Articolo metodologico

Risonanza magnetica polmonare funzionale tridimensionale risolta in fase

2.1K visualizzazioni

⸱

DOI:

10.3791/66385

⸱

21 giugno 2024

 ,  ,  , 
1Institute of Diagnostic and Interventional Radiology, Hannover Medical School, 2Biomedical Research in Endstage and Obstructive Lung Disease Hannover (BREATH), Member of the German Centre for Lung Research (DZL)

In questo articolo

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 129Xe, 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, convalidata10,11,12 e testata in diversi studi, inclusi studi multicentrici13,14. 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 perfusione15,16,17. 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

Lo studio ha ricevuto l'approvazione del comitato etico della Hannover Medical School, garantendo il rispetto di rigorosi standard etici durante tutto il processo di ricerca. L'indagine ha seguito scrupolosamente le linee guida indicate nella Dichiarazione di Helsinki, sottolineando il corretto comportamento etico nella ricerca medica. Inoltre, il consenso informato è stato accuratamente ottenuto da tutti i partecipanti allo studio (o dai loro genitori o tutori legali) prima della loro partecipazione all'esame mediante risonanza magnetica (MRI).

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

1. Intervista pre-RMN

  1. Fare raccolta da parte di un medico di informazioni importanti riguardo alla storia medica del soggetto.
  2. Spiegare le possibili controindicazioni, i rischi e la procedura di risonanza magnetica.
  3. Richiedere il consenso informato scritto da parte del soggetto.
    NOTA: Se non sono disponibili risultati di test della funzionalità polmonare, richiedere al soggetto di sottoporsi a un test della funzionalità polmonare prima dell'esame di risonanza magnetica e verificare che i risultati ottenuti soddisfino i criteri di inclusione.

2. Preparazione del radiografo per l'esame di risonanza magnetica

  1. Registrare il soggetto nella consolle della risonanza magnetica e selezionare il protocollo RM dello studio con acquisizione 3D PREFUL.
  2. Verificare che il soggetto, le sue tasche e gli indumenti siano privi di oggetti contenenti metallo.
  3. Posizionare i fogli sul tavolo dello scanner in modo da garantire un ambiente sterile.
  4. Entrare nella stanza della risonanza magnetica insieme al soggetto.

3. Preparazione del soggetto per l'esame di risonanza magnetica

  1. Fare distendere il soggetto sul tavolo della risonanza magnetica in posizione supina (tuttavia, è possibile anche una posizione prona).
  2. Assicurarsi che la bobina toracica copra adeguatamente il torace, posizionando l'elemento superiore della bobina vicino al mento del soggetto.
  3. Fornire al soggetto delle cuffie (alternativamente tappi per le orecchie o entrambi) per proteggere l'udito dal rumore elevato prodotto dalla risonanza magnetica.
  4. Fornire al soggetto un pulsante di sicurezza (o un meccanismo di sicurezza alternativo) in modo che possa essere facilmente raggiunto e premuto.
  5. Posizionare un cuscino sotto la testa e le gambe del soggetto per aumentare il comfort durante l'esame di risonanza magnetica.
  6. Introdurre il soggetto nello scanner di risonanza magnetica, utilizzando la navigazione con luce laser per assicurarsi che l'area da immagini sia posizionata al centro isocentrico del tunnel.

4. Esame di risonanza magnetica

  1. Sequenza localizzatrice
    1. Eseguire una sequenza localizzatrice (con parametri simili a quelli indicati nella Tabella 1A) per ottenere immagini anatomiche a bassa risoluzione in tre piani (con campo visivo ampio) che verranno utilizzate per pianificare l'esame 3D PREFUL.
  2. Acquisizione dell'immagine 3D PREFUL
    1. Impostare i parametri di acquisizione secondo quanto riportato nella Tabella 1B per l'acquisizione delle immagini.
    2. Impostare il numero di proiezioni radiali in modo appropriato affinché l'acquisizione duri circa 8 min.
    3. Chiedere al soggetto di respirare normalmente (respirazione libera) per tutta la durata dell'acquisizione.
    4. Verificare che l'intero torace sia incluso nel campo visivo e avviare l'acquisizione.
  3. Al termine dell'acquisizione, rimuovere il soggetto dallo scanner.

5. Trasferimento dei dati grezzi

  1. Normalmente, i dati grezzi acquisiti non vengono salvati sulla piattaforma del produttore della RM. Salvare i dati kspace 3D PREFUL grezzi utilizzando i passaggi specifici del produttore sulla consolle della RM.

6. Analisi dei dati e post-elaborazione

  1. Iniziare a valutare i dati acquisiti utilizzando lo script di ricostruzione delle immagini (Tabella dei materiali) sulla workstation designata, ad esempio in MATLAB, impostando il percorso verso i dati grezzi.
    NOTA: La postazione di lavoro designata dovrebbe avere già installati i seguenti pacchetti:
    (a) Il Berkeley Advanced Reconstruction Toolbox (BART)
    ​(b) Strumenti avanzati di normalizzazione (ANTs)
  2. Ricostruzione dell'immagine
    1. Stimare i ritardi dei gradienti dipendenti dal sistema di risonanza magnetica utilizzando le proiezioni di calibrazione con il ritardo di induzione funzione implementata nella Berkeley advanced reconstruction toolbox (BART)21,22.
    2. Applicare uno spostamento a ciascuna proiezione in base al ritardo del gradiente calcolato.
    3. Applicare un filtro di Hanning (utilizzando il hann funzione in MATLAB) ai dati corretti per il ritardo del gradiente utilizzando una finestra periodica nel piano x-y e nella direzione z.
    4. Ricostruzione di immagini a bassa risoluzione per il raggruppamento respiratorio
      1. Selezionare un ottavo/ un quarto dei dati dello spazio-k centrati intorno all'indice centrale della dimensione di lettura/partizione.
        NOTA: A seconda delle dimensioni del soggetto, questo passaggio produce una matrice di dimensioni 32 x 32 x (12-20).
      2. Riformare le matrici dei dati nello spazio-k e delle traiettorie corrispondenti per includere una dimensione temporale aggiuntiva, in cui ciascun punto temporale comprende 14 proiezioni radiali.
        NOTA: Ogni punto temporale successivo include 13 proiezioni radiali del punto temporale precedente più una nuova proiezione radiale successiva.
      3. Utilizzare l'immagine parallela e la compressione sparsa (immagini) comando implementato in BART per la ricostruzione delle immagini.
        NOTA: Applicare la norma L2 (λ = 0,1) e variazione totaleλ = 0,0001) di regolarizzazione nel dominio spaziale e variazione totale (λ regolarizzazione nel dominio del tempo = 0,01
    5. Estrazione del segnale di sincronizzazione respiratoria
      1. Segmentare il parenchima polmonare in ciascuna immagine 3D ricostruita a bassa risoluzione utilizzando la sogliatura di Otsu23e calcolare il volume del parenchima polmonare per ciascun punto temporale.
      2. Applicare un filtro passa-basso con una frequenza di taglio di 0,7 Hz alla serie temporale del volume estratto e calcolare la frequenza respiratoria.
      3. Escludere gli outlier estremi dalla serie temporale (punti temporali al di sopra del 95th percentile e al di sotto del 10th percentile
        NOTA: Disponendo le serie temporali in base alla loro ampiezza e fase è possibile ricostruire un singolo ciclo respiratorio.
    6. Eseguire la trasformata di Fourier veloce (FFT, fft funzione in MATLAB) sui dati filtrati con finestra di Hanning lungo la direzione della fetta per consentire la ricostruzione dell'immagine fetta per fetta.
    7. Riformare la matrice dei dati nello spazio-k in base alla serie temporale estratta in modo che ogni bin respiratorio contenga un minimo di 100 raggi.
    8. Utilizzare il 20% delle proiezioni da bin adiacenti per migliorare il rapporto segnale-rumore24,25 di ciascun bin respiratorio.
    9. Riformare la matrice delle traiettorie nello spazio-k in modo da corrispondere alle dimensioni dei dati dello spazio-k.
    10. Eseguire il immagini comando per la ricostruzione dell'immagine per ogni sezione.
      NOTA: Applicare la norma L2 (λ = 0,1) e variazione totaleλ = 0,0001) di regolarizzazione nel dominio spaziale e variazione totale (λ regolarizzazione nel dominio del tempo = 0,01
    11. Salvare le variabili, inclusi i dati delle immagini ricostruite di un ciclo respiratorio completo, la frequenza respiratoria e i tempi di acquisizione, in un file .mat.
  3. Registrazione di immagini
    1. Invertire le intensità del segnale delle immagini ricostruite.
    2. Registrare le immagini a uno stato respiratorio selezionato, come l'inspirazione, utilizzando una registrazione non rigida.
      NOTA: Per migliorare l'accuratezza del registro, un approccio orientato al gruppo26 può essere utilizzato. Il processo di registrazione può essere eseguito sia sulla CPU che sulla GPU utilizzando strumenti come Advanced Normalization Tools (ANTs)27 o il pacchetto di registrazione Forsberg28.
  4. Segmentazione del parenchima polmonare
    1. Segmentare il parenchima polmonare dell'immagine 3D a fine inspirazione utilizzando una rete neurale convoluzionale con architettura, ad esempio, nnUnet29.
    2. Escludere i vasi polmonari utilizzando un algoritmo di riconoscimento dei vasi, come quello descritto da Wernz et al.30.
      NOTA: Il passaggio di riconoscimento dei vasi polmonari non è obbligatorio se non si dispone di un algoritmo del genere. In alcuni casi, potrebbe essere necessaria una resegmentazione manuale.
  5. Filtrazione
    1. Applicare la regressione kernel di Nadaraya-Watson (con σ = 0,3) alle immagini registrate e reinvertite per interpolare 16 fasi su una griglia temporale uniformemente spaziate.
    2. Eliminare 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. Ridurre il rumore delle immagini filtrate passa-basso utilizzando un filtraggio guidato dall'immagine31, utilizzando l'immagine registrata con media temporale come immagine guida. Impostare i seguenti parametri: Dimensione della finestra = [5, 5, 5], lambda = 0.001.
  6. Analisi della ventilazione
    1. Calcolare le mappe della ventilazione regionale (RVent) in millilitro/millilitro (mL/mL) per ogni fase respiratoria N utilizzando la seguente formula32:
      figure-protocol-1     [1]
      NOTA: SInsp rappresenta l'immagine di riferimento per la registrazione delle immagini, corrispondente al livello di fine inspirazione. SEsp si riferisce all'immagine di fine espirazione, mentre SN rappresenta lo stato respiratorio N-esimo.
    2. Calcolare il difetto di ventilazione (VDRVentmappa della RVent della mappa di 8th fase, che rappresenta la ventilazione massimale.
      ​NOTA: Per calcolare il VD, i voxel al di sotto della soglia del 90th valore percentile, moltiplicato per un fattore di 0,4, sono considerati difetti33.
    3. Calcola la mappa del parametro di correlazione del diagramma flusso-volume (FVL-CM).
      1. Calcolare il flusso come derivata prima di RVent.
        NOTA: Il volume viene misurato direttamente mediante RVent.
      2. Stabilire un valore di riferimento di FVL per ciascuna sezione, calcolato a partire da una regione sana definita da valori di RVent compresi tra 75th e 95th percentile
      3. Determinare la similarità tra l'FVL di ciascun voxel del parenchima polmonare e l'FVL di riferimento utilizzando la cross-correlazione a lag zero.
    4. Calcolare VDFVL-CM mappa, in cui i voxel con valori di FVL-CM inferiori a 0,9 sono identificati come voxel con difetto di ventilazione34.
    5. Calcolare le mappe del tempo per raggiungere il picco di ventilazione (VTTP) in percentuale (%) del ciclo respiratorio.
      NOTA: Teoricamente, il ciclo respiratorio interpolato inizia/termina al picco dell'espirazione ed è simmetrico rispetto al picco dell'inspirazione al 50% del ciclo di ventilazione per un voxel sano. Per i voxel soggetti a dinamiche di ventilazione anticipate/ritardate, la mappa VTTP mostrerà un valore inferiore/superiore al 50%.
    6. Calcolare la deviazione del valore di VTTP (VTTP)Dev) dal picco dell'inspirazione al 50% come segue:
      figure-protocol-2    [2]
      NOTA: Per una regione sana, il VTTPDev dovrebbe essere vicino allo 0%.
    7. Statistica
      1. Descrivere statisticamente i parametri RVent, FVL-CM, VTTP e VTTPDev per tutte le sezioni, fornendo i valori mediani, medi, la deviazione standard e gli intervalli interquartili.
      2. Calcolare i valori percentuali di difetto ventilatorio derivati dalle mappe di difetto ventilatorio generate.
      3. Esportare tutti i parametri calcolati in un file di foglio elettronico (fare riferimento all'esempio fornito in Tabella 3).

Risultati

Il protocollo di imaging 3D PREFUL più semplice comprende due sequenze. Un localizzatore anatomico + una misurazione in libera respirazione utilizzando l'acquisizione 3D a stack-of-stars con angolo aureo. La traiettoria stack-of-stars è mostrata in Figura 1. Questa traiettoria combina un campionamento radiale (nel piano) con un campionamento cartesiano lineare (nella direzione z). Inizialmente vengono acquisiti i campioni nella direzione della partizione kz, seguiti dalla rotazione dell'angolo aureo per campionare il piano kx-ky. Lo schema di acquisizione con angolo aureo favorisce l'auto-gating con una copertura uniforme dello spazio-k, facilitando la ricostruzione delle immagini anche con dati fortemente sottocampionati. L'esame completo non supera i 10 minuti. Ulteriori dettagli sull'acquisizione 3D PREFUL sono riportati nella Tabella dei Materiali.

figure-results-1
Figura 1: Traiettoria a pila di stelle ruotata secondo il 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 determina una copertura cilindrica dello spazio-k acquisito. In questo esempio, sono rappresentate tre partizioni, ciascuna comprendente 32 proiezioni radiali per partizione. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Una lista dei parametri tipici di risonanza magnetica utilizzati per l'immagine 3D PREFUL su scanner a 1,5 T è presentata nella Tabella 1B. Per lo scanner a 3 T, si propongono i parametri di sequenza elencati nella Tabella 2.

Al termine dell'acquisizione e del trasferimento dei dati, inizia la fase di ricostruzione delle immagini. Questo passaggio viene eseguito mediante un codice MATLAB di proprietà intellettuale (IP) di un'azienda (BioVisioneers GmbH) e non può essere condiviso pubblicamente. Lo script è completamente automatizzato una volta fornito il percorso verso i dati grezzi. Una panoramica schematica della procedura di ricostruzione è mostrata in Figura 2.

figure-results-2
Figura 2: Panoramica schematica del metodo di risonanza magnetica polmonare funzionale 3D in fase risolta (PREFUL). Inizialmente, i dati vengono acquisiti mediante un'acquisizione RM a libero respiro della durata di 8 minuti, utilizzando una traiettoria a stack-of-stars. Dopo il trasferimento dei dati dallo scanner RM a un'unità di calcolo, vengono ricostruite immagini 3D a bassa risoluzione con una risoluzione temporale di circa 100 ms. Viene segmentato il parenchima polmonare di ciascuna immagine e calcolato il volume polmonare. L'informazione sul volume polmonare viene successivamente utilizzata come segnale di gating. Sulla base dell'ampiezza e della fase del segnale di gating, le proiezioni radiali vengono suddivise in bin respiratori che coprono un intero ciclo respiratorio. A questa suddivisione segue la ricostruzione dinamica di immagini a risoluzione completa, che vengono quindi registrate al livello di fine inspirazione. Dopo diversi passaggi di post-elaborazione, viene calcolato il ciclo di ventilazione regionale (RVent) e viene eseguita l'analisi delle immagini, inclusa l'estrazione dei parametri. Il ciclo RVent viene valutato calcolando il loop flusso-volume (FVL) per ciascun voxel. Le mappe di ventilazione FVL-CM vengono estratte analizzando ciascun FVL del voxel rispetto a un FVL di riferimento sano, con la similarità valutata mediante metrica di cross-correlazione. Per entrambi RVent e FVL-CM, vengono quantificati i valori globali percentuali totali di difetto di ventilazione (VDP). Inoltre, la dinamica del ciclo RVent viene analizzata mediante l'analisi del tempo per raggiungere il picco, ottenendo una mappa parametrica del tempo di picco della ventilazione (VTTP). In aggiunta, viene quantificata la deviazione rispetto al picco di ventilazione atteso al 50% del ciclo RVent, attraverso la mappa VTTPDev. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Dopo la procedura di ricostruzione dell'immagine, tutte le immagini vengono allineate spazialmente a uno stato fisso singolo. Il processo di registrazione viene eseguito sulla CPU utilizzando Advanced Normalization Tools (ANTs27) o il pacchetto di registrazione Forsberg28. Mentre il pacchetto ANTs rimane lo standard di riferimento per i compiti di registrazione delle immagini in risonanza magnetica e tomografia computerizzata, il pacchetto Forsberg consente una procedura di registrazione fino a 10 volte più veloce, con tempi ridotti fino a 9 minuti, ottenendo risultati comparabili19. La scelta del pacchetto di registrazione può dipendere dalle priorità dell'utente e dalle unità di calcolo disponibili. Al termine della registrazione, le immagini morfologiche registrate vengono nuovamente reinvertite in modo che il polmone appaia scuro nell'immagine in scala di grigi.

In Figura 3 è rappresentato il passaggio successivo del flusso di lavoro, che prevede la segmentazione del parenchima polmonare. In primo luogo, il parenchima polmonare viene segmentato dall'immagine di fine inspirazione utilizzando una rete neurale convoluzionale con architettura nnUnet29. Alla segmentazione del parenchima polmonare segue un riconoscimento dei vasi30, che viene escluso dalla maschera di segmentazione finale.

figure-results-3
Figura 3: Risultati esemplificativi della segmentazione basata sull'apprendimento profondo per un soggetto maschio di 32 anni. La riga superiore mostra immagini morfologiche di otto fette coronali rappresentative. Nella seconda e nella terza riga si possono osservare rispettivamente la maschera del parenchima polmonare corrispondente e la maschera finale con l'esclusione dei vasi. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Un esempio di segmentazione errata del parenchima polmonare è mostrato in Figura 4. È essenziale esaminare visivamente le segmentazioni basate sull'apprendimento profondo e, se ritenute insoddisfacenti, si dovrebbero considerare correzioni manuali per migliorare l'accuratezza della maschera finale del parenchima polmonare.

figure-results-4
Figura 4: Risultati esemplificativi di una segmentazione basata su apprendimento profondo errata per un soggetto maschio di 57 anni. La riga superiore mostra immagini morfologiche di otto sezioni coronali rappresentative. Nella seconda e nella terza riga, si possono osservare rispettivamente la maschera del parenchima polmonare corrispondente e la maschera finale con l'esclusione dei vasi. Come evidente, diverse aree fibrotiche vengono erroneamente riconosciute come vasi o strutture non polmonari. Queste imprecisioni sono state corrette manualmente, come mostrato nella quarta riga. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Dopo diversi passaggi di filtraggio descritti nel protocollo, vengono calcolati i parametri surrogati della ventilazione. La risonanza magnetica 3D PREFUL genera mappe quantitative per la ventilazione regionale statica (RVent), le metriche dinamiche di correlazione flusso-volume (FVL-CM) e due parametri basati sull'analisi del tempo di picco della ventilazione (VTTP), come illustrato in Figura 5. Questa figura mostra otto sezioni coronali di un maschio sano di 32 anni. Si noti la distribuzione omogenea attesa di tutti i parametri di ventilazione.

figure-results-5
Figura 5: Risonanza magnetica 3D PREFUL di un volontario sano (maschio di 32 anni). Mappe rappresentative dei parametri morfologici (prima riga) e della ventilazione mediante risonanza magnetica 3D PREFUL (dalla seconda alla quinta riga) 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 mediante l'indice di correlazione del loop flusso-volume (FVL-CM), il tempo per raggiungere il picco di ventilazione (VTTP) e la deviazione del VTTP (VTTPDev), parametri che valutano la dinamica della ventilazione. Come previsto, si osservano valori di ventilazione omogenei in tutte le mappe dei parametri di ventilazione. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Per semplificare le mappe di ventilazione, vengono derivate mappe di difetto ventilatorio (VD) per RVent e FVL-CM, che consentono un'interpretazione più rapida dei risultati. Le mappe VD esemplificative sono presentate in Figura 6. Per entrambe VDRVent e VDFVL-CM, i valori di VDP sono risultati rispettivamente pari a 3,6% e 3,0%, rientrando nell'intervallo normale sano. Idealmente, e in base all'età dei volontari sani, il valore di VDP non dovrebbe superare il 10%. I parametri sopra menzionati (RVent, FVL-CM e le relative mappe VD) sono stati validati in diversi studi11,12,35,36 e risultano sensibili nel rilevamento delle malattie nonché degli effetti indotti dalla terapia20,34,37,38,39.

figure-results-6
Figura 6: Mappe rappresentative di RVent e FVL-CM, incluse le relative mappe di difetto ventilatorio. Sono mostrate le mappe di RVent (prima riga) e FVL-CM (seconda riga), incluse le mappe di difetto ventilatorio (terza e quarta riga) ottenute mediante risonanza magnetica 3D PREFUL per un volontario sano (maschio di 32 anni). Nelle mappe di difetto ventilatorio (VD), le regioni sane sono in verde, mentre le aree con deficit ventilatorio sono evidenziate in rosso. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Diversi studi di risonanza magnetica polmonare sono stati riportati a intensità di campo magnetico di 1,5 T e 3 T. Sebbene esista un vantaggio teorico del 3 T dovuto al maggiore rapporto segnale-rumore (SNR), tale vantaggio potrebbe essere superato da effetti di suscettibilità magnetica più marcati a 3 T. L'influenza esatta delle diverse intensità di campo magnetico sulla qualità dell'immagine delle mappe di ventilazione 3D PREFUL è attualmente sconosciuta. Presentiamo qui i risultati di fattibilità (Figura 7) ottenuti in un volontario sano (maschio di 35 anni) utilizzando uno scanner RM a 3 T. Si noti l'aspetto più eterogeneo dei parametri di ventilazione a 3 T rispetto a 1,5 T (Figura 5).

figure-results-7
Figura 7: Risonanza magnetica 3D PREFUL di un volontario sano (maschio di 35 anni). Mappe rappresentative di parametri morfologici (prima riga) e di ventilazione ottenuti con risonanza magnetica 3D PREFUL (dalla seconda alla quinta riga) per un volontario sano (maschio di 35 anni) a 3T. La ventilazione regionale statica è rappresentata dalla ventilazione regionale (RVent), mentre la dinamica ventilatoria viene valutata mediante l'indice di correlazione del loop flusso-volume (FVL-CM), il tempo di raggiungimento del picco di ventilazione (VTTP) e la deviazione del VTTP (VTTPDev), parametri che valutano la dinamica della ventilazione. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Al momento non sono stati pubblicati studi di confronto o validazione delle misurazioni tridimensionali di PREFUL con metodi più diretti. Diversi studi riportano una correlazione positiva tra i valori di VDP e la sovrapposizione spaziale dei difetti di ventilazione ottenuti con la tecnica bidimensionale di PREFUL e con la risonanza magnetica con 129Xe11,12,14 e con la risonanza magnetica con 19F35. Un recente confronto tra la ventilazione derivata da PREFUL tridimensionale e misurazioni dirette della ventilazione mediante risonanza magnetica con 19F, effettuato su pazienti affetti da malattia polmonare ostruttiva cronica (BPCO), asma e su volontari sani, ha evidenziato una correlazione da moderata a forte a livello globale40. Viene presentato un esempio di confronto (Figura 8) relativo a un paziente diagnosticato con malattia polmonare ostruttiva cronica (donna di 54 anni, FEV1 = 42% del valore predetto), sottoposto a esame mediante PREFUL tridimensionale e risonanza magnetica con wash-in di 19F.

figure-results-8
Figura 8: Risonanza magnetica 3D PREFUL di una paziente donna di 54 anni affetta da BPCO. Vengono presentate immagini morfologiche (prima riga), parametri di ventilazione e rispettive mappe dei difetti di ventilazione di una paziente donna di 54 anni affetta da BPCO (FEV1 = 42 % pred., FVC = 102% pred.) ottenute mediante risonanza magnetica 3D PREFUL (seconda e terza riga) e risonanza magnetica con 19F (quarta e quinta riga), insieme a un confronto tra le mappe dei difetti di ventilazione ottenute con i due metodi (ultima riga). Nel complesso, considerando tutte le sezioni, il coefficiente di Sørensen-Dice è stato del 25,5% nelle aree difettose e dell'80,6% nelle regioni sane, con un sovrapposizione spaziale totale del 69,2%. È degno di nota il riscontro visivo di una correlazione tra le aree di ventilazione sovrapposte nelle regioni sane e quelle difettose (rappresentate in verde scuro). Cliccare qui per visualizzare una versione ingrandita di questa figura.

La risonanza magnetica 3D PREFUL può essere utilizzata per misurare le risposte regionali alla terapia20. Ad esempio, Figura 9 mostra un confronto tra tre sezioni del polmone di un soggetto affetto da fibrosi cistica (donna di 43 anni) allo stato basale (a sinistra, FEV1 = 94% del valore predetto) e dopo la terapia con modulatori del CFTR (a destra, FEV1 = 112% del valore predetto). Poiché entrambe le misurazioni sono spazialmente allineate, la tecnica 3D PREFUL consente un'analisi regionale della risposta al trattamento, come illustrato nella parte inferiore di Figura 9. Si noti l'aumento dei valori della metrica di correlazione del loop flusso-volume, nonché la riduzione dei difetti di ventilazione dopo la terapia.

figure-results-9
Figura 9: Misure 3D PREFUL di una paziente femmina di 43 anni affetta da fibrosi cistica (FC). Mappe rappresentative dei marcatori di ventilazione pre-trattamento (a sinistra) e post-trattamento (a destra) di una paziente femmina di 43 anni affetta da FC. Il VDPFVL-CM è diminuito dal 18,0% (pre-trattamento) al 3,6% (post-trattamento). FEV1 % pred. pre-trattamento: 94%, FEV1 % pred. post-trattamento: 112%. LCI pre-trattamento: 10,48, LCI post-trattamento: 9,39. Le corrispondenti mappe di risposta al trattamento sono mostrate in basso. Si notino le aree verdi che indicano la risoluzione della ventilazione dopo la terapia. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Tabella 1: Elenco dei parametri tipici di risonanza magnetica utilizzati per l'acquisizione del localizzatore e della sequenza 3D PREFUL su uno scanner a 1,5 T. (A) Localizzatore e (B) acquisizione 3D PREFUL. Cliccare qui per scaricare questa tabella.

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

Tabella 3: Esempio di rapporto statistico dei parametri 3D PREFUL per un volontario sano (maschio di 35 anni) Cliccare 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 129Xe 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.

Dichiarazioni

Filip Klimeš, Andreas Voskrebenzev e Jens Vogel-Claussen sono azionisti di BioVisioneers GmbH, una società interessata ai metodi di risonanza magnetica polmonare.

Ringraziamenti

Questo lavoro è stato finanziato dal Centro tedesco per la ricerca polmonare (DZL). Gli autori hanno beneficiato di una serie di discussioni utili con i colleghi, in particolare con Marcel Gutberlet, Agilo Kern, Lea Behrendt, Arnd Obert, Julian Glandorf, Till Kaireit, Tawfik Moher Alsady, Gesa Pöhler, Maximilian Zubke, Robin Müller, Marius Wernz, Cristian Crisosto, Milan Speth, Julienne Scheller e Sonja Lüdiger. Gli autori ringraziano Robert Grimm (Siemens Healthineers) per aver scritto la sequenza di imaging RM e, inoltre, gli autori desiderano ringraziare Frank Schröder e Sven Thiele del Dipartimento di Radiologia (Hannover Medical School) per l'eccezionale assistenza tecnica nell'esecuzione degli esami MRI.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
ANTsComunità di ricerca open source per l'analisi delle immagini medicheCassetta degli attrezzi per la registrazione delle immagini
https://www.siemens-healthineers.com/en-us/magnetic-resonance-imaging/options-and-upgrades/coilsBobina del corpo ad almeno 6 canali; Philips [https://www.usa.philips.com/healthcare/solutions/magnetic-resonance/coils-overview ]
ForsbergImage registration toolboxhttps://github.com/fordanic/image-registrationImage registration toolbox
Codice di ricostruzione dell'immagineBioVisioneers GmbHwww.biovisioneers.comSoftware per la ricostruzione e l'analisi della risonanza magnetica
MatlabMathworksSoftware
di risonanza magneticaSiemens / Philips / GE https://www.siemens-healthineers.com/magnetic-resonance-imagingPhilips [https://www.philips.co.in/healthcare/solutions/magnetic-resonance], GE [https://www.gehealthcare.com/products/magnetic-resonance-imaging]; Sequenza 1,5 T / 3 T
SequenzaSiemens / Philips / GEMRI, 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
BART Imaging open source https://www.opensourceimaging.org/project/berkeley-advanced-reconstruction-toolbox-bart/ Cassetta degli attrezzi per la ricostruzione delle immagini Bobina per il corpo Siemens / Philips / GE 

Riferimenti

  1. Chronic respiratory diseases. World Health Organization. , Available from: https://www.who.int/health-topics/chronic-respiratory-diseases#tab=tab_1 (2021).
  2. Musch, G., et al. Topographical distribution of pulmonary perfusion and ventilation, assessed by PET in supine and prone humans. J Appl Physiol. 93 (5), 1841-1851 (2002).
  3. Petersson, J., Sánchez-Crespo, A., Larsson, S. A., Mure, M. Physiological imaging of the lung: single-photon-emission computed tomography (SPECT). J Appl Physiol. 102 (1), 468-476 (2007).
  4. Mistry, N. N., et al. Evaluation of fractional regional ventilation using 4D-CT and effects of breathing maneuvers on ventilation. Int J Radiat Oncol Biol Phys. 87 (4), 825-831 (2013).
  5. Kirby, M., et al. Hyperpolarized 3 He and 129 Xe MR imaging in healthy volunteers and patients with chronic obstructive pulmonary disease. Radiology. 265 (2), 600-610 (2012).
  6. Kuethe, D. O., Caprihan, A., Fukushima, E., Waggoner, R. A. Imaging lungs using inert fluorinated gases. Magn Reson Med. 39 (1), 85-88 (1998).
  7. Ohno, Y., et al. Dynamic oxygen-enhanced MRI versus quantitative CT: Pulmonary functional loss assessment and clinical stage classification of smoking-related COPD. Am J Roentgenol. 190 (2), W93-W99 (2008).
  8. Bauman, G., et al. Non-contrast-enhanced perfusion and ventilation assessment of the human lung by means of fourier decomposition in proton MRI. Magn Reson Med. 62 (3), 656-664 (2009).
  9. Voskrebenzev, A., et al. Feasibility of quantitative regional ventilation and perfusion mapping with phase-resolved functional lung (PREFUL) MRI in healthy volunteers and COPD, CTEPH, and CF patients. Magn Reson Med. 79 (4), 2306-2314 (2018).
  10. Behrendt, L., et al. Validation of automated perfusion-weighted phase-resolved functional lung (PREFUL)-MRI in patients with pulmonary diseases. J Magn Reson Imaging. 52 (1), 103-114 (2020).
  11. Kaireit, T. F., et al. Flow volume loop and regional ventilation assessment using phase-resolved functional lung (PREFUL) MRI: Comparison with 129Xenon ventilation MRI and lung function testing. J Magn Reson Imaging. 53 (4), 1092-1105 (2021).
  12. Couch, M. J., et al. Comparison of functional free-breathing pulmonary 1H and hyperpolarized 129Xe magnetic resonance imaging in pediatric cystic fibrosis. Acad Radiol. 28 (8), e209-e218 (2020).
  13. Behrendt, L., et al. Validation of automated perfusion-weighted phase-resolved functional lung (PREFUL)-MRI in patients with pulmonary diseases. J Magn Reson Imaging. 52 (1), 103-114 (2019).
  14. Marshall, H., et al. 129Xe and free-breathing 1H ventilation MRI in patients with cystic fibrosis: A dual-center study. J Magn Reson Imaging. 57 (6), 1908-1921 (2022).
  15. Mendes Pereira, L., et al. UTE-SENCEFUL: first results for 3D high-resolution lung ventilation imaging. Magn Reson Med. 81 (4), 2464-2473 (2018).
  16. Boucneau, T., Fernandez, B., Larson, P., Darrasse, L., Maître, X. 3D magnetic resonance spirometry. Sci Rep. 10 (1), 16012(2020).
  17. 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).
  18. Klimeš, F., et al. Repeatability of dynamic 3D phase-resolved functional lung (PREFUL) ventilation MR Imaging in patients with chronic obstructive pulmonary disease and healthy volunteers. J Magn Reson Imaging. 54 (2), 618-629 (2021).
  19. Klimeš, F., Voskrebenzev, A., Gutberlet, M., Grimm, R., Wacker, F., Vogel-Claussen, J. Evaluation of image registration algorithms for 3D phase-resolved functional lung ventilation magnetic resonance imaging in healthy volunteers and chronic obstructive pulmonary disease patients. NMR Biomed. 36 (3), e4860(2022).
  20. Klimeš, F., et al. Effect of CFTR modulator therapy with elexacaftor/tezacaftor/ivacaftor on pulmonary ventilation derived by 3D phase-resolved functional lung MRI in cystic fibrosis patients. Eur Radiol. 34 (1), 80-89 (2024).
  21. Rosenzweig, S., Holme, H. C. M., Uecker, M. Simple auto-calibrated gradient delay estimation from few spokes using Radial Intersections (RING). Magn Reson Med. 81 (1), 1898-1906 (2019).
  22. Uecker, M., et al. Berkeley advanced reconstruction toolbox. Proc Intl Soc Mag Reson Med. 23 (1), 2486(2015).
  23. Otsu, N. A threshold selection method from gray-level histograms. IEEE Trans Syst Man Cybern. 9 (1), 62-66 (1979).
  24. Song, H. K., Dougherty, L. k-Space weighted image contrast (KWIC) for contrast manipulation in projection reconstruction MRI. Magn Reson Med. 44 (6), 825-832 (2000).
  25. Song, H. K., Dougherty, L. Dynamic MRI with projection reconstruction and KWIC processing for simultaneous high spatial and temporal resolution. Magn Reson Med. 52 (4), 815-824 (2004).
  26. Voskrebenzev, A., Gutberlet, M., Kaireit, T. F., Wacker, F., Vogel-Claussen, J. Low-pass imaging of dynamic acquisitions (LIDA) with a group-oriented registration (GOREG) for proton MR imaging of lung ventilation. Magn Reson Med. 78 (4), 1496-1505 (2017).
  27. Avants, B. B., Tustison, N. J., Song, G., Cook, P. A., Klein, A., Gee, J. C. A reproducible evaluation of ANTs similarity metric performance in brain image registration. Neuroimage. 54 (3), 2033-2044 (2011).
  28. Forsberg, D. fordanicimage-registration. , Available from: https://github.com/fordanic/image-registration (2014).
  29. Isensee, F., Jaeger, P. F., Kohl, S. A. A., Petersen, J., Maier-Hein, K. H. nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation. Nat Methods. 18 (2), 203-211 (2021).
  30. Wernz, M., et al. Influence of lung vessel segmentation on the reproducibility of PREFUL MRI. Proc IWPFI. 10 (1), 73(2022).
  31. He, K., Sun, J., Tang, X. Guided image filtering. IEEE Trans Pattern Anal Mach Intell. 35 (6), 1397-1409 (2013).
  32. Klimeš, F., et al. Free-breathing quantification of regional ventilation derived by phase-resolved functional lung (PREFUL) MRI. NMR Biomed. 32 (6), e4088(2019).
  33. Pöhler, G. H., et al. Repeatability of phase-resolved functional lung (PREFUL)-MRI ventilation and perfusion parameters in healthy subjects and COPD patients. J Magn Reson Imaging. 53 (3), 915-927 (2020).
  34. Moher Alsady, T., et al. MRI-derived regional flow-volume loop parameters detect early-stage chronic lung allograft dysfunction. J Magn Reson Imaging. 50 (6), 1873-1882 (2019).
  35. Kaireit, T. F., et al. Comparison of quantitative regional ventilation-weighted fourier decomposition MRI with dynamic fluorinated gas washout MRI and lung function testing in COPD patients. J Magn Reson Imaging. 47 (6), 1534-1541 (2018).
  36. Munidasa, S., et al. Inter- and intravisit repeatability of free-breathing MRI in pediatric cystic fibrosis lung disease. Magn Reson Med. 89 (5), 2048-2061 (2023).
  37. Lévy, S., et al. Free-breathing low-field MRI of the lungs detects functional alterations associated with persistent symptoms after COVID-19 infection. Invest Radiol. 57 (1), 742-751 (2022).
  38. Voskrebenzev, A., et al. Detection of chronic lung allograft dysfunction using ventilation-weighted Fourier decomposition MRI. Am J Transplant. 18 (8), 2050-2060 (2018).
  39. Voskrebenzev, A., et al. PREFUL MRI depicts dual bronchodilator changes in COPD: A Retrospective analysis of a randomized controlled trial. Radiol Cardiothorac Imaging. 4 (2), e210147(2022).
  40. Klimeš, F., et al. Comparison of free-breathing 3D phase-resolved functional lung (PREFUL) MRI with dynamic 19F ventilation MRI in patients with obstructive lung disease and healthy volunteers. J Magn Reson Imaging. , (2024).

Ristampe e permessi

Tag

MRI polmonare funzionaleMRI a risoluzione di fasePREFUL tridimensionaleventilazione regionalemappe dei difetti di ventilazionecompressed sensingricostruzione tramite deep learningsegmentazione del parenchima polmonaredinamica della ventilazionetest di funzionalit polmonare
Risonanza magnetica polmonare funzionale tridimensionale risolta in fase
Contattaci
Raccomanda alla biblioteca

Privacy

Termini di utilizzo

Politiche

Copyright © 2026 MyJoVE Corporation. Tutti i diritti riservati.