Een driedimensionaal digitaal model voor vroege diagnose van leverfibrose op basis van magnetische resonantie-elastografie

Samenvatting

Het doel van deze studie was om een nieuw driedimensionaal digitaal model te ontwikkelen voor de vroege diagnose van leverfibrose, dat de stijfheid van elke voxel in de lever van de patiënt omvat en dus kan worden gebruikt om de distributieverhouding van de lever van de patiënt in verschillende fibrosestadia te berekenen.

Samenvatting

Leverfibrose is een vroeg stadium van levercirrose en er zijn geen betere niet-invasieve en handige methoden voor de detectie en evaluatie van de ziekte. Ondanks de goede vooruitgang die is geboekt met de leverstijfheidskaart (LSM) op basis van magnetische resonantie-elastografie (MRE), zijn er nog steeds enkele beperkingen die moeten worden overwonnen, waaronder handmatige focusbepaling, handmatige selectie van interessegebieden (ROI's) en discontinue LSM-gegevens zonder structurele informatie, waardoor het onmogelijk is om de lever als geheel te evalueren. In deze studie stellen we een nieuw driedimensionaal (3D) digitaal model voor voor de vroege diagnose van leverfibrose op basis van MRE.

MRE is een niet-invasieve beeldvormingstechniek die gebruik maakt van magnetische resonantiebeeldvorming (MRI) om de leverstijfheid op de scanplaats te meten door middel van interactie tussen mens en computer. Studies hebben een significante positieve correlatie aangetoond tussen de LSM verkregen via MRE en de mate van leverfibrose. Voor klinische doeleinden is echter een uitgebreide en nauwkeurige kwantificering van de mate van leverfibrose noodzakelijk. Om dit aan te pakken, werd in deze studie het concept van Liver Stiffness Distribution (LSD) voorgesteld, dat verwijst naar het 3D-stijfheidsvolume van elke levervoxel dat wordt verkregen door de uitlijning van 3D-leverweefselbeelden en MRE-indicatoren. Dit biedt een effectiever klinisch hulpmiddel voor de diagnose en behandeling van leverfibrose.

Inleiding

Leverfibrose verwijst naar de vorming van overmatig littekenweefsel in de lever, meestal als gevolg van leverbeschadiging of ziekte 1,2,3,4. Het ontstaat vaak als gevolg van chronische leverbeschadiging en wordt vaak geassocieerd met leverziekten, zoals chronische virale hepatitis, niet-alcoholische leververvetting en alcoholische leverziekte. Indien onbehandeld, kan leverfibrose zich ontwikkelen tot cirrose, een potentieel levensbedreigende aandoening die gepaard gaat met aanzienlijke morbiditeit en mortaliteit.

Actief onderzoek op dit gebied heeft tot doel de cellulaire en moleculaire mechanismen op te helderen die ten grondslag liggen aan de pathogenese van leverfibrose, en om nieuwe diagnostische en therapeutische strategieën te ontwikkelen om de resultaten voor patiënten te verbeteren. Een ander doel is de niet-invasieve detectie van het stadium van leverfibrose, wat een cruciaal aspect is dat rechtstreeks correleert met de diagnose van de ziekte, de selectie van de behandeling en de evaluatie van de prognose. Ondanks het belang van een nauwkeurige diagnose en de monitoring van leverfibrose, zijn traditionele diagnostische methoden, zoals leverbiopsie, invasief en gaan ze gepaard met aanzienlijke risico's. Magnetische resonantie-elastografie ^5,6 (MRE) daarentegen is een veelbelovende niet-invasieve beeldvormingstechniek die potentieel heeft aangetoond bij de diagnose en monitoring van leverfibrose door leverstijfheid te kwantificeren.

In de afgelopen jaren is er veel onderzoek gedaan naar het evalueren van de nauwkeurigheid en betrouwbaarheid van MRE bij de diagnose van leverfibrose, evenals de potentiële voordelen ervan ten opzichte van traditionele diagnostische methoden. De leverstijfheidsmetriek van MRE is goedgekeurd door de Amerikaanse Food and Drug Administration (FDA) voor klinische diagnose, en uitgebreide vergelijkende analyse met pathologische resultaten is uitgevoerd in de klinische praktijk. De resultaten hebben aangetoond dat de stijfheidskaarten die door MRE worden gegenereerd een sterke positieve correlatie vertonen met verschillende stadia van leverfibrose 7,8,9,10,11,12. Maar tot nu toe heeft het werk van het nauwkeurig evalueren en volgen van de progressie van leverfibrose bij patiënten door middel van kwantitatieve analyse van de distributie van leverstijfheid (LSD) door leverstructuurbeelden te matchen met MRE niet veel vooruitgang geboekt.

In deze studie wordt de analysetechniek^13,14,15 van de medische beeldvormingsgroep geïntroduceerd om een nauwkeurige uitlijning van de leverstructuurbeelden te bereiken met de stijfheidskaart die door MRE in 3D-ruimte wordt gegenereerd^, waardoor de leverstijfheidswaarden voor elke voxel van de gehele lever kunnen worden berekend. Op basis van het digitale 3D-model van LSD kan de exacte verdeling van patiëntspecifieke stadiëring van leverfibrose worden berekend en geëvalueerd. Dit legt een solide basis voor de nauwkeurige kwantitatieve diagnose van leverfibrose in een vroeg stadium.

Protocol

Deze studie maakte gebruik van 3D-digitale LSD-modellering om de lever te reconstrueren van een typische patiënt met klinisch bevestigde leverfibrose. De patiënt werd gerekruteerd uit een bekende instelling voor de behandeling van leverziekten, "You An Hospital" in Beijing, China, en onderging routinematige magnetische resonantiebeeldvorming (MRI) en MRE-beeldvorming in de bovenbuik na toestemming te hebben gegeven. De patiënt werd gekozen als casestudy voor deze onderzoeksmethode vanwege de bevestiging van leverfibrosestadiëring door pathologisch onderzoek en de afwezigheid van duidelijke klinische symptomen, wat de toepasbaarheid en klinische waarde van dit onderzoek benadrukt bij het diagnosticeren van patiënten met leverfibrose in een vroeg stadium. Dit artikel geeft ook een kwantitatieve vergelijking tussen de lever van deze patiënt en een gezonde lever. De softwaretools die in dit onderzoek zijn gebruikt, staan vermeld in de materiaaltabel.

1. Gegevensverzameling en -voorbereiding

LET OP: Het parameterverschil is niet gevoelig voor de onderzoeksmethode.

1. Strategieën voor MRI-scans
   OPMERKING: Deze studie maakte gebruik van werkelijke DICOM-gegevens die waren verkregen uit klinische beeldvorming met behulp van een MRI-apparaat (magnetic resonance imaging) vervaardigd door GE. De inhoud van de gegevens omvat IDEAL (Iteratieve ontleding van water en vet met echo-asymmetrie en schatting van de kleinste kwadraten), beeldvorming van water-vetscheiding en beeldvorming van magnetische resonantie-elastografie (MRE).
   1. Zorg ervoor dat de IDEAL-gegevens een horizontale resolutie hebben van 256 pixels bij 256 pixels, met een pixelafstand van 1,5625 mm en een plakdikte van 10 mm.
      OPMERKING: De scanstrategie kan verder worden geoptimaliseerd, maar de methodologie die in dit onderzoek wordt gebruikt, is van toepassing op medische beeldvorming met een hogere precisie.
2. Wijzig de naam van de map van elke reeks.
   OPMERKING: Aangezien de DICOM-gegevens die uit de apparatuur worden geëxporteerd geen expliciete sequentienamen bevatten, is het tijdens de voorbewerkingsfase noodzakelijk om expliciete namen voor elke sequentie toe te voegen om de daaropvolgende analyse en verwerking te vergemakkelijken.
   1. Kopieer alle DICOM-gegevens naar een aangepaste werkmap.
   2. Navigeer naar de map met de gegevens in de werkmap van MATLAB.
   3. Voer de functie Description_Name uit om beschrijvende namen toe te voegen aan de mappen voor elke reeks.
   4. Zie figuur 1 voor een vergelijking voor en na hernoeming. Voeg een beschrijvingsnaam toe aan elke map met afbeeldingsreeksen om de identificatie van de benodigde afbeeldingsreeksen voor verschillende analytische doeleinden te vergemakkelijken.
3. Bekijk snel afbeeldingen van IDEAL.
   1. Wijzig de map met mappen van verschillende fasen, inclusief de in-fase, out-fase, water- en vetfase, die in afzonderlijke mappen zijn opgeslagen voor beeldvorming met behulp van IDEAL.
   2. Voer de Slice_View-functie uit om de impactsequenties voor elke fase te bekijken.
   3. Zie figuur 2 voor een afbeelding van de interactieve grafische gebruikersinterface (GUI) voor de MRI-IDEAL-sequentie. Gebruik de schuifbalk onderaan de GUI om snel door de verschillende sequenties te bladeren.
   4. Gebruik de MRI-IDEAL outfasesequentie als het type MRI-sequentie voor het geven van duidelijkere beschrijvingen van leverweefselgrenzen.
      OPMERKING: Bij de volgende bewerkingen zal de nadruk liggen op het gebruik van de uitfasesequentie van IDEAL om het 3D-gebied van de lever af te bakenen.

2. Extraheer het 3D-gebied van de lever

OPMERKING: De individuele voxels in het 3D-gebied van de lever dienen als ruimtelijke dragers voor LSD, waarbij de stijfheidswaarde van elke voxel wordt afgeleid van MRE. Het extraheren van het 3D-gebied van het leverweefsel is een noodzakelijke stap vóór fusie. Hoewel deep learning kan worden gebruikt om deze taak efficiënter uit te voeren, is dit niet de focus van deze studie. Daarom worden hier nog steeds volwassen softwaretools (bijv. MIMICS) gebruikt om het 3D-gebied van het leverweefsel te extraheren.

1. Om de MIMICS-software te starten, selecteert u Nieuw project en navigeert u in het volgende dialoogvenster naar de map met de IDEAL-outfase-afbeeldingen. Ga verder door op de knop Converteren op VOLGENDE te klikken en zo toegang te krijgen tot de status voor het bewerken van sequenties.
2. Om een leeg masker te maken, klikt u op de knop Nieuw in het dialoogvenster MASKER aan de rechterkant en selecteert u de maximale drempel.
3. Als u het gebied van de lever in alle horizontale weergaven wilt afbakenen, gebruikt u de tool Maskers bewerken die zich onder het label Segment bevindt.
4. Om het 3D ruimtelijke deel van de lever te genereren, selecteert u het levermasker dat is afgebakend en klikt u op de knop Deel van masker berekenen . Het geëxtraheerde 3D-gebied van de lever wordt weergegeven in figuur 3.
5. Klik op Bestand | Exporteren | selecteer de opdracht Dicom . Kies in het pop-upvenster het levermasker, stel het bestandspad en de bestandsnamen in en klik op de OK knop om de export van het 3D-gebied van de lever naar de opgegeven DICOM-bestanden te voltooien.

3. De kaartvolgorde van leverstijfheid

OPMERKING: Het MRE-stijfheidsbereik bij patiënten met vroege fibrose is doorgaans lager dan 8 kpa. Om dit te bekijken, moet de sequentieafbeelding met het label 'SE27_ST8K_(Pa)' worden geselecteerd.

1. Wijzig de directory in de map 'SE27_ST8K_(Pa)', die de leverstijfheidskaartreeks bevat.
2. Om door elke stijfheidskaart te bladeren, voert u de functie MRE_show uit in de werkruimte van Matlab, waarbij het argument van de functie de bestandsnaam is die zich in het opgegeven pad bevindt.
3. De leverstijfheidskaart in figuur 4 is een RGB-afbeelding met ware kleuren, met een gegevensstructuur van 512 pixels bij 512 pixels bij 3 matrix, waarbij elk pixelpunt drie waarden heeft die de drie primaire kleuren, RBG, vertegenwoordigen. Let op de kleurenbalk aan de linkerkant die de bijbehorende stijfheidswaarden van verschillende gekleurde pixels weergeeft. Bereken de exacte stijfheid van elke pixel met behulp van hun respectievelijke correlaties.
4. De aanvullende informatie in figuur 4 omvat gegevens zoals sequentiebeschrijving, scanpositie, tijd, patiëntinformatie en beeldparameters. Gebruik deze gegevens, met name de beeldparameters, om de ruimtelijke relatie tussen MRE- en IDEAL-sequenties vast te stellen.

4.3D-Volume van de verdeling van leverstijfheid

OPMERKING: Elke voxel in het 3D-leverstijfheidsvolume vertegenwoordigt de stijfheidswaarde van een overeenkomstige voxel in het 3D-levergebied, die is afgeleid van de stijfheidswaarde van elke pixel in figuur 4. Door het 3D-levergebied in figuur 3 uit te lijnen met de stijfheidskaart in figuur 4, kan de stijfheidswaarde van elke voxel worden geëxtraheerd, wat resulteert in het genereren van het 3D-leverstijfheidsvolume.

1. Roep de LSD_Slice-functie aan met het 3D-levergebied zoals weergegeven in figuur 3 en de leverstijfheidskaart in figuur 4 als invoerparameters om het 3D-volume van de leverstijfheidsverdeling te verkrijgen, zoals weergegeven in figuur 5.
2. Bekijk de stijfheidskaart van elke laag van de lever door de schuifbalk onder de GUI te slepen die wordt weergegeven in figuur 5.
   OPMERKING: In tegenstelling tot figuur 4 wordt hier echter alleen leverweefsel nauwkeurig vastgehouden.
3. Let op de pictogrammen in de rechterbovenhoek van de GUI (Figuur 5), zoals inzoomen, uitzoomen, terugkeren naar de globale weergave en de coördinaten van de geselecteerde pixel markeren.
   OPMERKING: De standaard kleurenbalk is de kleurenkaart van "jet", wat betekent dat de overeenkomstige waarden (Unit kpa) van blauw naar rood laag naar hoog zijn.
4. Voer de LSD_Volume functie uit met dezelfde invoer als LSD_Slice om de ruimtelijke verdeling van de 3D-lever-LSD te verkrijgen, zoals weergegeven in afbeelding 6. Bekijk het 3D-volume van LSD vanuit elk perspectief door de linkermuisknop ingedrukt te houden en het scherm te slepen (Figuur 6).

5. Kwantitatieve analyse van LSD

OPMERKING: Een belangrijke kwantitatieve analysefocus van deze studie is het geven van het aandeel van verschillende stadia van LSD-voxels in de lever van de patiënt. Figuur 6 laat zien dat de verdeling van leverfibrose bij patiënten ongelijk is op verschillende ruimtelijke locaties. De reden waarom klinische symptomen nog niet duidelijk zijn, is voornamelijk te wijten aan het feit dat een aanzienlijk deel van het leverweefsel zich in een normaal stadium bevindt. Daarom is het noodzakelijk om het verschil tussen patiënten en gezonde personen precies te kwantificeren. Dit is een belangrijk kwantitatief concept van deze studie.

1. Bepaal de numerieke bereiken van stijfheidswaarden voor verschillende stadia van leverfibrose, zoals weergegeven in figuur 7.
2. Bereken de verdeling van de volledige levervoxels van de patiënt in verschillende fibrosestadia (Figuur 8) door de Hepatic_Fibrosis-functie aan te roepen met de invoerparameter van het 3D-volume LSD zoals weergegeven in Figuur 6.
3. Gebruik dezelfde stappen om de resultaten van een volledig gezonde lever te berekenen en te vergelijken met de typische leverfibrosepatiënt die hierboven is beschreven (Figuur 9).

Resultaten

Door gebruik te maken van de informatie in het Description_Name veld van DICOM-bestanden, kan de oorspronkelijke MRI-map worden hernoemd om de snelle lokalisatie van de vereiste beeldvormingssequentie tijdens het analyseproces in de beeldvormingsgroep te vergemakkelijken. De MRI-IDEAL outfasesequentie is het type MRI-sequentie dat wordt gebruikt voor het geven van duidelijkere beschrijvingen van leverweefselgrenzen. Dit komt omdat de MRI-IDEAL out-of-phase sequentie de magnetisatiesterkte en -hoek van ve...

Discussie

In de klinische praktijk is het een uitdaging om de toestand van patiënten met leverfibrose in een vroeg stadium nauwkeurig te kwantificeren en te volgen. De vergelijking in figuur 9 geeft de mate van leverfibrose bij de patiënt volledig weer in vergelijking met een gezonde lever; Dit cijfer kan natuurlijk ook een vergelijking zijn tussen twee verschillende perioden voor de patiënt, die wordt gebruikt voor de evaluatie van de werkzaamheid van de behandeling. Deze nauwkeurige kwantificeringsm...

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
MATLAB	MathWorks	2022B	Computeren en visualisatie
Mimics	Materialise	Mimics Research V20	Model formaat transformatie
Tools for 3D_LSD	Intelligent Entropy	HepaticFibrosis V1.0	Beijing Intelligent Entropy Science & Technology Co Ltd. Modellering voor CT/MRI fusie