Artykuł metodologiczny

Śledzenie cech architektonicznych sutka i wykrywanie raka piersi za pomocą obrazowania tensora dyfuzji rezonansu magnetycznego

25.5K wyświetleń

⸱

DOI:

10.3791/52048

⸱

15 grudnia 2014

 ,  ,  ,  ,  ,  , 
1Department of Biological Regulation, Weizmann Institute of Science, 2Unit of Biological Services, Weizmann Institute of Science, 3Department of Diagnostic Imaging, Meir Medical Center, 4Pathology Department, Meir Medical Center

W tym artykule

Podsumowanie

Opisujemy, jak uzyskać mapy parametryczne i wektorowe tensora dyfuzji piersi za pomocą rezonansu magnetycznego. Protokół i końcowe wyniki po przetworzeniu obrazowania są dostosowane do śledzenia cech architektonicznych piersi i wykrywania nowotworu złośliwego piersi.

Streszczenie

Rak piersi jest najczęstszą przyczyną raka wśród kobiet na całym świecie. Wczesne wykrycie raka piersi odgrywa kluczową rolę w poprawie jakości życia i przeżywalności pacjentek z rakiem piersi. W artykule opisano nowe podejście do wykrywania raka piersi, oparte na śledzeniu elementów architektury sutka za pomocą obrazowania tensora dyfuzji (DTI).

Artykuł skupia się na protokołach skanowania oraz algorytmach przetwarzania obrazów i oprogramowaniu, które zostały zaprojektowane tak, aby pasowały do właściwości dyfuzyjnych tkanki włóknisto-gruczołowej sutka i jej zmian podczas transformacji złośliwej. Końcowy wynik daje mapy wektorowe piksel po pikselu, które śledzą architekturę całych drzew gruczołów przewodowych sutka oraz mapy parametryczne współczynników tensora dyfuzji i wskaźników anizotropii.

Skuteczność metody wykrywania raka piersi została przetestowana przez skanowanie ochotniczek, w tym 68 pacjentek z rakiem piersi potwierdzonym wynikami badań histopatologicznych. Regiony z komórkami rakowymi wykazywały wyraźne zmniejszenie współczynników dyfuzji i maksymalnego wskaźnika anizotropii w porównaniu z normalną tkanką piersi, zapewniając wewnętrzny kontrast dla wyznaczenia granic złośliwego wzrostu. Ogólnie rzecz biorąc, stwierdzono, że czułość parametrów DTI w wykrywaniu raka piersi jest wysoka, szczególnie w przypadku gęstych piersi, i porównywalna z obecną standardową metodą MRI piersi, która wymaga wstrzyknięcia środka kontrastowego. Dzięki temu metoda ta stanowi całkowicie nieinwazyjne, bezpieczne i czułe narzędzie do wykrywania raka piersi.

Wprowadzenie

Rak piersi jest najczęstszą przyczyną nowotworów wśród kobiet na całym świecie. Wczesne wykrycie raka piersi odgrywa kluczową rolę w poprawie jakości życia i przeżywalności pacjentek. Obecne standardowe metody wykrywania raka piersi opierają się na mammografii rentgenowskiej i badaniu ultrasonograficznym. Niewystarczająca czułość i swoistość tych technik, szczególnie w wykrywaniu zmian w gęstych piersiach, stymulowała rozwój innych metod, w tym obrazowania piersi metodą rezonansu magnetycznego (MRI). Dynamiczne MRI z kontrastem (DCE-MRI) zostało uznane za potężne narzędzie w wykrywaniu i diagnozowaniu raka piersi1,2 , często wspierane przez systemy wspomagania diagnostyki komputerowej3. Obecnie jest ono stosowane w szczególnych przypadkach, np. u pacjentek wysokiego ryzyka4, ale nie w rutynowych badaniach przesiewowych, prawdopodobnie ze względu na wysokie koszty, konieczność podania środka kontrastowego, brak standaryzacji oraz zmienną swoistość w różnicowaniu zmian łagodnych od złośliwych, która waha się od wartości niskich/umiarkowanych5,6 do wysokich wartości uzyskanych przy zastosowaniu łączonej mammografii i DCE-MRI7,8 . W ostatnim czasie oceniano MRI z obrazowaniem dyfuzyjnym oraz wynikowe mapy pozornego współczynnika dyfuzji (ADC) jako metodę uzupełniającą DCE-MRI i wykazano, że wartości ADC mogą pomóc w rozróżnieniu między nowotworami, zmianami łagodnymi a normalną tkanką piersi9,10. Ponadto zainicjowano badania obrazowania tensora dyfuzji (DTI) piersi u zdrowych ochotników i pacjentek ze zmianami w piersiach przy natężeniu pola 1.5 T11-15 oraz 3 T16-24. W większości tych badań zgłoszono wartości ADC oraz anizotropii frakcyjnej (FA)11,12,14,15,20-23 i stwierdzono, że oba te parametry są powtarzalne, przy czym wartości ADC wykazują większą powtarzalność niż FA13,20. Wyniki tych badań wskazały, że zmiany złośliwe wykazują niskie wartości ADC w porównaniu z tkanką prawidłową i zmianami łagodnymi, jednak zgłoszono sprzeczne wyniki dotyczące wartości i możliwości diagnostycznych FA11,12,14,20-23. W serii badań DTI przy 3 T zgłoszono również wartości trzech wartości własnych i wektorów własnych tensora w układzie odniesienia tkanki piersi, a wyniki przedstawiono w postaci map wektorowych głównego wektora własnego oraz map parametrycznych wartości własnych, ADC, FA oraz maksymalnego indeksu anizotropii16-19,24. W badaniach tych wykazano, że główna wartość własna dyfuzji oraz maksymalna anizotropia służą jako najczulsze niezależne parametry w wykrywaniu i diagnozowaniu zmian nowotworowych

Pierś składa się z tkanki włóknisto-gruczołowej oraz tkanki tłuszczowej. Tkanka włóknisto-gruczołowa składa się z wielu płatów, które charakteryzują się dużą zmiennością rozmiarów i kształtu. Mikrostruktura każdego płata obejmuje funkcjonalne drzewo mleczne wraz z powiązanymi z nim zrazikami tworzącymi tkankę gruczołową oraz otaczającą je włóknistą tkankę łączną. Większość nowotworów złośliwych piersi rozpoczyna się od aberracyjnej proliferacji komórek nabłonkowych w przewodach lub zrazikach, rozwijając się w raka in situ, który poprzez naciekanie otaczającej tkanki przekształca się w raka naciekającego. W związku z tym struktury przewodowe/zrazikowe stanowią kluczowy obszar badań nad złośliwą transformacją piersi.

Cechy strukturalne drzew przewodowych zostały po raz pierwszy zbadane ex vivo w 1840 roku przez sir Astleya Coopera przy użyciu wstrzyknięcia kolorowego wosku do przewodów w preparatach z mastektomii25. Niedawno, dzięki wykorzystaniu preparatów z mastektomii, w kilku ludzkich piersiach uzyskano komputerowe śledzenie całych drzew przewodowych piersi26,27. Praca przedstawiona w niniejszym opracowaniu wykazuje, że parametry uzyskane za pomocą obrazowania tensora dyfuzji in vivo dostarczają informacji związanych z odrębnymi cechami mikrostrukturalnymi tkanki piersiowej, umożliwiając jednocześnie nieinwazyjne wykrywanie raka piersi.

Zasady fizyczne leżące u podstaw obrazowania tensora dyfuzji w piersi opierają się na możliwości MRI w zakresie pomiaru i kwantyfikacji anizotropowej dyfuzji wody w środowiskach ograniczonych28. W ujęciu ogólnym dyfuzja wody w roztworach jednorodnych jest swobodna i izotropowa, jednakże, jeśli ruch wody zostanie zatrzymany z powodu ograniczenia przez nieprzepuszczalne ściany, dyfuzja staje się anizotropowa, charakteryzując się szybką dyfuzją swobodną równolegle do ścian oraz wolniejszą dyfuzją ograniczoną prostopadle do ścian (Rysunek 1). Dyfuzja wody w tkankach jest złożona i zależy od cech strukturalnych oraz fizjologicznych przedziałów wewnątrz- i zewnątrzkomórkowych, w tym od rozmiarów komórek, gęstości komórek, krętości przestrzeni zewnątrzkomórkowej i wymiany wody przez błony, a także od obecności sieci naczyniowej i limfatycznej (Rysunek 2).

Schemat procesu dyfuzji: izotropowa-swobodna w porównaniu z anizotropową-ograniczoną; porównanie ruchu.
Rysunek 1: Dyfuzja swobodna i ograniczona. Schematyczny rysunek dyfuzji swobodnej cząsteczki wody (po lewej) oraz dyfuzji ograniczonej przez nieprzepuszczalne ściany (po prawej).

Schemat dyfuzji wewnątrzkomórkowej i zewnątrzkomórkowej przedstawiający ograniczony i utrudniony ruch cząsteczek.
Rycina 2: Złożona dyfuzja w tkance. Schemat dyfuzji wody w układzie komórkowym, przedstawiający ruch cząsteczek wody w przestrzeniach zewnątrzkomórkowych i wewnątrzkomórkowych oraz wymianę wody (strzałki) pomiędzy tymi dwiema przestrzeniami.

Ze względu na specyficzne cechy anatomiczne piersi, dyfuzja cząsteczek wody w przewodach mlecznych i zrazikach stanowi szczególny przykład ruchu ograniczonego i anizotropowego: równolegle do ścianek przewodów i zrazików dyfuzja jest zbliżona do dyfuzji swobodnej, natomiast w kierunkach prostopadłych do ścianek jest ona ograniczona przez ściany składające się z dwóch warstw komórek i błony podstawnej. W konsekwencji dyfuzja w układzie przewodowym/gruczołowym jest stosunkowo szybka i anizotropowa. Z kolei dyfuzja w otaczającej przewody włóknistej tkance łącznej jest szybka i izotropowa, co wynika z wysokiej zawartości wody i niskiej gęstości komórek w tej tkance (ryciny 3 i 4). W przypadku obecności procesu nowotworowego, zablokowanie przewodów i zrazików przez komórki raka zwiększa krętość i ograniczenie ruchu wody, co powoduje zmniejszenie współczynników dyfuzji we wszystkich kierunkach oraz redukcję ruchu anizotropowego (ryciny 3 i 4).

Porównanie dyfuzji komórek nowotworowych; anizotropowa i izotropowa dyfuzja wody; schemat i obrazy.
Rycina 3: Dyfuzja w pęcherzykach piersi. Schematyczny rysunek przekroju przez pęcherzyki oraz dyfuzji wody wewnątrz jednego pęcherzyka. Po lewej: dyfuzja wody ograniczona ścianami pęcherzyków, wykazująca szybką dyfuzję równolegle do ścian i ograniczoną dyfuzję prostopadle do ścian. Po prawej: dyfuzja w pęcherzykach z komórkami nowotworowymi. Dyfuzja w przestrzeni zewnątrzkomórkowej jest silnie utrudniona, lecz podobna we wszystkich kierunkach, a zatem niemal izotropowa.

Schemat fraktalnych wzorów wzrostu z symulacją rozgałęzień, ilustrujący dynamikę rozprzestrzeniania się drobnoustrojów.
Rycina 4: Dyfuzja wody w systemie drzewa przewodowego. Po lewej: Przewody mleczne z wstrzykniętym kolorowym woskiem, ukazujące ich kierunek promienistego rozchodzenia się oraz ich wzajemne rozgałęzienia25. Środek: Schematyczna ilustracja prawidłowego drzewa przewodowego z wektorami wskazującymi dyfuzję wewnątrz przewodów (czarne strzałki) oraz w tkance łącznej (zielone strzałki). Po prawej: Schematyczna ilustracja drzewa przewodowego z dwoma ogniskami komórek nowotworowych (fioletowe). Czerwone strzałki obrazują dyfuzję w obrębie nowotworów.

W niniejszej pracy szczegółowo opisano metodę obrazowania tensora dyfuzji oraz algorytmy przetwarzania i analizę programową zbiorów danych DTI, które umożliwiły wykrycie nowotworów złośliwych piersi. Wszystkie przypadki nowotworów zostały potwierdzone badaniami histopatologicznymi biopsji piersi i/lub preparatów chirurgicznych. Opisano również protokół obrazowania w czasie T2 w celu uzyskania cech anatomicznych piersi, a także protokół obrazowania DCE, który służył jako metoda referencyjna do oceny czułości wykrywania DTI. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Protokół

UWAGA: Wszystkie protokoły zostały zatwierdzone przez Komisję Rewizyjną (IRB) Meir Medical Center w Kfar-Saba w Izraelu, a od wszystkich uczestników uzyskano podpisaną świadomą zgodę.

1. Przygotowanie i pozycjonowanie pacjenta w skanerze MRI

  1. Wprowadź cewnik dożylny w lewe lub prawe ramię w celu podania środka kontrastowego.
  2. Upewnij się, że pacjentka leży w pozycji brzusznej, a obie piersi swobodnie zwisają w dwustronnych otworach cewki do piersi, zgodnie z prezentacją na Rysunku 5.
  3. Upewnij się, że głowa spoczywa na poduszce dla komfortu głowy i szyi pacjentki, a oba ramiona są umieszczone nad głową, zgodnie z prezentacją na Rysunku 5.
  4. Upewnij się, że każda pierś jest wycentrowana, zwisa swobodnie i jest umieszczona tak głęboko, jak to możliwe, w odpowiednim otworze cewki, zgodnie z prezentacją na Rysunku 5.

Układ MRI z cewką i schematem; używany w badaniach obrazowych.
Rysunek 5: Pozycjonowanie kobiety do badania piersi metodą MRI. Zwróć uwagę na pozycję na brzuchu i swobodne zwisanie obu piersi w obustronnych otworach cewki piersiowej.

  1. Podłącz automatyczną pompę wstrzykiwania do cewnika dożylnego.

2. Skanowanie MRI

  1. Za pomocą skanera MRI wykonaj obraz pilotażowy w celu zlokalizowania obu piersi i określ pole widzenia (FOV), liczbę warstw oraz grubość warstwy tak, aby całkowicie objąć obie piersi z rozszerzeniem w stronę pach i ściany klatki piersiowej.
  2. We wszystkich poniższych sekwencjach skanowania wykonywanych skanerem MRI zachowaj tę samą wartość FOV, liczby warstw i grubości warstwy dla każdego przypadku. Na przykład wykonaj 60 warstw osiowych z FOV 360 mm w kierunku odczytu i fazy, grubością warstwy od 2 do 3 mm, w zależności od wielkości piersi, oraz kierunkiem kodowania fazy L >> R lub R >> L. Zmieniaj rozdzielczość w płaszczyźnie w poniższych sekwencjach w zależności od wymiaru macierzy akwizycji użytej dla każdej sekwencji, zgodnie z treścią Tabeli 1.
Parametr eksperymentalny2D ważone T22D DTIMapowanie pola GE 2D3D DCE
Czas repetycji (TR) ms 5,50010,8006696.8
Czas echa (TE) ms    1221204.922.49
TE(2)7.38
Kąt odchylenia, stopnie 6018
Macierz akwizycji   640 x 428192 x 19264 x 192428 x 428
Średnie1111
konkatenacje4111
Turbo factor21
Liczba sekwencji na plaster11
Odstęp między echami, ms100.79
Szerokość pasma, Hz/piksel30018601532560
Rozdzielczość skanowania w płaszczyźnie0,56 x 0,841,9 x 1,90,8 x 0,8
Rozdzielczość obrazu w płaszczyźnie0,56 x 0,561,9 x 1,91,9 x 1,90,8 x 0,8
Czas akwizycji, min:sek4:266:091:281:06 (x9)
liczba gradientów dyfuzyjnych30
Tłumienie sygnału z tłuszczunieFAT-SAT / SPAIR1nie
wartości b, s/mm20, 700

Tabela 1: Parametry eksperymentalne sekwencji użytych w niniejszym badaniu. 1FAT-SAT: tłumienie tkanki tłuszczowej (Fat Saturation). SPAIR: spektralna odwrócona regeneracja z tłumieniem (Spectral Attenuated Inversion Recovery).

  1. Za pomocą komputera interfejsu użytkownika skanera MRI zlokalizuj obszar obejmujący obie piersi oraz jamy pachowe i zdefiniuj pole shimmingu. Zastosuj iteracyjną strategię shimmingu w celu optymalizacji pola magnetycznego29.
    1. Wyświetl widmo protonowe na ekranie komputera interfejsu użytkownika i dostosuj shimming, centrując częstotliwość najpierw na częstotliwości rezonansu wody, a następnie na częstotliwości rezonansu tłuszczu. Powtarzaj shimming do momentu uzyskania najlepszej separacji sygnałów tłuszczu i wody oraz optymalizacji maksymalnej intensywności i kształtu sygnału w widmie protonowym. Zweryfikuj, czy częstotliwość naświetlania jest wycentrowana na częstotliwości rezonansu wody.
  2. Za pomocą komputera interfejsu użytkownika zastosuj 2D poprzeczną sekwencję turbo spin-echo ważoną T2 w wielu przekrojach, o wysokiej rozdzielczości przestrzennej, bez tłumienia sygnału z tłuszczu, wykorzystując uogólnioną automatyczną kalibrację częściowo równoległego próbkowania (GRAPPA) z czynnikiem przyspieszenia 2. Ustaw parametry wyświetlone na ekranie zgodnie z wartościami w kolumnie „2D T2 weighted” w Tabeli 1.
  3. Za pomocą komputera interfejsu użytkownika zastosuj 2D poprzeczne obrazowanie tensorowe dyfuzji (DTI) z tłumieniem tłuszczu, wykorzystując sekwencję spin-echo z dwukrotnie refokusowanym obrazowaniem echo-planarnym30, z użyciem GRAPPA i czynnika przyspieszenia 2. Ustaw parametry wyświetlone na ekranie zgodnie z wartościami w kolumnie „2D DTI” w Tabeli 1.
  4. Za pomocą komputera interfejsu użytkownika zastosuj sekwencję mapowania pola w celu korekcji zniekształceń geometrycznych w obrazowaniu echo-planarnym (EPI) i uzyskaj obrazy różnic fazy zgodnie z opisem Jezzarda i Balabana31. Upewnij się, że sekwencja obejmuje akwizycję 2D poprzecznych obrazów echo gradientowego (GE) z dwoma różnymi czasami echa w fazie oraz że kierunek kodowania fazy jest taki sam jak w sekwencji DTI (krok 2.5). Ustaw parametry wyświetlone na ekranie zgodnie z wartościami w kolumnie „2D GE Field mapping” w Tabeli 1.
  5. Za pomocą komputera interfejsu użytkownika zastosuj protokół dynamicznego wzmocnienia kontrastowego (DCE) z wykorzystaniem 3D szybkiej sekwencji echo gradientowego bez tłumienia tłuszczu, z parametrami zoptymalizowanymi zgodnie z metodą trzech punktów czasowych (3TP)32. Ustaw parametry wyświetlone na ekranie zgodnie z wartościami w kolumnie „3D DCE” w Tabeli 1.
    1. Wykonaj dwa początkowe obrazy przed kontrastem zgodnie z protokołem w kroku 2.7.
  6. Na 15 s przed końcem drugiej akwizycji przed kontrastem wstrzyknij środek kontrastowy, gadopentetatedimegluminę, w dawce 0,1 mmol/kg masy ciała, używając pompy automatycznej z prędkością 2 ml/s, a następnie podaj 20 ml soli fizjologicznej w celu przepłukania, z prędkością 2 ml/s.
    1. Kontynuuj rejestrowanie siedmiu sekwencyjnych zestawów danych 3D zgodnie z protokołem w kroku 2.7 w odstępach 54, 120, 186, 252, 318, 384 i 450 s po wstrzyknięciu kontrastu.
  7. Za pomocą komputera interfejsu użytkownika zastosuj 2D poprzeczną sekwencję turbo spin-echo ważoną T2 z tłumieniem tłuszczu w wielu przekrojach, o wysokiej rozdzielczości przestrzennej, z użyciem GRAPPA i czynnika przyspieszenia 2. Wykorzystaj szczegóły eksperymentalne analogiczne do tych zastosowanych w obrazowaniu ważonym T2 opisanym w kroku 2.4.
    UWAGA: Przebieg czasowy podsumowujący kroki w protokole MRI przedstawiono na Rysunku 6.

Oś czasu sekwencji MRI; schemat; obejmuje procesy Localizer, T2, DTI, Field Map, DCE; 30,5 min.
Rycina 6: Przebieg czasowy klinicznego protokołu MRI.

3. Przetwarzanie obrazu

  1. Przenieś cały zbiór danych uzyskany ze wszystkich sekwencji skanowania (opisanych w krokach 2.4 - 2.9) na zdalną stację roboczą lub komputer osobisty i przetwórz kompletne zestawy obrazów za pomocą programów komputerowych przeznaczonych do analizy obrazowania tensora dyfuzji piersi oraz DCE-MRI.
    1. W tym celu wykonaj kroki opisane poniżej, korzystając z autorskiego pakietu oprogramowania napisanego w języku C++, który został zweryfikowany w środowisku programistycznym MATLAB19. Zazwyczaj komercyjne skanery oferują narzędzia do przetwarzania obrazów dla eksperymentów DTI mózgu, które można zaadaptować do badania piersi, jednak mogą one nie posiadać wszystkich funkcji przetwarzania zastosowanych w naszym autorskim pakiecie oprogramowania
  2. Przeprowadź przetwarzanie obrazów zbiorów danych DTI przy użyciu dedykowanego oprogramowania do przetwarzania obrazów DTI, postępując zgodnie z krokami przedstawionymi na schemacie blokowym na Rysunku 7.

Schemat protokołu MRI dla DTI; proces obejmuje ładowanie danych, dopasowanie, PCA, mapy parametryczne, tracking.
Rycina 7: Schemat blokowy etapów przetwarzania DTI.

  1. Użyć oprogramowania DTI do oceny poziomu szumów poza obszarem piersi oraz w pozostałej tkance w 3 do 4 obszarach zainteresowania (o powierzchni około 1 cm2) i wyznaczyć maksymalny poziom szumu.
  2. Użyć oprogramowania DTI do obliczenia dla każdego piksela, w obrębie wszystkich pikseli powyżej maksymalnego poziomu szumu i w każdym z 60 przekrojów, sześciu współczynników dyfuzji: Dxx, Dyy, Dzz, Dxy, Dxz, Dyz, symetrycznego tensora D opisanego poniżej 33 (patrz Rycina 8)
    Wzór macierzy tensora dyfuzji; opisuje dyfuzję w przestrzeni 3D; schemat; stosowany w analizie MRI.
    gdzie Dxy=Dyx, Dzy=Dyz, Dzx=Dxz.
    1. W celu obliczenia składowych tensora należy zastosować program do nieliniowej regresji dopasowującej opartej na równaniu Stejskala-Tannera: Si,j(b)=Si(0)exp(-bD), gdzie Si,j(b) jest intensywnością sygnału piksela i przy gradiencie dyfuzji w kierunku j, a Si(0) jest intensywnością sygnału tego samego piksela dla b = 0 mm2·s. Dopasowanie to zminimalizowało sumę kwadratów 30 funkcji nieliniowych dla każdego kierunku gradientu dyfuzji w sześciu zmiennych składowych tensora dyfuzji przy użyciu zmodyfikowanego algorytmu Levenberga-Marquardta34. Krok ten został wykonany za pomocą bezpłatnego oprogramowania cminpack (http://devernay.free.fr/hacks/cminpack/index.html).

Schemat obrazowania tensorowego dyfuzji, regresja nieliniowa, równania tensora symetrycznego, analiza danych.
Rycina 8: Schematyczny rysunek etapów obliczeniowych prowadzących do uzyskania symetrycznego tensora dyfuzji.

  1. Użyj oprogramowania DTI do diagonalizacji symetrycznego tensora dyfuzji w każdym pikselu, stosując analizę głównych składowych (PCA)35.
    UWAGA: PCA jest powszechnie stosowaną metodą redukcji wymiarowości danych i poszukiwania transformacji liniowej, która odwzorowuje skorelowane parametry pikseli w nowy układ współrzędnych o nieskorelowanych i ortogonalnych osiach. Proces ten pozwala uzyskać dla każdego piksela trzy wektory własne (ν1, ν2, ν3), definiujące kierunek dyfuzji w trzech ortogonalnych osiach elipsoidy, która pokrywa się z ramą dyfuzyjną tkanki, oraz odpowiadające im trzy wartości własne dyfuzji, uporządkowane od najwyższej do najniższej, które określają trzy kierunkowe współczynniki dyfuzji (λ1, λ2, λ3) (patrz Rysunki 9 i 10).

Diagram analizy głównych składowych z wykorzystaniem macierzy D, wartości własnych, wektorów własnych oraz modelowania elipsoidy.
Rysunek 9: Schematyczny rysunek etapów obliczeniowych prowadzących do wyznaczenia wartości własnych i wektorów własnych pokrywających się z układem dyfuzyjnym tkanki oraz modelowania elipsoidy.

Schemat obrazowania tensora dyfuzji z PCA, wektorami własnymi i wartościami własnymi; pokazano wpływ komórek nowotworowych.
Rysunek 10: Schemat głównych etapów przetwarzania służących do obliczania wektorów i wartości własnych dyfuzji w prawidłowej tkance przewodowej oraz w tkance nowotworowej.

  1. Użyj programu oprogramowania DTI, aby obliczyć dla każdego piksela pozorny współczynnik dyfuzji (ADC) zdefiniowany jako średnia z trzech wartości własnych < λ > = (λ1 + λ2 +λ3) / 3.
  2. Użyj programu oprogramowania DTI, aby obliczyć dla każdego piksela maksymalny indeks anizotropii bezwzględnej zdefiniowany jako różnica (λ1 – λ3).
  3. Użyj programu oprogramowania DTI, aby obliczyć dla każdego piksela indeks anizotropii frakcyjnej (FA), który przyjmuje wartości od 0 (dyfuzja izotropowa) do 1 (swobodna dyfuzja w jednym kierunku) zgodnie z następującym równaniem:
    Równanie anizotropii frakcyjnej; schemat; obrazowanie tensora dyfuzji; obliczenia tensora.
  4. Użyj programu oprogramowania DTI, aby wyświetlić piksel po pikselu w każdym przekroju obu piersi mapę wektorową pokazującą kierunek głównego wektora własnego, ν1, oraz mapę kolorystyczną z trzema kolorami wskazującymi główne kierunki ν1, a następnie nałóż je na obraz T2-zależny tego samego przekroju (Rysunek 9). Krok ten wykonano z wykorzystaniem bezpłatnego oprogramowania gtk (http://gtk.org) do grafiki.
  5. Użyj programu oprogramowania DTI do stworzenia parametrycznych map obrazowania tensora dyfuzji, które wyświetlają piksel po pikselu w każdym przekroju obu piersi wartości wszystkich parametrów tensora dyfuzji λ1, λ2, λ3, ADC, λ1-λ3 oraz FA, i nałóż je na obraz T2-zależny tego samego przekroju (Rysunek 11).

Obrazowanie tensora dyfuzji w MRI piersi, MRI T2, mapa wektorowa v1, λ1-λ3, mapy ADC i FA do analizy.
Rysunek 11: Wynik parametrzycznych map DTI środkowego przekroju piersi 24-letniej zdrowej ochotniczki, nałożony na obraz T2-zależny tego samego przekroju. Dir. - Mapa kierunków, gdzie kolor czerwony oznacza kierunek lewo-prawo, zielony przednio-tylny, a niebieski kierunek głowa-stopy. Należy zauważyć, że wektory na mapie wektorowej są zaznaczone białymi liniami. Wszystkie współczynniki dyfuzji oraz maksymalny wskaźnik anizotropii podano w jednostkach 10-3 mm2/sec. FA jest bezwymiarowy. Pasek skali na mapie wektorowej odpowiada długości 20 mm, a pasek skali na obrazie T2 odpowiada długości 20 mm na wszystkich pozostałych obrazach.

  1. Użyj oprogramowania do DTI, aby w razie potrzeby skorygować zniekształcenia geometryczne poprzez załadowanie mapy różnicy faz uzyskanej zgodnie z opisem w kroku 2.6. Przesuń zakres mapy różnicy faz we wszystkich pikselach powyżej poziomu szumu w obrazie echa gradientowego do zakresu od -π do +π, reprezentującego przesunięcie fazowe Δɸ (x,y,z) w radianach (Rycina 12).
    1. Użyj oprogramowania do DTI, aby obliczyć przesunięcie przestrzenne w pikselach zgodnie z wzorem:
      Wzór obrazowania rezonansem magnetycznym Δx=Δϕ(x,y,z)/(2π·ΔTE·BWp), niezbędny do kodowania przestrzennego.
      ΔTE to różnica czasu między dwoma echami wynosząca 2.46 x 10-3 msec, a BWp to szerokość pasma fazowego w eksperymencie wynosząca 13.2 Hz/pixel. Przesuń piksele zgodnie z mapą pola i ponownie oblicz parametry tensora dyfuzji (Rycina 12).

MRI analysis with phase difference map, λ1 correction, diffusion imaging, diagnostic radiology diagram.
Rysunek 12: Przykład korekcji zniekształceń geometrycznych z wykorzystaniem mapy różnic fazowych. Obrazy zarejestrowano u 47-letniego ochotnika z naciekającym rakiem lobularnym. W pierwszej kolumnie po lewej stronie przedstawiono obraz ważony T2 oraz mapę różnicy faz przekroju z nowotworem w lewej piersi. W drugiej i 3rd kolumny λ1 mapy przed korekcją są przedstawione w pierwszym rzędzie i λ1 mapy po korekcie są przedstawione w drugim rzędzie. λ1 mapy są nałożone na odpowiadający im obraz ważony T2. W 2nd kolumna pełnego zakresu współczynników dyfuzji wody (0,8–3,0) x10-3 mm2/sek jest używane dla skali z kodowaniem kolorystycznym oraz w 3B&R użyto zredukowanego zakresu kolumny a z progiem 1,7 x 10-3 mm2/sek, która podkreśla kontrast między rakiem w lewej piersi a prawidłową tkanką piersi. Pasek skali na obrazie T2 odnosi się do długości 20 mm na wszystkich obrazach.

  1. Przeprowadź przetwarzanie obrazu zestawów danych DCE-MRI przy użyciu oprogramowania umożliwiającego generowanie map parametrów kinetycznych wzmocnienia w skali piksel po pikselu, takiego jak oprogramowanie do przetwarzania obrazów 3TP 17.

Wyniki

Metodę tę przetestowano i zademonstrowano początkowo poprzez skanowanie zdrowych ochotników w różnych fazach hormonalnych. Rysunek 11 przedstawia mapy parametryczne i wektorowe uzyskane za pomocą naszego oprogramowania dla przekroju centralnego młodej, zdrowej ochotniczki z relatywnie wysoką frakcją tkanki włóknisto-gruczołowej, co wyraźnie widać na obrazie ważonym T2 (wszystkie szare obszary to tkanka włóknisto-gruczołowa, a jasne obszary to tkanka tłuszczowa). Kierunek głównego współczynnika dyfuzji λ1 jest pokazany na mapie wektorowej v1, gdzie znaczna liczba pikseli jest skierowana w stronę sutka. Zgodnie z oczekiwaniami wartości współczynników tensora dyfuzji maleją od λ1 do λ2 i λ3. Wykorzystanie tych trzech współczynników dyfuzji umożliwiło obliczenie średniej dyfuzyjności ADC, anizotropii frakcyjnej (FA) oraz anizotropii maksymalnej, λ1 - λ3. Należy zwrócić uwagę na wysoką zgodność przestrzennego rozkładu wartości tych dwóch indeksów na mapach FA oraz λ1 - λ3.

U kobiet w okresie pomenopauzalnym piersi są zazwyczaj mniej gęste, co pokazano na przykładzie 63-letniej zdrowej ochotniczki na Rysunku 13. Współczynniki dyfuzji są niższe u starszej ochotniczki, ale wskaźniki anizotropii są wyższe, co prawdopodobnie wynika z mniejszej średnicy przewodów i zrazików, a tym samym z większego ograniczenia dyfuzji w kierunkach prostopadłych do ścian przewodów. Inny przykład demonstrujący czułość tensora na wielkość przewodów przedstawiono na przykładzie karmiącej piersią ochotniczki na Rysunku 14. Ponieważ mleko jest koloidem kuleczek tłuszczu w płynie na bazie wody, który zawiera rozpuszczone węglowodany i agregaty białkowe z minerałami, lepkość mleka jest wyższa niż lepkość normalnego płynu wodnego w przewodach, w związku z czym współczynniki dyfuzji wody w piersiach laktujących są niższe niż u kobiet przed menopauzą24. Ponadto przewody w pobliżu sutka są duże, a ograniczenie w kierunkach prostopadłych do przewodów jest mniejsze niż w piersi niekarmiącej, w rezultacie wskaźniki anizotropii są również niższe. Jednak w obszarach zrazikowych – tylnych części piersi laktującej anizotropia pozostaje wysoka.

U pacjentów z nowotworami złośliwymi główna zmiana w parametrach tensora dyfuzji objawia się znaczną redukcją trzech współczynników dyfuzji. Stwierdzono, że zmiany w λ1 zapewniają najwyższy stosunek kontrastu do szumu19. W badaniu ujęto 68 pacjentek z potwierdzoną patologią, w tym 33 pacjentki z rozpoznaniem naciekającego raka przewodowego (IDC), 19 z raka przewodowego in situ (DCIS), 13 z naciekającego raka zrazikowego (ILC) oraz 3 z innymi nowotworami złośliwymi. U kilku pacjentek stwierdzono wieloogniskowy lub wielocentryczny rak piersi. Wielkość nowotworów wahała się od 3 do 95 mm, przy medianie 14 mm i rozstępie międzykwartylnym od 10 do 30 mm. U wszystkich tych pacjentek skuteczność wykrywania w DCE i DTI była porównywalna. Jednakże 5 przypadków, w których stwierdzono wzmocnienie w DCE i potwierdzono patologicznie obecność raka, nie zostało włączonych do analizy DTI z powodu problemów technicznych w piersiach z dużą zawartością tkanki tłuszczowej, związanych przede wszystkim z niejednorodnością pola oraz niewystarczającą supresją tłuszczu, co prowadziło do zniekształceń i artefaktów.

Rysunki 15, 16 i 17 przedstawiają typowe mapy parametryczne dwóch głównych parametrów dyfuzji λ1 oraz λ1 - λ3, które są wykorzystywane do wykrywania nowotworów złośliwych piersi. Rysunek ten pokazuje, poza obrazami ważonymi T2, wyniki analizy DCE z zastosowaniem metody kodowania kolorami 3TP. Jak wyjaśniono we wstępie, obecność komórek nowotworowych w przewodach lub zrazach oraz w ich otoczeniu utrudnia dyfuzję w przestrzeni zewnątrzkomórkowej, co znacząco obniża współczynniki dyfuzji. Ponadto anizotropia wynikająca ze struktur przewodowych zanika w miarę rozprzestrzeniania się komórek rakowych we wszystkich kierunkach w sposób chaotyczny, bez wyraźnego kierunku. FA nie jest odpowiednim parametrem do wykrywania raka piersi, ponieważ normalizacja tego parametru do średniej dyfuzyjności prowadzi do wysokich wartości FA w nowotworach, podobnych do tych w tkance prawidłowej19. Jednakże maksymalna anizotropia zapewnia możliwość wykrycia nowotworu (Rysunki 15-17). Niemniej jednak, ponieważ włóknista tkanka łączna jest również bliska izotropii i wykazuje niskie wartości maksymalnej anizotropii, parametr ten jest mniej swoisty niż współczynnik dyfuzji λ1 i pełni rolę parametru pomocniczego względem λ1.

Rysunek 17 obrazuje również zdolność DTI do charakterystyki odpowiedzi na chemioterapię neoadjuwantową. W tym przykładzie pacjentka w pełni odpowiedziała na leczenie (4 cykle Adriamycyny + Cycloxanu, a następnie 4 cykle Taxolu). Rzeczywiście, odpowiedź na terapię spowodowała znaczny wzrost współczynników dyfuzji do wartości typowych dla normalnej tkanki piersi, co sugeruje obecność naprawczej tkanki łącznej, która zastąpiła komórki nowotworowe. Podobne wyniki uzyskano u 4 innych pacjentek, które odpowiedziały na terapię.

Analiza obrazowania MRI mózgu; obejmuje obrazy ważone T2, mapę wektorową oraz wskaźniki dyfuzji (ADC, FA).
Rycina 13: Wynik parametrów map DTI w centralnym przekroju piersi 63-letniego zdrowego ochotnika, nałożony na obraz ważony T2 tego samego przekroju. Dir. – Mapa kierunków, w której kolor czerwony oznacza kierunek z lewej do prawej, zielony kierunek od przodu do tyłu, a niebieski kierunek od głowy do stóp. Należy zauważyć, że wektory są zaznaczone białymi liniami. Wszystkie współczynniki dyfuzji oraz maksymalny wskaźnik anizotropii są podane w jednostkach 1 x10-3 mm2/sec. FA jest wartością bezwymiarową. Pasek skali na mapie wektorowej odnosi się do długości 20 mm, a pasek skali na obrazie T2 odnosi się do długości 20 mm na wszystkich pozostałych obrazach.

Wektory i mapy ciepła MRI barku; obrazowanie tensora dyfuzji; pomiar mikrostruktury tkanki.
Rycina 14: Wynik parametrzycznych map DTI centralnego przekroju piersi 40-letniej karmiącej ochotniczki, nałożony na obraz T2-zależny tego samego przekroju. Dir. – mapa kierunków, gdzie kolor czerwony oznacza kierunek od lewej do prawej, zielony od przodu do tyłu, a niebieski od głowy do stóp. Wszystkie współczynniki dyfuzji oraz maksymalny wskaźnik anizotropii podano w jednostkach 1 x10-3 mm2/sec. FA jest wartością bezwymiarową. Należy zauważyć na mapie kierunków i mapie wektorowej, że większość pikseli jest skierowana w stronę sutka. Zwróćmy również uwagę na niższe współczynniki dyfuzji w stosunku do wartości u zdrowych ochotników przedstawionych na Ryciniach 7 i 10. Pasek skali na mapie wektorowej odpowiada długości 20 mm, a pasek skali na obrazie T2 odpowiada długości 20 mm na wszystkich pozostałych obrazach.

Analiza MRI guza piersi; porównanie map dyfuzyjnych; wartości własne λ1-λ3; wyniki obrazowania.
Rysunek 15: Mapy parametryczne λ1 oraz λ1 - λ3 u 38-letniej pacjentki z wieloogniskowym inwazyjnym rakiem przewodowym. W 1szym rzędzie parametry DTI są przedstawione z progiem 1,7 x 10-3 mm2/sec dla λ1 i 0,6 mm2/sec dla λ1-λ3 (wszystkie wartości powyżej progów są zaznaczone na fioletowo). W 2gim rzędzie wartości powyżej progu nie są kolorowane, co odsłania znajdujący się pod nimi obraz T2-zależny. Rysunek zawiera również w 1szej kolumnie po lewej stronie obraz T2-zależny oraz parametryczną mapę DCE, uzyskaną metodą 3TP, dla tego samego przekroju co mapy parametryczne DTI. Pasek skali na obrazie T2 odnosi się do długości 20 mm we wszystkich obrazach. Należy zauważyć, że rozdzielczość przestrzenna w płaszczyźnie obrazów DCE jest w przybliżeniu dwukrotnie wyższa niż w przypadku DTI, jednak występuje wysoka zgodność wizualna w lokalizacji i rozmiarze map parametrycznych 3TP oraz λ1.

Schematy MRI piersi porównujące T2, 3TP, λ1 i λ1-λ3 dla analizy perfuzji i dyfuzji.
Rycina 16: Mapy parametryczne λ1 oraz λ1-λ3 u 60-letniego pacjenta z DCIS niskiego stopnia. Rycina zawiera również w 1sz kolumnie po lewej stronie obraz ważony T2 oraz parametryczną mapę DCE, uzyskaną metodą 3TP, z tego samego przekroju co parametryczne mapy DTI. Pasek skali na obrazie T2 odpowiada długości 20 mm we wszystkich obrazach. Zwróć uwagę na zdolność DTI do wykrywania raka w piersi o wysokiej zawartości tkanki tłuszczowej.

Analiza MRI piersi w obrazowaniu tensora dyfuzji: sekwencje T2, MIP, 3TP, mapy λ1, λ1-λ3.
Rycina 17: Mapy parametryczne λ1 oraz λ1 - λ3 u 39-letniej pacjentki z inwazyjnym rakiem zrazikowym przed i po chemioterapii neoadjuwantowej. Pacjentka została poddana badaniu dwukrotnie: raz przed terapią i raz przed operacją, po 4 cyklach Adryamicin + Cycloxan oraz 4 cyklach Taxol. Zwrócono uwagę na wzrost λ1 oraz λ1-λ3 w obszarach nowotworowych, które odpowiedziały na leczenie. 1szy rząd przedstawia obrazy uzyskane przed terapią, a 2gi rząd przedstawia obrazy z niemal tego samego obszaru co w 1szym rzędzie, uzyskane przed operacją. Przed leczeniem obszary nowotworowe wykazywały wartości λ1 i λ1-λ3 poniżej ich progu, a po leczeniu oba te parametry wzrosły do wartości powyżej ich progu. Rycina zawiera również w 1szej kolumnie po lewej stronie obrazy ważone T2; w 2giej kolumnie projekcję wielokrotnych obrazów (MIP), uzyskaną poprzez odjęcie obrazów przed kontrastem od obrazów 2 min po podaniu kontrastu; w 3ciej kolumnie mapy parametryczne DCE uzyskane metodą 3TP. Pasek skali na obrazie T2 odnosi się do długości 20 mm we wszystkich obrazach

Dyskusja

Praca ta demonstruje zdolność DTI, skanowanego przy 3 T w wysokiej rozdzielczości przestrzennej (~8 mm3), do pomiaru in vivo parametrów tensora dyfuzji wody w całej tkance włóknisto-gruczołowej obu piersi. Zespół algorytmów i oprogramowania opracowanych w trakcie tego badania umożliwił analizę dużych zbiorów danych DTI i jednoczesne przeglądanie map parametrycznych dyfuzji różnych współczynników dyfuzji, λ1, λ2, λ3, ADC i wskaźników anizotropii λ1–λ3 oraz FA wszystkich wycinków piersi. Praca ta podkreśla również potencjał różnych współczynników dyfuzji i wskaźników anizotropii w wykrywaniu i diagnozowaniu raka piersi. Wyniki wykazały, że główny współczynnik dyfuzji, λ1, jest głównym parametrem do wykrywania raka piersi, ze znaczną zdolnością do różnicowania złośliwej tkanki piersi od normalnej. Drugorzędnym niezależnym parametrem, o wysokiej czułości, ale znacznie niższej swoistości niż λ1, jest maksymalny wskaźnik anizotropii, który potwierdza wykrycie za pomocą pierwszego współczynnika dyfuzji.

Wyniki wykazały również zdolność rezonansu magnetycznego do pomiaru in vivo kierunkowej dyfuzji wody i ilościowego określenia anizotropii dyfuzji w całym układzie przewodowym/gruczołowym w obu piersiach. W celu zapewnienia jednolitego profilu precyzji pomiarów anizotropowych zastosowano 30 kierunków gradientu dyfuzji. Wybór wysokiego czasu echa wynoszącego 120 ms oraz optymalizacja rozdzielczości przestrzennej ujawniły ograniczenie dyfuzji wody w kanałach. Średnia wielkość normalnych kanałów wynosiła 90 μm, przy czym ~70% mieściło się w zakresie 40-100 μm36. Zgodnie z równaniem Einsteina średnie przemieszczenie dyfuzji swobodnej wody, x = (6Dt)1/2, gdzie D jest współczynnikiem dyfuzji swobodnej wody, a t czasem dyfuzji. W naszym eksperymencie x wynosi około 25 μm, a zatem tylko ułamek cząsteczek wody przewodowej jest ograniczony przez ściany przewodu sutkowego, co prowadzi do stosunkowo niskich wartości FA w piersi (górne wartości ~0,3) w porównaniu z wartościami stwierdzonymi w istocie białej mózgu (≥0,5). W badaniach Sir Astleya Cooperaujawniono , że ludzka tkanka piersi jest zorganizowana w oddzielne płaty, z których każdy składa się z drzewa przewodowego. Podjęto wstępne badania ultrasonograficzne piersi w okresie laktacji37 , a także detekcję przekrojowych struktur przewodowych za pomocą pomiarów kształtu drugiego rzędu38. Jednak do tej pory żadna metoda obrazowania nie odniosła sukcesu, ujawniając całe systemy przewodowe w obu piersiach in vivo. Algorytm uzyskiwania całego systemu drzew przewodowych 3D na podstawie wyników DTI jest nadal w fazie rozwoju, ale mapy wektorowe wyraźnie wykazują potencjał ujawnienia szczegółowej i wysoce zróżnicowanej anatomii drzew sutkowych. Niedawno zgłoszono pierwszą próbę pełnego śledzenia piersi w 3D na podstawie naszych zestawów danychDTI.

W trakcie tych prac zauważono ograniczenia techniczne wynikające z nieefektywnej tłumienia tkanki tłuszczowej i zniekształceń EPI. Supresję tłuszczu osiągnięto za pomocą sekwencji nasycenia tłuszczem (FAT-SAT), która zwykle była skuteczna w przypadku gęstych piersi. Natomiast w przypadku piersi tłuszczowych zastosowano Spectral Selection Attenuated Inversion Recovery (SPAIR), który jest bardziej skuteczny i mniej wrażliwy na niejednorodność B1. Protokoły dyfuzji oparte na EPI miały dodatkowe ograniczenia ze względu na prądy wirowe indukowane gradientem, niejednorodność pola B0 i różnice w podatności40,41. Ograniczenia te zostały zminimalizowane poprzez zastosowanie iteracyjnego automatycznego i ręcznego podkładkowania sygnałów wody i tłuszczu oraz wybór najniższego możliwego odstępu echa. Ponadto sporadycznie stosowano korektę zniekształceń geometrycznych w postaci przetwarzania końcowego, zgodnie z opisem w protokole. Ogólnie rzecz biorąc, w przypadku gęstych piersi z silnym sygnałem wodnym udało się pokonać ograniczenia techniczne; Jednak 5 przypadków w tym badaniu z silnie otłuszczonymi piersiami nie mogło być analizowanych ze względu na powyższe ograniczenia.

Podsumowując, opracowano protokół i narzędzia do przetwarzania obrazu do rezonansu magnetycznego tensora dyfuzji piersi. Ta całkowicie bezpieczna, szybka i nieinwazyjna metodologia precyzyjnie analizuje architekturę piersi i może ułatwić wykrycie raka piersi w klinice. Stwierdzono, że główny współczynnik dyfuzji λ1 i maksymalny wskaźnik anizotropii λ1-λ 3 służą jako dwa niezależne parametry dyfuzji do wykrywania raka. Badania kliniczne pacjentek z rakiem piersi wykazały, że skuteczność wykrywania przy użyciu tych dwóch parametrów jest porównywalna z DCE MRI. W związku z tym, wynikające z podstawowej wiedzy na temat architektury piersi i rozwoju raka oraz jej poleganie na ujawnianiu wymiernych istotnych zmian, a także to, że jest to bezpieczna i szybka metoda, sprawiają, że jest ona cennym narzędziem do badania różnych aspektów rozwojowych związanych z proliferacją przewodową oraz do testowania jej klinicznego wpływu na badania przesiewowe raka piersi w badaniach prospektywnych na dużą skalę.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

Chcielibyśmy podziękować Panu Nachumowi Sternowi i Pani Fanny Attar za ich doskonałą pomoc techniczną. H.D. jest kierownikiem Katedry Badań nad Rakiem Piersi im. Freda i Andrei Falleków.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Magnetol-GadopentetatedimeglumineSoreq, Jawne, Izrael0,5 m
3 Skaner rezonansu magnetycznego Tesli, MAGNETON TrioSiemens, Erlangn, Niemcy120
Dwustronna cewka macierzy piersiSiemens, Erlangn, Niemcy4-kanałowa
dwustronna cewka macierzy piersiIn-Vivo, Orlando FA7-kanałowa
pompa automatyczna, Spectris Solaris MR WtryskiwaczMedrad, Indianola, PA
DTI Oprogramowanie do przetwarzania obrazuDomowej robotyWłaściwość Yeda Research and Development Co. Ltd
3TP Oprogramowanie do przetwarzania obrazuZbudowanyw domuWłaściwość Yeda Research and Development Co. Ltd

Bibliografia

  1. Turnbull, L. W. Dynamic contrast-enhanced MRI in the diagnosis and management of breast cancer. NMR Biomed. 22 (1), 28-39 (2009).
  2. Sardanelli, F., et al. Magnetic resonance imaging of the breast: recommendations from the EUSOMA working group. Eur J Cancer. 46 (8), 1296-1316 (2010).
  3. Lehman, C. D., et al. Accuracy and interpretation time of computer-aided detection among novice and experienced breast MRI readers. AJR Am J Roentgenol. 200 (6), 683-689 (2013).
  4. Riedl, C. C., et al. Magnetic resonance imaging of the breast improves detection of invasive cancer, preinvasive cancer, and premalignant lesions during surveillance of women at high risk for breast cancer. Clin Cancer Res. 13 (20), 6144-6152 (2007).
  5. Heywang-Köbrunner, S. H., Hacker, A., Sedlacek, S. Magnetic resonance imaging: the evolution of breast imaging. Breast. 22 (2), 77-82 (2013).
  6. Peters, N. H., et al. Meta-analysis of MR imaging in the diagnosis of breast lesions. Radiology. 246 (1), 116-124 (2008).
  7. Warner, E., et al. Systematic review: using magnetic resonance imaging to screen women at high risk for breast cancer. Ann Intern Med. 148 (9), 671-679 (2008).
  8. Benndorf, M., et al. Breast MRI as an adjunct to mammography: Does it really suffer from low specificity? A retrospective analysis stratified by mammographic BI-RADS classes. Acta Radiol. 51 (7), 715-721 (2010).
  9. Thomassin-Naggara, I., De Bazelaire, C., Chopier, J., Bazot, M., Marsault, C. Trop I Diffusion-weighted MR imaging of the breast: advantages and pitfalls. Eur J Radiol. 82 (3), 435-443 (2013).
  10. Bogner, W., et al. Diffusion-weighted MR for differentiation of breast lesions at 3.0 T: how does selection of diffusion protocols affect diagnosis. Radiology. 253 (2), 341-351 (2009).
  11. Diffusion tensor imaging of the breast: preliminary clinical findings [abstr]. Proceedings of the Fourteenth Meeting of the International Society for Magnetic Resonance in Medicine. Partridge, S. C., et al. 2006 May 6-12, Seattle, Washington, , International Society for Magnetic Resonance in Medicine. Berkeley, CA. (2006).
  12. Partridge, S. C., et al. Diffusion tensor MRI: preliminary anisotropy measures and mapping of breast tumors. J Magn Reson Imaging. 31 (2), 339-347 (2010).
  13. Partridge, S. C., et al. Diffusion tensor magnetic resonance imaging of the normal breast. Magn Reson Imaging. 28 (3), 320-328 (2010).
  14. Baltzer, P. A., et al. Diffusion tensor magnetic resonance imaging of the breast: a pilot study. Eur Radiol. 21 (1), 1-10 (2011).
  15. Wang, Y., et al. Optimization of the parameters for diffusion tensor magnetic resonance imaging data acquisition for breast fiber tractography at 1.5. T. Clin Breast Cancer. 14 (1), 61-67 (2014).
  16. Method and apparatus for ductal tube tracking imaging for breast cancer and diagnosis and product. US Patent. , US8526698 B2 (2008).
  17. Novel MRI method for breast cancer detection based on diffusion tensor tracking of the ductal trees [abstr]. Eyal, E., et al. Eighteenth Meeting of the International Society for Magnetic Resonance in Medicine, 2010 May 1-7, Stockholm, Sweden, , International Society for Magnetic Resonance in Medicine. Berkeley, CA. 362(2010).
  18. Breast cancer detection and diagnosis based on diffusion tensor imaging [abstr]. Furman-Haran, E., et al. Nineteenth Meeting of the International Society for Magnetic Resonance in Medicine, 2011 May 9-13, Montreal, Quebec, , International Society for Magnetic Resonance in Medicine. Berkeley, CA. 515(2011).
  19. Eyal, E., et al. Parametric diffusion tensor imaging of the breast. Invest Radiol. 47 (5), 284-291 (2012).
  20. Tagliafico, A., et al. Diffusion tensor magnetic resonance imaging of the normal breast: reproducibility of DTI-derived fractional anisotropy and apparent diffusion coefficient at 3.0 T. Radiol Med. 117 (6), 992-1003 (2012).
  21. Cakir, O., et al. Comparison of the diagnostic performances of diffusion parameters in diffusion weighted imaging and diffusion tensor imaging of breast lesions.Eur. J Radiol. 82 (12), e801-e806 (2013).
  22. Tsougos, I., et al. The contribution of diffusion tensor imaging and magnetic resonance spectroscopy for the differentiation of breast lesions at 3T. Acta Radiol. 55 (1), 14-23 (2014).
  23. Wiederer, P. azahrS., Leo, C., Nanz, D., Boss, A. Quantitative breast MRI: 2D histogram analysis of diffusion tensor parameters in normal tissue. Magn Reson Mater Phy. 27, 185-193 (2014).
  24. Nissan, N., Furman-Haran, E., Shapiro-Feinberg, M., Grobgeld, D., Degani, H. Diffusion-tensor MR imaging of the breast: hormonal regulation. Radiology. 271 (3), 672-680 (2014).
  25. Cooper, A. P. On the Anatomy of the breast. , Longman, Orme, Green, Brown, and Longmans. London. (1840).
  26. Ohtake, T., et al. Computer-assisted complete three-dimensional reconstruction of the mammary ductal/lobular systems: implications of ductal anastomoses for breast-conserving surgery). Cancer. 91 (12), 2263-2272 (2001).
  27. Going, J. J., Moffat, D. F. Escaping from Flatland: clinical and biological aspects of human mammary duct anatomy in three dimensions. J Pathol. 203 (1), 538-544 (2004).
  28. Hancu, I., Govenkar, A., Lenkinski, R. E., Lee, S. K. On shimming approaches in 3T breast MRI. Magn Reson Med. 69 (3), 862-867 (2013).
  29. Basser, P. J., Jones, D. K. Diffusion-tensor MRI: theory, experimental design and data analysis - a technical review. NMR Biomed. 15 (7-8), 465-467 (2002).
  30. Reese, T. G., Heid, O., Weisskoff, R. M., Wedeen, V. J. Reduction of eddy-current-induced distortion in diffusion MRI using a twice-refocused spin echo. Magn Reson Med. 49 (1), 1771-1782 (2003).
  31. Jezzard, P., Balaban, R. Correction for geometric distortion in echo planar images from B0 field variations. Magn Reson Med. 34 (1), 65-73 (1995).
  32. Kelcz, F., Furman-Haran, E., Grobgeld, D., Degani, H. Clinical testing of high-spatial resolution parametric contrast-enhanced MR imaging of the breast. AJR Am J Roentgenol. 179 (6), 1485-1492 (2002).
  33. Le Bihan, D., et al. Diffusion tensor imaging: concepts and applications. J Magn Reson Imaging. 13 (4), 534-546 (2001).
  34. Marquardt, D. An Algorithm for Least-Squares Estimation of Nonlinear Parameter. SIAM Journal on Applied Mathematics. 11 (2), 431-441 (1963).
  35. Jolliffe, I. T. Principal Component Analysis: A Beginner's Guide — I. Introduction and application. Weather. 45 (10), 375-382 (1990).
  36. Mayr, N. A., Staples, J. J., Robinson, R. A., Vanmetre, J. E., Hussey, D. H. Morphometric studies in intraductal breast carcinoma using computerized image analysis. Cancer. 67 (11), 2805-2812 (1991).
  37. Ramsay, D. T., Kent, J. C., Hartmann, R. A., Hartmann, P. E. Anatomy of the lactating human breast redefined with ultrasound imaging. J Anat. 206 (6), 525-534 (2005).
  38. Gooding, M. J., Mellor, M., Shipley, J. A., Broadbent, K. A., Goddard, D. A. Automatic mammary duct detection in 3D ultrasound. Med Image Comput Comput Assist Interv. 8 (1), 434-441 (2005).
  39. Diffusion tensor based reconstruction of the ductal tree [abstr]. Reisert, M. M., Eyal, E., Grobgeld, D., Degani, H., Hennig, J. Nineteenth Meeting of the International Society for Magnetic Resonance in Medicine, 2011 May 9-13, Montreal, Quebec, , International Society for Magnetic Resonance in Medicine. Berkeley, CA. 3649(2011).
  40. Jezzard, P., Clare, S. Sources of distortion in functional MRI data. Hum Brain Mapp. 8 (2-3), 80-85 (1999).
  41. Jones, D. K., Cercignani, M. Twenty-five pitfalls in the analysis of diffusion MRI data. NMR Biomed. 23 (7), 803-820 (2010).

Przedruki i uprawnienia

Tagi

Wykrywanie raka piersiarchitektura gruczo u piersiowegomapy parametrycznepozorny wsp czynnik dyfuzjimaksymalny indeks anizotropiinieinwazyjne MRIdynamiczne wzmocnienie kontrastoweoprogramowanie do przetwarzania obraz wmapy wektorowe
Śledzenie cech architektonicznych sutka i wykrywanie raka piersi za pomocą obrazowania tensora dyfuzji rezonansu magnetycznego
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.