Methodenartikel

Pulmonale structurele MRI met behulp van vrij ademende, zelfgated ultrakorte echotijdbeeldvorming

1.2K weergaven

⸱

DOI:

10.3791/67294

⸱

6 september 2024

1Division of Pulmonary, Critical Care, and Sleep Medicine, Hoglund Biomedical Imaging Center, University of Kansas Medical Center

In dit artikel

Samenvatting

Er wordt een protocol beschreven voor het genereren van structurele beelden met hoge resolutie van de longen met behulp van ultra-short-echo time (UTE) Magnetic Resonance Imaging (MRI). Dit protocol maakt het mogelijk om beelden te verkrijgen met behulp van een eenvoudige MRI-pulssequentie tijdens de vrije ademhaling.

Samenvatting

MRI van hoge kwaliteit van de longen wordt uitgedaagd door een lage weefseldichtheid, snelle ontspanning van het MRI-signaal en ademhalings- en hartbewegingen. Om deze redenen wordt structurele beeldvorming van de longen bijna uitsluitend uitgevoerd met behulp van computertomografie (CT). CT-beeldvorming levert echter ioniserende straling af en is daarom minder geschikt voor bepaalde kwetsbare bevolkingsgroepen (bijv. Kindergeneeskunde) of voor onderzoekstoepassingen. Als alternatief staat MRI met behulp van ultrakorte echotijden (UTE) in de belangstelling. Deze techniek kan worden uitgevoerd tijdens vrije ademhaling in de loop van een scan van ~5-10 minuten. Informatie over ademhalingsbewegingen wordt gecodeerd naast afbeeldingen; Deze informatie kan worden gebruikt om afbeeldingen zelf te "beheren". Self-gating elimineert dus de noodzaak van geavanceerde programmering van MRI-pulssequenties of het gebruik van ademhalingsbalgen, wat de beeldacquisitie vereenvoudigt. In dit protocol worden eenvoudige, robuuste en computationeel efficiënte acquisitie- en reconstructiemethoden gepresenteerd voor het verkrijgen van hoogwaardige UTE MRI van de longen. Dit protocol is ontwikkeld voor gebruik op een 3T MRI-scanner, maar dezelfde principes kunnen worden geïmplementeerd bij een lagere magnetische veldsterkte. Het protocol bevat aanbevolen parameterinstellingen voor 3D radiale UTE-beeldacquisitie, evenals aanwijzingen voor zelfgated beeldreconstructie om beelden te genereren in verschillende ademhalingsfasen. Door de implementatie van dit protocol kunnen gebruikers UTE-beelden met hoge resolutie van de longen genereren met minimale tot minimale tot geen bewegingsartefacten. Deze beelden kunnen worden gebruikt om de longstructuur te evalueren, die kan worden geïmplementeerd voor onderzoeksgebruik in verschillende longaandoeningen.

Inleiding

Beeldvorming met hoge resolutie van de longstructuur is een essentieel onderdeel van diagnostisch onderzoek naar veel longaandoeningen. Meestal wordt dit uitgevoerd met behulp van computertomografie (CT) beeldvorming, die bij uitstek geschikt is om beelden met een hoge resolutie van de longen tegenereren. CT-beeldvorming levert echter een niet-triviale dosis ioniserende straling, waardoor het niet geschikt is voor regelmatige herhaalde beeldvorming, beeldvorming in meerdere verschillende ademhalingsfasen of beeldvorming van bepaalde populaties (bijv. Kindergeneeskunde). Magnetische resonantiebeeldvorming (MRI) brengt niet hetzelfde risico van ioniserende straling met zich mee en is dus vatbaar voor dergelijke beeldvormingstaken. Het is echter een uitdaging om de longen in beeld te brengen met behulp van MRI vanwege de lage weefseldichtheid, ademhalings- en hartbewegingen en zeer snelle signaalontspanning 2,3,4.

Een MRI-techniek die deze uitdagingen kan verminderen, is ultrakorte echotijd (UTE) MRI 4,5,6. Bij UTE MRI wordt het MRI-signaal onmiddellijk na de signaalexcitatie bemonsterd, wat de impact van snelle signaalontspanning vermindert. Bovendien bemonstert deze techniek de k-ruimte vanuit het centrum naar buiten, wat leidt tot aanzienlijke oversampling in het centrum van de k-ruimte. Deze oversampling in het midden van de k-ruimte maakt deze beeldvormingstechniek robuust voor beweging. Naast deze inherente robuustheid tegen beweging, codeert herhaalde bemonstering van het centrum van de k-ruimte informatie over ademhalingsbeweging, waardoor de zelfafscherming van afbeeldingenmogelijk is 7,8,9. Deze self-gating kan worden gebruikt om beelden te genereren in verschillende ademhalingsfasen. Omdat mensen het grootste deel van de ademhalingsfase bij de vervaldatum doorbrengen, is het gebruikelijk om een beeld te genereren voor de eindvervaldatum, omdat in deze fase de meeste beeldvormingsgegevens zijn verkregen.

Er zijn verschillende strategieën voor respiratoire self-gating bij pulmonale MRI. Het eerste onderscheid dat moet worden gemaakt is op basis van afbeelding vs. op k-space gebaseerde gating10 (Figuur 1). Bij image-based gating wordt een set beelden met een hoge temporele resolutie gegenereerd door kleine temporele subsets van de beeldvormingsgegevens te reconstrueren. Vervolgens wordt de positie van het diafragma in deze beelden gebruikt om de ademhalingsfase voor een bepaalde set beeldprojecties te identificeren10,11. Bij k-space-based gating worden gegevens uit het centrum van k-space ("k0") onderzocht 8,9,12. De signaalintensiteit van het beeld is gecodeerd in k0, en dus varieert de intensiteit van het k0-punt met de ademhaling. Projecties kunnen dus worden opgedeeld in verschillende ademhalingsfasen op basis van de intensiteit van k0. In zowel beeldgebaseerde als k-space-gebaseerde gating worden projecties met gelijksoortige ademhalingsfasen gegroepeerd voor beeldreconstructie. Er is gesuggereerd dat beeldgebaseerde gating zorgt voor een verbeterde getrouwheid bij het schatten van de ademhalingsfase, waardoor beelden worden verkregen met verminderde vervaging10,13.

figure-introduction-1
Figuur 1: Op afbeeldingen gebaseerde en op k-space gebaseerde zelfpoorttechnieken. (A) Bij beeldgebaseerde gating worden afbeeldingen met een lage ruimtelijke resolutie en een hoge temporele resolutie die het diafragma laten zien, gegenereerd op basis van tijdelijke subsets van de totale gegevens. Met behulp van een lijn over het diafragma kan de ademhalingsbeweging worden gevisualiseerd en in de prullenbak worden gegooid voor beeldreconstructie. (B) Bij k-space-based gating wordt het eerste punt op een center-out k-space-projectie ("k0") gebruikt om de ademhalingsbeweging te visualiseren. Na het afvlakken van k0 zijn verschillen in signaalintensiteit op basis van de ademhalingscyclus duidelijk zichtbaar en kunnen ze worden gebruikt om verschillende ademhalingsfasen te identificeren. Klik hier om een grotere versie van deze figuur te bekijken.

Zowel beeld- als k-space-gebaseerde gating kunnen worden uitgevoerd met behulp van harde gating of soft gating11,14. Bij hard gating worden alleen de uitsteeksels die overeenkomen met de gewenste ademhalingsfase gereconstrueerd. Dit weggooien van ongewenste projecties kan echter leiden tot een verminderde beeldsignaal-ruisverhouding (SNR) en verhoogde ondersampling-artefacten. Deze ongewenste effecten kunnen worden verzacht door gebruik te maken van soft gating. Bij soft gating worden alle projecties gebruikt voor beeldreconstructie, maar projecties van een ongewenste ademhalingsfase worden zo gewogen dat ze minder impact hebben op het uiteindelijke beeld. Door dit te doen, kunnen beelden worden gereconstrueerd met minimale artefacten en een hoge SNR, terwijl de impact van ademhalingsbewegingen toch wordt onderdrukt.

Door de combinatie van UTE MRI-acquisitie met self-aging na acquisitie kunnen beelden van hoge kwaliteit worden gegenereerd die, hoewel niet gelijk aan CT, een contrast en resolutie hebben die die vanCT-beeldvorming 6,15,16,17,18,19 benaderen. Hierin wordt een eenvoudig protocol geboden voor het verzamelen en reconstrueren van UTE MRI-beelden om beelden van hoge kwaliteit van de longstructuur te genereren.

Dit protocol is in de eerste plaats geschreven voor 3T MRI-scanners; 3T is de meest voorkomende veldsterkte die wordt gebruikt voor onderzoeks-MRI. Lagere magnetische veldsterktes zoals 1.5T of de recent beschikbare 0.55 T20 kunnen zorgen voor een verbeterde beeldkwaliteit en signaalintensiteit in de longen, omdat signaalontspanning in de longen langzamer is bij deze veldsterktes.

Hoewel er alles aan is gedaan om duidelijkheid en eenvoud te bieden in dit protocol en de verstrekte beeldreconstructiecode, zal het protocol waarschijnlijk een toegewijde MRI-fysicus (of vergelijkbare MRI-expert) vereisen om een geschikte UTE MRI-sequentie op de MRI-scanner vast te stellen. De MRI-sequentie moet een 3D niet-cartesiaanse coderingsstrategie implementeren met Center-out k-space-trajecten. Voorbeelden hiervan zijn 3D-radiale of 3D-spiraalvormige (bijv. "FLORET")21,22 beeldsequenties. Belangrijk is dat de volgorde van projecties een goede temporele stabiliteit moet hebben: over een bepaalde subset van tijd moeten de projecties het volledige bereik van k-ruimte23 bestrijken. Voorbeelden van projectieordeningsstrategieën met een goede temporele stabiliteit zijn gouden middelen of Halton-gerandomiseerde Archimedische spiraal. Als een projectieordening met een slechte temporele stabiliteit wordt gebruikt, zal self-gating na acquisitie grote delen van de k-ruimte weglaten, wat leidt tot beeldartefacten. Ten slotte moet de sequentie in staat zijn om een echotijd (TE) van <100 μs te bereiken. De T2*-relaxatietijd in de longen bij 3T is <1 ms24, dus het gebruik van een zeer korte TE is essentieel voor het genereren van beelden van hoge kwaliteit.

Protocol

Alle beeldvorming van de proefpersoon werd uitgevoerd met goedkeuring van de KUMC IRB. Van alle deelnemers werd schriftelijke geïnformeerde toestemming verkregen. Beelden in deze studie werden verkregen onder een generiek technisch ontwikkelingsprotocol en de inclusie-/exclusiecriteria waren opzettelijk breed. Inclusiecriteria: Leeftijd ≥ 18 jaar. Uitsluitingscriteria: MRI gecontra-indiceerd op basis van antwoorden op de MRI-screeningsvragenlijst en zwangerschap. De accessoires en de apparatuur die voor dit onderzoek zijn gebruikt, staan vermeld in de materiaaltabel.

1. UTE-beeldacquisitie

  1. Bereid de beeldvormingssequentie voor. Bereid de beeldvormingsreeks één keer voor en gebruik dezelfde reeks voor alle deelnemers.
    1. Stel parameters in volgens Tabel 1.
    2. Plaats een MRI-fantoom in het midden van de MRI en voer de beeldvormingsreeks uit.
      OPMERKING: Omdat deze sequentie snelle gradiëntprestaties en veel RF-pulsen vereist, is het belangrijk om te controleren of de protocolinstelling kan worden uitgevoerd voordat deze bij een mens wordt getest.
  2. Bereid de deelnemer voor op MRI. Gebruik institutioneel standaard MRI-veiligheidsscreening om ervoor te zorgen dat de deelnemer veilig de MRI kan betreden.
  3. Plaats de deelnemer op het MRI-bed en plaats een borstspoel over de romp van de deelnemer. Plaats de spoel dicht bij de kin van de deelnemer om volledige dekking van de longapices te garanderen.
  4. Verplaats de deelnemer naar de MRI-scanner. Plaats het positioneringsoriëntatiepunt net onder het borstbeen van de deelnemer.
  5. Verzamel een lokalisatiescan om er zeker van te zijn dat de longen van de deelnemer zich binnen het gezichtsveld van de UTE-scan bevinden. Verander de geometrie van de UTE-scan niet. Als de longen van de deelnemer zich niet binnen het gezichtsveld bevinden, verplaats de deelnemer dan en verzamel aanvullende lokalisatiescans totdat de longen volledig binnen het gezichtsveld zijn.
  6. Voer de UTE-reeks uit. Tijdens deze reeks kan de deelnemer normaal ademen.
  7. Exporteer de onbewerkte gegevens van de scanner. Afhankelijk van de gebruikte beeldvolgorde kan de scanner al dan niet beelden op de scanner reconstrueren. Voor de voorgestelde retrospectieve reconstructie van de poort zijn onbewerkte beeldvormingsgegevens nodig om te bepalen of er al dan niet beelden op de scanner worden gegenereerd. Houd er rekening mee dat de onbewerkte gegevens groot zullen zijn (>10 GB).
  8. Exporteer of bereken k-ruimtetrajecten (d.w.z. de locatie in k-ruimte van elk onbewerkt gegevenspunt).
    OPMERKING: Voor sommige beeldvormingssequenties kunnen k-space-trajecten samen met onbewerkte gegevens op de MRI-scanner worden opgeslagen en direct worden geëxporteerd. Voor andere beeldvormingssequenties moeten de k-ruimtetrajecten worden berekend op basis van beeldvormingsparameters.
ParameterAlgemene aanbevolen instellingenInstellingen die hierin zijn geïmplementeerd
Beeldvorming sequentie3D niet-cartesiaans met gecentreerde k-ruimtetrajecten3D Radiaal met Golden Means Projectie bestellen
Gezichtsveld400 x 400 x 400 mm3400 x 400 x 400 mm3
Matrix GrootteZoals gewenst voor doelresolutie320 x 320 x 320 (isotrope resolutie van 1,25 mm)
BandbreedteIndien nodig voor een uitleesduur < 1,0 ms888 Hz/pixel
TE< 0,1 ms0,07 ms
TRMinimum (doel 3 – 4 ms)3,5 ms
Hoek omdraaienOngeveer 5°4.8°
Aantal projectiesMinimaal 100.0001,35,386
Duur van de afbeeldingMinimaal 5 minuten7 min, 54 s

Tabel 1: Aanbevolen instellingen voor UTE-beeldvorming. Er worden algemene aanbevolen instellingen geboden die kunnen worden gebruikt om de installatie van het protocol te begeleiden. Er worden ook specifieke aanbevolen instellingen verstrekt die voor de gegevens zijn gebruikt, zoals weergegeven als representatieve resultaten. Parameterspecificaties zijn algemeen voor alle leveranciers, met uitzondering van bandbreedte. Sommige grote MRI-leveranciers specificeren bandbreedte als Hz/Pixel. Andere grote MRI-leveranciers specificeren absolute bandbreedte. De aanbevolen bandbreedte (888 Hz/Pixel) komt overeen met een absolute bandbreedte van 284.160 Hz.

2. UTE-beeldreconstructie met behulp van beeldgebaseerde respiratoire soft-gating

OPMERKING: MATLAB-code om de volgende stappen te voltooien, vindt u op https://github.com/pniedbalski3/UTE_Reconstruction.

  1. Importeer gegevens en k-space-trajecten in MATLAB. Code voor het importeren van onbewerkte MRI-gegevens is beschikbaar voor alle grote MRI-leveranciers.
  2. Gooi de eerste 1000 projecties weg om ervoor te zorgen dat de gegevens in stabiele toestand magnetiseren.
    OPMERKING: Als de gebruikte beeldvormingssequentie dummyscans omvat voorafgaand aan het verzamelen van gegevens, kan deze stap worden overgeslagen.
  3. Reconstrueer een afbeelding met een lage resolutie met behulp van een zeer kleine subset van gegevens.
    1. Reconstrueer de afbeelding met behulp van een niet-uniforme snelle Fouriertransformatie naar een matrixgrootte van 96 x 96 x 96.
    2. Gebruik ongeveer 200 projecties, wat overeenkomt met 0,6 s tot 0,8 s aan gegevens.
    3. Reconstrueer en bewaar afbeeldingen van alle spoelelementen, evenals een uiteindelijke, spoelgecombineerde afbeelding.
  4. Selecteer in het resulterende beeld met een spoelcombinatie een coronale schijf waarop het diafragma duidelijk te zien is.
    NOTITIE: De verstrekte code zal de gebruiker vragen om een segment te selecteren dat het diafragma bevat.
  5. Nadat dit segment is geselecteerd, bekijkt u de afzonderlijke spoelafbeeldingen voor dit segment en selecteert u een of twee spoelelementen die het diafragma het beste weergeven (Figuur 2).
    OPMERKING: De verstrekte code zal de gebruiker vragen om spoelelementen te selecteren.
  6. Reconstrueer afbeeldingen met behulp van een schuifvenster om afbeeldingen te genereren met een tijdelijke resolutie van ~0,5 s (Figuur 2).
    1. Reconstrueer alleen de gegevens van de spoelelementen die in stap 2.4 zijn geselecteerd.
      OPMERKING: Hoewel alle spoelelementen kunnen worden gereconstrueerd, zijn alleen de elementen die zich het dichtst bij het diafragma bevinden nodig om het diafragma te visualiseren met het oog op respiratoire self-gating. Door alleen de spoelelementen te reconstrueren die zich het dichtst bij het diagram bevinden, wordt de reconstructietijd en rekenlast drastisch verminderd.
    2. Gebruik de eerste 200 projecties om een afbeelding te reconstrueren met behulp van een niet-uniforme snelle Fouriertransformatie (Figuur 2). Bewaar alleen het plakje met het diafragma (zoals te vinden in stap 2.4).
      OPMERKING: Uiteindelijk worden er maximaal 1500 afbeeldingen gegenereerd; er is alleen een 2D-plak nodig om de diafragmapositie te visualiseren, en het opslaan van 3D-beelden voor elk van de schuivende vensterstappen zou onbetaalbaar zijn.
    3. Verschuiven met 100 projecties (d.w.z. het eerste beeld wordt gereconstrueerd met behulp van projecties 1-200. De tweede wordt gereconstrueerd met behulp van projecties 101 - 300) en reconstrueert een extra afbeelding, waarbij de in stap 2.4 geselecteerde plak wordt opgeslagen.
    4. Ga door totdat alle projecties zijn gebruikt om beelden te genereren.
  7. Selecteer een lijn over het diafragma in de eerste van de afbeeldingen van het schuifvenster. Zorg ervoor dat de lijn lang genoeg is om zich 5-10 voxels in de longen uit te strekken en 5-10 voxels in het middenrif.
  8. Visualiseer ademhalingsbewegingen door deze ademhalingsnavigator te bekijken voor alle projecties.
  9. Bepaal de locatie van het diafragma voor alle ademhalingsnavigators. Er zijn verschillende manieren om dit te doen, maar een eenvoudige methode is om Otsu's methode25 te gebruiken om de donkere kant (long) te scheiden van de lichtere kant (diafragma).
  10. Gebruik de locatie van het diafragma om projecties te labelen als behorend tot een bepaalde ademhalingsbak. Als een bepaalde ademhalingsnavigator het diafragma op "positie 1" laat zien, dan zouden de 200 projecties die worden gebruikt om het beeld voor die navigator te genereren, tot "bak 1" behoren.
    OPMERKING: Omdat afbeeldingen zijn gegenereerd met behulp van een schuifvenster met een overlapping van 100 projecties, kunnen sommige projecties worden gelabeld als behorend tot meerdere opslaglocaties. De grove ruimtelijke resolutie van glijdende raamafbeeldingen leidt tot een totaal van ~4-6 bakken die het volledige bereik van inspiratie tot vervaldatum bestrijken.
  11. Selecteer de opslaglocatie die u wilt reconstrueren door te bepalen welke opslaglocatie het grootste aantal projecties heeft, wat moet overeenkomen met de eindvervaldatum.
    1. U kunt ook beelden voor de gewenste ademhalingsfasen reconstrueren op basis van visuele inspectie van de ademhalingsnavigator.
  12. Genereer gewichten voor soft-gating14.
    1. Gebruik een exponentieel filter om een gewicht van 1 te geven aan projecties binnen de primaire bak en een sterk afnemend gewicht aan projecties binnen verschillende ademhalingsbakken.
  13. Gebruik de Berkely Advanced Reconstruction Toolbox (BART; https://mrirecon.github.io/bart/)26,27 om een beeld met hoge resolutie te reconstrueren bij de gewenste beademingsbak.
    LET OP: BART is een vrij verkrijgbare toolbox voor MRI-beeldreconstructie.
    1. Bereken de gewichten van de dichtheidscompensatie met behulp van een iteratieve dichtheidscombinatie.
    2. Schaal de gewichten van de dichtheidscompensatie door de zachte poortgewichten.
    3. Weeggegevens op basis van dichtheidscompensatie en zachte poortgewichten
    4. Voer een eenvoudige niet-uniforme snelle Fouriertransformatie (NUFFT) uit om de spoelcombinatie te vergemakkelijken.
    5. Converteer de NUFFT-afbeelding naar gerasterde k-ruimte die moet worden gebruikt voor de spoelcombinatie.
    6. Genereer een spoelcombinatiematrix en gebruik deze om spoelen te combineren voor zowel de ruwe gegevens als de gerasterde k-ruimte.
    7. Schat de gevoeligheden van de spoel.
    8. Voer parallelle beeldvorming uit met behulp van de gewogen dichtheidscompensatie, gecombineerde gegevens van de spoel en kaarten voor de gevoeligheid van de spoel.
  14. Sla de uiteindelijke afbeelding op. Het NIFTI-formaat is eenvoudig te implementeren. Als de afbeelding moet worden geüpload naar een PAC-systeem, is mogelijk een DICOM-indeling vereist.

figure-protocol-1
Figuur 2: Image-based self gating. (1) Gebruik een afbeelding met een lage resolutie die is gereconstrueerd uit een klein aantal projecties (voor rekenefficiëntie) en identificeer een coronale schijf die duidelijk het diafragma laat zien. (2) Door beelden van afzonderlijke spoelelementen te onderzoeken, selecteert u de spoelelementen die zich het dichtst bij het diafragma bevinden. (3) Het uitvoeren van een schuifraamreconstructie van alleen de spoelelementen die zich het dichtst bij het diafragma bevinden (voor rekenefficiëntie). Afbeeldingen kunnen worden gegenereerd uit subsets van 200 projecties (overeenkomend met ~ 0,8 s); Door overlappende projecties kan een pseudo-temporele resolutie van ~0,5 s in beelden worden bereikt. (4) Het identificeren van een lijn die loodrecht op het middenrif staat om als ademhalingsnavigator te worden gebruikt. (5) Het visualiseren van de beeldgegevens op deze lijn toont ademhalingsbewegingen, die kunnen worden gebruikt om afbeeldingen in de prullenbak te gooien. Klik hier om een grotere versie van deze figuur te bekijken.

3. Reconstructie van UTE-beelden met behulp van respiratoire soft-gating op basis van k-space

  1. Voer de stappen 2.1-2.4 uit zodat het spoelelement dat zich het dichtst bij het membraan bevindt, kan worden geïdentificeerd.
  2. Genereer een k0 tijdreekstracering door de absolute waarde van het eerste punt op de projectie te gebruiken voor alle projecties voor het geselecteerde spoelelement. Dit geeft een visualisatie van een respiratoire golfvorm.
  3. In stappen van 5000 projecties normaliseer je k0 met de gemiddelde signaalintensiteit van diezelfde k0 punten28. Dit vermindert de afwijking van de signaalintensiteit in de loop van de tijd en biedt een verbeterd vermogen om projecties kwantitatief te binen.
  4. Label elk k0-punt als optredend tijdens inspiratie of vervaldatum.
    1. Strijk de k0 tijdreeks glad en neem de afgeleide om de helling voor elk punt op het poortspoor te beoordelen.
    2. Label inspiratiepunten op basis van het teken van de helling. Een positieve helling komt overeen met expiratie, terwijl een negatieve helling overeenkomt met inspiratie.
  5. Opslaglocatieprojecties op basis van signaalintensiteit. Omdat de diepte van de ademhaling variabel kan zijn, zijn bin-projecties gebaseerd op signaalamplitude in plaats van locatie in de ademhalingsfase.
    OPMERKING: Een eenvoudige en snelle methode om dit te bereiken is het implementeren van k-means clustering om verschillende signaalintensiteitsniveaus te identificeren.
  6. Voor opslaglocaties die het midden houden tussen eindinspiratie en eindvervaldatum, identificeert u projecties die zich voordoen tijdens inspiratie en vervaldatum op basis van stap 3.4.
  7. Voltooi de beeldreconstructie volgens de stappen in stap 2.10 tot en met stap 2.13.
  8. Reconstrueer desgewenst afbeeldingen voor alle beademingsbakken in plaats van alleen aan het einde van de vervaldatum.

Resultaten

Representatieve resultaten (figuur 3) werden gegenereerd met behulp van de instellingen in tabel 1. De gebruikte beeldvormingsduur levert beelden van hoge kwaliteit op die voor de meeste deelnemers acceptabel zijn.

figure-results-1
Figuur 3: Gegenereerde representatieve UTE-beelden. Coronale, sagittale en axiale plakjes van afbeeldingen worden getoond voor dezelfde patiënt met datasets die zijn gereconstrueerd met behulp van zowel beeld- als k-space-gebaseerde gating, evenals harde gating en zachte gating. Een gebied in elke afbeelding (vierkanten) wordt vergroot weergegeven om resolutieverschillen tussen afbeeldingen te markeren. Voor deze deelnemer presteren beeld- en k-space-gebaseerde gating op dezelfde manier bij het verminderen van ademhalingsbewegingen. Soft-gating leidt tot minder onscherpte in afbeeldingen. De parenchymale signaal-ruisverhouding in elke afbeelding is: Hard-gating op basis van afbeeldingen: 3,2; Soft-gating op basis van afbeeldingen: 3.6; k0-gebaseerde hard-gating: 4.3; Soft-gating op basis van K0: 3.2. Klik hier om een grotere versie van deze figuur te bekijken.

Via dit protocol kunnen MRI-beelden met hoge resolutie van de longen aan het einde van de expiratie worden gegenereerd. Na vrij ademende beeldacquisitie kan ademhalingsbeweging worden gevisualiseerd met behulp van beeldgebaseerde of k-space gating. Voor een optimale beeldkwaliteit worden deze beelden verkregen met behulp van meerkanaals ontvanger-array-spoelen. Het is dus essentieel om het spoelelement te identificeren dat zich het dichtst bij het diafragma bevindt om de grootste gevoeligheid voor ademhalingsbewegingen te hebben (Figuur 2). De index van het spoelelement dat zich het dichtst bij het diafragma bevindt, kan van scan tot scan veranderen op basis van de positionering van de spoel. Daarom is het belangrijk om voor elke scan afbeeldingen van afzonderlijke spoelelementen te bekijken om ervoor te zorgen dat het juiste spoelelement goed wordt geïdentificeerd.

Als op afbeeldingen gebaseerde gating wordt gebruikt, wordt de reconstructie van het schuifvenster gebruikt om afbeeldingen te genereren van een enkel segment dat het diafragma weergeeft. Na de reconstructie van het schuifraambeeld moet het diafragma in elk van deze afbeeldingen duidelijk zichtbaar zijn. Als het membraan niet duidelijk zichtbaar is, kan het nodig zijn om deze reconstructie te herhalen met behulp van verschillende spoelelementen. Een lijn die over het diafragma wordt geëvalueerd, maakt de visualisatie van ademhalingsbewegingen in de loop van de tijd mogelijk. Evenzo maakt het k0-punt bij het gebruik van op k-space gebaseerde gating ook visualisatie van ademhalingsbewegingen mogelijk.

Bij een deelnemer die stil blijft en regelmatig ademt, vertonen zowel beeldgebaseerde als k-space gating een consistente ademhalingsgolfvorm. Bij een minder meegaande deelnemer kunnen beide poortmethoden tijdelijke regio's identificeren waar een onregelmatige ademhaling optreedt. Afbeelding 4 bevat gating op basis van afbeeldingen en k-space voor deelnemers die zich aan de regels houden en die zich niet aan de regels houden. Net als bij eerder werk 7,13, suggereren de hier getoonde resultaten dat beeldgebaseerde gating een verbeterde beeldgetrouwheid kan bieden in vergelijking met op k0 gebaseerde gating.

figure-results-2
Figuur 4: k0 en op afbeeldingen gebaseerde poortsporen voor een deelnemer met een zeer regelmatige ademhaling (links) en een deelnemer die oppervlakkig en onregelmatig ademde (rechts). Representatieve afbeeldingen voor op afbeelding gebaseerde en op k0 gebaseerde gating voor beide deelnemers worden weergegeven onder poortsporen, inclusief een vergroot gebied van de afbeelding om verschillen tussen afbeeldingen te benadrukken. Voor de deelnemers die regelmatig ademden, hadden op afbeeldingen gebaseerde en op k0 gebaseerde gating vergelijkbare prestaties. Voor de deelnemer die onregelmatig ademde, vertoonden beide afbeeldingen een relatief slechte kwaliteit, hoewel de op afbeeldingen gebaseerde gating iets betere prestaties vertoonde. Klik hier om een grotere versie van deze figuur te bekijken.

Na visualisatie van de ademhalingsbeweging kunnen beelden bij een willekeurig aantal ademhalingsfasen worden gereconstrueerd. Dit protocol is voornamelijk gericht op het genereren van een enkel beeld aan het einde van de vervaldatum (Afbeelding 3). Beelden aan het einde van de vervaldatum hebben over het algemeen de beste beeldkwaliteit en SNR vanwege het grotere aantal projecties dat tijdens de vervaldatum wordt verkregen en de grotere dichtheid van de longen tijdens deze ademhalingsfase.

Omdat 3D-volumetrische beelden een groot aantal projecties vereisen om volledig te worden bemonsterd, is het gebruikelijk om onderbemonsterde afbeeldingen te verzamelen. In het in tabel 1 beschreven protocol wordt ongeveer 60% bemonstering gebruikt. 3D-spiraalvormige en 3D-radiale beeldvormingsmethoden zijn over het algemeen robuust voor onderbemonstering, dus dit is meestal geen significante barrière voor het verzamelen van afbeeldingen met een hoge resolutie. Retrospectieve gating vermindert echter het aantal projecties in deze toch al onderbemonsterde beelden, dus vervaging en artefacten kunnen een probleem zijn, vooral bij minder meegaande deelnemers die mogelijk niet zo'n regelmatig ademhalingspatroon hebben. Het gebruik van zachte poorten kan helpen om vervaging en artefacten als gevolg van onderbemonstering te verminderen, zoals weergegeven in Figuur 3 en Figuur 5.

figure-results-3
Figuur 5: Voordelen en risico's van soft-gating. Vervalafbeeldingen (A) worden doorgaans gegenereerd met behulp van een veel groter aantal projecties en zijn dus niet zo gevoelig voor beeldartefacten bij gebruik van hard-gating. Inspiratiebeelden worden gegenereerd met een veel kleiner aantal projecties, en daarom kan harde gating leiden tot verminderingen van de beeldkwaliteit en beeldartefacten (B). Soft-gating kan deze artefacten verminderen en de beeldresolutie en -kwaliteit verbeteren (C), maar er moet voor worden gezorgd dat de juiste projectieweging wordt gebruikt. Als een slechte weging wordt toegepast, kunnen beelden wazig worden en de trouw aan de doelademhalingsfase (D) verliezen. Delen van elke afbeelding worden vergroot weergegeven om verschillen in resolutie en diafragmapositie te benadrukken. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3 toont UTE-beelden die zijn gereconstrueerd met behulp van zowel beeld- als k-ruimte-gebaseerde gating, evenals met behulp van zowel soft- als hard-gating. Beeld- en k-space-gebaseerde gating tonen beide het vermogen om het diafragma op te lossen aan het einde van de vervaldatum, hoewel, zoals hierboven vermeld, verschillende groepen superieure bewegingscompensatie hebben aangetoond bij gebruik van op afbeelding gebaseerde gating11,13. Hard gating, in het geval van de expiratiebeelden die worden weergegeven in figuur 3, resulteert niet in significante beeldartefacten. In inspiratiebeelden, die worden gereconstrueerd met minder projecties, resulteert harde gating echter in minder signaal-ruisverhouding en meer ondersampling-artefacten. Soft gating verhoogt de scherpte van afbeeldingen en, in het geval van inspiratieafbeeldingen, onderdrukt beeldartefacten (Figuur 5). Voorzichtigheid is echter geboden met soft-gating, want als de ongewenste projecties niet goed worden gewogen, kan de bewegingsgetrouwheid verloren gaan (Figuur 5). Inspiratiebeelden zijn bijzonder gevoelig voor diafragmavervaging, gezien het veel grotere aantal projecties van de eindvervaldatum.

Bij reconstructie kunnen kenmerken met betrekking tot normale longfysiologie en pathofysiologie worden waargenomen (figuur 6). In een beeld van hoge kwaliteit met geoptimaliseerde reconstructie kunnen luchtwegen tot in de 3eof 4egeneratie worden bekeken. Bovendien is het grotere vaatstelsel zichtbaar, vooral in de centrale delen van de longen. Bij patiënten met interstitiële longziekte zijn kenmerken zichtbaar die overeenkomen met CT-kenmerken, zoals opaciteit van geslepen glas en honingraat (Figuur 6). In sommige gevallen kunnen kenmerken zoals luchtinsluiting of emfyseem worden afgeleid uit beelden, maar doorgaans is de SNR in het longparenchym te laag om deze kenmerken met vertrouwen te identificeren voor beeldvorming die bij 3T is verkregen.

figure-results-4
Figuur 6: Vergelijking van CT met UTE MRI. (A) CT-beeldvorming (1ekolom) overtreft duidelijk UTE MRI (2e kolom) in termen van beeldresolutie en kwaliteit. Regio's van CT-beelden (3ekolom) en UTE MRI (4ekolom) worden vergroot voor een gemakkelijkere vergelijkbaarheid tussen beelden. Belangrijke kenmerken, zoals een groot vaatstelsel, grote luchtwegen en textuurkenmerken die verband houden met pulmonale pathofysiologie, zoals honingraat in (B) en opaciteit van geslepen glas in (C), kunnen echter worden gevisualiseerd in UTE MRI. Hoewel UTE MRI niet hetzelfde vermogen heeft om luchtwegen te repareren als CT, kunnen luchtwegen tot de 3eof 4egeneratie handmatig worden gesegmenteerd op basis van beelden (D). Klik hier om een grotere versie van deze figuur te bekijken.

Discussie

Bij het uitvoeren van UTE-beeldvorming van de longen kunnen vele variaties van zowel acquisitie als reconstructie worden gebruikt om beelden van de longen te genereren. Dit protocol richt zich op implementatiegemak en rekenefficiëntie. Beeldvorming met behulp van 3D radiale UTE is relatief eenvoudig, met beeldvormingssequenties die algemeen verkrijgbaar zijn bij de grote MRI-leveranciers. Er worden op MATLAB gebaseerde tools beschikbaar gesteld voor gegevensverwerking en self-gating. Omdat de meeste academische instellingen toegang hebben tot MATLAB-licenties, moet deze code breed bruikbaar en gemakkelijk te implementeren zijn. De meegeleverde MATLAB-code is afgestemd op beeldacquisitie met behulp van een zelfgebouwde beeldvormingssequentie op een Siemens 3T MRI-scanner. Andere sequenties en MRI-platforms kunnen enige bewerking van de code vereisen om de beeldvormingsgegevens goed te kunnen lezen.

De onbewerkte beeldgegevensbestanden voor deze afbeeldingen zijn erg groot (>10 GB) en daarom zijn de reconstructiealgoritmen rekenkundig duur. Als gevolg hiervan kan beeldreconstructie erg tijdrovend zijn. De Berkely Advanced Reconstruction Toolbox (BART; https://mrirecon.github.io/bart/)26,27 biedt hoogwaardige beeldreconstructietools die eenvoudig kunnen worden geïmplementeerd en rekenkundig efficiënt zijn. BART is eenvoudig te integreren in de meegeleverde MATLAB-gebaseerde tools voor self-gating. De meegeleverde pijplijn die op afbeeldingen gebaseerde retrospectieve gating en BART implementeert, vereist 20-30 minuten om afbeeldingen te genereren op basis van onbewerkte gegevens. Dit wordt uitgevoerd op een computer met 128 GB RAM en een13e generatie Intel i9 3.00 GHz-processor. Momenteel maakt het protocol geen gebruik van een grafische verwerkingseenheid (GPU) om de berekening te versnellen, hoewel dit zou kunnen worden geïmplementeerd om de rekentijd verder te verkorten. Een computer met ten minste 64 GB RAM wordt aanbevolen om ervoor te zorgen dat er voldoende geheugen is voor het verwerken van de grote gegevenssets die bij dit protocol betrokken zijn.

De keuze tussen beeld vs. Self-gating op basis van K-Space kan van invloed zijn op workflows en beeldkwaliteit. Hoewel op k-space gebaseerde gating sneller is, kan het de ademhalingsfasen met minder nauwkeurigheid oplossen13. Image-based gating vereist meer tijd om uit te voeren, gezien de tijd die nodig is voor de reconstructie van het schuifraam (~ 5 minuten met behulp van de meegeleverde Matlab-code), maar deze methode kan een betere getrouwheid aan diafragmabeweging bieden en zo beelden bieden met minder bewegingsonscherpte.

Er kunnen verschillende verbeteringen aan dit protocol worden aangebracht ten koste van het gebruiksgemak, de rekenefficiëntie of de tijd voor het reconstrueren van het beeld. Beelden kunnen worden verkregen met een groter aantal projecties, wat de kwaliteit van de beelden zou verhogen, maar extra scanduur en extra reconstructietijd vereist. Afhankelijk van het aantal projecties dat wordt toegevoegd, kan er ook extra computergeheugen nodig zijn om de zeer grote datasets op te slaan. Extra verfijning in gating zou ook kunnen worden opgenomen, zoals het gebruik van beeldreconstructie met een hogere resolutie bij de reconstructie van het schuifraam. Dit zou opnieuw de rekenlast van dit protocol verhogen. Daarnaast zou een meer geavanceerde beeldreconstructie kunnen worden geïmplementeerd, zoals technieken zoals iMoCo 29,30. Hoewel deze verbeteringen kunnen leiden tot een betere beeldkwaliteit, gaan ze gepaard met een aanzienlijk langere rekentijd, en dus kunnen er afnemende rendementen zijn.

Het huidige protocol is gericht op structurele MRI. Er kunnen verschillende wijzigingen in dit protocol worden aangebracht om in plaats daarvan de longfunctie te ondervragen, zoals het gebruik van zuurstofversterkte MRI31,32 of het gebruik van PREFUL-analyse28,33.

Uiteindelijk maakt dit protocol het mogelijk om MRI-beelden met hoge resolutie van de longen te verkrijgen met behulp van een 5-8 minuten durende, vrij ademende acquisitiestrategie. Onbewerkte gegevens die tijdens beeldacquisitie zijn verkregen, kunnen met terugwerkende kracht worden afgeschermd, waardoor beelden worden gegenereerd in verschillende ademhalingsfasen die niet worden beschadigd door ademhalingsbewegingen. Dit protocol heeft de nadruk gelegd op implementatiegemak en rekenefficiëntie, met een totale beeldreconstructietijd van 20-30 minuten met behulp van een krachtig werkstation. Eenmaal vastgesteld, kan beeldreconstructie worden uitgevoerd met minimale tussenkomst van de gebruiker, hoewel de vereisten van het handmatig selecteren van een beeldsegment met het diafragma en de meest geschikte spoelelementen voorkomen dat het protocol volledig wordt geautomatiseerd. Hoewel MRI van de longen niet vaak wordt uitgevoerd in de kliniek, kan een verhoogde beschikbaarheid van UTE MRI in de loop van de tijd het gebruik ervan voor het ophelderen van de longstructuur vergroten.

Openbaarmakingen

Peter Niedbalski ontvangt onderzoeksfinanciering van de National Scleroderma Foundation, de American Heart Association en de NIH. Hij is consultant voor Polarean Imaging Plc., een bedrijf dat hypergepolariseerde 129Xe MRI-technologie ontwikkelt.

Dankbetuigingen

De ontwikkeling van dit protocol en de getoonde afbeeldingen als representatieve resultaten werden ondersteund door de National Sclerodermie Foundation.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Chest MRI CoilSiemens, GE, Philips,, Andere klinisch MRI beeldvormingsspoel leverancierN/AEr moet een 26 - 32 kanaals borstrol worden gebruikt
High Performance WorkstationHP, Apple, of andere computerhardwarebedrijfN/AEen computer met minimaal 64 GB aan geheugen is nodig voor beeldreconstructie
MatlabMathworksR2016A of nieuwerEen Matlab-licentie is nodig om de meegeleverde computercode uit te voeren
MRI PhantomSiemens, GE, Philips, of andere MRI Phantom leverancierN/AElke Phantom kan worden gebruikt om de MRI-sequentie te testen voorafgaand aan het gebruik bij menselijke proefpersonen.
MRI ScannerSiemens, GE, Philips, of andere klinische MRI scanner leverancierN/AHet protocol werd ontwikkeld op een 3T-scanner, maar 1.5T of 0.55T zou ook werken met minimale aanpassing

Referenties

  1. Raju, S., Ghosh, S., Mehta, A. C. Chest ct signs in pulmonary disease: A pictorial review. Chest. 151 (6), 1356-1374 (2017).
  2. Biederer, J., et al. MRI of the lung (2/3). Why, when, how. Insights Imaging. 3 (4), 355-371 (2012).
  3. Biederer, J., et al. MRI of the lung (3/3)-current applications and future perspectives. Insights Imaging. 3 (4), 373-386 (2012).
  4. Johnson, K. M., Fain, S. B., Schiebler, M. L., Nagle, S. Optimized 3D ultrashort echo time pulmonary MRI. Magn Reson Med. 70 (5), 1241-1250 (2013).
  5. Ma, W., et al. Ultra-short echo-time pulmonary MRI: Evaluation and reproducibility in COPD subjects with and without bronchiectasis. J Magn Reson Imaging. 41 (5), 1465-1474 (2015).
  6. Roach, D. J., et al. Ultrashort echo-time magnetic resonance imaging is a sensitive method for the evaluation of early cystic fibrosis lung disease. Ann Am Thorac Soc. 13 (11), 1923-1931 (2016).
  7. Tibiletti, M., et al. Multistage three-dimensional UTE lung imaging by image-based self-gating. Magn Reson Med. 75 (3), 1324-1332 (2016).
  8. Weick, S., et al. Dc-gated high-resolution three-dimensional lung imaging during free-breathing. J Magn Reson Imaging. 37 (3), 727-732 (2013).
  9. Fischer, A., et al. Self-gated non-contrast-enhanced functional lung imaging (SENCEFUL) using a quasi-random fast low-angle shot (FLASH) sequence and proton MRI. NMR Biomed. 27 (8), 907-917 (2014).
  10. Tibiletti, M., et al. Respiratory self-gated 3D UTE for lung imaging in small animal MRI. Magn Reson Med. 78 (2), 739-745 (2017).
  11. Jiang, W., et al. Motion robust high resolution 3D free-breathing pulmonary MRI using dynamic 3D image self-navigator. Magn Reson Med. 79 (6), 2954-2967 (2018).
  12. Higano, N. S., et al. Retrospective respiratory self-gating and removal of bulk motion in pulmonary UTE MRI of neonates and adults. Magn Reson Med. 77 (3), 1284-1295 (2016).
  13. Metze, P., et al. Non-uniform self-gating in 2D lung imaging. Front Phys. 10, (2022).
  14. Gandhi, D. B., et al. Comparison of weighting algorithms to mitigate respiratory motion in free-breathing neonatal pulmonary radial UTE-MRI. Biomed Phys Eng Express. 10 (3), 035030(2024).
  15. Fauveau, V., et al. Performance of spiral UTE-MRI of the lung in post-covid patients. Magn Reson Imaging. 96, 135-143 (2023).
  16. Metz, C., et al. Comparison of diagnostic quality of 3D ultrashort-echo-time techniques for pulmonary magnetic resonance imaging in free-breathing. Acta Radiologica. 64 (5), 1851-1858 (2023).
  17. Periaswamy, G., et al. Comparison of ultrashort TE lung MRI and HRCT lungs for detection of pulmonary nodules in oncology patients. Indian J Radiol Imaging. 32 (04), 497-504 (2022).
  18. Darçot, E., et al. Comparison between magnetic resonance imaging and computed tomography in the detection and volumetric assessment of lung nodules: A prospective study. Frontiers in Medicine. 9, 858731(2022).
  19. Dournes, G., et al. 3D ultrashort echo time MRI of the lung using stack-of-spirals and spherical k-space coverages: Evaluation in healthy volunteers and parenchymal diseases. J Magn Reson Imaging. 48 (6), 1489-1497 (2018).
  20. Campbell-Washburn, A. E. 2019 American Thoracic Society Bear Cage winning proposal: Lung imaging using high-performance low-field magnetic resonance imaging. Am J Respir Crit Care Med. 201 (11), 1333-1336 (2020).
  21. Robison, R. K., Anderson, A. G., Pipe, J. G. Three-dimensional ultrashort echo-time imaging using a FLORET trajectory. Magn Reson Med. 78 (3), 1038-1049 (2017).
  22. Willmering, M. M., Robison, R. K., Wang, H., Pipe, J. G., Woods, J. C. Implementation of the FLORET sequence for lung imaging. Magn Reson Med. 82 (3), 1091-1100 (2019).
  23. Chan, R. W., Ramsay, E. A., Cunningham, C. H., Plewes, D. B. Temporal stability of adaptive 3D radial MRI using multidimensional golden means. Magn Reson Med. 61 (2), 354-363 (2009).
  24. Yu, J., Xue, Y., Song, H. K. Comparison of lung T2* during free-breathing at 1.5 T and 3.0 T with ultrashort echo time imaging. Magn Reson Med. 66 (1), 248-254 (2011).
  25. Otsu, N. A threshold selection method from gray-level histograms. IEEE Trans Syst Man Cybern. 9 (1), 62-66 (1979).
  26. Martin Uecker, F. O., et al. Berkely advanced reconstruction toolbox. Proc Intl Soc Magn Reson Med. 23, 2486(2015).
  27. Bart Toolbox for Computational Magnetic Resonance Imaging. , (2024).
  28. Munidasa, S. Treatment monitoring of pediatric cystic fibrosis lung disease using free breathing lung MRI. , Doctor of Philosophy thesis, University of Toronto. (2024).
  29. Zhu, X., Chan, M., Lustig, M., Johnson, K. M., Larson, P. E. Z. Iterative motion-compensation reconstruction ultra-short TE (IMOCO UTE) for high-resolution free-breathing pulmonary MRI. Magn Reson Med. 83 (4), 1208-1221 (2020).
  30. Tan, F., et al. Motion-compensated low-rank reconstruction for simultaneous structural and functional UTE lung MRI. Magn Reson Med. 90 (3), 1101-1113 (2023).
  31. Bhattacharya, I., et al. Oxygen-enhanced functional lung imaging using a contemporary 0.55 T MRI system. NMR Biomed. 34 (8), e4562(2021).
  32. Kim, M., et al. Feasibility of dynamic T2*-based oxygen-enhanced lung MRI at 3T. Magn Reson Med. 91 (3), 972-986 (2024).
  33. 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).

Herprints en machtigingen

Trefwoorden

Pulmonale MRIMRI bij vrije ademhalingself gated beeldvormingbeeldvorming van de longstructuurcompensatie voor ademhalingsbeweging3D radiale UTEnon uniforme fast Fourierspoelcombinatieparallelle beeldvorming
Pulmonale structurele MRI met behulp van vrij ademende, zelfgated ultrakorte echotijdbeeldvorming
Neem contact met ons op
Aanbevelen aan bibliotheek

Privacy

Gebruiksvoorwaarden

Beleid

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.