpolarizzata 129}Xe, rendendola un'opzione interessante per la valutazione della ventilazione polmonare a misura di paziente.

Introduzione

Secondo l'Organizzazione Mondiale della Sanità (OMS), le malattie respiratorie croniche sono la terza causa di morte, ponendo un onere significativo sull'assistenza sanitaria¹. La diagnosi e il monitoraggio di diverse malattie respiratorie comportano test funzionali polmonari, che mancano di informazioni spaziali e possono non essere fattibili nei pazienti giovani. Molteplici altre modalità di medicina nucleare forniscono misure spaziali di ventilazione, come la tomografia a emissione di positroni (PET)², la tomografia computerizzata a emissione di fotoni singoli (SPECT)³ o la tomografia computerizzata^<sup class="xref">4. Uno svantaggio significativo di queste tecniche è l'uso di radiazioni ionizzanti per l'imaging. Pertanto, tali misurazioni non sono fattibili in popolazioni sensibili come i bambini o per misurazioni ripetute negli studi clinici.

I metodi di risonanza magnetica hanno guadagnato interesse negli ultimi due decenni perché offrono una misurazione della funzione polmonare priva di radiazioni. Soprattutto, le tecniche di risonanza magnetica con gas iperpolarizzati⁵ sono state utilizzate per la valutazione della ventilazione polmonare in controlli sani e pazienti con malattia polmonare, ottenendo un rapporto segnale/rumore (SNR) superiore rispetto a ¹⁹F⁶ o MRI⁷. Gli svantaggi comuni delle tecniche di risonanza magnetica con gas includono la necessità di personale aggiuntivo, i costi dell'hardware o la necessità di collaborazione del paziente durante la misurazione dell'aria espirata. Per ovviare a queste limitazioni, sono stati introdotti metodi basati sulla decomposizione di Fourier (FD) MRI⁸ per valutare la ventilazione polmonare e la perfusione. In alternativa alla risonanza magnetica FD, è stata sviluppata una risonanza 9, convalidata^10,11,12 e testata in diversi studi, inclusi studi multicentrici^13,14. Tuttavia, l'acquisizione 2D comporta lunghi tempi di acquisizione per una copertura polmonare completa e una risoluzione spaziale limitata. Una soluzione elegante è offerta dalle acquisizioni 3D autogestite, anche se a scapito delle informazioni di perfusione^15,16,17. Una di queste tecniche, 3D PREFUL MRI¹⁷, è stata sviluppata non solo per valutare la ventilazione statica ma anche la dinamica della ventilazione durante un esame RM di 8 minuti, fornendo una risoluzione dell'immagine superiore rispetto ai metodi 2D.

A seguito della pubblicazione originale che descrive il metodo¹⁷, la ripetibilità della tecnica è stata valutata e confrontata clinicamente con le ben consolidate misurazioni spirometriche¹⁸ e^, più recentemente, è stato introdotto un framework di registrazione accelerata delle immagini migliorando la ripetibilità dei parametri di ventilazione e preservando la qualità dell'immagine delle mappe di ventilazione¹⁹. Questa tecnica facile da usare per il paziente e facilmente scalabile, in grado di mappare quantitativamente la ventilazione regionale nel polmone umano, ha il potenziale per contribuire in modo significativo alla diagnosi precoce, alla diagnosi di malattie respiratorie o al monitoraggio di follow-up degli effetti della terapia²⁰. Questi cambiamenti del trattamento nella funzione polmonare regionale, come il miglioramento del volume di ventilazione, hanno il potenziale per diventare biomarcatori per valutare l'impatto delle terapie e potrebbero essere uno strumento utile negli studi clinici multicentrici.

L'articolo mira a fornire una spiegazione completa e visiva della tecnologia 3D PREFUL, con l'obiettivo di promuovere una traduzione più ampia di questa tecnica.

Protocollo

Questo studio ha ricevuto l'approvazione dal comitato etico della Hannover Medical School, garantendo che aderisse a rigorosi standard etici durante tutto il processo di ricerca. L'indagine ha seguito rigorosamente le linee guida delineate nella Dichiarazione di Helsinki, sottolineando la condotta etica della ricerca medica. Inoltre, il consenso informato è stato diligentemente ottenuto da tutti i partecipanti allo studio (o dai loro genitori o tutori legali) prima della loro partecipazione all'esame MRI.

NOTA: I criteri di inclusione/esclusione per gli studi che coinvolgono la risonanza magnetica 3D PREFUL variano e dipendono dal disegno dello studio. In genere, i criteri di inclusione per i volontari sani in un esame MRI 3D PRiFUL coinvolgono individui che (a) sono privi di condizioni mediche significative che potrebbero influenzare i risultati dello studio, (b) non stanno assumendo farmaci che potrebbero interferire con i risultati della risonanza magnetica, (c) non hanno claustrofobia, ansia, impianti o dispositivi metallici, (d) soddisfano specifici criteri di età e sesso rilevanti per gli obiettivi dello studio, (e) non hanno una storia di fumo, (f) hanno risultati normali di spirometria (FEV₁/FVC > 0,7 e sia il FEV₁ che la FVC > l'80% del valore predittivo). I criteri di esclusione per tutti i partecipanti allo studio sottoposti a un esame RM 3D PREFUL possono includere: (a) gravidanza, (b) avere qualsiasi condizione che possa compromettere la sicurezza o la validità dell'esame RM 3D PREU, (c) intolleranza agli agenti di contrasto a base di gadolinio quando la risonanza magnetica con mezzo di contrasto dinamico è inclusa in un protocollo di studio.

1. Colloquio pre-risonanza magnetica

1. Chiedi a un medico di raccogliere informazioni importanti sulla storia medica del soggetto.
2. Spiegare le potenziali controindicazioni, i rischi e la procedura di risonanza magnetica.
3. Ottenere il consenso scritto e informato dal soggetto.
   NOTA: Se non sono disponibili i risultati del test di funzionalità polmonare, richiedere al soggetto di sottoporsi a un test di funzionalità polmonare prima dell'esame di risonanza magnetica e verificare che i risultati ottenuti soddisfino i criteri di inclusione.

2. Preparazione del radiologo per l'esame RM

1. Registrare il soggetto nella console RM e scegliere il protocollo RM dello studio con acquisizione 3D PREFUL.
2. Verifica che il soggetto, le sue tasche e i suoi vestiti siano privi di pezzi contenenti metallo.
3. Posizionare i fogli sul tavolo dello scanner in modo da garantire un ambiente sterile.
4. Entra nella stanza MR con il soggetto.

3. Preparazione della materia per l'esame di risonanza magnetica

1. Far sdraiare il soggetto sul lettino MRI in posizione supina (tuttavia, è possibile una posizione prona).
2. Assicurarsi che la bobina del busto fornisca un'adeguata copertura del torace, posizionando l'elemento superiore della bobina del busto vicino al mento del soggetto.
3. Fornire al soggetto delle cuffie (in alternativa tappi per le orecchie o entrambi) per proteggere l'udito dai forti rumori indotti dalla risonanza magnetica.
4. Fornisci al soggetto un pulsante di sicurezza (o un meccanismo di sicurezza alternativo) in modo che possa essere facilmente accessibile e schiacciato.
5. Posiziona un cuscinetto sotto la testa e le gambe del soggetto per migliorare il comfort durante l'esame RM.
6. Posizionare il soggetto nello scanner RM, utilizzando la navigazione a luce laser per assicurarsi che l'area dell'immagine occupi l'isocentro del foro.

4. Esame di risonanza magnetica

1. localizzatore
   1. Eseguire una sequenza di localizzatori (con parametri simili a quelli elencati nella Tabella 1A) per ottenere immagini anatomiche a bassa risoluzione su tre piani (con ampio campo visivo) che verranno utilizzate per pianificare l'esame 3D PREFUL.
2. Imaging 3D PREFUL
   1. Impostare i parametri di acquisizione in base alla Tabella 1B per l'acquisizione di immagini.
   2. Impostare il numero di proiezioni radiali di conseguenza in modo che l'acquisizione richieda circa 8 minuti.
   3. Dire al soggetto di respirare normalmente (respirazione senza maree) per l'intera acquisizione.
   4. Verificare che l'intero torace sia incluso nel campo visivo e avviare l'acquisizione.
3. Al termine dell'imaging, rimuovere il soggetto dallo scanner.

5. Trasferimento dati grezzi

1. Di solito, i dati grezzi acquisiti non vengono salvati sulla piattaforma del fornitore MR. Salvare i dati grezzi 3D PREFUL kspace utilizzando i passaggi specifici del fornitore sulla console MR.

6. Analisi dei dati e post-elaborazione

1. Inizia a valutare i dati acquisiti utilizzando lo script di ricostruzione dell'immagine (Table of Materials) sulla workstation designata, ad esempio in MATLAB, impostando il percorso dei dati grezzi.
   NOTA: La workstation designata dovrebbe già avere i seguenti pacchetti installati:
   (a) Il Berkeley Advanced Reconstruction Toolbox (BART)
   (b) Strumenti avanzati di normalizzazione (ANT)
2. Ricostruzione dell'immagine
   1. Stima i ritardi del gradiente dipendenti dal sistema RM utilizzando le proiezioni di calibrazione con la funzione estdelay implementata in Berkeley advanced reconstruction toolbox (BART)^21,22.
   2. Applicate uno spostamento a ciascuna proiezione in base al ritardo del gradiente calcolato.
   3. Applicare il filtro di Hanning (utilizzando la funzione hann in MATLAB) ai dati corretti con ritardo di gradiente utilizzando una finestra periodica nel piano x-y e nella direzione z.
   4. Ricostruzione di immagini a bassa risoluzione per il binning respiratorio
      1. Selezionare uno-otto/un quarto dei dati k-space centrati attorno all'indice centrale della dimensione di lettura/partizione.
         NOTA: A seconda delle dimensioni del soggetto, questo passaggio si traduce in una dimensione della matrice di 32 x 32 x (12-20).
      2. Rimodellare le matrici dei dati dello spazio k e le traiettorie corrispondenti per includere una dimensione temporale aggiuntiva, con ogni punto temporale che comprende 14 proiezioni radiali><. NOTA: Ogni punto temporale successivo include 13 proiezioni radiali dal punto temporale precedente più una nuova proiezione radiale successiva.
      3. Utilizza il comando di imaging parallelo e rilevamento compresso (pics) implementato in BART per la ricostruzione delle immagini.
         NOTA: Applicare la regolarizzazione della norma L2 (λ = 0,1) e della variazione totale (λ = 0,0001) nel dominio spaziale e la regolarizzazione della variazione totale (λ = 0,01) nel dominio del tempo.
   5. Estrazione del segnale di gating respiratorio
      1. Segmenta il parenchima polmonare in ogni immagine 3D ricostruita a bassa risoluzione utilizzando la soglia di Otsu²³ e calcola il volume del parenchima polmonare per ogni punto temporale.
      2. Applicare un filtro passa-basso con una frequenza di taglio di 0,7 Hz alla serie temporale del volume estratta e calcolare la frequenza di respirazione.
      3. Escludere i valori anomali estremi dalla serie temporale (punti temporali al di sopra del 95^° percentile e al di sotto del 10^° percentile).
         NOTA: Organizzare le serie storiche in base alla loro ampiezza e fase permette di ricostruire un singolo ciclo respiratorio.
   6. Esegui la trasformata di Fourier veloce (FFT, funzione fft in MATLAB) sui dati filtrati dall'hanning lungo la direzione della fetta per consentire la ricostruzione dell'immagine fetta per fetta.
   7. Rimodellare la matrice di dati k-space in base alle serie temporali estratte in modo che ogni contenitore respiratorio contenga un minimo di 100 raggi.
   8. Utilizza il 20% delle proiezioni dai contenitori adiacenti per migliorare l'SNR^24,25 di ciascun contenitore respiratorio.
   9. Rimodella la matrice delle traiettorie dello spazio k in modo che corrisponda alle dimensioni dei dati dello spazio k.
   10. Eseguire il comando pics per la ricostruzione dell'immagine per ogni slice.
       NOTA: Applicare la regolarizzazione della norma L2 (λ = 0,1) e della variazione totale (λ = 0,0001) nel dominio spaziale e la regolarizzazione della variazione totale (λ = 0,01) nel dominio del tempo.
   11. Salva le variabili, comprese le immagini ricostruite di un ciclo respiratorio completo, la frequenza respiratoria e i tempi di acquisizione, in un file .mat.
3. Registrazione dell'immagine
   1. Invertire le intensità del segnale delle immagini ricostruite.
   2. Registra le immagini in uno stato respiratorio selezionato, come l'ispirazione, utilizzando la registrazione non rigida.
      NOTA: Per migliorare l'accuratezza della registrazione, può essere utilizzato un approccio orientato al gruppo²⁶. Il processo di registrazione può essere eseguito su CPU o GPU utilizzando strumenti come Advanced Normalization Tools (ANTs)²⁷ o il pacchetto di registrazione Forsberg class<="xref">28.
4. Segmentazione del parenchima polmonare
   1. Segmentare il parenchima polmonare dell'immagine 3D end-inspiratoria utilizzando una rete neuronale convoluzionale con, ad esempio, nnUnet architecture²⁹.
   2. Escludere i vasi polmonari utilizzando un algoritmo di riconoscimento dei vasi, come quello descritto da Wernz et al.³⁰.
      NOTA: La fase di riconoscimento dei vasi polmonari non è obbligatoria se non si ha accesso a tale algoritmo. In alcuni casi, potrebbe essere necessaria la risegmentazione manuale.
5. filtraggio
   1. Applicare la regressione del kernel Nadaraya-Watson (con σ = 0,3) alle immagini registrate e invertite per interpolare 16 fasi su una griglia temporale uniformemente distanziata.
   2. Elimina le variazioni del segnale non correlate alla respirazione applicando un filtro passa-basso a 0,7 Hz ai dati interpolati nel dominio del tempo.
   3. Riduci il rumore delle immagini filtrate passa-basso utilizzando il filtro guidato dalle immagini³¹, con l'immagine registrata mediata temporalmente che funge da immagine guida. Imposta i seguenti parametri: Dimensione finestra = [5, 5, 5], lambda = 0,001.
6. Analisi della ventilazione
   1. Calcolare le mappe di ventilazione regionale (RVent) in millilitri/millilitri (mL/mL) per ciascuna fase respiratoria N utilizzando la seguente formula³²:
      [1]
      NOTA: S_Insp rappresenta l'immagine di destinazione per la registrazione dell'immagine, corrispondente al livello di fine inspirazione. S_Exp si riferisce all'immagine di fine espirazione, mentre S_N rappresenta l'N-esimo stato respiratorio.
   2. Calcolare la mappa del difetto di ventilazione (VD_RVent) della mappa RVent dell'8a fase, che rappresenta la ventilazione massima.
      NOTA: Per calcolare VD, i voxel al di sotto della soglia del 90^° percentile, moltiplicato per un fattore di 0,4, sono considerati difetti³³.
   3. Calcola la mappa della metrica di correlazione flusso-volume-loop (FVL-CM).
      1. Calcola il flusso come derivata prima di RVent.
         NOTA: Il volume viene misurato direttamente da RVent.
      2. Stabilire un FVL di riferimento per ogni fetta, calcolato da una regione sana definita da valori RVent compresi tra il 75^° e il 95^° percentile.
      3. Determinare la somiglianza tra il FVL di ciascun parenchima polmonare voxel e il FVL di riferimento utilizzando la correlazione incrociata con lo zero-lag.
   4. Calcola la mappa VD_FVL-CM, in cui i voxel con valori FVL-CM inferiori a 0,9 sono identificati come voxel con difetto di ventilazione³⁴.
   5. Calcola le mappe del tempo di picco della ventilazione (VTTP) in percentuale (%) del ciclo respiratorio.
      NOTA: In teoria, il ciclo respiratorio interpolato inizia/termina al picco di espirazione ed è simmetrico rispetto al picco di inspirazione al 50% del ciclo di ventilazione per un voxel sano. Per i voxel sottoposti a dinamiche di ventilazione avanzate/ritardate, la mappa VTTP visualizzerà un valore inferiore/superiore al 50%.
   6. Calcola la deviazione del valore VTTP (VTTP_Dev) dal picco di inspirazione al 50% come segue:
      [2]
      NOTA: per un'area sana, il_{VTTP Dev} dovrebbe essere vicino allo 0%.
   7. statistica
      1. Descrivi statisticamente i parametri RVent, FVL-CM, VTTP e VTTP_Dev per tutte le sezioni, fornendo valori mediani, medi, di deviazione standard e intervalli interquartili.
      2. Calcolare i valori percentuali dei difetti di ventilazione derivati dalle mappe VD generate.
      3. Esporta tutti i parametri calcolati in un foglio di calcolo (fai riferimento all'esempio fornito nella Tabella 3).

Risultati

Il più semplice protocollo di imaging 3D PREFUL include due sequenze. Un localizzatore anatomico + una misurazione della respirazione libera utilizzando l'acquisizione 3D di stelle ad angolo dorato. La traiettoria della pila di stelle è mostrata in Figura 1. Questa traiettoria combina il campionamento radiale (nel piano) con il campionamento cartesiano lineare (in direzione z). Inizialmente, vengono acquisiti campioni nella direzione di partizione k_z, seguiti dalla rotazione dell'angolo aureo per campionare il piano k_{x-k y}. Lo schema di acquisizione dell'angolo aureo promuove l'auto-gating con una copertura uniforme dello spazio k, facilitando la ricostruzione dell'immagine con dati fortemente sottocampionati. L'intero esame non supera i 10 minuti. Ulteriori dettagli sull'acquisizione di 3D PREFUL sono riportati nella Tabella dei Materiali.

Figura 1: Traiettoria ruotata della pila di stelle del rapporto aureo. Si noti il campionamento radiale applicato lungo la dimensione nel piano (kx-ky) e il campionamento cartesiano applicato lungo la direzione della fetta (kz). Questo schema si traduce in una copertura cilindrica dello spazio k acquisito. In questo esempio vengono illustrate tre partizioni, incluse 32 proiezioni radiali per partizione. Clicca qui per visualizzare una versione più grande di questa figura.

Nella Tabella 1B viene presentato un elenco di parametri MRI tipici utilizzati per l'imaging 3D PREFUL su scanner 1.5 T. Per lo scanner 3T, vengono proposti i parametri di sequenza elencati nella Tabella 2.

Dopo che l'acquisizione e il trasferimento dei dati sono stati completati, inizia la parte di ricostruzione dell'immagine. Questo passaggio viene eseguito da un codice MATLAB che appartiene alla proprietà intellettuale (IP) di un'azienda (BioVisioneers GmbH) e non può essere condiviso apertamente. Lo script è completamente automatizzato una volta fornito il percorso dei dati grezzi. Una panoramica schematica della procedura di ricostruzione è illustrata in Figura 2.

Figura 2: Panoramica schematica del metodo di risonanza magnetica PREFUL (3D Phase Resolved Functional Lmon). In un primo momento, i dati vengono acquisiti utilizzando un'acquisizione RM a respirazione libera della durata di 8 minuti con una traiettoria a pila di stelle. Dopo che i dati sono stati trasferiti dallo scanner RM a un'unità di calcolo, vengono ricostruite immagini 3D a bassa risoluzione con una risoluzione temporale di circa 100 ms. Il parenchima polmonare di ciascuna immagine viene segmentato e viene calcolato il volume polmonare. Le informazioni sul volume polmonare vengono ulteriormente utilizzate come segnale di gating. In base all'ampiezza e alla fase del segnale di gating, le proiezioni radiali vengono ordinate in contenitori respiratori che coprono un ciclo respiratorio. Alla parte di binning segue la ricostruzione dinamica delle immagini a piena risoluzione, che vengono successivamente registrate a livello di fine inspirazione. Dopo diverse fasi di post-elaborazione, viene calcolato il ciclo di ventilazione regionale (RVent) e viene eseguita la parte di analisi dell'immagine, inclusa l'estrazione dei parametri. Il ciclo RVent viene valutato calcolando il ciclo flusso-volume (FVL) per ciascun voxel. Le mappe di ventilazione FVL-CM vengono estratte attraverso una valutazione di ciascun FVL voxel rispetto al FVL di riferimento sano, con la valutazione della somiglianza utilizzando la metrica di correlazione incrociata. Sia per RVent che per FVL-CM, sono stati quantificati i valori globali della percentuale di difetto di ventilazione totale (VDP). Inoltre, la dinamica del ciclo RVent viene analizzata attraverso l'analisi time-to-peak, ottenendo una mappa dei parametri del tempo di ventilazione (VTTP). Inoltre, la deviazione del picco di ventilazione previsto al 50% del ciclo RVent è quantificata nella mappa VTTP_Dev. Clicca qui per visualizzare una versione più grande di questa figura.

Dopo la procedura di ricostruzione dell'immagine, tutte le immagini vengono allineate spazialmente a un singolo stato fisso. La registrazione stessa viene eseguita sulla CPU utilizzando gli strumenti di normalizzazione avanzati (ANTs²⁷) o il pacchetto di registrazione Forsberg²⁸. Mentre il pacchetto ANTs rimane un gold standard per le attività di registrazione delle immagini nell'imaging MRI e CT, la registrazione Forsberg facilita una procedura di registrazione 10 volte più veloce fino a 9 minuti con risultati comparabili¹⁹. Il pacchetto di registrazione può essere scelto in base alle priorità dell'utente e alle unità di calcolo disponibili. Al termine della registrazione, le immagini morfologiche registrate vengono nuovamente invertite in modo che il polmone appaia scuro nell'immagine in scala di grigi.

In Figura 3, viene illustrato il passaggio successivo della pipeline, che coinvolge la segmentazione del parenchima polmonare. In primo luogo, il parenchima polmonare viene segmentato dall'immagine inspiratoria finale utilizzando una rete neuronale convoluzionale con nnUnet architecture²⁹. La segmentazione del parenchima polmonare è seguita da un riconoscimento del vaso³⁰, che è escluso dalla maschera di segmentazione finale.

Figura 3: Risultati esemplari della segmentazione basata sul deep learning per un soggetto di sesso maschile di 32 anni. La riga superiore mostra le immagini morfologiche di otto fette coronali rappresentative. Nella seconda e terza fila si possono osservare la corrispondente maschera per parenchima polmonare e la maschera finale con l'esclusione dei vasi, rispettivamente. Clicca qui per visualizzare una versione più grande di questa figura.

Un esempio di segmentazione errata del parenchima polmonare è rappresentato in Figura 4. È essenziale ispezionare visivamente le segmentazioni basate sul deep learning e, se ritenute insoddisfacenti, dovrebbero essere prese in considerazione correzioni manuali per migliorare l'accuratezza della maschera finale per il parenchima polmonare.

Figura 4: Risultati esemplari di una segmentazione errata basata sul deep learning per un soggetto di sesso maschile di 57 anni. La riga superiore mostra le immagini morfologiche di otto fette coronali rappresentative. Nella seconda e terza fila si possono osservare la corrispondente maschera per parenchima polmonare e la maschera finale con l'esclusione dei vasi, rispettivamente. Come evidente, diverse regioni fibrotiche sono erroneamente riconosciute come vasi o strutture non polmonari. Queste imprecisioni sono state corrette manualmente, come dimostrato nella quarta riga. Clicca qui per visualizzare una versione più grande di questa figura.

Dopo diverse fasi di filtraggio descritte nel protocollo, vengono calculated. 3D i surrogati di ventilazione PREFUL MRI genera mappe quantitative per la ventilazione regionale statica (RVent), metriche di correlazione flusso-volume dinamico (FVL-CM) e due parametri basati sull'analisi del tempo di ventilazione al picco (VTTP), come illustrato in Figura 5. Questa figura presenta otto fette coronali di un maschio sano di 32 anni. Notare la distribuzione omogenea prevista di tutti i parametri di ventilazione.

Figura 5: RM 3D PREFUL di un volontario sano (maschio di 32 anni). Mappe morfologiche rappresentative (fila superiore) e parametri di ventilazione MRI 3D PREFUL (dalla seconda alla quinta fila) per un volontario sano (maschio di 32 anni). La ventilazione regionale statica è rappresentata dalla ventilazione regionale (RVent), mentre la dinamica della ventilazione viene valutata utilizzando la metrica di correlazione del ciclo flusso-volume (FVL-CM), il tempo di ventilazione al picco (VTTP) e la deviazione del VTTP (VTTP_Dev) rappresentano i parametri di ventilazione che valutano la dinamica della ventilazione. Come previsto, si osservano valori omogenei di ventilazione per tutte le mappe dei parametri di ventilazione. Clicca qui per visualizzare una versione più grande di questa figura.

Per semplificare le mappe di ventilazione, vengono derivate mappe dei difetti di ventilazione (VD) per RVent e FVL-CM, che consentono un'interpretazione più rapida dei risultati. Le mappe VD esemplificative sono presentate in Figura 6. Sia per VD_RVent che per VD_FVL-CM, i valori di VDP sono risultati rispettivamente del 3,6% e del 3,0%, rientrando nell'intervallo di normalità sano. Idealmente, e a seconda dell'età dei volontari sani, il valore VDP non dovrebbe superare il 10%. I parametri sopra menzionati (RVent, FVL-CM e le loro mappe VD) sono stati convalidati in diversi studi^11,12,35,36 e sono sensibili nel rilevamento della malattia così come nel rilevamento degli effetti indotti dalla terapia^{20,34,37,38,39}.

Figura 6: Mappe rappresentative RVent e FVL-CM, comprese le loro mappe dei difetti di ventilazione. Sono raffigurate le mappe RVent (riga superiore) e FVL-CM (seconda fila), comprese le mappe dei difetti di ventilazione (terza e quarta fila) derivate dalla risonanza magnetica 3D PREFUL per un volontario sano (maschio di 32 anni). Nelle mappe VD, le regioni sane sono verdi e le aree con deficit di ventilazione sono contrassegnate in rosso. Clicca qui per visualizzare una versione più grande di questa figura.

Sono stati riportati diversi studi di risonanza magnetica polmonare con intensità di campo magnetico di 1,5 T e 3 T. Sebbene vi sia il vantaggio teorico del 3T dovuto all'aumento del rapporto segnale/rumore (SNR), questo vantaggio può essere superato da effetti di suscettibilità magnetica più pronunciati al 3T. L'esatta influenza dell'intensità del campo magnetico sulla qualità dell'immagine delle mappe di ventilazione 3D PREFUL è attualmente sconosciuta. Qui, presentiamo i risultati di fattibilità (Figura 7) ottenuti per un volontario sano (maschio di 35 anni) utilizzando uno scanner RM 3 T. Si noti l'aspetto più eterogeneo dei parametri di ventilazione a 3 T rispetto a 1,5 T (Figura 5).

Figura 7: RM 3D PREFUL di un volontario sano (maschio di 35 anni). Mappe morfologiche rappresentative (fila superiore) e parametri di ventilazione MRI 3D PREFUL (dalla seconda alla quinta fila) per un volontario sano (maschio di 35 anni) a 3T. La ventilazione regionale statica è rappresentata dalla ventilazione regionale (RVent), mentre la dinamica della ventilazione viene valutata utilizzando la metrica di correlazione del ciclo flusso-volume (FVL-CM), il tempo di ventilazione al picco (VTTP) e la deviazione del VTTP (VTTP_Dev) rappresentano i parametri di ventilazione che valutano la dinamica della ventilazione. Clicca qui per visualizzare una versione più grande di questa figura.

Il confronto/convalida di 3D PREFUL derivato con misurazioni più dirette non è attualmente pubblicato. Ci sono diversi studi che riportano una correlazione positiva tra i valori VDP e la sovrapposizione spaziale dei difetti di ventilazione tra la tecnica 2D PREFUL e ¹²⁹Xe^11,12,14 e ¹⁹F MRI³⁵. Un recente confronto tra la ventilazione 3D derivata da PREFUL e le misurazioni della ventilazione diretta utilizzando la risonanza magnetica ^{a 19}F in pazienti con broncopneumopatia cronica ostruttiva (BPCO), asma e volontari sani ha rivelato una correlazione da moderata a forte a livello globale⁴⁰. Viene presentato un esempio di confronto (Figura 8) per un paziente con diagnosi di malattia polmonare cronica ostruttiva (donna di 54 anni, FEV₁ = 42% del valore previsto), che è stato esaminato utilizzando 3D PREFUL e ¹⁹F wash-in MRI.

Figura 8: Risonanza magnetica preFUL 3D di una paziente con BPCO di 54 anni. Vengono presentate le immagini morfologiche (riga superiore), i parametri di ventilazione e le rispettive mappe dei difetti di ventilazione di una paziente con BPCO di 54 anni (FEV₁ = 42% pred., FVC = 102% pred.) ottenute tramite risonanza magnetica 3D preful (2a e 3a fila) e ¹⁹F MRI (4a e 5a fila), insieme a un confronto delle mappe dei difetti di ventilazione di entrambi i metodi (ultima riga). Complessivamente, in tutte le fette, il coefficiente di Sørensen-Dice era del 25,5% nelle aree difettose e dell'80,6% nelle regioni sane, con una sovrapposizione spaziale totale del 69,2%. In particolare, esiste una correlazione visiva tra le aree di ventilazione abbinate nelle regioni sane e difettose (raffigurate in verde scuro). Clicca qui per visualizzare una versione più grande di questa figura.

La risonanza magnetica 3D PREFUL può essere utilizzata per misurare le risposte regionali alla terapia²⁰. Ad esempio, La Figura 9 mostra un confronto di tre fette dal polmone di un soggetto con fibrosi cistica (femmina di 43 anni) al basale (a sinistra, FEV₁ = 94% del valore previsto) e dopo la terapia con modulatore CFTR (a destra, FEV₁ = 112% del valore previsto). Poiché entrambe le misurazioni sono spazialmente corrispondenti, 3D PREFUL consente l'analisi della risposta al trattamento regionale, come illustrato in fondo a Figura 9. Si prega di notare l'aumento dei valori della metrica di correlazione flusso-volume-loop e la riduzione dei difetti di ventilazione dopo la terapia.

Figura 9: Misurazioni 3D PREFUL di una donna di 43 anni affetta da fibrosi cistica (FC). Mappe esemplificative dei marcatori di ventilazione delle misurazioni 3D PREFUL al basale (a sinistra) e post-trattamento (a destra) di una paziente con FC di 43 anni. La VDP_FVL-CM è diminuita dal 18,0% (basale) al 3,6% (post-trattamento). FEV₁ % pred. basale: 94%, FEV₁ % pred. post-trattamento: 112%. LCI basale: 10,48, LCI post-trattamento: 9,39. Le mappe di risposta al trattamento corrispondenti sono illustrate in basso. Si prega di notare le aree verdi che indicano la ventilazione risolta dopo la terapia. Clicca qui per visualizzare una versione più grande di questa figura.

Tabella 1: Elenco dei parametri MRI tipici utilizzati per il localizzatore e l'acquisizione 3D PREFUL su uno scanner 1.5T. (A) Localizzatore e (B) Acquisizione 3D PREFUL. Clicca qui per scaricare questa tabella.

Tabella 2: Parametri MRI proposti per l'acquisizione 3D PREFUL su uno scanner 3T. Clicca qui per scaricare questa tabella.

Tabella 3: Rapporto statistico esemplare dei parametri 3D PREFUL per un volontario sano (maschio di 35 anni) Si prega di fare clic qui per scaricare questa tabella.

Discussione

Una delle insidie più critiche è l'acquisizione stessa. È necessario prestare attenzione per garantire che i parametri della sequenza RM siano impostati correttamente. È importante sottolineare che il tempo di eco, il tempo di ripetizione, il numero di sezioni, la dimensione della matrice e la larghezza di banda dei pixel sono i parametri cruciali. Deviazioni dalle impostazioni consigliate possono comportare una risoluzione temporale insufficiente o acquisizioni prolungate. Inoltre, il trasferimento dei dati è importante per garantire che i dati vengano consegnati completamente al computer o al server selezionato per la valutazione. La valutazione dei dati procede in modo completamente automatico una volta impostato il percorso dei dati acquisiti. La post-elaborazione inizia con la ricostruzione dell'immagine, in cui il binning retrospettivo gioca un ruolo cruciale. Si consiglia di verificare il segnale di binning per garantire una rappresentazione chiara del modello di respirazione. Dopo aver ispezionato il segnale di binning, non sono necessari ulteriori passaggi, poiché l'algoritmo stesso gestisce i modelli di respirazione scadenti escludendo i valori anomali (punti dati superiori al 95^° percentile e inferiori al 10^° percentile). Dopo la ricostruzione dell'immagine, si verifica il processo di registrazione dell'immagine. Questo passaggio deve essere verificato come segue: le immagini registrate devono essere prive di respirazione e movimento cardiaco. In particolare, le posizioni del diaframma e del cuore dovrebbero essere "congelate". Il passo successivo prevede la segmentazione basata sul deep learning del parenchima polmonare e dei vasi. Questo processo di segmentazione richiede molto tempo per l'intero volume polmonare 3D; quindi, l'uso di strumenti basati sull'intelligenza artificiale è vantaggioso. Tuttavia, in determinate situazioni, ad esempio il verificarsi di consolidamenti periferici, questi algoritmi potrebbero non produrre risultati accurati. Di conseguenza, la maschera di segmentazione deve essere accuratamente controllata e corretta manualmente se necessario. Tutti questi passaggi sono fondamentali per valutare i parametri di ventilazione e possono comportare calcoli imprecisi.

Dalla pubblicazione originale¹⁷, sono stati apportati diversi sviluppi alla tecnica 3D PREFUL. L'algoritmo di smistamento delle proiezioni radiali acquisite è stato completamente automatizzato e migliorato in modo che l'intero polmone venga segmentato utilizzando il metodo di soglia di Otsu e utilizzato come segnale di navigazione per il binning dei dati nelle fasi respiratorie. Inoltre, il parenchima polmonare manuale e la segmentazione dei vasi sono stati sostituiti da algoritmi completamente automatici basati sull'apprendimento profondo per ridurre le procedure dispendiose in termini di tempo. Inoltre, il tempo di elaborazione della parte di registrazione dell'immagine potrebbe essere ridotto fino a 10 minuti se viene implementato il toolbox di registrazione Forsberg¹⁹. Insieme agli sviluppi precedenti, il codice implementato consente di coregistrare immagini di due punti temporali (misurazioni di follow-up) e di valutare la progressione voxelwise della malattia o le variazioni della ventilazione indotte dalla terapia²⁰. L'attuale versione dello script Matlab non richiede alcuna interazione da parte dell'utente e potrebbe essere implementata in futuro in una pipeline per l'elaborazione automatizzata dei dati con flag specifici.

Lo svantaggio principale di 3D PREFUL è che non è possibile misurare il flusso sanguigno locale, poiché l'effetto dell'afflusso non può essere catturato quando si utilizza un impulso RF rigido non selettivo per l'eccitazione. In secondo luogo, attualmente, l'intera post-elaborazione (compreso il trasferimento dei dati, la ricostruzione dell'immagine, la registrazione dell'immagine e l'analisi della ventilazione) richiede 2 ore per ogni soggetto. In terzo luogo, attualmente, è stato dimostrato solo un confronto preliminare dei parametri di ventilazione derivati da 3D PREFUL con tecniche più convalidate⁴⁰. In quarto luogo, la valutazione dei dati acquisiti viene eseguita su un computer ad alte prestazioni; Pertanto, i risultati non sono direttamente disponibili per il medico alla console. In quinto luogo, mancano studi di fattibilità di 3D PREFUL su diverse intensità di campo e vari fornitori di scanner.

La risonanza magnetica polmonare funzionale risolta in fase 3D (PREFUL) consente la mappatura quantitativa delle dinamiche di ventilazione regionale dell'intero polmone umano durante la respirazione libera¹⁷. Esistono diverse alternative convenienti a 3D PREFUL, come la spirometria o le tecniche di lavaggio multiplo del respiro; Tuttavia, entrambi mancano di informazioni spaziali e richiedono manovre respiratorie, e quindi non sono fattibili per i bambini piccoli o i neonati. I metodi di imaging alternativi espongono i pazienti a radiazioni ionizzanti, come i metodi di medicina nucleare TC, o non sono ampiamente disponibili (imaging di gas ^{iperpolarizzato 129}Xe o ¹⁹F mediante risonanza magnetica). 3D PREFUL fornisce una valutazione della dinamica della ventilazione, può essere eseguito utilizzando uno scanner clinico standard e non richiede agenti di contrasto, il che lo rende interessante da tradurre in un contesto di ricerca clinica. Il fatto che 3D PREFUL non richieda l'uso di radiazioni o agenti di contrasto e offra un'acquisizione a misura di paziente e respirazione libera lo rende adatto per studi ripetuti o longitudinali che valutano quantitativamente le risposte regionali alla terapia. In secondo luogo, la valutazione 3D PREFUL della ventilazione polmonare può essere particolarmente preziosa nei bambini piccoli, dove l'esposizione alle radiazioni dovrebbe essere evitata.

La capacità di 3D PREFUL di generare immagini di ventilazione funzionale del polmone umano ha il potenziale per una diagnosi precoce. In particolare, la capacità di produrre mappe di ventilazione regionale ripetibili e quantitative consente studi longitudinali, ad esempio la progressione della malattia o il monitoraggio degli effetti della terapia. Inoltre, le informazioni regionali sulla dinamica della ventilazione possono fornire una maggiore sensibilità ai cambiamenti precoci correlati alla malattia polmonare che non sono rilevabili dai test di funzionalità polmonare.

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
ANTs	Comunità di ricerca open source per l'analisi delle immagini mediche	Cassetta degli attrezzi per la registrazione delle immagini
		https://www.siemens-healthineers.com/en-us/magnetic-resonance-imaging/options-and-upgrades/coils	Bobina del corpo ad almeno 6 canali; Philips [https://www.usa.philips.com/healthcare/solutions/magnetic-resonance/coils-overview ]
Forsberg	Image registration toolbox	https://github.com/fordanic/image-registration	Image registration toolbox
Codice di ricostruzione dell'immagine	BioVisioneers GmbH	www.biovisioneers.com	Software per la ricostruzione e l'analisi della risonanza magnetica
Matlab	Mathworks		Software
di risonanza magnetica	Siemens / Philips / GE	https://www.siemens-healthineers.com/magnetic-resonance-imaging	Philips [https://www.philips.co.in/healthcare/solutions/magnetic-resonance], GE [https://www.gehealthcare.com/products/magnetic-resonance-imaging]; Sequenza 1,5 T / 3 T
Sequenza	Siemens / Philips / GE		MRI, sequenza di eco a gradiente 3D con traiettoria a pila di stelle e incremento dell'angolo aureo; 1. Sequenza Siemens Grasp-Vibe - https://t.ly/P31kM , 2. Philips Multi Vane XD Sequence https://t.ly/wMWZZ , 3. GE Lava-Star, Disco-Star - https://t.ly/vimm2