方法論記事

三次元位相分解機能的肺磁気共鳴イメージング法

DOI：

10.3791/66385

⸱

2024年6月21日

 ,  ,  , 
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)

この記事について

サマリー

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

Three-dimensional (3D) phase-resolved functional lung (PREFUL) は、一回換気と造影剤フリー取得を 8 分間使用して、ヒトの肺容積全体の局所換気を定量化できる機能的磁気共鳴画像法 (MRI) 技術です。ここでは、3D PREFULイメージングデータを収集・解析するためのMRプロトコールをご紹介します。

要約

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

肺磁気共鳴画像法(MRI)は、局所的な肺換気またはその代理を評価するために調整されたさまざまな放射線フリー技術を提供します。これらの手法には、過分極ガスMRIやフッ素化ガスMRIに代表される直接測定と、酸素増強MRIや陽子ベースのフーリエ分解(FD)MRIによる間接測定が含まれます。近年、FD MRIの分野では、空間的/時間的解像度の向上、シーケンス設計と後処理の改良、包括的な全肺アプローチの開発など、大きな進歩が見られました。

2次元(2D)位相分解機能的肺(PREFUL)MRIは、局所換気と灌流のダイナミクスを1回のMR取得で包括的に評価するために開発されたFDベースのアプローチとして際立っています。最近では、セルフゲートシーケンスによる8分間の検査で肺全体の動的換気を評価する3D PREFULの開発により、新たな進歩が見られました。

3D PREFULの取得には、黄金角の増分を持つ星のスタックの甘やかされたグラデーションエコーシーケンスの使用が含まれます。約40の呼吸相の圧縮センシング画像再構成に続いて、再構築されたすべての呼吸分解画像は、固定呼吸相に登録されます。その後、登録された画像から換気パラメータが抽出されます。

健康なボランティアと慢性閉塞性肺疾患の患者からなる研究コホートでは、3D PREFUL換気パラメータは、肺機能検査から得られた測定値と強い相関関係を示しました。さらに、3D PREFUL技術のスキャン間の再現性は許容できると見なされ、同じ個人の繰り返し評価に対する信頼性が示されました。

要約すると、3D PREFUL換気MRIは、2Dと比較して、肺全体をカバーでき、空間分解能が向上した換気ダイナミクスをキャプチャPREFUL. 3D、過分極129Xe MRIに代わる費用対効果の高い選択肢を提供し、患者に優しい肺換気の評価のための魅力的な選択肢となっています。

概要

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

世界保健機関(WHO)によると、慢性呼吸器疾患は死因の第3位であり、医療に大きな負担をかけています1.いくつかの呼吸器疾患の診断とモニタリングには、空間情報が不足している肺機能検査が関与しており、若年患者では実施できない場合があります。陽電子放出断層撮影法(PET)2、単一光子放出コンピューター断層撮影法(SPECT)3、コンピューター断層撮影法4など、他の複数の核医学モダリティが換気の空間測定を提供します。これらの技術の重大な欠点は、イメージングに電離放射線を使用することです。したがって、これらの測定は、子供のような敏感な集団や、臨床研究での反復測定には適していません。

磁気共鳴画像法は、肺機能の放射線を使わずに測定できるため、過去20年間で関心を集めました。とりわけ、過分極ガスMRI技術5は、健康な対照群および肺疾患患者の肺換気の評価に使用されており、19F6または酸素増強MRI7と比較して優れた信号対雑音比(SNR)を達成しています。ガスMRI技術の一般的な欠点には、追加の人員の必要性、ハードウェアのコスト、または呼気測定中の患者の協力の必要性が含まれます。これらの制限に対処するために、フーリエ分解 (FD) MRI8 に基づく方法が、肺換気と灌流の評価に導入されました。FD MRIの代替として、位相分解機能性肺(PREFUL)MRI9が開発され、検証10,11,12、および多施設研究を含む複数の研究でテストされました13,14.それにもかかわらず、2D取得では、肺を完全にカバーし、空間分解能を制限するための取得時間が長くなります。洗練されたソリューションは、灌流情報を犠牲にしながらも、セルフゲートの3D取得によって提供されます15,16,17。これらの技術の1つである3D PREFUL MRI17は、8分間のMR検査中の静的換気だけでなく換気ダイナミクスも評価するために開発されており、2D法と比較して優れた画像解像度を提供します。

この手法について説明した最初の出版物17に続いて、この手法の再現性が評価され、臨床的に確立された肺活量測定と比較されました18、そして最近では、換気パラメータの再現性を向上させ、換気マップの画像品質を維持しながら、加速された画像登録フレームワークが導入されました19.この患者に優しく、簡単に拡張できる技術は、ヒトの肺の局所換気を定量的にマッピングすることができ、呼吸器疾患の早期発見、診断、または治療効果のフォローアップモニタリングに大きく貢献する可能性があります20。これらの局所肺機能における治療の変化(換気量の改善など)は、治療の影響を評価するためのバイオマーカーになる可能性があり、多施設臨床研究において有用なツールとなる可能性があります。

この記事は、3D PREFUL技術の包括的かつ視覚的な説明を提供することを目的としており、この技術の広範な翻訳を促進することを目的としています。

プロトコル

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

この研究は、ハノーバー医科大学の倫理委員会から承認を受け、研究プロセス全体を通じて厳格な倫理基準を遵守していることが保証されました。調査は、ヘルシンキ宣言に概説されたガイドラインに厳密に従い、医学研究の倫理的実施を強調しました。さらに、MRI検査に参加する前に、すべての研究参加者(またはその両親または法定後見人)からインフォームドコンセントが熱心に取得されました。

注:3D PREFUL MRIを含む研究の包含/除外基準は、研究デザインによって異なります。通常、3D PREFUL MRI検査における健康なボランティアの選択基準には、(a)研究結果に影響を与える可能性のある重大な病状がない、(b)MRIの結果を妨げる可能性のある薬を服用していない、(c)閉所恐怖症、不安神経症、金属インプラントまたはデバイスがない、(d)研究目的に関連する特定の年齢および性別の基準を満たしている個人が含まれます。 (e) 喫煙歴がない、(f) 肺活量測定の所見が正常である (FEV1/FVC > 0.7 で、FEV1 と FVC の両方が予測値の 80% >)。3D PREFUL MRI検査を受けるすべての研究参加者の除外基準には、(a)妊娠、(b)3D PREFUL MRI検査の安全性または有効性を損なう可能性のある状態にある、(c)ガドリニウムベースの造影剤に対する不耐性 動的造影MRIが研究プロトコルに含まれている場合

。

1. MRI検査前

  1. 医師に被験者の病歴に関する重要な情報を収集してもらいます。
  2. 潜在的な禁忌、リスク、およびMRI手順を説明します。
  3. 被験者から書面によるインフォームドコンセントを得る
    注: 肺機能検査の結果が利用できない場合は、MRI 検査の前に被験者に肺機能検査を受けるように依頼し、得られた結果が選択基準を満たしていることを確認してください。

2. MR試験のための放射線技師の準備

  1. MRコンソールに被験者を登録し、3D PREFUL取得による研究のMRプロトコルを選択します。
  2. 被験者、彼または彼女のポケット、および衣服に金属を含む破片がないことを確認してください。
  3. シートをスキャナーテーブルに置いて、無菌環境が保証されます。
  4. 件名でMRルームに入ります。

3. MR試験の件名の準備

  1. 被験者を仰臥位でMRIテーブルに横たわらせます(ただし、腹臥位も可能です)。
  2. 胴体コイルが胸部を十分に覆っていることを確認し、胴体コイルの上部要素を被験者のあごの近くに配置してください。
  3. 大きなMRI誘発ノイズから聴覚を保護するために、被験者にヘッドフォン(または耳栓または両方)を提供します。
  4. 被写体に安全ボタン(または代替の安全メカニズム)を提供して、簡単にアクセスして握ることができるようにします。
  5. 被験者の頭と脚の下にパッドを置き、MR検査中の快適性を高めます。
  6. レーザー光ナビゲーションを使用して被写体をMRスキャナーにセットし、画像化された領域がボアのアイソセントリックを占めることを確認します。

4. MRI検査

  1. ローカライザー
    1. ローカライザシーケンス(表1Aにリストされているのと同様のパラメータを使用)を実行して、3つの平面(広い視野)で低解像度の解剖学的画像を取得し、3D PREFUL検査の計画に使用されます。
  2. 3D PREFULイメージング
    1. 画像取得については、表1Bに従って取得パラメータを設定します。
    2. 放射状投影の数を適宜設定し、取得に約 8 分かかるようにします。
    3. 取得全体を通して、被験者に普通に呼吸するように伝えます(潮汐のない呼吸)。
    4. 胸部全体が視野に含まれていることを確認し、取得を開始します。
  3. イメージングが完了したら、スキャナーから被写体を取り出します。

5. 生データの転送

  1. 通常、取得した生データはMRベンダープラットフォームに保存されません。MRコンソールのベンダー固有の手順を使用して、生の3D PREFUL kspaceデータを保存します。

6. データ分析と後処理

  1. 指定されたワークステーション(MATLABなど)で画像再構成スクリプト(Table of Materials)を使用して、取得したデータの評価を開始し、生データへのパスを設定します。
    注: 指定されたワークステーションには、次のパッケージがすでにインストールされている必要があります。
    (a) バークレー高度復興ツールボックス (BART)
    (b) 高度な正規化ツール (ANT)
  2. 画像の再構成
    1. Berkeley Advanced Reconstruction Toolbox (BART)21,22 に実装されている関数 estdelay を使用したキャリブレーション予測を使用して、MR システム依存の勾配遅延を推定します。
    2. 計算された勾配遅延に従って各投影にシフトを適用します。
    3. ハニング フィルタリング (MATLAB の関数 hann を使用) を、x-y 平面と z 方向の周期ウィンドウを使用して勾配遅延補正データに適用します。
    4. 呼吸ビニングのための低解像度画像再構成
      1. 読み出し/パーティション次元の中央のインデックスを中心とした k 空間データの 1-8/4 を選択します。
        注:被験者のサイズにもよりますが、この手順の結果、マトリックスサイズは32 x 32 x(12-20)になります。
      2. k 空間データと対応する軌跡の行列を再形成して、各時間点が 14 の放射状投影で構成される追加の時間次元を含めます。
        注: 後続の各時点には、前の時点からの 13 個の放射状投影と、1 つの新しい連続した放射状投影が含まれます。
      3. BARTに実装されている並列イメージングおよび圧縮センシング(pics)コマンドを画像の再構成に活用します。
        注: 空間領域に L2 ノルム (λ = 0.1) と全変動 (λ = 0.0001) の正則化を適用し、時間領域に全変動 (λ = 0.01) の正則化を適用します。
    5. 呼吸ゲーティングシグナルの抽出
      1. 大津のthresholding23を用いて再構築された各低解像度3D画像で肺実質をセグメント化し、各時点の肺実質体積を計算します。
      2. 抽出したボリューム時系列にカットオフ周波数0.7Hzのローパスフィルターを適用し、呼吸周波数を計算します。
      3. 時系列 (95パーセンタイルより上、10 パーセンタイルより下の時点) から極端な外れ値を除外します。<br /> 注:時系列を振幅と位相で並べ替えると、単一の呼吸サイクルを再構築できます。
    6. スライス方向に沿ってハニング フィルターされたデータに対して高速フーリエ変換 (FFT、MATLAB の fft 関数) を実行して、スライスごとのイメージ再構成を可能にします。
    7. 抽出された時系列に基づいて k 空間データ マトリックスを再構築し、各呼吸器ビンに少なくとも 100 本のスポークが含まれるようにします。
    8. 隣接するビンからの投影の 20% を利用して、各呼吸器ビンの SNR24,25 を強化します。
    9. k 空間の軌跡行列を k 空間データのサイズと一致するように再形成します。
    10. 各スライスの画像再構成のために pics コマンドを実行します。
      注: 空間領域に L2 ノルム (λ = 0.1) と全変動 (λ = 0.0001) の正則化を適用し、時間領域に全変動 (λ = 0.01) の正則化を適用します。
    11. 1 つの完全な呼吸サイクル、呼吸周波数、取得時間の再構築画像を含む変数を .mat ファイルに保存します。
  3. 画像登録
    1. 再構成されたイメージの信号強度を反転します。
    2. 非硬性レジストレーションを使用して、選択した呼吸状態 (吸気など) に画像を登録します。
      注: 登録の精度を向上させるために、グループ指向のアプローチ26 を採用できます。登録プロセスは、Advanced Normalization Tools (ANT)27 や Forsberg registration package28 などのツールを使用して、CPU または GPU で実行できます。
  4. 肺実質のセグメンテーション
    1. 回旋ニューロンネットワークを使用して、吸気終末3D画像の肺実質をセグメント化します。これには、nnUnet architecture29などがあります。
    2. Wernz et al.30.
      で説明されているような血管認識アルゴリズムを使用して、肺血管を除外します。       注:肺血管認識ステップは、そのようなアルゴリズムにアクセスできない場合、必須ではありません。場合によっては、手動での再セグメンテーションが必要になることがあります。
  5. フィルタリング
    1. 登録されたイメージと再反転されたイメージに Nadaraya-Watson カーネル回帰 (σ = 0.3) を適用して、等間隔の時間グリッドに 16 のフェーズを補間します。
    2. 時間領域の補間データに 0.7 Hz のローパス フィルターを適用することで、呼吸に関係のない信号の変動を排除します。
    3. イメージ誘導フィルタリング31を使用して、ローパスフィルタリングされた画像のノイズを除去し、時間的に平均化された登録済み画像をガイド画像として使用します。次のパラメーターを設定します: ウィンドウ サイズ = [5, 5, 5], ラムダ = 0.001。
  6. 換気解析
    1. 次の式を使用して、各呼吸フェーズNの地域換気(RVent)マップをミリリットル/ミリリットル(mL / mL)で計算します32:
      figure-protocol-1 [1]
      注: SInsp は、吸気終末レベルに対応するイメージ登録のターゲット イメージを表します。S Expは呼気終末像を指し、SNはN番目の呼吸状態を表します。
    2. 最大換気量を表す 8番目のフェーズの RVent マップの換気欠陥 (VDRVent) マップを計算します。
      注: VD を計算するには、90パーセンタイル値のしきい値を下回るボクセルに 0.4 を掛けたものを欠陥と見なします33。
    3. フロー ボリューム ループ相関メトリック (FVL-CM) マップを計算します。
      1. 流れを RVent.
        の 1 次導関数として計算します 注意: 体積はRVentによって直接測定されます。
      2. 75パーセンタイルから 95 パーセンタイルまでの RVent 値によって定義される正常な領域から計算された、各スライスの参照 FVL を確立します。
      3. ゼロラグとの相互相関を使用して、各肺実質ボクセルのFVLと参照FVLの類似性を判断します。
    4. VDFVL-CM マップを計算し、FVL-CM 値が 0.9 未満のボクセルを換気欠陥のあるボクセルとして識別します34。
    5. 換気のピークまでの時間(VTTP)マップを呼吸サイクルの割合(%)で計算します.
      注:理論的には、補間された呼吸サイクルはピーク呼気で開始/終了し、健康なボクセルの換気サイクルの50%でのピーク吸気について対称的です。高度/遅延換気ダイナミクスを受けているボクセルの場合、VTTPマップには50%未満/それ以上の値が表示されます。
    6. 次のように、ピーク吸気からのVTTP値(VTTPDev)の偏差(VTTP Dev)を50%で計算します:
      figure-protocol-2 [2]
      注: 正常なリージョンの場合、VTTPDev は 0% に近くする必要があります。
    7. 統計学
      1. すべてのスライスのパラメータ RVent、FVL-CM、VTTP、VTTP および VTTPDev を統計的に説明し、中央値、平均値、標準偏差値、および四分位範囲を提供します。
      2. 生成されたVDマップから導出された換気欠陥率の値を計算します。
      3. すべての計算パラメータをスプレッドシートファイルにエクスポートします(表3の例を参照)。

結果

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

最も単純な3D PREFULイメージングプロトコルには、2つのシーケンスが含まれています。1つの解剖学的ローカライザー+ゴールデンアングル3Dスタックオブスター取得を使用した1つの自由呼吸測定。星のスタックの軌跡は、図 1 に示されています。この軌跡は、半径方向サンプリング (面内) と線形デカルト サンプリング (z 方向) を組み合わせたものです。最初に、k z パーティション方向のサンプルが取得され、続いて黄金角の回転によって kx-k y 平面がサンプリングされます。ゴールデンアングル取得方式は、k空間を均一にカバーするセルフゲーティングを促進し、大幅にアンダーサンプリングされたデータでの画像再構成を容易にします。試験全体の所要時間は10分以内です。3D PREFULの買収の詳細については、材料表をご覧ください。

figure-results-1
図1:黄金比回転した星の軌跡のスタック。面内寸法に沿って適用される放射状サンプリング (kx-ky) とスライス方向 (kz) に沿って適用されるデカルト サンプリングに注意してください。このスキームにより、取得したk空間の円筒状のカバレッジが得られます。この例では、パーティションごとに 32 個の放射状投影を含む 3 つのパーティションが描かれています。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。

1.5 Tスキャナーでの3D PREFULイメージングに使用される一般的なMRIパラメータのリストを表1Bに示します。3Tスキャナーについては、表2にリストされているシーケンスパラメータが提案されています。

データ取得とデータ転送が完了した後、画像の再構成部分が始まります。この手順は、企業 (BioVisioneers GmbH) の知的財産 (IP) に属する MATLAB コードによって行われ、オープンに共有することはできません。スクリプトは、生データへのパスが指定されると完全に自動化されます。再構築手順の概略図の概要は、図 2 に示されています。

figure-results-2
図2:3D Phase Resolved Functional Lung (PREFUL) MRI法の概略図。最初に、データは、星のスタック軌道を持つ8分間の自由呼吸MR取得を使用して取得されます。MRスキャナーから演算ユニットにデータを転送した後、時間分解能が約100msの低解像度の3次元画像を再構成します。各画像の肺実質がセグメント化され、肺活量が計算されます。肺活量情報は、ゲーティング信号としてさらに使用されます。ゲーティング信号の振幅と位相に基づいて、放射状突起は 1 つの呼吸サイクルをカバーする呼吸ビンに分類されます。ビニング部分に続いて、フル解像度の画像の動的再構成が行われ、その後、吸気終末レベルに登録されます。いくつかの後処理ステップの後、局所換気(RVent)サイクルが計算され、パラメータ抽出を含む画像解析部分が実行されます。RVent サイクルは、各ボクセルの流量-体積ループ (FVL) を計算することによって評価されます。FVL-CM 換気マップは、各ボクセル FVL を健康な参照 FVL に対する評価を通じて抽出され、相互相関メトリックを使用して類似性が評価されます。RVent と FVL-CM の両方で、全体的な総換気欠陥率 (VDP) 値が定量化されました。さらに、RVentサイクルのダイナミクスは、Time-to-Peak解析を通じて解析され、換気Time-to-Peak(VTTP)パラメータマップが得られます。さらに、RVent サイクルの 50% で予想されるピーク換気の偏差は、VTTPDev マップで定量化されます。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。

画像の再構築手順の後、すべての画像は空間的に単一の固定状態に整列されます。登録自体は、Advanced Normalization Tools (ANTs27) または Forsberg registration package28 を使用して CPU で実行されます。ANTsパッケージは、MRIおよびCTイメージングにおける画像レジストレーションタスクのゴールドスタンダードであり続けていますが、Forsbergレジストレーションは、レジストレーション手順を最大9分まで10倍高速化し、同等の結果を得ることができます19。登録パッケージは、ユーザーの優先順位と使用可能なコンピューティングユニットに応じて選択できます。レジストレーションが完了すると、登録された形態学的画像が再び反転され、グレースケール画像で肺が暗く表示されます。

図3では、肺実質のセグメンテーションを含むパイプラインの次のステップが描かれています。まず、肺実質は、nnUnet architecture29 の畳み込みニューロンネットワークを使用して、吸気末端画像からセグメント化されます。肺実質のセグメンテーションの後には、血管認識30が続き、これは最終的なセグメンテーションマスクから除外されます。

figure-results-3
図3:32歳の男性被験者に対する深層学習ベースのセグメンテーションの例示的な結果。上段は、8つの代表的な冠状スライスの形態学的画像を示しています。2行目と3行目では、対応する肺実質マスクと血管を除外した最終マスクをそれぞれ観察できます。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。

誤った肺実質のセグメンテーションの例は、図 4 に示されています。ディープラーニングベースのセグメンテーションを目視で検査することが不可欠であり、不十分であると判断された場合は、最終的な肺実質マスクの精度を高めるために手動修正を検討する必要があります。

figure-results-4
図4:57歳の男性被験者に対する誤った深層学習ベースのセグメンテーションの例示的な結果。上段は、8つの代表的な冠状スライスの形態学的画像を示しています。2行目と3行目では、対応する肺実質マスクと血管を除外した最終マスクをそれぞれ観察できます。明らかなように、いくつかの線維性領域は、血管または非肺構造として誤って認識されています。これらの不正確さは、4行目に示すように手動で修正されています。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。

プロトコルで概説されているいくつかのフィルタリングステップの後、PREFUL MRIは、静的局所換気(RVent)、動的流量相関メトリクス(FVL-CM)、および換気時間ピーク(VTTP)分析に基づく2つのパラメータの定量的マップを生成する図5に示すように.この図は、32歳の健康な男性の8つの冠状スライスを示しています。すべての換気パラメータの予想される均質な分布に注意してください。

figure-results-5
図5:健康なボランティア(32歳男性)の3D PREFUL MRI。健康なボランティア(32歳男性)の代表的な形態学的(上段)および3D PREFUL MRI換気パラメータ(2行目から5行目)のマップ。静的局所換気は局所換気 (RVent) で表されますが、換気ダイナミクスは流量ループ相関メトリック (FVL-CM)、換気時間ピーク (VTTP)、および VTTP の偏差 (VTTPDev) を使用して評価されます。予想どおり、すべての換気パラメータマップで均質な換気値が観察されます。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。

換気マップを簡略化するために、RVentとFVL-CMの換気欠陥(VD)マップが導出され、結果の解釈が速くなります。例示的な VD マップは、図 6 に示されています。VDRVent と VDFVL-CM の両方で、VDP 値はそれぞれ 3.6% と 3.0% であり、正常な正常範囲内に収まることがわかりました。理想的には、健康なボランティアの年齢にもよりますが、VDP値は10%を超えないようにする必要があります。上記のパラメータ(RVent、FVL-CM、およびそれらのVDマップ)は、いくつかの研究で検証されました11,12,35,36 は、疾患の検出および治療誘発性効果の検出において感度が高い20,34,37,38,39.

figure-results-6
図 6: 代表的な RVent と FVL-CM のマップ、およびそれらの換気不良マップを含む。RVent (上段) と FVL-CM (2 行目) のマップと、健康なボランティア (32 歳の男性) の 3D PREFUL MRI によって導き出された換気欠陥マップ (3 行目と 4 行目) が描かれています。VDマップでは、健康な領域は緑で、換気不足の領域は赤でマークされています。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。

いくつかの肺MRI研究が、1.5Tと3Tの両方の磁場強度で報告されています。3Tには、S/N比(SNR)の向上による理論上の利点がありますが、この利点は、3Tでのより顕著な磁化率の影響によって上回る可能性があります。磁場強度が3D PREFUL換気マップの画像品質に及ぼす正確な影響は、現在のところ不明です。ここでは、健康なボランティア(35歳男性)に対して3T MRスキャナーを使用して得られた実現可能性結果(図7)を示します。1.5Tと比較すると、3Tでの換気パラメータの外観がより不均一であることに注意してください(図5)。

figure-results-7
図7:健康なボランティア(35歳男性)の3D PREFUL MRI。3T での健康なボランティア (35 歳男性) の代表的な形態学的 (上段) および 3D PREFUL MRI 換気パラメーター (2 行目から 5 行目) のマップ。静的局所換気は局所換気 (RVent) で表されますが、換気ダイナミクスは流量ループ相関メトリック (FVL-CM)、換気時間ピーク (VTTP)、および VTTP の偏差 (VTTPDev) を使用して評価されます。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。

より直接的な測定で導き出された3D PREFYの比較/検証は現在公開されていません。2D PREFUL技術と129Xe11,12,14および19 F MRI35との間に、VDP値と換気欠陥の空間的重なりとの間に正の相関があることを報告している研究がいくつかあります。慢性閉塞性肺疾患(COPD)、喘息、および健康なボランティアの患者を対象に、3D PREFUL由来の換気と19FMRIを使用した直接換気測定との比較では、グローバルレベルで中等度から強い相関関係が明らかになりました40。ここでは、慢性閉塞性肺疾患と診断された患者(54歳女性、FEV1 = 42%の予測値)の比較例(図8))を、3D PREFULと19FウォッシュインMRIを用いて検討しました。

figure-results-8
図8:54歳の女性COPD患者の3D PREFUL MRI。3D PREFUL MRI(2行目と3行目)と19FMRI(4行目と5行目)を介して得られた54歳の女性COPD患者(FEV1 = 42% pred.、FVC = 102% pred.)の形態学的画像(上段)、換気パラメータ、およびそれぞれの換気欠陥マップを、両方の方法(最後の行)からの比較とともに示します。全体として、すべてのスライスで、Sørensen-Dice 係数は欠陥領域で 25.5%、正常領域で 80.6% であり、合計空間オーバーラップは 69.2% でした。特に、健康な領域と欠陥のある領域の一致した換気領域の間には視覚的な相関関係があります(濃い緑色で描かれています)。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。

3D PREFUL MRIは、治療に対する局所的な反応を測定するために使用できます20。一例として、図9は、嚢胞性線維症の被験者(43歳女性)の肺からの3つのスライスをベースライン時(左側、FEV1 = 94%の予測値)とCFTRモジュレーター療法後(右側、FEV1 = 112%の予測値)で比較したものです。両方の測定値が空間的に一致しているため、3D PREFULは、図9の下部に示すように、局所的な治療反応分析を可能にします。流量-体積-ループ相関メトリックの値の増加と、治療後の換気欠陥の減少に注意してください。.

figure-results-9
図9:43歳の女性嚢胞性線維症(CF)患者の3D PREFUL測定。 43歳の女性CF患者のベースライン(左)および治療後(右)の3D PREFUL測定値の例示的な換気マーカーマップ。VDPFVL-CMは18.0%(ベースライン)から3.6%(治療後)に減少しました。FEV1 % プレドベースライン:94%、FEV1 プレド 治療後:112%。LCIベースライン:10.48、治療後のLCI:9.39。対応する治療反応マップは下部に描かれています。治療後に解消された換気を示す緑色の領域に注意してください。.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。

表1:1.5Tスキャナーでのローカライザーと3D PREFUL取得に使用される一般的なMRIパラメータのリスト。 (A)ローカライザおよび(B)3D PREFULの収集。この表をダウンロードするには、ここをクリックしてください。

表2:3Tスキャナーでの3D PREFUL取得のためのMRIパラメータの提案 この表をダウンロードするには、ここをクリックしてください。

表3:健康なボランティア(35歳男性)の3D PREFULパラメータの模範的な統計レポート<a href="https://www.jove.com/files/ftp_upload/66385/Table 3.xls" target="_blank">この表をダウンロードするには、ここをクリックしてください。

ディスカッション

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

最も重大な落とし穴の 1 つは、買収そのものです。MR シーケンスパラメータが正しく設定されていることを確認するように注意する必要があります。重要なのは、エコー時間、繰り返し時間、スライス数、マトリックスサイズ、ピクセル帯域幅が重要なパラメータであることです。推奨設定から逸脱すると、時間分解能が不十分になったり、取得が長引いたりする可能性があります。また、データ転送は、データが評価のために選択したコンピューターまたはサーバーに完全に配信されるようにするために重要です。データ評価は、取得したデータへのパスが設定されると、完全に自動的に進行します。後処理は画像の再構成から始まり、遡及的なビニングが重要な役割を果たします。呼吸パターンを明確に描写するために、ビニング信号を確認することをお勧めします。ビニング信号を検査した後、アルゴリズム自体が外れ値 (95パー センタイルを上回り、10パー センタイルを下回るデータ ポイント) を除外することで呼吸パターンの悪さを処理するため、追加の手順は必要ありません。画像再構成後、画像登録のプロセスが発生します。このステップは次のように確認する必要があります:登録された画像には呼吸や心臓の動きがあってはなりません。具体的には、横隔膜と心臓の位置を「凍結」する必要があります。次のステップでは、肺実質と血管の深層学習ベースのセグメンテーションを行います。このセグメンテーションプロセスは、3D肺容積全体で非常に時間がかかります。したがって、AI ベースのツールの使用は有益です。ただし、周辺機器の統合が発生するなど、特定の状況では、これらのアルゴリズムによって正確な結果が得られない場合があります。したがって、セグメンテーションマスクを徹底的にチェックし、必要に応じて手動で修正する必要があります。これらのステップはすべて換気パラメータを評価するために重要であり、計算が不正確になる可能性があります。

最初の出版物17 以来、3D PREFUL 技術でいくつかの開発が行われてきました。取得した放射状投影のソートアルゴリズムは完全に自動化され、改善されているため、肺全体が大津の閾値法を使用してセグメント化され、データを呼吸段階にビニングするためのナビゲーター信号として使用されます。さらに、手動の肺実質と血管のセグメンテーションは、時間のかかる手順を削減するために、完全自動のディープラーニングベースのアルゴリズムに置き換えられました。さらに、Forsberg登録ツールボックスが実装されている場合、画像登録部分の処理時間は最大10分に短縮される可能性がある19。以前の開発に加えて、実装されたコードにより、2 つの時点の画像 (フォローアップ測定) を同時登録し、疾患のボクセル方向の進行または治療誘発性換気の変化を評価することができます20。現在のバージョンの Matlab スクリプトはユーザーの操作を必要とせず、将来的には特定のフラグを持つデータを自動処理するためのパイプラインに実装される可能性があります。

3D PREFULの主な欠点は、励起に非選択的なハードRFパルスを使用する場合、流入効果を捉えることができないため、局所的な血流測定が不可能であることです。第二に、現在、後処理全体 (データ転送、画像再構成、画像レジストレーション、換気分析を含む) には、被験者ごとに 2 時間かかります。第三に、現在、3D PREFUL 由来の換気パラメータとより検証済みの技術との予備的な比較のみが実証されました40。第四に、取得したデータの評価は高性能コンピューター上で実行されます。したがって、結果はコンソールで医師に直接入手できません。第五に、さまざまな電界強度とさまざまなスキャナーベンダーに関する3D PREFULの実現可能性調査が不足しています。

3D 位相分解機能肺 (PREFUL) MRI により、自由呼吸中のヒト肺全体の局所換気ダイナミクスを定量的にマッピングできます17。3D PREFULには、肺活量測定や複数回の呼気ウォッシュアウト技術など、費用対効果の高い代替手段がいくつかあります。ただし、どちらも空間情報が不足しており、呼吸操作が必要なため、幼児や新生児には実行できません。代替画像法は、核医学法 CT などの電離放射線に患者をさらすか、広く利用されていません (MRI を使用した過分極 129Xe または 19F ガス イメージング)。3D PREFULは、換気ダイナミクスの評価を提供し、標準的な臨床スキャナーを使用して実行でき、造影剤を必要としないため、臨床研究の現場に変換するのが魅力的です。3D PREFULは、放射線や造影剤の使用を必要とせず、患者に優しい自由呼吸の取得を提供するという事実により、治療に対する局所的な反応を定量的に評価する反復または縦断的研究に適しています。第二に、肺換気の 3D PREFUL 評価は、放射線被ばくを避ける必要がある幼児にとって特に価値がある可能性があります。

人間の肺の機能的換気画像を生成する3D PREFULの機能は、早期診断の可能性を秘めています。具体的には、再現可能で定量的な局所換気マップを作成できるため、疾患の進行や治療効果のモニタリングなどの縦断的研究が可能になります。さらに、換気ダイナミクスに関する地域情報は、肺機能検査では検出できない肺疾患に関連する初期の変化に対する感度を高めることができます。

開示事項

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

Filip Klimeš、Andreas Voskrebenzev、Jens Vogel-Claussen は、肺磁気共鳴画像法に関心のある企業である BioVisioneers GmbH の株主です。

謝辞

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

この研究は、ドイツ肺研究センター(DZL)によって資金提供されました。著者らは、同僚、特に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、Sonja Lüdigerとの多くの有益な議論から恩恵を受けました。著者らは、MRイメージングシーケンスを作成したRobert Grimm氏(Siemens Healthineers)に感謝するとともに、MRI検査の実施に優れた技術支援を提供してくれた放射線科(ハノーバー医科大学)のFrank Schröder氏とSven Thiele

氏にも感謝します。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
ANTsオープンソース 医療画像解析 研究コミュニティ画像登録ツールボックス
BARTオープンソースイメージングhttps://www.opensourceimaging.org/project/berkeley-advanced-reconstruction-toolbox-bart/画像再構成ツールボックス
ボディコイルシーメンス/フィリップス/GE https://www.siemens-healthineers.com/en-us/magnetic-resonance-imaging/options-and-upgrades/coils少なくとも6チャンネルのボディコイル。Philips [https://www.usa.philips.com/healthcare/solutions/magnetic-resonance/coils-overview ]
Forsberg画像登録ツールボックスhttps://github.com/fordanic/image-registration画像登録ツールボックス
画像再構成コードBioVisioneers GmbHwww.biovisioneers.comMR再構成および分析用ソフトウェア
MatlabMathworksソフトウェア
MRISiemens / 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]; 1.5 T / 3 T
SequenceSiemens / Philips / GEMRI sequence, stack-of-stars trajectory and golden angle increment の 3D グラジエントエコーシーケンス;1. シーメンス グラスプ シーケンス - https://t.ly/P31kM 、 2.フィリップスマルチベーンXDシーケンス https://t.ly/wMWZZ、3。GE溶岩スター、ディスコスター - https://t.ly/vimm2

参考文献

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

再版と許可

このJoVE記事のテキストまたは図の再利用許可をリクエスト

許可をリクエスト

タグ

Functional Lung MRIPhase Resolved MRIThree Dimensional PREFULRegional VentilationVentilation Defect MapsCompressed SensingDeep Learning ReconstructionLung Parenchyma SegmentationVentilation DynamicsPulmonary Function Tests

関連記事