三次元位相分解機能的肺磁気共鳴イメージング法

3D PREFUL MRIは、肺の換気を可視化することを可能にします。PREFUL MRIを開発したきっかけは何だったのでしょうか?それは、従来の2D PREFUL MRIと比較して、より高い等方性画像解像度で肺容積全体をキャプチャしたいという要望でした。

3D PREFUL MRIは、動的換気、肺疾患の描写検出、治療モニタリング、そして将来的には肺疾患患者の予後診断を可能にします。小児では、PREFUL MRIは放射線を使わずに非常に患者に優しいため、特に役立ちます。3D PREFUL MRIの最大の利点は、最先端のMRスキャナーで利用可能な製品シーケンスを使用しているため、他のセンターでも広く採用されていることです。

さらに、他の 3D 非強化自由呼吸 MRI 技術と比較して、3D PREFUL MRI は最近、19 の FCA イメージングとハイパーライズ ガス イメージングを使用して換気を直接測定することが検証されており、これらの方法の間に強い対応が実証されています。3D PREFUL MRIは、喘息患者とCBD患者における換気の不均一性と換気欠陥を示すことができたことを示しました。さらに、嚢胞性線維症の患者さんの治療後に治療反応効果を示すことができました。

ですから、将来的には、3D PREFUL MRIは肺疾患の患者さんにとって、臨床における付加的な価値あるツールになると考えています。最新の3D PREFULの開発には、スパイラル軌道の使用など、新しいシーケンス設計が含まれています。これらは、ハードウェア要件が低く、ケースベースのサンプリング効率が向上するため、関連性があります。

さらに、同時モータースライスアプローチは、2D取得中のスキャン時間を大幅に短縮し、換気と灌流加重イメージングを可能にするために関心を集めています。3D PREFUL MRIの次のステップでは、取得時間をさらに短縮し、画像再構成と画像レジストレーションにディープラーニングベースの技術を採用する予定ですが、これらのステップは現在パイプラインで最も時間がかかっています。これにより、これらのプロセスを大幅に加速し、全体的な取得効率を向上させ、オンラインでの再構築を可能にすることを目指しています。

まず、被験者に仰臥位で磁気共鳴画像法またはMRIテーブルに横たわるように指示します。レーザー光ナビゲーションを使用して、画像化された領域がボアのISIS中心を占めるように患者を配置します。ローカライザシーケンスを実行して、3つの平面で低解像度の解剖学的画像を取得し、3D PREFUL検査を計画します。

取得パラメータを設定したら、取得に約8分かかるように放射状投影の数を設定します。胸部全体が視野に含まれているかどうかを確認し、取得を開始します。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ケースベースデータを保存します。

画像再構成スクリプトを使用して取得したデータを評価するために、生データへのパスを設定します。BART の S 遅延関数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。計算された勾配遅延に従って各投影にシフトを適用し、その後、XY 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フィルタリングを渡します。

低解像度の画像再構成の場合は、読み出し次元の中央インデックスを中心としたケースベース データの 8 分の 1 を選択し、パーティション次元の中央インデックスを中心としたケースベース データの 4 分の 1 を選択します。ケースベースのデータと対応する軌跡の行列を再構築して、各時点が 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。パラレルイメージングと圧縮センシングを利用して、picsコマンドとBARTは画像の再構成を行います。

呼吸ゲーティングシグナルを抽出するには、Otsuの閾値法を使用し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。抽出したボリューム時系列にカットオフ周波数0.7ヘルツ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。次に、時系列から極端な外れ値を除外します。

次に、スライス方向に沿ってフィルタ データを渡すときに高速フーリエ変換を実行し、スライスごとのイメージ再構成を可能にします。抽出された時系列に基づいてケースベースの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。ケースベースの軌跡マトリックスをケースベースのデータのサイズに合わせて再形成し、隣接するビンからの投影の 20% を利用して、各呼吸器ビンのシグナル対ノイズ比を向上させました。

picks コマンドを実行して、各スライスの画像再構成を行います。1 つの完全な呼吸サイクル、呼吸周波数、取得時間の再再構築画像などの変数を DOTMAP ファイルに保存します。次に、再構成された画像の信号強度を反転し、非剛体レジストレーションを使用して選択した呼吸状態に登録します。

Nadaraya-Watson カーネル回帰を使用して、登録されたイメージと再反転されたイメージにフィルタリングを実行し、等間隔の時間グリッドに 16 のフェーズを補間します。時間領域の補間データに対して 0.7 ヘルツのローパス フィルターを使用して、呼吸に関係のない信号の変動を排除します。ウィンドウ サイズのパラメーターを 5 5 5 に設定し、ラムダを 0.001 に設定します。

ローパス フィルターをかけ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、イメージ ガイド フィルタリングを使用します。各呼吸フェーズN.次に、NNUネットアーキテクチャを備えた畳み込みニューロンネットワークを使用して、吸気末端3D画像の肺実質をセグメント化します。血管認識アルゴリズムを使用して肺血管を除外し、最大換気を表す第 8 期の R ベント マップの換気欠陥または VD マップを計算します。

Rベントの1次導関数として流れを計算します。75パーセンタイルから95パーセンタイルの間のベント値によって定義される健康な領域から計算された各スライスの参照フローボリュームループまたはFVLを確立します。各肺実質ボクセル FVL と参照 FVL の間の類似性を、ゼロ ラグの相互相関を使用して決定します。

次に、換気欠陥FEL相関メトリックマップを計算します。ピークまたはVTTPマップまでの換気時間を呼吸周期のパーセンテージで計算し、続いてピーク吸気からのVTTP値の偏差を50%統計的に説明し、パラメータはすべてのスライスのベント、FELCM、VTTP、およびVTTPの偏差であり、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。最後に、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、計算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ます。

健康なボランティアの 3D PREFUL MRA は、すべての換気パラメータ マップで均質な換気値を示しました。例示的な VD マップでは、ベントの換気欠陥パーセンテージ値は 3.6% で、FELCM の換気欠陥パーセンテージ値は 3% で、健康な正常範囲内に収まっていました。54歳の女性慢性閉塞性肺疾患患者の3D PREFUL MRIと19 FMRIの換気障害マップの比較は、健康な領域と低換気領域の良好な視覚的相関を示しました。

嚢胞性線維症患者の肺の治療後の局所反応を測定するための3D PREFUL MRIの比較により、FEL相関指標の値の増加と治療後のVDの減少が明らかになりました。