Methodenartikel

Driedimensioneel fase-opgelost functioneel long magnetische resonantie beeldvorming

DOI:

10.3791/66385

⸱

21 juni 2024

 ,  ,  , 
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)

In dit artikel

Samenvatting

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

Driedimensionaal (3D) fase-opgeloste functionele long (PREFUL) is een functionele magnetische resonantiebeeldvormingstechniek (MRI) die kwantificering van regionale ventilatie van het hele menselijke longvolume mogelijk maakt, met behulp van ademhalingscycli en contrastmiddelvrije acquisitie gedurende 8 minuten. Hier presenteren we een MR-protocol om 3D PREFUL-beeldgegevens te verzamelen en te analyseren.

Samenvatting

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

Pulmonaire magnetische resonantiebeeldvorming (MRI) biedt een verscheidenheid aan stralingsvrije technieken die zijn afgestemd op het beoordelen van regionale longventilatie of de surrogaatindicatoren daarvan. Deze technieken omvatten directe metingen, geïllustreerd door hypergepolariseerd gas MRI en gefluoreerd gas MRI, evenals indirecte metingen die worden vergemakkelijkt door zuurstofversterkte MRI en proton-gebaseerde Fourier-decompositie (FD) MRI. In recente tijden is er aanzienlijke vooruitgang geboekt op het gebied van FD MRI, wat betrekking heeft op het verbeteren van ruimtelijk/temporele resolutie, het verfijnen van sequentieontwerp en postprocessing, en het ontwikkelen van een alomvattende gehele longbenadering.

De tweedimensionale (2D) fase-opgeloste functionele long (PREFUL) MRI valt op als een op FD gebaseerde benadering die is ontwikkeld voor de alomvattende beoordeling van regionale ventilatie- en perfusiedynamiek, allemaal binnen één MR-acquisitie. Onlangs is er een nieuwe vooruitgang geboekt met de ontwikkeling van 3D PREFUL om dynamische ventilatie van de gehele long te beoordelen met behulp van een 8-minuten examen met een zelf-gated sequentie.

De 3D PREFUL-acquisitie omvat het gebruik van een stack-of-stars spoiled-gradient-echo sequentie met een gouden hoekverhoging. Na de beeldreconstructie met behulp van gecomprimeerde sensoren van ongeveer 40 ademhalingsfasen, worden alle gereconstrueerde ademhalingsopgeloste beelden geregistreerd op een vaste ademhalingsfase. Vervolgens worden de ventilatieparameters uit de geregistreerde beelden geëxtraheerd.

In een studiecohort bestaande uit gezonde vrijwilligers en patiënten met chronische obstructieve longziekte, toonden de 3D PREFUL-ventilatieparameters sterke correlaties met metingen verkregen uit longfunctietests. Bovendien werd de herhaalbaarheid tussen scans van de 3D PREFUL-techniek als acceptabel beschouwd, wat duidt op de betrouwbaarheid ervan voor herhaalde beoordelingen van dezelfde individuen.

Kortom, 3D PREFUL-ventilatie-MRI biedt een dekking van de gehele long en legt ventilatiedynamiek vast met een verbeterde ruimtelijke resolutie in vergelijking met 2D PREFUL. De 3D PREFUL-techniek biedt een kosteneffectieve alternatief voor hypergepolariseerd 129Xe MRI, waardoor het een aantrekkelijke optie is voor patiëntvriendelijk evalueren van pulmonale ventilatie.

Inleiding

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

Volgens de Wereldgezondheidsorganisatie (WHO) zijn chronische aandoeningen van de luchtwegen de derde belangrijkste doodsoorzaak en leggen ze een aanzienlijke last op de gezondheidszorg1. De diagnose en monitoring van verschillende aandoeningen van de luchtwegen omvat pulmonale functionele tests, die geen ruimtelijke informatie bevatten en mogelijk niet haalbaar zijn bij jonge patiënten. Meerdere andere nucleaire geneeskunde modaliteiten leveren ruimtelijke maatregelen van ventilatie, zoals positronemissietomografie (PET)2, enkele-foton emissie gecomputeriseerde tomografie (SPECT)3, of computertomografie4. Een belangrijk nadeel van deze technieken is het gebruik van ioniserende straling voor beeldvorming. Daarom zijn deze metingen niet haalbaar bij gevoelige populaties zoals kinderen of voor herhaalde metingen in klinische studies.

Magnetische resonantie beeldvormingsmethoden hebben de laatste twee decennia interesse gewekt omdat ze stralingsvrije meting van longfunctie bieden. Bovenal zijn hyperpolarisatie gas MRI technieken5 gebruikt voor de beoordeling van longventilatie bij gezonde controles en patiënten met longziekten, met een superieur signaal-ruisverhouding (SNR) vergeleken met 19F6 of zuurstof-versterkte MRI7. De gemeenschappelijke nadelen van gas MRI technieken omvatten de vereiste voor extra personeel, hardwarekosten of de noodzaak van patiëntsamenwerking tijdens de ademstilstand meting. Om deze beperkingen aan te pakken, zijn methoden gebaseerd op Fourier Decompositie (FD) MRI8 geïntroduceerd voor het evalueren van longventilatie en perfusie. Als alternatief voor FD MRI werd een fase-opgeloste functionele long (PREFUL) MRI9 ontwikkeld, gevalideerd10,11,12 en getest in meerdere studies, inclusief multicentrische studies13,14. Niettemin resulteert de 2D-acquisitie in lange acquisitietijden voor volledige longdekking en beperkte ruimtelijke resolutie. Een elegante oplossing wordt aangeboden door zelf-gegate 3D-acquisities, zij het ten koste van de perfusie-informatie15,16,17. Een van deze technieken, 3D PREFUL MRI17, is ontwikkeld om niet alleen statische ventilatie te beoordelen, maar ook ventilatiedynamiek gedurende een 8 min MR-examen, wat een superieure beeldresolutie biedt vergeleken met 2D-methoden.

Na de originele publicatie die de methode beschreef17, is de herhaalbaarheid van de techniek beoordeeld en vergeleken met de klinisch goed gevestigde spirometrische metingen18, en meer recentelijk is een versneld beeldregistratieframework geïntroduceerd terwijl de herhaalbaarheid van ventilatieparameters werd verbeterd en de beeldkwaliteit van ventilatiekaarten werd behouden19. Deze patiëntvriendelijk en eenvoudig schaalbare techniek, in staat om regionaal ventilatie in de menselijke long kwantitatief in kaart te brengen, heeft het potentieel om een aanzienlijke bijdrage te leveren aan vroege detectie, diagnose van aandoeningen van de luchtwegen, of follow-up monitoring van therapie-effecten20. Deze behandelingsveranderingen in regionale longfunctie, zoals verbeterd ventilatievolume, hebben het potentieel om biomarkers te worden voor het beoordelen van de impact van therapieën en zouden een nuttig hulpmiddel kunnen zijn in multicentrische klinische studies.

Het artikel heeft tot doel een uitgebreide en visuele uitleg van de 3D PREFUL technologie te bieden, met als doel een bredere toepassing van deze techniek te bevorderen.

Protocol

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

Dit onderzoek kreeg goedkeuring van de ethische commissie van de Hannover Medical School, waardoor ervoor werd gezorgd dat het tijdens het gehele onderzoeksproces voldeed aan strenge ethische normen. Het onderzoek volgde strikt de richtlijnen die zijn uiteengezet in de Verklaring van Helsinki, waarin de nadruk wordt gelegd op ethisch gedrag in medisch onderzoek. Bovendien werd schriftelijke, geïnformeerde toestemming zorgvuldig verkregen van alle deelnemers aan het onderzoek (of hun ouders of wettelijke voogden) voordat ze deelnamen aan het MRI-onderzoek.

OPMERKING: De inclusie-/uitsluitingscriteria voor onderzoeken met 3D PREFUL MRI variëren en zijn afhankelijk van het ontwerp van het onderzoek. Typische inclusiecriteria voor gezonde vrijwilligers in een 3D PREFUL MRI-onderzoek omvatten personen die (a) vrij zijn van ernstige medische aandoeningen die de resultaten van het onderzoek zouden kunnen beïnvloeden, (b) geen medicijnen gebruiken die de MRI-resultaten zouden kunnen verstoren, (c) geen claustrofobie, angst, metalen implantaten of apparaten hebben, (d) voldoen aan specifieke leeftijds- en geslachtscriteria die relevant zijn voor de doelstellingen van het onderzoek, (e) geen rookgeschiedenis hebben, (f) normale bevindingen van spirometrie hebben (FEV1/FVC > 0,7 en zowel FEV1 als FVC > 80% van de voorspelde waarde). Uitsluitingscriteria voor alle deelnemers aan een 3D PREFUL MRI-onderzoek kunnen zijn: (a) zwangerschap, (b) een aandoening hebben die de veiligheid of geldigheid van de 3D PREFUL MRI-onderzoek kan compromitteren, (c) intolerantie voor gadolinium-gebaseerde contrastmiddelen wanneer dynamisch contrastversterkt MRI is opgenomen in een onderzoeksprotocol.

1. Pre-MRI interview

  1. Laat een arts belangrijke informatie verzamelen over de medische geschiedenis van het onderwerp.
  2. Leg de mogelijke contra-indicaties, risico's en de MRI-procedure uit.
  3. Verkrijg schriftelijke, geïnformeerde toestemming van het onderwerp.
    OPMERKING: Als er geen resultaten van longfunctietests beschikbaar zijn, vraag het onderwerp om een longfunctietest uit te voeren vóór het MRI-onderzoek en verifieer of de verkregen resultaten voldoen aan de inclusiecriteria.

2. Voorbereiding van de radiograaf voor het MR-examen

  1. Registreer het onderwerp in de MR-console en kies het MR-protocol van het onderzoek met 3D PREFUL-acquisitie.
  2. Controleer of het onderwerp, zijn of haar zakken en kleding vrij zijn van metaalhoudende stukken.
  3. Plaats de lakens op de scannertafel zodat een steriele omgeving gegarandeerd is.
  4. Ga met het onderwerp de MR-ruimte binnen.

3. Voorbereiding van het onderwerp voor het MR-examen

  1. Laat het onderwerp in een rugligging (weliswaar ook een buikligging is mogelijk) op de MRI-tafel liggen.
  2. Zorg ervoor dat de torso-spoel voldoende dekking van de thorax biedt door het bovenste element van de torso-spoel in de buurt van de kin van het onderwerp te plaatsen.
  3. Voorzie het onderwerp van oordopjes (of alternatief oorpluggen of beide) om het gehoor te beschermen tegen luid geluid geïnduceerd door de MRI.
  4. Voorzie het onderwerp van een veiligheidsknop (of een alternatieve veiligheidsmechanisme) zodat deze gemakkelijk kan worden bereikt en ingedrukt.
  5. Plaats een kussen onder het hoofd en de benen van het onderwerp om het comfort tijdens het MR-examen te verbeteren.
  6. Plaats het onderwerp in de MR-scanner, gebruik de laserlichtnavigatie om ervoor te zorgen dat het afgebeelde gebied het isocentrum van de boor beslaat.

4. MRI examen

  1. Localiseren
    1. Voer een localiserende sequentie uit (met vergelijkbare parameters zoals vermeld in Tabel 1A) om lage resolutie anatomische beelden in drie vlakken (met groot gezichtsveld) te verkrijgen die zullen worden gebruikt om het 3D PREFUL-examen te plannen.
  2. 3D PREFUL beeldvorming
    1. Stel de acquisitieparameters in volgens Tabel 1B voor beeldacquisitie.
    2. Stel het aantal radiale projecties zo in dat de acquisitie ongeveer 8 minuten duurt.
    3. Laat het onderwerp normaal ademen (tidal-free ademhaling) gedurende de hele acquisitie.
    4. Controleer of de hele thorax in het gezichtsveld is opgenomen en start de acquisitie.
  3. Verwijder het onderwerp uit de scanner nadat de beeldvorming is voltooid.

5. Overdracht van ruwe gegevens

  1. Normaal gesproken worden de verworven ruwe gegevens niet opgeslagen op het MR-platform van de leverancier. Sla de ruwe 3D PREFUL kspace-gegevens op met behulp van de leveranciersspecifieke stappen op de MR-console.

6. Gegevensanalyse en nabewerking

  1. Begin met het evalueren van de verworven gegevens met behulp van het beeldreconstructiescript (Tabel van Materialen) op de daarvoor bestemde werkstation, bijv. in MATLAB, door het pad naar de ruwe gegevens in te stellen.
    OPMERKING: De daarvoor bestemde werkstation moet al de volgende pakketten hebben geïnstalleerd:
    (a) The Berkeley Advanced Reconstruction Toolbox (BART)
    ​(b) Advanced Normalization Tools (ANTs)
  2. Beeldreconstructie
    1. Schat de MR-systeemspecifieke gradiëntvertragingen met behulp van de kalibratieprojecties met de estdelay

Resultaten

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

Het eenvoudigste 3D PREFUL-beeldvormingsprotocol omvat twee sequenties. Eén anatomische localizer + één vrij ademende meting met behulp van golden-angle 3D stack-of-stars acquisitie. De stack-of-stars traject is getoond in Figuur 1. Deze traject combineert radiale sampling (in-plane) met lineaire cartesiaanse sampling (in z-richting). Aanvankelijk worden monsters in de kz partitie-richting verkregen, gevolgd door de rotatie van de gouden hoek om de kx-ky vlak te bemonsteren. Het golden angle acquisitieschema bevordert zelf-gating met uniforme dekking van de k-ruimte, wat beeldreconstructie mogelijk maakt met zwaar onderbemonsterde gegevens. Het hele onderzoek duurt niet langer dan 10 minuten. Nadere details van de 3D PREFUL acquisitie staan in de Tabel van Materialen.

Kleur diffractiepatroon, vectordiagram; kx, ky, kz assen duiden kristallografierichtingen aan.
Figuur 1: Golden ratio geroteerde stack of stars traject. Let op de radiale sampling toegepast langs de in-plane dimensie (kx-ky) en cartesiaanse sampling toegepast langs de slice richting (kz). Dit schema resulteert in cilindrische dekking van de verworven k-ruimte. In dit voorbeeld worden drie partities, inclusief 32 radiale projecties per partitie, afgebeeld. Klik hier om een grotere versie van deze figuur te bekijken.

Een lijst van typische MRI-parameters die worden gebruikt voor 3D PREFUL-beeldvorming op een 1.5 T-scanner wordt gepresenteerd in Tabel 1B. Voor de 3T-scanner worden de sequentieparameters vermeld in Tabel 2 voorgesteld.

Nadat de gegevensverwerving en gegevensoverdracht zijn voltooid, begint de beeldreconstructie. Deze stap wordt uitgevoerd door een MATLAB-code die behoort tot het intellectueel eigendom (IP) van een bedrijf (BioVisioneers GmbH) en niet openlijk gedeeld kan worden. Het script is volledig geautomatiseerd zodra de pad naar de ruwe gegevens wordt verstrekt. Een schematisch overzicht van de reconstructieprocedure is afgebeeld in Figuur 2.

SoS beeldacquisitieproces, long MRI reconstructie, fase-sortering, 3D dynamica, parameterextractie diagram.
Figuur 2: Schematisch overzicht van de 3D Phase Resolved Functional Lung (PREFUL) MRI-methode. In eerste instantie wordt de gegevens verkregen met behulp van een 8 minuten durende vrij ademende MR-acquisitie met een stack-of-stars traject. Nadat de gegevens van de MR-scanner naar een rekeneenheid zijn overgebracht, worden 3D-beelden met lage resolutie met een temporele resolutie van ongeveer 100 ms gereconstrueerd. Het longparenchym van elk beeld wordt gesegmenteerd en het longvolume wordt berekend. De longvolume-informatie wordt verder gebruikt als een gating-signaal. Op basis van de amplitude en fase van het gating-signaal worden de radiale projecties gesorteerd in ademhalingsbins die een ademhalingscyclus beslaan. De binning-onderdeel wordt gevolgd door de dynamische reconstructie van beelden met volledige resolutie, die vervolgens worden geregistreerd naar het eind-inspiratorische niveau. Na verschillende post-verwerkingsstappen wordt de regionale ventilatie (RVent) cyclus berekend en wordt het beeldanalysegedeelte, inclusief parameterextractie, uitgevoerd. De RVent cyclus wordt beoordeeld door het berekenen van de stroom-volumelus (FVL) voor elke voxel. De FVL-CM ventilatiekaarten worden verkregen door een beoordeling van elke voxel FVL tegen gezonde referentie FVL, waarbij de gelijkenis wordt geëvalueerd met behulp van een cross-correlatie metric. Voor zowel RVent als FVL-CM worden de globale totale ventilatiedefect percentage (VDP) waarden gekwantificeerd. Bovendien wordt de dynamica van de RVent cyclus geanalyseerd door middel van time-to-peak analyse, resulterend in een ventilatie time-to-peak (VTTP) parameterkaart. Daarnaast wordt de afwijking van de verwachte piekventilatie bij 50% van de RVent cyclus gekwantificeerd in de VTTPDev kaart. Klik hier om een grotere versie van deze figuur te bekijken.

Na de beeldreconstructieprocedure worden alle beelden ruimtelijk uitgelijnd op een enkele vaste toestand. De registratie zelf wordt uitgevoerd op CPU met Advanced Normalization Tools (ANTs27) of Forsberg registratiepakket28. Terwijl het ANTs-pakket een gouden standaard blijft voor beeldregistratietaken in MRI- en CT-beeldvorming, vergemakkelijkt de Forsberg-registratie een 10-voudig snellere registratieprocedure tot 9 minuten met vergelijkbare resultaten19. Het registratiepakket kan worden gekozen afhankelijk van de gebruikersprioriteiten en beschikbare rekeneenheden. Nadat de registratie is voltooid, worden de geregistreerd morfologische beelden opnieuw geïnverteerd zodat de long donker verschijnt in het grijswaardenbeeld.

In Figuur 3 wordt de volgende stap van de pijplijn weergegeven, die longparenchym segmentatie omvat. Eerst wordt het longparenchym van het eind-inspiratorische beeld gesegmenteerd met behulp van een convolutioneel neuronale netwerk met nnUnet architectuur29. De longparenchym segmentatie

Discussie

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

Een van de meest cruciale valkuilen is de acquisitie zelf. Er moet voorzichtig worden omgegaan om ervoor te zorgen dat de MR-sequentieparameters correct zijn ingesteld. Belangrijke parameters zijn de echotijd, herhalingstijd, aantal slices, matrixgrootte en pixelbandbreedte. Afwijkingen van de aanbevolen instellingen kunnen resulteren in onvoldoende tijdelijke resolutie of verlengde acquisities. Ook is gegevensoverdracht belangrijk om ervoor te zorgen dat de gegevens volledig worden geleverd aan de geselecteerde computer of server voor evaluatie. De gegevensevaluatie verloopt volledig automatisch zodra het pad naar de verworven gegevens is ingesteld. Postprocessing begint met beeldreconstructie, waarbij retrospectieve binning een cruciale rol speelt. Het is aan te bevelen om het binning-signaal te verifiëren om een duidelijke weergave van het ademhalingspatroon te garanderen. Na het inspecteren van het binning-signaal zijn er geen aanvullende stappen nodig, aangezien het algoritme zelf slechte ademhalingspatronen verwerkt door uitzonderingen (gegevenspunten boven de 95th percentile en onder de 10th percentile) uit te sluiten. Na beeldreconstructie vindt het proces van beeldregistratie plaats. Deze stap moet als volgt worden geverifieerd: de geregistreerde beelden moeten vrij zijn van ademhaling en hartbeweging. Specifiek moeten de posities van het middenrif en het hart 'bevroren' zijn. De volgende stap omvat deep-learning-gebaseerde segmentatie van longparenchym en bloedvaten. Dit segmentatieproces is erg tijdrovend voor het hele 3D-longvolume; daarom is het gebruik van AI-gebaseerde tools nuttig. In bepaalde situaties, zoals het optreden van perifere consolidaties, kunnen deze algoritmen echter geen nauwkeurige resultaten opleveren. Bijgevolg moet het segmentatiemasker grondig worden gecontroleerd en zo nodig handmatig worden gecorrigeerd. Al deze stappen zijn cruciaal voor het evalueren van de ventilatieparameters en kunnen leiden tot onnauwkeurige berekeningen.

Sinds de oorspronkelijke publicatie17 zijn er verschillende ontwikkelingen geweest in de 3D PREFUL-techniek. Het sorteeralgoritme van de verworven radiale projecties is volledig geautomatiseerd en verbeterd, zodat de hele long wordt gesegmenteerd met behulp van Otsu's thresholding-methode en wordt gebruikt als een navigatorsignaal voor het indelen van gegevens in ademhalingsfasen. Verder zijn de handmatige segmentatie van longparenchym en bloedvaten vervangen door volledig automatische deep-learning-gebaseerde algoritmen om tijdrovende procedures te verminderen. Bovendien kan de verwerkingstijd van het beeldregistratiedeel tot 10 minuten worden verminderd als de Forsberg-registratietoolbox wordt geïmplementeerd19. Samen met eerdere ontwikkelingen maakt de geïmplementeerde code het mogelijk om beelden van twee tijdstippen (follow-up metingen) te coregistreren en de voxelwijze progressie van de ziekte of therapie-geïnduceerde ventilatieveranderingen te evalueren20. De huidige versie van het Matlab-script vereist geen gebruikersinteractie en kan in de toekomst worden geïmplementeerd in een pijplijn voor de geautomatiseerde verwerking van gegevens met specifieke vlaggen.

Het belangrijkste nadeel van 3D PREFUL is dat geen lokale bloedstroommeting mogelijk is, omdat het instroomeffect niet kan worden vastgelegd bij gebruik van een niet-selectieve harde RF-puls voor excitatie. Ten tweede vereist de volledige postverwerking (inclusief gegevensoverdracht, beeldreconstructie, beeldregistratie en ventilatieanalyse) momenteel 2 uur voor elk onderwerp. Ten derde is momenteel slechts een voorlopige vergelijking van 3D PREFUL-afgeleide ventilatieparameters met meer gevalideerde technieken aangetoond40. Ten vierde wordt de evaluatie van verworven gegevens uitgevoerd op een high-performance computer; daarom zijn de resultaten niet direct beschikbaar voor de arts aan de console. Ten vijfde ontbreken haalbaarheidsstudies van 3D PREFUL op verschillende veldsterktes en verschillende scannerleveranciers.

3D Phase Resolved Functional Lung (PREFUL) MRI maakt kwantitatieve mapping van regionale ventilatiedynamiek van de gehele menselijke long tijdens vrij ademen mogelijk17. Er zijn verschillende kosteneffectieve alternatieven voor 3D PREFUL, zoals spirometrie of meervoudige ademwastechnieken; beide hebben echter geen ruimtelijke informatie en vereisen ademhalingshandelingen, en zijn daarom niet haalbaar voor jonge kinderen of neonaten. Alternatieve beeldvormingsmethoden brengen patiënten bloot aan ioniserende straling, zoals nucleaire geneeskundemethoden CT, of zijn niet algemeen beschikbaar (hypergepolariseerd 129Xe of 19F gasbeeldvorming met behulp van MRI). 3D PREFUL biedt een beoordeling van ventilatiedynamiek, kan worden uitgevoerd met behulp van een standaard klinische scanner en vereist geen contrastmiddelen, waardoor het aantrekkelijk is om te vertalen naar een klinische onderzoeksomgeving. Het feit dat 3D PREFUL geen gebruik van straling of contrastmiddelen vereist en een patiëntvriendelijk, vrij ademend acquisitie biedt, maakt het geschikt voor herhaalde of longitudinale studies die regionale reacties op therapie kwantitatief evalueren. Ten tweede kan de 3D PREFUL-beoordeling van longventilatie bijzonder waardevol zijn bij jonge kinderen, waarbij blootstelling aan straling moet worden vermeden.

Het vermogen van 3D PREFUL om functionele ventilatiebeelden van de menselijke long te genereren, biedt potentieel voor vroege diagnose. Specifiek maakt de mogelijkheid om herhaalbare en kwantitatieve regionale ventilatiekaarten te produceren longitudinale studies mogelijk, bijv. ziekteprogressie of monitoring van therapie-effecten. Bovendien kan de regionale informatie over ventilatiedynamiek een grotere gevoeligheid bieden voor vroege veranderingen gerelateerd aan longziekte die niet detecteerbaar zijn door longfunctietests.

Openbaarmakingen

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

Filip Klimeš, Andreas Voskrebenzev en Jens Vogel-Claussen zijn aandeelhouders van BioVisioneers GmbH, een bedrijf dat geïnteresseerd is in pulmonaire magnetische resonantie beeldvormingsmethoden.

Dankbetuigingen

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

Dit werk werd gefinancierd door het Duitse Centrum voor Longonderzoek (DZL). De auteurs profiteerden van een aantal nuttige gesprekken met collega's, met name met 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 en Sonja Lüdiger. De auteurs danken Robert Grimm (Siemens Healthineers) voor het schrijven van de MR-beeldvormingssequentie en verder willen de auteurs ook Frank Schröder en Sven Thiele van de afdeling Radiologie (Hannover Medical School) bedanken voor uitstekende technische assistentie bij het uitvoeren van de MRI-onderzoeken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
ANTsOpen source medical image analysis research communityImage registratie toolbox
BARTOpen source imaginghttps://www.opensourceimaging.org/project/berkeley-advanced-reconstruction-toolbox-bart/Image reconstructie toolbox
Body coilSiemens / Philips / GE https://www.siemens-healthineers.com/en-us/magnetic-resonance-imaging/options-and-upgrades/coilsMinimaal 6-kanaals body coil; Philips [https://www.usa.philips.com/healthcare/solutions/magnetic-resonance/coils-overview ]
ForsbergImage registratie toolboxhttps://github.com/fordanic/image-registrationImage registratie toolbox
Image reconstructie codeBioVisioneers GmbHwww.biovisioneers.comSoftware voor de MR reconstructie en analyse
MatlabMathworksSoftware
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, 3D gradiënt echo sequence met stack-of-stars traject en gouden hoek increment; 1. Siemens Grasp-Vibe Sequence - https://t.ly/P31kM, 2. Philips Multi Vane XD Sequence https://t.ly/wMWZZ, 3. GE Lava-Star, Disco-Star - https://t.ly/vimm2

Referenties

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

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

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

Gerelateerde artikelen