Summary
이 연구의 목적은 간섬유증의 조기 진단을 위한 새로운 3차원 디지털 모델을 개발하는 것인데, 여기에는 환자의 간에서 각 복셀의 경직도가 포함되어 있어 다양한 섬유증 단계에서 환자의 간 분포 비율을 계산하는 데 사용할 수 있습니다.
Abstract
간섬유증은 간경변증의 초기 단계이며, 질병의 발견 및 평가를 위한 더 나은 비침습적이고 편리한 방법은 없습니다. 자기 공명 탄성 조영술(MRE)을 기반으로 한 간 경직 맵(LSM)이 좋은 진전을 이뤘음에도 불구하고, 수동 초점 결정, 관심 영역(ROI)의 수동 선택, 구조적 정보가 없는 불연속 LSM 데이터 등 극복해야 할 몇 가지 한계가 여전히 있어 간 전체를 평가할 수 없습니다. 본 연구에서는 MRE를 기반으로 한 간섬유증 조기진단을 위한 새로운 3차원(3D) 디지털 모델을 제안한다.
MRE는 자기공명영상(MRI)을 사용하여 인간-컴퓨터 상호작용을 통해 스캐닝 부위의 간 강성을 측정하는 비침습적 영상 기술입니다. 연구에 따르면 MRE를 통해 얻은 LSM과 간 섬유증 정도 사이에 상당한 양의 상관관계가 있는 것으로 나타났습니다. 그러나 임상적 목적을 위해서는 간 섬유증의 정도에 대한 포괄적이고 정확한 정량화가 필요합니다. 이를 해결하기 위해 본 연구에서는 3D 간 조직 영상과 MRE 지표의 정렬에 의해 얻어진 각 간 복셀의 3D 경직 부피를 의미하는 LSD(Liver Stiffness Distribution)의 개념을 제안했습니다. 이는 간 섬유증의 진단 및 치료를 위한 보다 효과적인 임상 도구를 제공합니다.
Introduction
간섬유증은 간에 과도한 반흔 조직이 형성되는 것을 말하며, 일반적으로 간 손상이나 질병의 결과로발생합니다 1,2,3,4. 만성 간 손상의 결과로 자주 발생하며 일반적으로 만성 바이러스성 간염, 비알코올성 지방간 질환 및 알코올성 간 질환과 같은 간 질환과 관련이 있습니다. 간섬유증을 치료하지 않고 방치하면 간경변증으로 진행될 수 있으며, 간경변증은 심각한 이환율과 사망률과 함께 생명을 위협할 수 있는 질환입니다.
이 분야의 활발한 연구는 간섬유증의 발병기전의 기저에 있는 세포 및 분자 메커니즘을 밝히고 환자 결과를 개선하기 위한 새로운 진단 및 치료 전략을 개발하는 것을 목표로 합니다. 또 다른 목표는 간 섬유증 단계의 비침습적 검출이며, 이는 질병 진단, 치료 선택 및 예후 평가와 직접적인 관련이 있는 중요한 측면입니다. 간 섬유증의 정확한 진단과 모니터링의 중요성에도 불구하고 간 생검과 같은 전통적인 진단 방법은 침습적이며 심각한 위험과 관련이 있습니다. 대조적으로, 자기 공명 탄성 조영술 5,6(MRE)은 간 경직을 정량화하여 간 섬유증의 진단 및 모니터링에서 잠재력을 입증한 유망한 비침습적 영상 기술입니다.
최근 몇 년 동안 간 섬유증 진단에서 MRE의 정확성과 신뢰성뿐만 아니라 기존 진단 방법에 대한 잠재적인 이점을 평가하는 데 중점을 둔 중요한 연구가 있었습니다. MRE의 간 경직 메트릭은 미국 식품의약국(FDA)의 임상 진단을 위한 승인을 받았으며 병리학적 결과와 광범위한 비교 분석이 임상 실습에서 수행되었습니다. 그 결과, MRE에 의해 생성된 경직 지도는 간 섬유증 7,8,9,10,11,12의 다양한 단계와 강한 양의 상관관계를 나타낸다는 것을 보여주었다. 그러나 지금까지 간 구조 영상과 MRE를 일치시켜 간 경직 분포(LSD)의 정량 분석을 통해 환자의 간 섬유증 진행을 정확하게 평가하고 추적하는 작업은 큰 진전을 이루지 못했습니다.
본 연구에서는 3D 공간에서 MRE에 의해 생성된 경직 맵과 간 구조 이미지의 정확한 정렬을 달성하기 위해 의료 영상군 분석 기술(13,14,15)을 도입하여 전체 간의 복셀별 간 경직도 값을 계산할 수 있습니다. LSD의 3D 디지털 모델을 기반으로 환자별 간 섬유증 병기의 정확한 분포를 계산하고 평가할 수 있습니다. 이는 초기 간 섬유증의 정확한 정량적 진단을 위한 견고한 토대를 마련합니다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
이 연구는 3D 디지털 LSD 모델링을 활용하여 임상적으로 확인된 간섬유증이 있는 일반적인 환자의 간을 재구성했습니다. 환자는 중국 베이징의 유명 간질환 치료기관인 '유안병원'에서 모집돼 동의 후 상복부 자기공명영상(MRI)과 MRE 영상을 받았다. 본 연구방법은 병리학적 검사를 통해 간섬유증 병기가 확인되고 뚜렷한 임상증상이 없어 초기 간섬유증 환자 진단에 대한 응용가능성과 임상적 가치가 강조되는 사례연구로 선정됐다. 이 논문은 또한 이 환자의 간과 건강한 간의 정량적 비교를 제공합니다. 이 연구에 사용된 소프트웨어 도구는 재료 목차에 나열되어 있습니다.
1. 데이터 수집 및 준비
알림: 매개변수 차이는 연구 방법에 민감하지 않습니다.
- MRI 스캔 전략
참고: 본 연구는 GE에서 제조한 자기공명영상(MRI) 기기를 이용한 임상영상에서 얻은 실제 DICOM 데이터를 활용하였다. 데이터 내용에는 IDEAL(반향 비대칭 및 최소 제곱 추정을 사용한 물과 지방의 반복 분해), 물-지방 분리 이미징 및 자기 공명 엘라스토그래피(MRE) 이미징이 포함됩니다.- IDEAL 데이터의 가로 해상도가 256 x 256픽셀이고 픽셀 간격이 1.5625mm이고 슬라이스 두께가 10mm인지 확인합니다.
참고: 스캐닝 전략은 더욱 최적화될 수 있지만 이 연구에 사용된 방법론은 고정밀 의료 영상에 적용할 수 있습니다.
- IDEAL 데이터의 가로 해상도가 256 x 256픽셀이고 픽셀 간격이 1.5625mm이고 슬라이스 두께가 10mm인지 확인합니다.
- 모든 시퀀스의 폴더 이름을 바꿉니다.
참고: 장비에서 내보낸 DICOM 데이터는 시퀀스 이름을 명시적으로 제공하지 않으므로 전처리 단계에서 후속 분석 및 처리를 용이하게 하기 위해 각 시퀀스에 대한 명시적인 이름을 추가해야 합니다.- 모든 DICOM 데이터를 사용자 지정된 작업 디렉터리에 복사합니다.
- MATLAB의 작업 디렉터리에 있는 데이터가 포함된 디렉터리로 이동합니다.
- Description_Name 함수를 실행하여 각 시퀀스의 폴더에 설명이 포함된 이름을 추가합니다.
- 이름 바꾸기 전과 후의 비교는 그림 1 을 참조하십시오. 다양한 분석 목적에 필요한 이미지 시퀀스를 쉽게 식별할 수 있도록 각 이미지 시퀀스 폴더에 설명 이름을 추가합니다.
- IDEAL의 이미지를 빠르게 확인할 수 있습니다.
- IDEAL을 사용하여 이미징을 위해 별도의 폴더에 저장된 동상 내상, 역위상, 물 및 지방 위상을 포함하여 다른 상의 폴더 디렉토리를 변경합니다.
- Slice_View 함수를 실행하여 각 단계에 대한 영향 시퀀스를 확인합니다.
- MRI-IDEAL 시퀀스에 대한 대화형 그래픽 사용자 인터페이스(GUI)의 이미지는 그림 2 를 참조하십시오. GUI 하단의 스크롤 막대를 사용하여 다양한 시퀀스를 빠르게 탐색할 수 있습니다.
- MRI-IDEAL out-phase sequence를 MRI 시퀀스 유형으로 사용하여 간 조직 경계에 대한 보다 명확한 설명을 제공합니다.
알림: 다음 작업에서는 IDEAL의 out-phase 시퀀스를 사용하여 간의 3D 영역을 설명하는 데 중점을 둘 것입니다.
2. 간의 3D 영역 추출
참고: 간의 3D 영역에 있는 개별 복셀은 LSD의 공간 운반체 역할을 하며, 각 복셀의 강성 값은 MRE에서 파생됩니다. 간 조직의 3D 영역을 추출하는 것은 융합 전에 필요한 단계입니다. 딥 러닝을 사용하여 이 작업을 보다 효율적으로 수행할 수 있지만 이 연구의 초점은 아닙니다. 따라서 성숙한 소프트웨어 도구(예: MIMICS)가 간 조직의 3D 영역을 추출하는 데 여전히 사용됩니다.
- MIMICS 소프트웨어를 시작하려면 새 프로젝트를 선택하고 다음 대화 상자에서 IDEAL out-phase 이미지가 포함된 폴더로 이동합니다. NEXT(다음) | Convert( 변환 ) 버튼을 클릭하여 시퀀스 편집 상태로 들어갑니다.
- 빈 마스크를 만들려면 오른쪽에 있는 마스크 대화 상자에서 새로 만들기 버튼을 클릭하고 최대 임계값을 선택합니다.
- 모든 수평 보기에서 간 영역을 구분하려면 세그먼트 레이블 아래에 있는 Edit Masks 도구를 사용합니다.
- 간의 3D 공간 부분을 생성하려면 윤곽이 그려진 간 마스크를 선택하고 마스크에서 부분 계산 버튼을 클릭합니다. 추출된 간의 3D 영역은 그림 3에 나와 있습니다.
- File( 파일) | 수출 | Dicom 명령을 선택합니다. 팝업 대화 상자에서 간 마스크를 선택하고 파일 경로와 파일 이름을 설정 한 다음 OK 버튼을 눌러 간의 3D 영역을 지정된 DICOM 파일로 내보내기를 완료합니다.
3. 간 경직도 맵 시퀀스
참고: 초기 섬유증 환자의 MRE 경직 범위는 일반적으로 8kpa 미만입니다. 이를 보려면 'SE27_ST8K_(Pa)'라는 레이블이 지정된 시퀀스 이미지를 선택해야 합니다.
- 디렉터리를 간 경직 맵 시퀀스가 포함된 'SE27_ST8K_(Pa)' 폴더로 변경합니다.
- 각 강성 맵을 탐색하려면 Matlab의 작업 공간에서 MRE_show 함수를 실행하고, 함수의 인수는 지정된 경로에 있는 파일 이름이어야 합니다.
- 그림 4에 표시된 간 경직도 맵은 512 x 512 픽셀 x 3 매트릭스의 데이터 구조를 갖는 RGB 트루 컬러 이미지이며, 여기서 각 픽셀 포인트는 세 가지 기본 색상인 RBG를 나타내는 세 개의 값을 갖습니다. 왼쪽에서 서로 다른 색상의 픽셀에 대응하는 강성 값을 표시하는 색상 막대를 관찰합니다. 각각의 상관 관계를 사용하여 각 픽셀의 정확한 강성을 계산합니다.
- 그림 4의 보충 정보에는 시퀀스 설명, 스캔 위치, 시간, 환자 정보 및 이미지 매개변수와 같은 데이터가 포함됩니다. 이러한 데이터, 특히 영상 파라미터를 사용하여 MRE와 IDEAL 시퀀스 간의 공간 관계를 설정할 수 있습니다.
4.3D - 간 경직도 분포의 부피
참고: 3D 간 강성 체적의 각 복셀은 3D 간 영역에서 해당 복셀의 강성 값을 나타내며, 이는 그림 4에 있는 각 픽셀의 강성 값에서 파생됩니다. 그림 3 의 3D 간 영역을 그림 4의 강성 맵과 정렬하면 각 복셀의 강성 값을 추출하여 3D 간 강성 부피를 생성할 수 있습니다.
- 그림 5와 같이 그림 3에 표시된 3D 간 영역과 그림 4의 간 경직도 맵을 입력 파라미터로 사용하여 LSD_Slice 함수를 호출하여 간 경직도 분포의 3D 부피를 구합니다.
- 그림 5에 표시된 GUI 아래로 스크롤 막대를 끌어 간 각 층의 강성 맵을 확인합니다.
참고: 그러나 그림 4와 달리 간 조직만 정확하게 여기에 유지됩니다. - GUI의 오른쪽 상단 모서리에 있는 아이콘(그림 5)을 관찰합니다(예: 확대, 축소, 전역 보기로 돌아가기, 선택한 픽셀의 좌표 표시).
참고: 기본 색상 막대는 "jet"의 컬러맵으로, 파란색에서 빨간색으로 대응하는 값(단위 kpa)이 낮음에서 높음으로 표시됩니다. - 그림 6과 같이 LSD_Slice와 동일한 입력값으로 LSD_Volume 함수를 실행하여 3차원 간 LSD의 공간 분포를 구합니다. 마우스 왼쪽 단추를 누른 채 화면을 끌어 모든 관점에서 LSD의 3D 볼륨을 볼 수 있습니다(그림 6).
5. LSD 정량 분석
참고: 이 연구의 중요한 정량 분석 초점은 환자의 간에서 LSD 복셀의 여러 단계의 비율을 제공하는 것입니다. 그림 6 은 환자의 간 섬유증 분포가 서로 다른 공간적 위치에서 고르지 않다는 것을 보여줍니다. 임상적 증상이 아직 뚜렷하지 않은 이유는 주로 간 조직의 상당 부분이 정상 단계에 있기 때문입니다. 따라서 환자와 건강한 사람의 차이를 정확하게 정량화할 필요가 있습니다. 이것은 본 연구의 중요한 정량적 개념이다.
- 그림 7과 같이 간 섬유증의 여러 단계에 대한 강성 값의 수치 범위를 결정합니다.
- 그림 6에 표시된 LSD의 3D 부피 입력 매개변수로 Hepatic_Fibrosis 함수를 호출하여 다양한 섬유증 단계에서 환자의 전체 간 복셀의 분포를 계산합니다(그림 8).
- 동일한 단계를 사용하여 완전히 건강한 간의 결과를 위에서 설명한 일반적인 간 섬유증 환자와 계산하고 비교합니다(그림 9).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
DICOM 파일의 Description_Name 필드에 있는 정보를 활용하여 이미징 그룹의 분석 프로세스 중에 필요한 이미징 시퀀스의 신속한 위치 파악을 용이하게 하기 위해 원본 MRI 폴더의 이름을 변경할 수 있습니다. MRI-IDEAL out-phase sequence는 간 조직 경계에 대한 보다 명확한 설명을 제공하는 데 사용되는 MRI 시퀀스 유형입니다. 이는 MRI-IDEAL 위상차 시퀀스가 특정 이미지 처리 기술을 통해 서로 다른 조직의 자화 강도와 각도를 더 잘 구별할 수 있기 때문입니다.
MRI-IDEAL out-phase sequence는 그래디언트 에코 시퀀스(GRE)를 사용하여 이미지를 생성하고 이미지 획득 중에 out-phase 제어를 활용하는 방식으로 작동합니다. 이는 이미징 중 조직 간의 자기장 불균질성을 줄여 조직 구조에 대한 이미지의 해상도와 대비를 향상시킵니다. 또한 MRI-IDEAL out-phase 시퀀스는 지방 신호를 억제하여 이미징에서 지방의 간섭을 줄이고 인접 조직 구조를 더 잘 표시할 수 있습니다. 요약하면, MRI-IDEAL out-phase sequence는 자기장 제어 및 지방 신호 억제와 같은 기술을 사용하여 이미징 해상도와 대비를 개선하여 조직 경계를 더 명확하게 할 수 있습니다.
딥 러닝 도구를 사용하여 간의 3D 해부학적 구조를 추출할 수 있지만 이 방법은 어느 정도의 기계 학습 오류가 있습니다. 이 연구의 초점은 간 섬유증의 정확한 정량화입니다. 따라서 MIMICS 도구는 3D 간 조직 영역의 추출에 사용되었으며, 전문가 경험과 결합하여 간 조직의 비교적 정확한 3D 영역을 추출했습니다.
MRE 강성 맵은 상복부의 각 수평 스캔 내에서 다양한 공간 위치의 전단 강성을 표시할 수 있습니다. 이 연구는 간 섬유증의 초기 단계에 초점을 맞췄습니다. 따라서 수치 범위는 0-8kPa였습니다. 그림 4 는 GE 장치의 MRE-간 경직도 맵의 표준 버전으로, 경직도 맵이 포함되어 있지만 간의 해부학적 구조를 구별하기는 어렵습니다. 이 연구의 핵심 혁신은 MRE-간 경직 맵을 그림 3에 표시된 간의 해부학적 구조와 정렬하여 달성한 정확한 정량화입니다.
그림 5 는 간에 대한 정확한 경직 지도를 제공하여 의사와 환자가 막연한 감각 대신 초기 간성 섬유증 병변의 위치와 크기를 정확하게 이해할 수 있도록 합니다. 이를 통해 추가 수치 정량 분석을 위한 길을 열 수 있습니다.
그림 6 은 3D 공간에서 수평 축을 따라 각 간 스캔 층의 강성 맵을 재구성하여 얻은 것입니다. 그림 6 은 그림 5의 3D 버전입니다. 3D 공간에서는 환자의 간 섬유증의 정도와 위치를 보다 명확하게 식별할 수 있습니다.
MRE 경직도에 대한 병리학적 검사 결과를 비교, 분석 및 연구한 결과는 다른 곳에서 찾을 수 있다9. 환자에서 간 섬유증 단계의 수치 분포를 추가로 정량화하기 위해 그림 7 은 이전 연구 결과를 기반으로 본 연구에서 사용된 다양한 단계에 대한 경직 간격의 범위를 나열합니다.
그림 7에 표시된 간 섬유증의 여러 단계에 대한 경직 수치 범위에 따라 환자에 대한 여러 단계에서 간 3D 복셀의 특정 비율을 계산할 수 있습니다. 이 계산은 그림 6과 같이 3D LSD의 데이터를 기반으로 합니다. 결과적으로, 그림 8은 환자의 간 섬유증의 정량적 결과를 나타내며, 간 섬유증의 여러 단계에 해당하는 환자의 간 비율을 나타냅니다.
그림 8에 표시된 결과를 바탕으로 그림 9와 같이 이 연구에서 연구된 방법의 정량적 효과를 설명하기 위해 건강한 간의 데이터를 비교로 계산했습니다. 둘 사이의 정확한 정량화 차이를 시각화할 수 있습니다. 이 연구 패러다임을 바탕으로 후속 연구에서 이 그룹은 건강한 간의 LSD와 초기 간섬유증의 정량적 분류에 대한 추가 연구를 수행할 것입니다.
그림 1: 모든 MRI 시퀀스의 설명 이름. 다음은 MRI 스캔 시퀀스의 폴더 이름입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 2: 각 IDEAL 위상 시퀀스 슬라이스의 그래픽 사용자 인터페이스. MRI-IDEAL을 통한 탐색의 예. MRI-IDEAL은 특히 지방과 수분 분리가 중요한 경우 MRI 이미지의 품질과 해석 가능성을 향상시키는 강력한 도구입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3: 간의 추출된 3D 영역. 간의 구조 이미지를 기반으로 간의 3D 공간 범위를 보여줍니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 4: 간 경직도 지도. MRE-Liver Stiffness Map의 표준 버전입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 5: 간 경직도 분포 절편. 간에 속하는 정확한 강성 지도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 6: 간 경직도 분포의 3D 부피. 이것은 그림 5의 3D 버전입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 7: 간 섬유증의 다양한 단계. 이전 연구 결과를 기반으로 본 연구에서 사용된 다양한 단계에 대한 강성 간격 범위 목록. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 8: 여러 단계의 간 경직 분포. 환자의 간 섬유증에 대한 정량적 결과는 간 섬유증의 여러 단계에 해당하는 환자의 간 비율을 나타냅니다. 약어: LSD = 간 경직 분포. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 9: 간 경직도 분포 비교. 건강한 간과 초기 간 섬유증 환자 간의 자세한 정량적 비교. 약어: LSD = 간 경직 분포. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
임상 실습에서 초기 단계 간 섬유증 환자의 상태를 정확하게 정량화하고 추적하는 것은 어렵습니다. 그림 9 에 표시된 비교는 건강한 간과 비교하여 환자의 간 섬유화 정도를 완전히 반영합니다. 물론 이 수치는 치료 효능 평가에 사용되는 환자에 대한 두 가지 다른 기간을 비교한 것일 수도 있습니다. 이 정확한 정량화 방법은 이 연구의 핵심적이고 중요한 단계입니다. 또한, 도 5 및 도 6 에 나타낸 LSD의 3D 부피 계산 방법은 환자의 간 내 섬유화 병변의 공간적 위치와 크기를 정확하게 파악할 수 있어 초기 간섬유증의 정확한 진단을 위한 확실한 정량적 근거를 제공한다. 또한 3D 디지털 모델을 사용하여 정밀하게 유도된 간 천자에 대한 과학적 지원을 제공할 수 있습니다.
이 연구는 3D LSD의 개념과 간 섬유증의 여러 단계에서 정확한 정량화를 제안합니다. 결과는 이 방법이 초기 간섬유증 환자의 질병 진행을 효과적으로 정량적으로 평가할 수 있음을 보여줍니다. 가능한 추가 개선 및 진화에는 MRE 스캔의 스캐닝 정확도, 특히 수평 스캐닝 간격 개선이 포함됩니다. 간 자기 공명 구조 이미지의 이미징 정확도 향상; 간의 3D 영역의 빠른 추출을 돕기 위해 딥 러닝 기술을 도입합니다. 진단 비교를 위한 기준선을 설정하기 위해 건강한 간에 대한 더 많은 LSD 데이터를 축적합니다. 간섬유증의 각 단계에 대해 더 많은 환자 데이터를 축적하여 보다 정확한 분류 표준을 개발합니다.
본 연구에서 제안된 방법은 3D LSD를 기반으로 초기 간섬유증을 정량적으로 병기할 수 있지만, 질병 발생의 근본적인 기전을 다루지는 못한다2. 다른 장비와 스캐닝 전략으로 인해 일관되지 않은 결과가 발생할 수 있습니다. 보다 표준화되고 보편적인 컴퓨팅 프로토콜을 개발하는 것은 여전히 어려운 과제입니다.
간섬유증에 대한 전통적인 침습적 진단 방법과 비교했을 때, 본 논문에서 제시된 연구는 다음과 같은 두드러진 장점을 가지고 있다. 첫째, 일상적인 상복부 MRI와 MRE는 모두 비침습적입니다. 둘째, 3D LSD는 3D 공간에서 간섬유증 병변의 크기와 위치를 정확하게 특성화할 수 있습니다. 셋째, 정량적 결과는 임상의에게 간 섬유증의 여러 단계에서 간 복셀의 비율에 대한 명확한 이해를 제공할 수 있습니다. 마지막으로, 이 연구는 MRE 경직도 맵과 간 조직 구조의 정확한 정렬을 달성하여 임상의가 구조 이미지에서 경직도 값을 색인화하거나 그 반대로 경직 맵의 병변에서 간 조직의 공간적 위치를 색인화할 수 있도록 했습니다. 이 접근법은 초기 간 섬유증의 정확한 정량화에 매우 유용합니다.
MRI-IDEAL 기법은 여러 에코 시간에서 MRI 이미지를 획득하여 작동하며, 이를 통해 서로 다른 공명 주파수를 활용하여 물과 지방 신호를 분리할 수 있습니다. 이 분리는 이미지의 각 픽셀에서 물과 지방의 상대적 비율을 계산하는 반복적인 분해 프로세스를 통해 이루어집니다. 결과 이미지는 임상의에게 체지방의 분포와 양에 대한 귀중한 정보를 제공할 수 있으며, 이는 비만, 당뇨병 및 간 질환과 같은 상태를 진단하고 모니터링하는 데 유용할 수 있습니다.
본 연구에서 제안하는 정량적 방법은 간경변증 초기의 정량적 진단뿐만 아니라 간경변증 중기 및 말기 진단에도 적용할 수 있다. 또한 간섬유증 또는 간경변증 환자를 배제하기 위한 그룹화 및 선별 기술뿐만 아니라 다양한 유형의 간경변증에 대한 예후 도구로도 사용할 수 있습니다. 3D LSD는 정밀한 간 천자나 수술을 위한 탐색 도구로도 사용할 수 있습니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
이 연구의 재료 표 에 나열된 간섬유증 정량화를 위한 소프트웨어 도구인 HepaticFibrosis V1.0은 Beijing Intelligent Entropy Science & Technology Co Ltd.의 소프트웨어 도구입니다. 이 소프트웨어 도구의 지적 재산권은 회사에 있습니다.
Acknowledgments
이 간행물은 중국 국립한의학총국이 주관하는 제5회 전국 한의학 임상우수인재 연구 프로그램의 지원을 받았다. 공식 네트워크 링크는 'http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html. '
Materials
Name | Company | Catalog Number | Comments |
MATLAB | MathWorks | 2022B | Computing and visualization |
Mimics | Materialise | Mimics Research V20 | Model format transformation |
Tools for 3D_LSD | Intelligent Entropy | HepaticFibrosis V1.0 | Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion |
References
- Henderson, N. C., Rieder, F., Wynn, T. A. Fibrosis: from mechanisms to medicines. Nature. 587 (7835), 555-566 (2020).
- Parola, M., Pinzani, M. Liver fibrosis: Pathophysiology, pathogenetic targets and clinical issues. Molecular Aspects of Medicine. 65, 37-55 (2019).
- Ramachandran, P., et al. Resolving the fibrotic niche of human liver cirrhosis at single-cell level. Nature. 575 (7783), 512-518 (2019).
- Stefan, N., Häring, H. -U., Cusi, K. Non-alcoholic fatty liver disease: causes, diagnosis, cardiometabolic consequences, and treatment strategies. The Lancet. Diabetes & Endocrinology. 7 (4), 313-324 (2019).
- Castera, L., Friedrich-Rust, M., Loomba, R. Noninvasive assessment of liver disease in patients with nonalcoholic fatty liver disease. Gastroenterology. 156 (5), 1264.e4-1281.e4 (2019).
- Godoy-Matos, A. F., Silva Júnior, W. S., Valerio, C. M. NAFLD as a continuum: from obesity to metabolic syndrome and diabetes. Diabetology & Metabolic Syndrome. 12 (1), 1-20 (2020).
- Venkatesh, S. K., Xu, S., Tai, D., Yu, H., Wee, A. Correlation of MR elastography with morphometric quantification of liver fibrosis (Fibro-C-Index) in chronic hepatitis B. Magnetic Resonance in Medicine. 72 (4), 1123-1129 (2014).
- Yin, M., et al. Assessment of hepatic fibrosis with magnetic resonance elastography. Clinical Gastroenterology and Hepatology. 5 (10), 1207-1213 (2007).
- Venkatesh, S. K., Wang, G., Lim, S. G., Wee, A. Magnetic resonance elastography for the detection and staging of liver fibrosis in chronic hepatitis B. European Radiology. 24, 70-78 (2014).
- Ichikawa, S., et al. Magnetic resonance elastography for staging liver fibrosis in chronic hepatitis C. Magnetic Resonance in Medical Sciences. 11 (4), 291-297 (2012).
- Chen, J., et al. Early detection of nonalcoholic steatohepatitis in patients with nonalcoholic fatty liver disease by using MR elastography. Radiology. 259 (3), 749-756 (2011).
- Singh, S., et al. Diagnostic performance of magnetic resonance elastography in staging liver fibrosis: a systematic review and meta-analysis of individual participant data. Clinical Gastroenterology and Hepatology. 13 (3), 440.e6-451.e6 (2015).
- Ferro, M., et al. Radiomics in prostate cancer: an up-to-date review. Therapeutic Advances in Urology. 14, 17562872221109020 (2022).
- Nam, D., Chapiro, J., Paradis, V., Seraphin, T. P., Kather, J. N. Artificial intelligence in liver diseases: Improving diagnostics, prognostics and response prediction. JHEP Reports. 4 (4), 100443 (2022).
- Wu, Y. -J., Wu, F. -Z., Yang, S. -C., Tang, E. -K., Liang, C. -H. Radiomics in early lung cancer diagnosis: from diagnosis to clinical decision support and education. Diagnostics. 12 (5), 1064 (2022).