Multimodale longbeeldvorming: complementaire informatie van CT en hypergepolariseerde 129Xe MRI gebruiken om de longstructuur-functie te evalueren
12 april 2024
CT en 129Xe MRI bieden aanvullende informatie over de longstructuur-functie die kan worden benut voor regionale analyse met behulp van beeldregistratie. Hier bieden we een protocol dat voortbouwt op de bestaande literatuur voor 129Xe MR naar CT-beeldregistratie met behulp van open-sourceplatforms.
Open om te beginnen afbeeldingen gevolgd door maskers in de gewenste beeldvisualisatiesoftware om te controleren of de afbeelding en maskeroriëntatie overeenkomen voor alle CT-, Proton- en Xenon-bestanden. Sla vervolgens de afbeeldings-DICOMS en maskers met één label op als NIfTI-bestanden in dezelfde map als het reg. py-bestand.
Voor CT Xenon MRI-registratie opent u het reg. py-bestand in de gewenste instelling van de Python-computeromgeving. Als u een virtuele omgeving gebruikt, stelt u het aantal centrale verwerkingseenheden, het aantal threads en het RAM-geheugen in zoals gewenst of zoals beschikbaar in de computeromgeving.
Stel vervolgens de gewenste transformatie en interpolatie in, gevolgd door het vaste en bewegende beeld. Voer reg. py uit in de Python-computeromgeving.
Zodra de registratie is voltooid, gaat u verder met evaluatie. Met behoud van de ct. nii-afbeelding als basisafbeelding, open ventilatie warp.nii.
gz als een andere afbeelding en leg deze over de CT-afbeelding met de gewenste kleurenkaart. Bekijk de overlap van het xenon MR-beeld met het CT-beeld in alle beeldvlakken om de visuele uitlijning van oriëntatiepunten zoals de carina- en longgrenzen te evalueren. De registratieresultaten toonden een goede uitlijning van alle longgrenzen voor de gezonde deelnemer.
Bij de drie deelnemers met chronische obstructieve longziekte was er een goede uitlijning van de longgrenzen beschikbaar, variërend van diffuse ventilatieafwijkingen, ventilatieafwijkingen van de bovenkwab met afwezige apicale longgrenzen en afwijkingen van de onderkwabventilatie met afwezige diafragmatische longgrenzen.
Overzicht
Dit artikel presenteert een protocol voor het registreren van 129 Xe MRI met CT-beelden om de analyse van longstructuur-functie te verbeteren. De methode maakt gebruik van open-source platforms voor beeldregistratie, waardoor regionale analyse mogelijk wordt.
Belangrijke studiecomponenten
Wetenschapsgebied
- Neurowetenschappen
- Medische beeldvorming
- Radiologie
Achtergrond
- CT en 129 Xe MRI leveren complementaire informatie over longstructuur en -functie.
- Beeldregistratie is essentieel voor nauwkeurige regionale analyse.
- Bestaande literatuur over 129 Xe MR-technieken informeert dit protocol.
- Open-source platforms verhogen de toegankelijkheid voor onderzoekers.
Doel van de studie
- Om een robuust protocol te ontwikkelen voor CT en 129 Xe MRI beeldregistratie.
- Om de analyse van longfunctie te verbeteren door middel van verbeterde beeldtechnieken.
- Om een reproduceerbare methode te bieden voor onderzoekers in het veld.
Gebruikte methoden
- Open afbeeldingen en maskers in beeldafbeeldsoftware.
- Controleer de oriëntatie van CT-, Proton- en Xenon-bestanden.
- Sla afbeeldingen en maskers op als NIfTI-bestanden.
- Gebruik een Python-computingomgeving voor registratie.
Belangrijkste resultaten
- Het protocol maakt effectieve registratie van CT en 129 Xe MRI-beelden mogelijk.
- Maakt gedetailleerde regionale analyse van longstructuur en -functie mogelijk.
- Toont de nuttigheid van open-source tools in medische beeldvorming.
- Biedt een basis voor toekomstig onderzoek in longbeeldvorming.
Conclusies
- Het ontwikkelde protocol verbetert de nauwkeurigheid van longbeeldanalyse.
- Combinatie van CT en 129 Xe MRI biedt uitgebreide inzichten in longfunctie.
- Open-source platforms bevorderen samenwerking en innovatie in onderzoek.
Veelgestelde vragen
Executive Industry Relevance
Integrating hyperpolarized 129Xe MRI with CT imaging enables comprehensive evaluation of lung structure and function, supporting advanced target validation and mechanistic de-risking in respiratory drug discovery. This multi-modal approach enhances predictive confidence at key inflection points in pulmonary R&D pipelines, facilitating risk-adjusted portfolio decisions for novel therapeutics targeting lung disease. The method's quantitative and regional outputs position it as a strategic asset for translational research and preclinical model development.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of regional lung structure-function relationships for mechanistic de-risking.
- Supports functional target validation by correlating imaging biomarkers with disease-relevant phenotypes.
- Facilitates predictive confidence in early-stage respiratory asset triage.
Screening & Assay Development
- Prepares validated imaging-based assays for quantitative evaluation of pulmonary interventions.
- Standardizes regional lung function measurements for reproducibility across studies.
- Enables scalable, platform-ready workflows for compound screening in disease-relevant systems.
Translational & Preclinical Research
- Aligns imaging biomarkers with translational endpoints for preclinical model validation.
- Provides continuity from discovery through preclinical assessment of lung-targeted therapies.
- Supports risk-adjusted advancement by quantifying structure-function changes in disease models.
Pipeline & Workflow Integration
This multi-modal imaging protocol bridges early discovery, lead identification, and preclinical validation in respiratory R&D workflows.
- Discovery Biology: Quantitative structure-function mapping informs hypothesis testing and pathway clarification.
- Screening: Imaging-based assays deliver reproducible, regional readouts for compound evaluation.
- Analytics: Registration outputs enable direct comparison of structural and functional lung metrics.
- Translational Research: Imaging endpoints support biomarker alignment and preclinical model continuity.
- Enterprise Reuse: The protocol is adaptable across respiratory models and supports cross-program standardization.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in lung disease research.
- Operational Value: Delivers standardized, reproducible imaging workflows for multi-site studies.
- Strategic Value: Improves go/no-go decisions and capital efficiency by enabling robust target validation.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of respiratory assets.
Implementation Considerations
- Requires expertise in advanced imaging modalities and image registration techniques.
- Demands access to CT and hyperpolarized 129Xe MRI instrumentation and computational infrastructure.
- Necessitates cross-team standardization of imaging protocols and data formats.
- Adaptation may be needed for different lung disease models or imaging platforms.
- Technical challenges in image registration and alignment must be addressed for consistent outputs.
