Risonanza magnetica polmonare funzionale tridimensionale risolta in fase

La risonanza magnetica 3D PREFUL consente la visualizzazione della ventilazione polmonare. Qual è stata la nostra motivazione iniziale per sviluppare la risonanza magnetica preful? Era il desiderio di catturare l'intero volume polmonare con una risoluzione dell'immagine isotropa più elevata rispetto alla convenzionale risonanza magnetica 2D PREFUL.

La risonanza magnetica 3D PREFUL consente la ventilazione dinamica, il rilevamento della rappresentazione della malattia polmonare, il monitoraggio del trattamento e, si spera, la prognosi futura dei pazienti con malattia polmonare. Nei bambini la PREFUL MRI è particolarmente utile perché è molto facile da usare per il paziente senza radiazioni. Il vantaggio più significativo della risonanza magnetica 3D PREFUL è l'utilizzo di una sequenza di prodotti, disponibile su scanner RM all'avanguardia, facilitandone così l'adozione diffusa in altri centri.

Inoltre, rispetto ad altre tecniche di risonanza magnetica 3D non potenziata a respirazione libera, la risonanza magnetica 3D PREFUL è stata recentemente convalidata per la misurazione diretta della ventilazione utilizzando l'imaging di 19 FCA e l'imaging dei gas iperizzato, dimostrando una forte corrispondenza tra questi metodi. Abbiamo dimostrato che la risonanza magnetica 3D PREFUL è stata in grado di mostrare eterogeneità e difetti di ventilazione in pazienti con asma e CBD. Inoltre, siamo stati in grado di mostrare gli effetti della risposta al trattamento nei pazienti con fibrosi cistica dopo la terapia.

Quindi pensiamo che in futuro, la risonanza magnetica 3D PREFUL sia uno strumento aggiuntivo prezioso in clinica per i pazienti con malattie polmonari. Gli sviluppi più recenti di 3D PREFUL includono nuovi design di sequenze, come l'uso di traiettorie a spirale. Questi sono rilevanti a causa dei loro requisiti hardware inferiori e della maggiore efficienza di campionamento basata su casi.

Inoltre, l'approccio simultaneo della fetta del motore sta guadagnando interesse per ridurre significativamente il tempo di scansione durante l'acquisizione 2D, consentendo al contempo l'imaging ponderato in ventilazione e perfusione. I prossimi passi della risonanza magnetica 3D PREFUL riguarderanno l'ulteriore riduzione dei tempi di acquisizione e l'impiego di tecniche basate sul deep learning per la ricostruzione e la registrazione delle immagini, poiché queste fasi sono attualmente le più dispendiose in termini di tempo in cantiere. In questo modo miriamo ad accelerare in modo significativo questi processi, migliorando l'efficienza complessiva delle acquisizioni e consentendo la ricostruzione online.

Per iniziare, istruire il soggetto a sdraiarsi sulla risonanza magnetica o sul tavolo MRI in posizione supina. Utilizzando la navigazione a luce laser, posizionare il paziente in modo che l'area dell'immagine occupi il centro ISIS del foro. Eseguire una sequenza di localizzazione per ottenere immagini anatomiche a bassa risoluzione su tre piani per pianificare l'esame 3D PREFUL.

Dopo aver impostato i parametri di acquisizione, impostare il numero di proiezioni radiali in modo che l'acquisizione richieda circa otto minuti. Controlla se l'intero torace è incluso nel campo visivo e avvia l'acquisizione. Salvare i dati grezzi 3D PREFUL basati su casi utilizzando i passaggi specifici del fornitore nella console MR.

Impostare il percorso dei dati non elaborati per valutare i dati acquisiti utilizzando lo script di ricostruzione dell'immagine. Stimare i ritardi di gradiente dipendenti dal sistema RM utilizzando le proiezioni di calibrazione con la funzione di ritardo S nel BART. Applicare uno spostamento a ciascuna proiezione in base al ritardo del gradiente calcolato, seguito dal passaggio del filtro ai dati corretti per il ritardo del gradiente utilizzando una finestra periodica nel piano XY e nella direzione Z.

Per la ricostruzione di immagini a bassa risoluzione, selezionare un ottavo dei dati basati su case centrati attorno all'indice medio della dimensione di lettura, nonché un quarto dei dati basati su case centrati sull'indice medio della dimensione della partizione. Rimodellare le matrici dei dati basati su casi e le traiettorie corrispondenti per includere dimensioni temporali aggiuntive con ogni punto temporale comprendente 14 proiezioni radiali. Utilizzando l'imaging parallelo e il comando di rilevamento compresso, le immagini e BART eseguono la ricostruzione dell'immagine.

Per estrarre il segnale del gating respiratorio, segmentare il parenchima polmonare in ogni immagine 3D ricostruita a bassa risoluzione utilizzando la soglia di Otsu e calcolare il volume del parenchima polmonare per ogni punto temporale. Applicare un filtro passa-basso con una frequenza di taglio di 0,7 hertz alla serie temporale del volume estratto e calcolare la frequenza di respirazione. Escludere quindi i valori anomali estremi dalla serie temporale.

Quindi, eseguire la trasformata di Fourier veloce sui dati del filtro di gestione lungo la direzione della sezione per consentire la ricostruzione dell'immagine sezione per sezione. Rimodellare la matrice di dati basata su casi in base alle serie temporali estratte in modo che ogni contenitore respiratorio contenga un minimo di 100 raggi. Rimodellata la matrice delle traiettorie basate sui casi in modo che corrisponda alle dimensioni dei dati basati sui casi e utilizzi il 20% delle proiezioni dai contenitori adiacenti per migliorare il rapporto segnale/rumore di ciascun contenitore respiratorio.

Eseguire il comando picks per la ricostruzione dell'immagine per ogni sezione. Salva le variabili, comprese le immagini ricostruite di un ciclo respiratorio completo, la frequenza respiratoria e i tempi di acquisizione in un file DOTMAP. Quindi invertire le intensità del segnale delle immagini ricostruite e registrarle in uno stato respiratorio selezionato utilizzando la registrazione non rigida.

Esegui il filtraggio con la regressione del kernel Nadaraya-Watson alle immagini registrate e reinvertite per interpolare 16 fasi su una griglia temporale uniformemente distanziata. Elimina le variazioni del segnale non correlate alla respirazione utilizzando un filtro passa-basso a 0,7 hertz rispetto ai dati interpolati nel dominio del tempo. Impostare i parametri della dimensione della finestra su 5, 5, 5 e lambda su 0,001.

Elimina il rumore dalle immagini filtrate passa-basso utilizzando il filtro guidato dalle immagini con l'immagine registrata con media temporale come immagine guida. Calcola la ventilazione regionale o le nostre mappe di sfiato in millilitri per millilitro per ogni fase respiratoria N.Successivamente, segmenta il parenchima polmonare dell'immagine 3D inspiratoria finale utilizzando una rete neuronale convoluzionale con architettura NNU net. Escludere i vasi polmonari utilizzando un algoritmo di riconoscimento dei vasi, quindi calcolare il difetto di ventilazione o la mappa VD della mappa dello sfiato R dell'ottava fase, che rappresenta la ventilazione massima.

Calcola il flusso come derivata prima di R vent. Stabilire un ciclo di flusso-volume di riferimento o FVL per ogni fetta calcolata da una regione sana definita dai nostri valori di sfiato compresi tra il 75° e il 95° percentile. Determinare la somiglianza tra ciascun voxel del parenchima polmonare FVL e il FVL di riferimento utilizzando la correlazione incrociata con ritardo zero.

Quindi calcola la mappa metrica di correlazione FEL del difetto di ventilazione. Calcola il tempo di ventilazione al picco o le mappe VTTP in percentuale del ciclo respiratorio, seguite dalla deviazione del valore VTTP dal picco di inspirazione al 50%Descrivi statisticamente i parametri sono sfiato, FELCM, VTTP e deviazione del VTTP per tutte le fette, fornendo valori mediani, medi, di deviazione standard e intervalli interquartile. Infine, calcolare i valori percentuali dei difetti di ventilazione derivati dalle mappe VD generate ed esportare tutti i parametri calcolati in un file di foglio di calcolo.

Un MRA 3D PREFUL di un volontario sano ha indicato valori di ventilazione omogenei per tutte le mappe dei parametri di ventilazione. Nelle mappe VD esemplificative, il valore percentuale di difetto di ventilazione per il nostro sfiato era del 3,6% e quello per FELCM era del 3% all'interno dell'intervallo normale sano. Il confronto delle mappe dei difetti di ventilazione della risonanza magnetica 3D PREFUL e della risonanza magnetica 19 FMRI di una donna di 54 anni con broncopneumopatia cronica ostruttiva, ha indicato una buona correlazione visiva delle regioni sane e ipoventilate.

Il confronto della risonanza magnetica 3D PREFUL per misurare le risposte regionali dopo la terapia di un polmone di un soggetto con fibrosi cistica ha rivelato un aumento dei valori della metrica di correlazione FEL e la riduzione della VD dopo la terapia.