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

2.1K 閲覧数

⸱

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

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

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

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

本研究はハノーバー医科大学の倫理委員会の承認を受けており、研究プロセスの全過程において厳格な倫理基準を遵守しています。本調査は、医学研究の倫理的実施を強調するヘルシンキ宣言のガイドラインに厳格に従いました。さらに、MRI検査への参加前に、すべての研究参加者（またはその親、あるいは法的保護者）からインフォームドコンセントを適切に取得しました。

注意：3D PREFUL MRIを用いる研究の選択・除外基準は、研究デザインによって異なります。一般的に、3D PREFUL MRI検査における健康ボランティアの選択基準には、(a) 研究結果に影響を及ぼす可能性のある重大な疾患がないこと、(b) MRIの結果を妨げる可能性のある薬剤を服用していないこと、(c) 閉所恐怖症、不安神経症、金属製インプラントまたはデバイスがないこと、(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こと、(e) 喫煙歴がないこと、(f) スパイロメトリーの結果が正常であること（FEV1/FVC > 0.7 かつ FEV1 および FVC ともに予測値の 80% >）が含まれます。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妥当性を損なう可能性のある状態にあること、(c) 研究プロトコルにダイナミック造影MRIが含まれている場合に、ガドリニウム造影剤に対する不耐症があること、などが含まれます。

1. MRI前インタビュー

  1. 医師に、被験者の既往歴に関する重要な情報を収集させる。
  2. 潜在的な禁忌、リスク、およびMRIの手順について説明する。
  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得られていない場合は、MRI検査前に被験者に肺機能検査を受けるよう依頼し、得られた結果が組み入れ基準を満たしていることを確認すること。

2. MRI検査に向けた診療放射線技師の準備

  1. MRコンソールで被験者を登録し、3D PREFUL収集を含む研究のMRプロトコルを選択します。
  2. 被験者本人およびそのポケットや衣類に、金属製の物が含まれていないことを確認します。
  3. 無菌状態を確保するため、スキャナーテーブルにシーツを敷きます。
  4. 被験者とともにMR室に入室します。

3. MR検査に向けた被験者の準備

  1. 被験者をMRIテーブルの上に仰向けに寝かせます（ただし、うつ伏せの状態でも可能です）。
  2. 胴体用コイルが胸部を十分にカバーしていることを確認し、胴体用コイルの上端を被験者の顎の近くに配置します。
  3. MRI発生時の大きな騒音から聴覚を保護するため、被験者にヘッドホン（または耳栓、あるいはその両方）を装着させます。
  4. 被験者が容易にアクセスし、押すことができるように、セーフティボタン（または代替の安全装置）を渡します。
  5. MR検査中の快適性を高めるため、被験者の頭と脚の下にパッドを敷きます。
  6. レーザーナビゲーションを使用して、撮像領域がボアのアイソセンターに位置するように調整し、被験者をMRスキャナ内に移動させます。

4. MRI検査

  1. ローカライザー
    1. 表 1Aに記載されているものと同様のパラメータでローカライザーシーケンスを実行し、3D PREFUL検査の計画に使用する3平面の低解像度解剖学的画像（広視野）を取得します。
  2. 3D PREFULイメージング
    1. 画像取得のため、表 1Bに従って収集パラメータを設定します。
    2. 収集時間が約 8 min になるよう、放射状投影数を適切に設定します。
    3. 被験者に対し、収集の間はずっと自然に呼吸（自由呼吸）するように伝えます。
    4. 胸部全体が視野に含まれていることを確認し、収集を開始します。
  3. イメージング完了後、被験者をスキャナーから出します。

5. 生データの転送

  1. 通常、取得した生データはMRベンダーのプラットフォームには保存されません。MRコンソール上のベンダー固有の手順に従って、生3D PREFUL k空間データを保存してください。

6. データ解析および後処理

  1. 画像再構成スクリプトを用いて、取得したデータの評価を開始します（材料一覧表指定のワークステーション（例：MATLAB）上で、生データへのパスを設定することで実行します。
    注：指定のワークステーションには、あらかじめ以下のパッケージがインストールされている必要があります。
    (a) Berkeley Advanced Reconstruction Toolbox (BART)
    ​(b) Advanced Normalization Tools (ANTs)
  2. 画像再構成
    1. キャリブレーション投影を用いて、MRシステムに依存する勾配遅延を推定します。 推定遅延 Berkeley advanced reconstruction toolbox (BART) に実装されている関数（BART)21,22.
    2. 算出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を適用します（次のものを使用して： hann （MATLAB関数を用いて）、x-y平面およびz方向に周期的なウィンドウを適用し、勾配遅延補正済みデータに対して処理を行う。
    4. 呼吸ビン分割のための低解像度画像再構成
      1. リードアウト／パーティション次元の中央インデックスを中心としたk空間データの1/8または1/4を選択します。
        注：被験者のサイズによって、このステップで得られるマトリックスサイズは32 x 32 x (12-20)となります。
      2. k空間データの行列および対応するトラジェトリを、各時点が14本のラジアル投影で構成されるように変形し、時間次元を追加します。
        注：以降の各タイムポイントには、前のタイムポイントからの13個の放射状投影に加えて、新たに1つの連続した放射状投影が含まれます。
      3. パラレルイメージングと圧縮センシング（画像画像再構成のためにBARTに実装された)コマンド。
        注：L2ノルムを適用（λ = 0.1) および全変動 (λ 空間領域における正則化（= 0.0001）および全変動（λ 時間領域における正則化（$\lambda$ = 0.01）。
    5. 呼吸ゲーティング信号の抽出
      1. 大津の二値化法を用いて、再構成された各低解像度3D画像から肺実質をセグメンテーションする。23、そして各時点における肺実質容積を算出する。
      2. 抽出した容量時系列データに遮断周波数0.7 Hzのローパスフィルタを適用し、呼吸数を算出する。
      3. 時系列データから極端な外れ値（95パーセンタイルを超えるタイムポイント）を除外してください。th パーセンタイルおよび10パーセンタイル未満th パーセンタイル）
        注：時系列データを振幅と位相に基づいて配列することで、単一の呼吸サイクルを再構成することが可能です。
    6. 高速フーリエ変換（FFT）を実行し、 高速フーリエ変換 （MATLABの関数）を、スライス方向にハンニング窓でフィルタリングしたデータに適用し、スライスごとの画像再構成を可能にします。
    7. 抽出した時系列データに基づきk空間データ行列を再構成し、各呼吸ビンに少なくとも100本のスポークが含まれるようにします。
    8. SNRを向上させるため、隣接するビンの投影データの20%を利用する24,25 各呼吸ビンにおける。
    9. k空間データとサイズが一致するように、k空間トラジェクトリ行列の形状を変更します。
    10. 実行してください 画像 各スライスにおける画像再構成のためのコマンド。
      注：L2ノルムを適用（λ = 0.1) および全変動（λ 空間領域における正則化（λ = 0.0001）および全変動（λ = 0.01) の時間領域における正則化。
    11. 1回の完全な呼吸サイクルの再構成画像、呼吸数、および収集時間を含む変数を.matファイルに保存してください。
  3. 画像レジストレーション
    1. 再構成画像の信号強度を反転させる。
    2. 非剛体レジストレーションを用い、吸気などの選択した呼吸状態で画像をレジストレーションする。
      注：レジストレーションの精度を向上させるため、グループ指向のアプローチを26 利用可能です。レジストレーション（位置合わせ）プロセスは、Advanced Normalization Tools (ANTs) などのツールを用いて、CPUまたはGPUのいずれかで実行できます。27 またはForsberg登録パッケージ28.
  4. 肺実質セグメンテーション
    1. nnU-Netアーキテクチャなどの畳み込みニューラルネットワークを用いて、吸気末3D画像から肺実質をセグメンテーションします。29.
    2. Wernzらによって記述されたアルゴリズムなどの血管認識アルゴリズムを用いて、肺血管を除外する。30.
      注：そのようなアルゴリズムを利用できない場合は、肺血管認識の手順は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. ろ過
    1. Nadaraya-Watsonカーネル回帰を適用します（ σ （= 0.3）を、レジストレーションおよび反転処理済みの画像に適用し、均等間隔の時間グリッド上に16相を補間した。
    2. 時間領域における補間データに0.7 Hzのローパスフィルタを適用し、呼吸に関与しない信号変動を除去します。
    3. 画像誘導フィルタリングを用いて、ローパスフィルタ処理後の画像のノイズを除去する31時間平均されたレジストレーション済み画像をガイド画像として使用します。以下のパラメータを設定してください。 ウィンドウサイズ = [5, 5, 5], ラムダ = 0.001.
  6. 換気解析
    1. 次の式を用いて、各呼吸相Nにおける局所換気（RVent）マップをミリリットル/ミリリットル（mL/mL）で算出する。32:
      figure-protocol-1     [1]
      注：S吸気 画像レジストレーションのターゲット画像であり、吸気末レベルに相当します。S実験 は呼気終末像を指し、SはN N番目の呼吸状態を表します。
    2. 換気欠損（VD）を算出します。RVent) RVentマップのマップ 8th 最大換気量を表す相。
      ​注：VDを算出するには、90の閾値以下のボクセルを...th パーセンタイル値に係数0.4を乗じた値を欠陥とみなす33.
    3. フローボリュームループ相関指標（FVL-CM）マップを算出する。
      1. RVentの一次導関数として流量を算出する。
        注：体積はRVentによって直接測定されます。
      2. 各スライスについて、RVent値が75から[数値が欠落しているため、原文通りに処理]の間の正常領域に基づいて算出される参照FVLを設定する。th および95th パーセンタイル
      3. ゼロラグの相互相関を用いて、各肺実質ボクセルのFVLとリファレンスFVLとの間の類似性を決定します。
    4. VDを算出するFVL-CM FVL-CM値が0.9未満のボクセルを換気欠損ボクセルとして特定したマップ34.
    5. 呼吸サイクルのパーセント（％）で換気ピーク到達時間（VTTP）マップを算出する。
      注：理論的には、補間された呼吸サイクルは呼気ピークで始まり、呼吸サイクルの50%にあたる吸気ピークを中心に左右対称となるのが健康なボクセルの状態である。換気ダイナミクスが亢進または遅延しているボクセルの場合、VTTPマップには50%を下回る、あるいは上回る値が表示される。
    6. VTTP値（VTTP）の偏差を算出する開発最大吸気時の50%として、次のように：
      figure-protocol-2    [2]
      注：健全な領域では、VTTPは開発 0%に近い値である必要があります。
    7. 統計学
      1. RVent、FVL-CM、VTTP、およびVTTPのパラメーターについて統計的に記述してください。開発 すべてのスライスについて、中央値、平均値、標準偏差、および四分位範囲を示す。
      2. 作成されたVDマップから算出された換気欠損率の値を計算します。
      3. 算出されたすべての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てください（提供されている例を参照）。 表3).

結果

最も簡便な3D PREFULイメージングプロトコルは、2つのシーケンスで構成されています。1つの解剖学的ローカライザーと、ゴールデンアングル3D stack-of-stars収集を用いた1つの自由呼吸下測定です。stack-of-starsの軌跡を図1に示します。この軌跡は、ラジアルサンプリング（面内）と線形カルテシアンサンプリング（z方向）を組み合わせたものです。まずkzパーティション方向のサンプルを収集し、次にゴールデンアングルによる回転を行い、kx-ky平面をサンプリングします。ゴールデンアングル収集スキームは、k空間の均一なカバーによるセルフゲートを促進し、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。検査全体の所要時間は10分を超えません。3D PREFUL収集の詳細については、材料表に記載されています。

figure-results-1
図1黄金比回転星状スタックの軌道 面内方向（kx-ky）にはラジアルサンプリングを、スライス方向（kz）にはデカルトサンプリングを適用していることに留意してください。このスキームにより、取得されたk空間は円筒状にカバーされます。本例では、1パーティションあたり32本のラジアル投影を含む、計3つのパーティションを示しています。 こちら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代表的なMRIパラメータの一覧を表1Bに示します。3Tスキャナーについては、表2に記載されたシーケンスパラメータを提案します。

データの収集および転送が完了した後、画像再構成工程が開始されます。この工程は、ある企業（BioVisioneers GmbH）の知的財産（IP）に属するMATLABコードによって実行されるため、一般に公開することはできません。このスクリプトは、生データへのパスが指定されると完全に自動的に動作します。再構成手順の概略図を図2に示します。

figure-results-2
図23D位相分解機能的肺（PREFUL）MRI法の概略図。 まず、stack-of-stars軌道を用いた8分間の自由呼吸MR撮像によりデータを取得する。データがMRスキャナーからコンピューティングユニットに転送された後、時間分解能約100msの低解像度3D画像を再構成する。各画像の肺実質をセグメンテーションし、肺容量を算出する。この肺容量情報をさらにゲーティング信号として利用する。ゲーティング信号の振幅と位相に基づき、ラジアル投影データを1呼吸サイクルをカバーする呼吸ビンにソートする。ビン分けの後、フル解像度画像のダイナミック再構成を行い、その後、吸気末レベルにレジストレーションを行う。いくつかの後処理ステップを経て、局所換気（RVent）サイクルを算出し、パラメーター抽出を含む画像解析を行う。RVentサイクルは、各ボクセルの流量-容量ループ（FVL）を算出することで評価する。各ボクセルのFVLを健常参照FVLと比較し、相互相関指標を用いて類似性を評価することで、FVL-CM換気マップを抽出する。RVentとFVL-CMの両方について、全般的総換気欠損率（VDP）値を定量化する。さらに、RVentサイクルのダイナミクスをピーク到達時間解析によって分析し、換気ピーク到達時間（VTTP）パラメーターマップを作成する。加えて、RVentサイクルの50%時点における期待ピーク換気からの偏差をVTTPにおいて定量化する。開発 地図 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。

画像再構成の手順の後、すべての画像は単一の固定状態に空間的に整合されます。レジストレーション自体は、Advanced Normalization Tools (ANTs27) または Forsberg registration package28を用いてCPU上で実行されます。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、同等の結果を得つつ、レジストレーション手順を最大9分まで10倍高速化します19。レジストレーションパッケージは、ユーザーの優先事項や利用可能なコンピューティングユニットに応じて選択されます。レジストレーションの完了後、レジストレーション済みの形態画像は、グレースケール画像で肺が暗く表示されるように、再び反転させられます。

図 3 に、肺実質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示されています。まず、nnUnet アーキテクチャ29を用いた畳み込みニューラルネットワークを使用して、吸気末画像から肺実質をセグメンテーションします。肺実質のセグメンテーションに続いて血管認識30を行い、これを最終的なセグメンテーションマスクから除外します。

figure-results-3
図3: 32歳男性被験者におけるディープラーニングを用いたセグメンテーションの代表的な結果。上段は、代表的な8枚の冠状断スライスにおける形態画像を示している。2段目と3段目は、それぞれ対応する肺実質マスクおよび血管を除外した最終マスクである。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。

不適切な肺実質セグメンテーションの例を図4に示します。ディープラーニングベースのセグメンテーション結果を視覚的に確認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での修正を検討してください。

figure-results-4
図 4: 57歳男性被験者におけるディープラーニングベースのセグメンテーションの誤認例。 上段は、代表的な8枚の冠状断スライスの形態学的画像を示している。2段目と3段目では、それぞれ対応する肺実質マスクと、血管を除外した最終マスクを確認できる。明らかなように、いくつかの線維化領域が血管または非肺構造として誤認されている。これらの不正確な部分は、4段目に示す通り、手動で修正された。 こちらのリンクをクリックして、この図の拡大版を表示してください。

プロトコルに記載されたいくつかのフィルタリングステップの後、換気サロゲートが算出されます。3D PREFUL MRIは、静的な局所換気（RVent）、動的な流量-容量相関メトリクス（FVL-CM）、および換気ピーク到達時間（VTTP）解析に基づく2つのパラメータの定量マップを生成します（図5参照）。この図は、32歳の健康な男性の冠状断8スライスを示しています。すべての換気パラメータが予想通り均一に分布していることに注目してください。

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）における代表的な形態的画像（上段）および3D PREFUL MRI換気パラメータ（2段目から5段目）のマップ。静的な局所換気は局所換気（RVent）で示され、換気ダイナミクスは、フローボリュームループ相関指標（FVL-CM）、換気ピーク到達時間（VTTP）、およびVTTPの偏差（VTTPDev）を用いて評価される。予想通り、すべての換気パラメータマップにおいて均一な換気値が観察される。こちらをクリックして、この図の拡大版を表示してください。

換気マップを簡略化するため、RVentおよびFVL-CMから換気欠損（VD）マップを導出し、結果の迅速な解釈を可能にします。代表的なVDマップを図6に示します。VDRVentおよびVDFVL-CMの両方において、VDP値はそれぞれ3.6%および3.0%であり、健康な正常範囲内であることが確認されました。理想的には、健康なボランティアの年齢に応じて、VDP値は10%を超えないべきです。上述のパラメータ（RVent、FVL-CM、およびそれらのVDマップ）は、いくつかの研究11,12,35,36で検証されており、疾患の検出および治療誘発効果の検出において感度が高いことが示されています20,34,37,38,39。

figure-results-6
図6代表的なRVentおよびFVL-CMマップ（換気欠損マップを含む）。 健康なボランティア（32歳男性）を対象に3D PREFUL MRIを用いて得られた、RVent（上段）およびFVL-CM（2段目）のマップと、それらに基づいて作成された換気欠損マップ（3段目および4段目）を示す。VDマップにおいて、正常領域は緑色で、換気欠損領域は赤色で表示されている。 こちら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および3 Tの磁場強度における肺MRI研究がいくつか報告されています。3 Tでは信号対雑音比（SNR）が向上するため、理論的な利点がありますが、この利点は3 Tでより顕著になる磁化率効果によって打ち消される可能性があります。3D PREFUL換気マップの画質に対する磁場強度の正確な影響は、現在のところ不明です。ここでは、3 T MRスキャナーを使用して健康なボランティア（35歳男性）から得られた実現可能性の結果（図 7）を示します。1.5 T（図 5）と比較して、3 Tでは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。

figure-results-7
図 7: 健康なボランティア（35歳男性）の3D PREFUL MRI。 3Tにおいて、健康なボランティア（35歳男性）の代表的な形態学的画像（上段）および3D PREFUL MRI換気パラメータ（2段目から5段目）のマップ。静的な局所換気は局所換気（RVent）で示され、換気ダイナミクスはフローボリュームループ相関指標（FVL-CM）、換気ピーク到達時間（VTTP）、およびVTTPの偏差（VTTPDev）を用いて評価されており、これらが換気ダイナミクスを評価する換気パラメータを表している。こちらのリンクをクリックして、この図の拡大版を表示してください。

より直接的な測定法を用いて導出された3D PREFULの比較および検証は、現在まで発表されていません。2D PREFUL法と129Xe11,12,14および19F MRI35との間で、VDP値と換気欠損の空間的重なりに正の相関があることを報告した研究がいくつかあります。慢性閉塞性肺疾患（COPD）患者、喘息患者、および健康成人ボランティアを対象に、3D PREFUL導出換気と19F MRIを用いた直接換気測定を最近比較したところ、グローバルレベルで中程度から強い相関が認められました40。ここでは、3D PREFULおよび19FウォッシュインMRIを用いて検査した慢性閉塞性肺疾患と診断された患者（54歳女性、FEV1 = 予測値の42%）の比較例（図8）を提示します。

figure-results-8
図 8: 54歳女性のCOPD患者における3D PREFUL MRI。 54歳女性のCOPD患者（FEV1 = 42 % pred.、FVC = 102% pred.）における形態画像（上段）、換気パラメータ、およびそれぞれの換気欠損マップを、3D PREFUL MRI（2段目および3段目）と19F MRI（4段目および5段目）を用いて取得した結果を示す。また、最終段には両手法による換気欠損マップの比較を示す。全体として、すべてのスライスにわたるSørensen-Dice係数は、欠損領域で25.5%、正常領域で80.6%であり、総空間的オーバーラップは69.2%であった。特筆すべき点として、正常領域および欠損領域において、一致した換気領域（濃い緑色で表示）の間に視覚的な相関が認められる。ここをクリックして、この図の拡大版を表示してください。

3D PREFUL MRIは、治療に対する局所的な反応の測定に使用できます20。例として、図9に、嚢胞性線維症患者（43歳女性）の肺における、ベースライン時（左側、FEV1 = 予測値の94%）とCFTRモジュレーター治療後（右側、FEV1 = 予測値の112%）の3つのスライスの比較を示します。両方の測定値が空間的に一致しているため、図9の下部に示すように、3D PREFULでは局所的な治療反応解析が可能です。治療後に、フローボリュームループ相関メトリクスの値が上昇し、換気欠損が減少していることに注目してください。

figure-results-9
図9: 43歳女性嚢胞性線維症 (CF) 患者の3D PREFUL測定結果。43歳女性CF患者におけるベースライン（左）および治療後（右）の3D PREFUL測定による換気マーカーマップの代表例。VDPFVL-CMは18.0%（ベースライン）から3.6%（治療後）に減少した。FEV1 % pred. ベースライン：94%、FEV1 % pred. 治療後：112%。LCI ベースライン：10.48、LCI 治療後：9.39。対応する治療反応マップを下部に示す。治療後に換気が改善したことを示す緑色の領域に注目されたい。ここをクリックして、この図の拡大版を表示してください。

表1：1.5Tスキャナーにおけるローカライザーおよび3D PREFUL撮像に使用される代表的なMRIパラメータの一覧。(A) ローカライザーおよび (B) 3D PREFUL撮像。こちらのリンクからこの表をダウンロードしてください。

表 2：3Tスキャナーにおける3D PREFUL撮影の推奨MRIパラメータ。 こちらのリンクから本表をダウンロードしてください。

表3：健康なボランティア（35歳男性）における3D PREFULパラメータの統計報告例 こちらのリンクからこの表をダウンロードしてください。

ディスカッション

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

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

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

  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

タグ

MRI MRI PREFUL
三次元位相分解機能的肺磁気共鳴イメージング法
お問い合わせ
図書館への推薦

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。