マルチモーダル肺イメージング:CTおよび過分極 ¹²⁹Xe MRIからの補完情報を使用して肺の構造機能を評価する

過分極性ガス磁気共鳴画像法(MRI)は、約30年前に肺換気分布を評価するための新しい機能的肺画像診断法として最初に登場しました¹。それ以来、過分極ガスMRIを使用した調査研究により、喘息、慢性閉塞性肺疾患(COPD)、嚢胞性線維症などの慢性肺疾患患者の肺機能の性質に関する多くの洞察が明らかになりました2,3,4,5,6。過分極した^3Heガスと^129Xeガスの両方が歴史的に使用されてきました。ただし、¹²⁹Xeは^、3Heガスの利用可能性が限られているため、現在主要な吸入剤です。¹²⁹名また、Xeは肺胞膜を横切って自由に拡散し、肺毛細血管の赤血球に吸収されます。このいわゆる「溶解相」では、¹²⁹Xeは独自の周波数で共振し、1回の息止めスキャン^4,7,8で局所的なガス交換を測定できます。定量化のために、ボリュームが一致した解^剖学的1H MR画像は通常、胸腔の境界を描写するために¹²⁹Xeとの同時レジストレーションのために同時に取得されます。しかし、従来の ¹H MRI では、それ以上の肺の構造情報は提供されません。過分極 ¹²⁹Xe MRI の臨床翻訳の推進力は、2015 年に英国 NHS が承認し、2022 年後半に米国 FDA が承認したことで近年高まりました ^5,9 しかし、高度な構造特性評価は、肺 MRI の武器庫にはまだほとんど欠けています。

胸部コンピュータ断層撮影法(CT)は、肺の臨床画像評価の主力であり、従来のイメージングプロトコルを使用して肺構造の3次元高解像度画像を提供します。定量的アプローチにより、肺気腫や間質性肺の異常、大きな気道形態や肺血管系などの実質の完全性の迅速かつ再現性のある測定が可能になり、肺葉の同定とセグメンテーションによる局所解剖学的特性評価が可能になりました^10,11。研究分野では、重症喘息研究プログラム(SARP)¹²、COPDGene(COPDGene)¹³、COPD研究における亜集団と中間転帰(SPIROMICS)¹⁴、予測代理エンドポイントを特定するためのCOPDの縦断的評価(ECLIPSE)¹⁵などの大規模な観察研究において、喘息およびCOPDの構造変化と患者転帰との関係をよりよく理解するために定量的CTが広く使用されています、およびカナダの閉塞性肺疾患コホート(CanCOLD)¹⁶。呼気イメージング^17,18または計算モデル¹⁹のような代替のCT法は、機能情報を導出することができるが、これらの方法は間接的であり、従来のCTは、それ以外の点では、肺の機能的特徴付けにあまり提供しない。

CTと¹²⁹Xe MRIを組み合わせることで、画像レジストレーションを使用した局所分析に利用できる補完的な肺構造機能情報が得られます。CTで特定された肺葉は、喘息20,21,22、COPD ^23,24、気管支拡張症²⁵、および肺がん^26,27のMRI換気パターンの葉の特徴付けを可能にしました。喘息におけるMRI換気異常は、異常に改造された大気道28,29,30,31およびCTで測定された小さな気道機能障害を示す空気捕捉^20,32、および全肺気管支熱形成術³³後の局所治療反応を調査するためにも直接空間的に一致しています.COPDでは、MRI換気異常は、軽度の疾患では小さな気道機能障害、より重篤な疾患では肺気腫に関連しています34,35,36。閉塞性肺疾患における換気イメージングを超えて、特発性肺線維症では、CT間質性肺異常と¹²⁹Xe MRIガス交換パターンとの間の不均一な空間的関係も実証されています³⁷。このような研究は、将来の画像誘導介入に情報を提供するために使用できる、さまざまな肺疾患における局所的な肺の構造機能についてのより深い理解を提供しました。

しかし、解剖学的 CT と機能的過分極性ガス MRI の直接登録は、2 つの方法間で根本的に異なるイメージングコントラスト、換気異常の領域に過分極ガス信号がないこと、および肺容積が異なる可能性があるため、困難です。図 1 は、健康なボランティア (図 1A) と慢性閉塞性肺疾患 (COPD;図1B-D)、COPD症例における不均一な¹²⁹Xe換気パターンとさまざまな欠落した肺境界を強調しています。これらの課題を克服するための鍵は、過分極ガスMRIと同時期に取得した解剖学的^1HMRIを中間ステップとして使用して、過分極ガスMRIを間接的にCTに登録することであった^34,38。初期の研究では、MRIスペース²⁰に、肺葉などのCT構造の並べての視覚的比較と手動セグメンテーションを採用しました。計算資源とオープンソースの画像処理ツールの進歩により、例えば、モダリティ独立近傍記述子(MIND)23,30,34,39,40,41やAdvanced Normalization Toolkit(ANT)登録21,22,27などを用いて、CTや過分極ガスMRIの3次元レジストレーションが可能になりました^{、31、32、37、38、42、43}、どちらも肺画像登録チャレンジ⁴⁴でトップパフォーマーでした。1つの新しい方法は、2つのレジストレーションを別々に治療するのではなく、組み合わせた⁴⁵、これは、表現型肺疾患のために設計された完全な肺画像解析パイプラインで実装されています⁴⁶。全体として、過分極ガスMRIからCTへのレジストレーション精度は、中間の^1Hステップ³⁸を使用し、アフィンのみのアプローチ^38,45よりも変形可能なアプローチを使用して改善されました。

ここでの目標は、既存の文献から構築し、オープンソースプラットフォーム^47、48、49を使用した¹²⁹Xe MRからCT画像へのレジストレーションのためのプロトコルを提供することである。このプロトコルはANTsPyを使用して実装され、以前の研究³⁸に沿って、^1HMRIからの単一標識肺マスクをCTからの単一標識肺マスクに登録します。その結果得られた変換は、^{その後、129}Xe 画像に適用され、CT 画像空間にマッピングされます。概説されているプロトコルは、該当する場合は研究または臨床環境に適していることを意図しており、過分極 ¹²⁹Xe MRI が利用可能です。

これに関連して、本明細書で提供される例の画像取得および解析を以下のように行った。胸部CTは、確立された低線量研究プロトコル⁵⁰ に従って、パラメータ64 x 0.625コリメーション、120ピークキロ電圧、チューブ電流100mA、0.5秒回転時間、スパイラルピッチ1.0、1.25mmスライス厚さ、0.80mmスライス間隔、標準再構成カーネル、肺の最も横方向の範囲に限定された表示視野(空間分解能を最大化するため)に従って、完全な吸気(総肺活量、TLC)で取得されました。CTのセグメンテーションと解析は、市販のソフトウェアを使用して行いました( 「材料表」を参照)。

¹²⁹名Xeおよび容積一致した^1HMRIは、公開されたガイドライン⁹に従って実施された。完全なMRI取得の詳細とプロトコルについては、読者はこのコレクション⁵¹の別の記事に誘導されます。MRIセグメンテーションおよびレジストレーションは、¹²⁹Xeセグメンテーションのためのk-meansクラスタリング、¹Hセグメンテーションのためのシード領域成長、および^1H画像を¹²⁹Xe画像⁵²にマッピングするためのランドマークベースのアフィンレジストレーションを用いた半自動カスタムパイプラインを用いて行った。通常、¹つの ^H-129Xe MR 登録には、アフィン登録で十分です。これは、取得間のほとんどの肺の膨張または患者の位置の違いを考慮するためです。通常、変形可能な登録は必要ありません。^{1 H-129}Xeの登録ステップは、同じ息止め^53,54で¹²⁹Xeと¹H MRIを同時に取得することで省略できます。

ここに示されている画像診断例は、ブリティッシュコロンビア大学プロビデンス医療研究倫理委員会(REB# H21-01237、H21-02149、H22-01264)によって承認されています。参加者は、イメージングを完了する前に書面によるインフォームドコンセントを提供しました。画像取得からレジストレーションまでの全体的なパイプラインを 図2に示し、ここでのプロトコルの詳細はMR-CT画像レジストレーションのみに焦点を当てています。画像の取得とセグメンテーションは、利用可能または推奨されるイメージングハードウェア、イメージングプロトコル、および画像解析ソフトウェアツールに依存するため、読者の好みに委ねられます。このプロトコルは、画像セグメンテーション後の肺の単一ラベルマスクを使用して、これらの前のステップに依存しないように設計されています。

1. ソフトウェアのセットアップ

1. Advanced Normalization Tools 画像処理ライブラリ 47,48,49 の Python ラッパーである ANTsPy (Table of Materials を参照) をダウンロードしてインストールします。チュートリアルは「チュートリアル」タブの下のリンクから入手でき、必要に応じてDockerのインストールにもANTsPyを利用できます。
   注: ANTsPy には、Linux ベースのオペレーティング システムまたは環境が必要です。この例では、ANTsPy をローカル ワークステーション上の仮想ハイパフォーマンス コンピューティング環境にインストールして使用しました。このプロトコルは、著者の経験では、仮想コンピューティング環境を使用してより適切に機能する傾向がありました。
2. 選択したセグメンテーションおよび/または視覚化ソフトウェアをダウンロードしてインストールします。
   注:本研究では、ITK-SNAPを可視化に使用しました( 資料表参照)。
3. reg.py スクリプト(補足ファイル1)をダウンロードして保存します。

2. 画像の前処理

1. クリックすると、目的の画像視覚化ソフトウェアで 画像 と マスク が開き、すべての CT、 ¹H、 ¹²⁹Xe ファイルの画像とマスクの向きが一致していることを確認できます。セグメンテーション方法や使用するソフトウェアによっては、一部の画像やマスクの向きを調整する必要がある場合があります。必要に応じて、 ¹Hおよび ¹²⁹Xe画像とマスクの向きをネイティブCT画像と一致するように調整することをお勧めします。
2. 画像DICOMとシングルラベルマスク(必要に応じてステップ2.1で調整)を、ANTsPyがインストールされて実行される場所からアクセス可能な reg.py と同じフォルダに、優先ソフトウェアツールを使用してNeuroimaging Informatics Technology Initiativeファイル(NIfTI、*.nii、合計6ファイル)として保存します。以下で説明する命名規則に従ってください。
   1. ¹H MRI:Proton.nii; ¹H MRIマスク:Proton_mask.nii.
      注: ¹H画像を使用し、 ¹²⁹Xeへの登録後にマスクします。
   2. ¹²⁹名Xe MRI:Ventilation.nii; ¹²⁹名Xe MRIマスク:Ventilation_mask.nii
   3. CT:CT.nii;CTマスク:CT_mask.nii.
      注 : ファイル名は登録スクリプトにハードコードされているため、上記の形式に従うか、目的の命名規則に一致するようにスクリプトで修正する必要があります。これらの手順は、手順 1.2 に記載されている推奨ソフトウェア ツールを使用して一緒に実行できます。これらのソフトウェアツールに関しては、.niiファイルを保存するときに必要なヘッダー情報を自動的に書き込むものもあれば、ヘッダー情報をコピーして書き込むために追加の手順が必要なものもあります。

3. CT-XeMRI登録

1. 手順1.1で設定した目的のPythonコンピューティング環境で reg.py ファイルを開きます。
   注: スクリプト reg.py は、組み込みの ANTs 登録ツールに基づいています。追加のドキュメントが利用可能です⁵⁵。
2. 仮想環境を使用する場合は、中央処理装置 (CPU)、スレッド数、およびRAM の数を、コンピューティング環境で使用可能な場合に設定します。この例では、16 CPU、CPU あたり 1 スレッド、186 GB の使用可能な RAM を備えた仮想コンピューティング環境を使用しました。
3. 必要な変換と補間を設定します。ここでは、イメージの線形補間と単一ラベル マスクの汎用ラベル補間 (提供されている reg.py スクリプトでデフォルト) を使用する SyNAggro 変換を使用しました。
   注:SyNAggroは対称正規化変換であり、アフィン+変形可能変換に加えて、ファインスケールマッチングを使用したより積極的なレジストレーションと(プレーンなSyNと比較して)より多くの変形が含まれます。代替の変換アルゴリズムと補間アルゴリズムは、ANTs登録ドキュメントのリンクのステップ3.1⁵⁵に記載されています。
4. 固定画像と動画を設定します。ここでは、CT(シングルラベルマスク)を固定画像として、^1HMRI(シングルラベルマスク)を動画として設定しました。
5. Python コンピューティング環境で reg.py を実行します。完全な登録には、使用または利用可能なコンピューティングリソースに応じて、5〜10分(パラメータを使用)以上かかる場合があります。完了すると、ワープされたファイルは元のイメージファイルと同じディレクトリに次のファイル名で自動的に保存されます。 Proton_warped.nii.gz;Ventilation_warped.nii.gz;Ventilation_label_warped.nii.gz.
   注:NIfTI *.nii.gzファイルは、*.niiファイルの単なる圧縮バージョンであり、必要に応じて解凍または開くことができます。スクリプト reg.py は、たとえば、異なる変換方法や補間方法を使用したり、ファイルディレクトリにマッピングしたり、ファイルディレクトリを作成したりするなど、必要に応じて変更できます。

4. 登録結果の評価

1. CT.nii画像をベース画像として、目的の可視化ソフトウェアで開きます。
2. Ventilation_warped.nii.gzまたはVentilation_label_warped.nii.gzを別の画像として開き、目的のカラーマップでCT画像にオーバーレイします。
3. ¹²⁹Xe画像またはマスクとCT画像のすべての画像平面(冠状、軸状、矢状)のオーバーラップを確認し、カリーナや肺の境界(¹²⁹Xe画像で利用可能な場合)などのランドマークの視覚的な位置合わせを評価します。
4. 結果を確認します。結果にご満足いただければ、登録は完了です。
   注:登録された ¹²⁹Xe画像/マスクにCTマスクを掛けて、気管と主要な気道(MRIセグメンテーションの前に除去しない場合)を除去し、登録後にCT肺の境界から外れた信号を除去することができます。必要に応じて、局所的な構造関数測定のためのさらなる定量化を行うことができます。
5. 結果に満足できない場合は、必要に応じて、代替タイプの変換と関連するパラメーターを評価して最適化します。

この研究では、さまざまな肺疾患および状態にわたる局所的な肺の構造機能特性評価および画像誘導気管支鏡検査の研究環境で、CT と 129Xe MRI のペアを前向きに取得しました。図 3 は、さまざまな MRI 換気パターンを持つ 4 人の代表的な参加者 (図 1 の同じ参加者) について、冠状面と矢状面で登録された 129Xe MRI 換気と CT を示しています。登録された 129Xe MR ラベル マスクは、換気障害または信号ボイドから高信号までの 129Xe 信号強度クラスターを示し、CT ラベル マスクを掛けて気管と主要な気道を除去しました。目視検査では、健康な参加者(図3A)のすべての肺境界が良好に整列しており、右肺のコストフレニック角度を除いて、均質な換気が見られます。この不一致は、2 つのモダリティ間の解像度の違い、または 129Xe/1H MRI の幾何学的歪みが原因である可能性があります。ただし、それは全体の肺活量のごく一部です。COPDの3人の参加者では、利用可能な場合は、肺の境界の良好な調整も見られました。本明細書のCOPDの例は、びまん性換気異常(図3B)、頂端肺境界が欠損している上葉換気異常(図3C)、および横隔膜肺境界が欠損している下葉換気異常(図3D)に及びます。

著者は通常、登録された画像の目視検査を選択し、CT と 129Xe MRI の間のマルチモーダルコントラストの違いの性質のために、登録性能を前向きに定量的に評価しません。レジストレーションパフォーマンスの一般的な定量的メトリクスは、ダイス係数またはターゲットレジストレーションエラー(TRE)です。サイコロ係数は、登録された 1H(移動)画像とCT(固定)画像の間で評価できます。ただし、 1H 画像は 129Xe 画像を登録するための中間ブリッジとして使用され、目的の測定値は 129Xe MRI から行われるため、これは間接的になります。TREは、固定画像と動画に基準ランドマークを配置することによって定量化できます。ただし、基準の配置は時間のかかる手動プロセスであり、 129Xe MRI 換気異常の性質上、利用可能な解剖学的ランドマークが限られている可能性があります。気管カリーナとコストフレニック角度は、通常、簡単なランドマークとして機能しますが、 図 3C、D の参加者は、利用可能な明らかなランドマークが限られている厳しい例を強調しています。ANTで同様のレジストレーションフレームワークを使用して、Tahirらは8.8 mmから19.7 mm38のTREを達成しました。これは肺のサイズに比べて小さい(典型的な視野350〜400 mm)ため、許容できます。著者らは、現在のフレームワークを使用してTREが類似している可能性があると予想しています。

図1:肺129Xeおよび1HおよびCT。 健康な参加者 (A) と慢性閉塞性肺疾患 (COPD;B、C、D)は、129のXe換気パターンの範囲を示しています。この図の拡大版を表示するには、ここをクリックしてください。

図2:全体的な画像解析とレジストレーションパイプライン。 インプットCT、 129Xe MR、および 1H MR画像は、最初にセグメント化されて単一ラベルマスクが生成されます。 1H MR画像/マスクは、最初に 129Xe画像/マスクに変換されます。すべての CT、 129Xe、および 1H の画像とマスクは NIfTI ファイルに変換され、 129Xe-CT レジストレーションに使用されます。 1H マスクは CT 画像空間に変換され、その後、変換は 129Xe 画像/マスクに適用されます。 この図の拡大版を表示するには、ここをクリックしてください。

図3:129Xe MRI-CT登録結果。図 1 に示す 4 人の代表的な参加者の登録結果 (129Xe は、CT にグレースケールでシアンで重ねて表示されています)。健康な参加者 (A) では、右肺のコストフレニック角度を除いて、均一な換気ですべての肺境界が良好に整列していました。また、COPDの3人の参加者では、びまん性換気異常(B)、上葉換気異常(腹端肺境界なし)(C)、下葉換気異常(横隔膜肺境界なし)など、利用可能な場合は肺境界の整列も良好でした。この図の拡大版を表示するには、ここをクリックしてください。

図4:COPDの参加者における葉の構造関数の測定。 -950 Hounsfield Units (LAA950、黄色) および 129Xe MRI 換気欠陥率 (VDP、シアン) 未満の低減衰領域によって測定された葉 CT 肺気腫は、 129Xe MR-CT 登録後に生成された、画像誘導治療計画の地域評価の例として。葉の輪郭の概略図は、矢状面で示されています。RUL = 右上葉;RML =右中央葉;RLL =右下葉;LUL =左上葉;LLL = 左下葉。 この図の拡大版を表示するには、ここをクリックしてください。

補足ファイル 1: reg.py スクリプト。このファイルをダウンロードするには、ここをクリックしてください。

RLEは、提出された作業以外でVIDA Diagnostics Inc.から個人的なコンサルティング料を受け取ります。JALは、GEヘルスケアから機関助成金を、フィリップスとGEヘルスケアから提出された作品以外の講義に対する謝礼を受けています。