Artykuł metodologiczny

Funkcjonalny rezonans magnetyczny płuc z rozdzieleniem fazowym do oceny wentylacji i perfuzji płuc (V/Q)

3.3K wyświetleń

⸱

DOI:

10.3791/66380

⸱

9 sierpnia 2024

 ,  ,  , 
1Institute for Diagnostic and Interventional Radiology, Hannover Medical School, 2Member of the German Center for Lung Research, Biomedical Research in Endstage and Obstructive Lung Disease Hannover (BREATH)

W tym artykule

Podsumowanie

Tutaj opisujemy implementację funkcjonalnego rezonansu magnetycznego płuc z rozdzielczą fazą jako technikę rezonansu magnetycznego protonów bez środka kontrastowego do oceny dynamiki wentylacji płuc i perfuzji. Przetestowana i możliwa do zastosowania w różnych dziedzinach i grupach wiekowych, może w przyszłości usprawnić podejmowanie decyzji klinicznych, pomagając w ilościowym określaniu choroby i monitorowaniu terapii.

Streszczenie

Dekompozycja Fouriera to metoda 1H MRI bez użycia środka kontrastowego do oceny perfuzji płuc (Q) i wentylacji (V). Po zarejestrowaniu obrazu szeregi czasowe każdego woksela są analizowane pod kątem składowych częstotliwości pracy serca i oddychania.

Używając standardowej sekwencji 2D zepsutego gradientu echa o rozdzielczości czasowej ~300 ms, opracowano algorytm sortowania obrazów w celu uzyskania fazowo-rozdzielczego funkcjonalnego obrazowania płuc (PREFUL) o zwiększonej rozdzielczości czasowej. W związku z tym możliwa jest ocena regionalnych pętli objętości przepływu (FVL) podczas oddychania objętością oddechową i zobrazowanie propagacji fali tętna podczas cyklu pracy serca. Metoda ta może być stosowana przy 1,5T lub 3T ze standardowym sprzętem MR bez konieczności programowania sekwencji, ponieważ opisany protokół może być zaimplementowany z domyślną sekwencją SPGRE w większości systemów.

PREFUL wentylacja MRI zostało zweryfikowane przy użyciu obrazowania 129Xe i 19F z dobrą zgodnością regionalną. Rezonans magnetyczny PREFUL zależny od perfuzji został zwalidowany przy użyciu SPECT, a także rezonansu magnetycznego z dynamicznym wzmocnieniem kontrastu (DCE). PREFUL został przetestowany w dwuośrodkowym środowisku dwóch dostawców i jest obecnie stosowany w kilku trwających badaniach wieloośrodkowych. Co więcej, jest to możliwe do wykonania w różnych mocach pola (0,55T-3T) i w różnych grupach wiekowych, w tym u noworodków.

Ilościowy rezonans magnetyczny V/Q PREFUL został wykorzystany u pacjentów z mukowiscydozą, przewlekłą obturacyjną chorobą płuc, przewlekłym zakrzepowo-zatorowym nadciśnieniem płucnym i chorobą wirusową Corona-2019 do ilościowego określenia choroby i monitorowania zmian w leczeniu po terapii. Ponadto wykazano, że obrazowanie PREFUL V/Q pozwala przewidzieć utratę przeszczepu z powodu przewlekłej dysfunkcji alloprzeszczepu płuc u pacjentów po przeszczepie płuc. Podsumowując, PREFUL MRI jest zwalidowaną techniką wentylacji ilościowej i obrazowania fal tętna/perfuzji płuc w celu wykrywania, kwantyfikacji i monitorowania leczenia regionalnej choroby płuc, która może stanowić wartość dodaną w obecnej rutynie klinicznej.

Wprowadzenie

Układ oddechowy, ze względu na swoje złożone mechanizmy, jest podatny na wiele chorób. W szczególności przewlekłe schorzenia dróg oddechowych, takie jak przewlekła obturacyjna choroba płuc (POChP), mukowiscydoza (CF) oraz przewlekłe zakrzepowo-zatorowe nadciśnienie płucne (CTEPH), znacznie skracają oczekiwaną długość życia1. W związku z tym kluczowe stały się wczesna diagnostyka, monitorowanie oraz ocena odpowiedzi na terapię.

Badania funkcji płuc (PFT) pozwalają na wyznaczenie globalnych parametrów funkcji płuc, takich jak wskaźnik Tiffeneau-Pinelli, definiowany jako stosunek natężonej objętości wydechowej w pierwszej sekundzie (FEV1) do natężonej pojemności życiolnej (FVC)2. Parametry te są powszechnie stosowane w rutynie klinicznej, jednak nie dostarczają informacji regionalnych i wymagają wysokiego poziomu współpracy pacjenta. W związku z tym obrazowanie może dostarczyć dodatkowych informacji oraz umożliwić zastosowanie bardziej czułych parametrów. Tomografia komputerowa (CT) oferuje obrazowanie morfologii miąższu o wysokiej rozdzielczości, a nowoczesne techniki, takie jak mapowanie odpowiedzi parametrycznej, pozwalają również na uzyskanie informacji funkcjonalnych3. Niemniej jednak, jedno-fotonowa emisjatywna tomografia komputerowa (SPECT) pozostaje obecnie złotym standardem w obrazowaniu wentylacji i perfuzji (V/Q) w płucach4. Wspólną cechą wszystkich wymienionych metod obrazowania jest konieczność ekspozycji na promieniowanie jonizujące, co wymaga szczególnego uwzględnienia w przypadkach monitorowania oraz w grupach szczególnie wrażliwych. W konsekwencji podejmowane są wysiłki w celu promowania MRI jako alternatywnej metody obrazowania.

Z natury płuca są organem trudnym do obrazowania za pomocą MRI ze względu na niską gęstość protonów i szybki zanik sygnału5. Wśród wielu podejść najpowszechniejszymi rozwiązaniami są stosowanie gazów hiperpolaryzowanych (np. MRI 129Xe) do oceny wentylacji6 oraz podawanie dożylnych środków kontrastowych opartych na gadolinie w celu zobrazowania perfuzji7. Metody te zapewniają wysoki stosunek sygnału do szumu (SNR) i są powszechnie uważane za złoty standard w środowisku MR. Nowsze podejście eliminuje konieczność stosowania jakichkolwiek środków kontrastowych i jest możliwe do realizacji za pomocą konwencjonalnego MR protonowego podczas swobodnego oddychania, przy całkowitym czasie akwizycji wynoszącym ~1 min/przekrój. Dzięki temu uniknięto potencjalnych zdarzeń niepożądanych oraz niedawno dyskutowanych długoterminowych skutków stosowania środków kontrastowych, a także umożliwiono łatwiejsze upowszechnienie metody bez konieczności posiadania dodatkowego sprzętu do hiperpolaryzacji i obrazowania wielojądrowego. Ponadto, dzięki akwizycji podczas swobodnego oddychania, rozwiązano problem znalezienia odpowiedniego stanu nadmuchu, który może wpływać na obliczone wartości defektów wentylacyjnych8.

To pośrednie podejście oparte na sygnale MR zostało po raz pierwszy wprowadzone przez Zapke i wsp., którzy wykorzystali odwrotność zależności między sygnałem ważonym protonowo S a objętością płuc V: S~1/V.9 Opiera się ono na procesie przekształcania obrazów nabytych podczas swobodnego oddychania do jednego wspólnego stanu nadmuchania (zazwyczaj w pozycji pośredniej między końcem wydechu a końcem wdechu), co pozwala na skompensowanie ruchu i analizę szeregów czasowych sygnału w każdym wokselu. Następnie, na podstawie tak zwanych obrazów zarejestrowanych, można wyznaczyć pomiar wentylacji, stosując równanie (1) opracowane przez Klimeš i wsp.10:

Równanie wentylacji płucnej; analiza objętości oddechowej, stosunków i regulacji; wyświetlanie wzoru.     (1)

Z wykorzystaniem objętości/sygnałów podczas wdechu (Insp), wydechu (Exp) oraz stanu spoczynkowego (Reg). Następnie metodę rozszerzono poprzez wprowadzenie dekompozycji Fouriera w celu odróżnienia modulacji sygnału związanych z częstotliwością oddychania (wentylacja) od częstotliwości tętna (perfuzja), co pozwoliło na uzyskanie idealnie dopasowanej przestrzennie mapy V/Q z jednego procesu akwizycji11. Jest to możliwe dzięki typowej różnicy między częstotliwością oddychania a częstotliwością pracy serca, dzięki czemu oba komponenty, które w dziedzinie czasu nakładają się na siebie, są skutecznie rozróżniane w dziedzinie częstotliwości za pomocą analizy Fouriera. Po przejściu z niskiego pola (0.35T) na 1.5T przy zastosowaniu zoptymalizowanej sekwencji zrównoważonego stanu stacjonarnego wolnej precesji (bSSFP)12, metoda ta zaczęła przyciągać większą uwagę w kilku kolejnych badaniach13,14,15.

Z uwagi na to, że oddech i tętno podlegają zmienności, a komercyjnie dostępne obrazowanie bSSFP (z kompensacją gradientu) przy 1,5T może prowadzić do znacznych artefaktów pasmowych (wyraźnych linii braku sygnału), zaproponowano pokrewną metodę z wykorzystaniem sekwencji echa gradientowego z psuciem magnetyzacji (SPGRE) w połączeniu z szerokopasmowym filtrowaniem dolno- i górnoprzepustowym16,17. Pozwala to na uchwycenie bardziej złożonego widma rzeczywistych modulacji związanych z oddychaniem i tętnem. Następujące obliczenie amplitudy w dziedzinie czasu eliminuje konieczność wyboru jednego konkretnego piku częstotliwości. Dalszą optymalizację osiągnięto poprzez podział typowej jednostopniowej rejestracji względem jednego stanu referencyjnego na dwa oddzielne kroki. Wykorzystuje to fakt, że podczas swobodnego oddychania między końcem wdechu a końcem wydechu rejestrowany jest zakres różnych faz oddychania z różnym stopniem wymaganej deformacji względem stanu stałego. Po wybraniu kilku grup i zidentyfikowaniu grupy poszczególnych obrazów wykonuje się następującą procedurę: 1) Rejestracja w obrębie odpowiedniej grupy stanu oddychania, 2) Stopniowa rejestracja międzygrupowa z jednej sąsiedniej grupy do następnej (np. 1->2, 2->3,…) aż do grupy reprezentującej grupę referencyjną. Podejście to zostało następnie rozszerzone o szacowanie fazy dla każdego obrazu w celu uzyskania wyższej pozornej rozdzielczości czasowej, co ułatwia analizę dynamiki wentylacji i perfuzji, co doprowadziło do wprowadzenia terminologii fazowo-rozdzielczego funkcjonalnego MR płuc (PREFUL), aby odróżnić tę metodę od innych pokrewnych technik18. Badania kontrolne wykorzystały dodatkowe informacje dostarczone przez pełne cykle oddechowe i sercowe, wykazując potencjalnie zwiększoną czułość takich parametrów19,20,21.

Walidacja z użyciem złotego standardu SPECT wykazała współczynnik dice ≥67% dla obszarów defektów22, a bardziej bezpośredni pomiar wentylacji z użyciem 129Xe wykazał korelację procentową defektów wentylacyjnych ≥62% w mieszanej kohorcie pacjentów z COPD/CF i osób zdrowych23 oraz 84% w wieloośrodkowej, wieloproducentowej kohorcie z CF24, która wykazała również podobną korelację wskaźnika oczyszczania płuc dla PREFUL i 129Xe (r = 0,82 i r = 0,91). Analiza perfuzji w tym samym badaniu wykazała brak istotnych różnic w nakładaniu przestrzennym z DCE pomiędzy ocenianymi ośrodkami25. Zgodność z DCE oraz spójność wyników PREFUL pomiędzy ośrodkami została również zgłoszona w prospektywnym podbadaniu obejmującym dziewięć ośrodków26. Analiza powtarzalności u pacjentów z COPD wykazała współczynnik zmienności poniżej 15% dla wszystkich parametrów27. Obecne badania sugerują, że parametr FVL posiada wyższą moc predykcyjną i czułość w wykrywaniu zmian w leczeniu w porównaniu z „statycznym” parametrem wentylacji, który uwzględnia jedynie fazy końca wdechu i końca wydechu. Responsywność na leczenie przy pomiarach regionalnych pętli przepływ-objętość (FVL) została wykazana po leczeniu inhalacyjnym indakaterolem i glikopironium (IND/GLY) w COPD28. Zgodnie z tym, parametr FVL przewidział utratę przeszczepu u pacjentów po podwójnym przeszczepie płuc, podczas gdy spirometria nie była w stanie tego zrobić (P = 0,02 vs. P = 0,33)29. Pierwsze badania wykonalności wykazują, że funkcjonalne obrazowanie płuc z PREFUL może być realizowane u niemowląt i noworodków podczas swobodnego oddychania przy użyciu standardowego klinicznego sprzętu MRI30,31. Glandorf i wsp. porównali parametry PREFUL przy 1,5T i 3T (sekwencja SPGRE) i nie stwierdzili istotnych różnic dla większości parametrów, które były wysoce powtarzalne mimo różnicy w natężeniu pola32. Może to być istotna zaleta, ponieważ nie każde miejsce ma dostęp do skanerów o natężeniu pola 1,5T lub niższym. Niedawno wykazano możliwość wykonalności i wykrywania trwałych objawów po infekcji COVID-19 przy 0,55T poprzez ocenę danych bSSFP z PREFUL33.

Podsumowując, mimo że PREFUL jest techniką stosunkowo nową, została ona szeroko przebadana. Oceńiono istotne kryteria, takie jak walidacja za pomocą bardziej bezpośrednich i uznanych pomiarów, powtarzalność, czułość w wykrywaniu patologii oraz reaktywność na leczenie i zmiany w progresji choroby. Niemniej jednak, wciąż tylko kilka wyspecjalizowanych ośrodków korzysta z tej techniki, pomimo niskich wymagań technologicznych. Dlatego celem niniejszej pracy jest podsumowanie najnowszej metodologii PREFUL MR w formie pisemnej i wizualnej. Informacje te mogą zostać wykorzystane do wdrożenia tej techniki w większej liczbie ośrodków, co w dłuższej perspektywie doprowadzi do pełniejszego rozwoju tej metody.

Protokół

Badanie to uzyskało zatwierdzenie komisji etycznej Medical School w Hanowerze, co zapewniło przestrzeganie rygorystycznych standardów etycznych w całym procesie badawczym. Badanie było prowadzone w ścisłej zgodności z wytycznymi zawartymi w Deklaracji Helsińskiej, kładąc nacisk na etyczne prowadzenie badań medycznych. Ponadto przed przystąpieniem do badania MRI od wszystkich uczestników badania (lub ich rodziców bądź opiekunów prawnych) uzyskano świadomą zgodę. Uproszczony przegląd głównych etapów protokołu, obejmujący akwizycję, rejestrację, filtrowanie, sortowanie, a na koniec syntezę cyklu sercowego i oddechowego, przedstawiono na Rysunku 1. W następnych sekcjach wszystkie zaangażowane etapy zostały opisane szczegółowo.

Proces obrazowania serca: akwizycja przekrojów, rejestracja, filtrowanie, synteza cyklu; schemat faz.
Rysunek 1: Schematyczny przegląd głównych komponentów metody PREFUL. 1) Akwizycja podczas swobodnego oddychania, co wymaga 2) kompensacji ruchu poprzez rejestrację, przedstawioną na wykresach profilu, co umożliwia analizę komponentów Fouriera w każdym wokselu, zilustrowaną w kroku 3) filtrowania i sortowania. Po filtrowaniu dolnoprzepustowym (wentylacja) i górnoprzepustowym (perfuzja), 4) oszacowana faza jest wykorzystywana do sortowania obrazów w celu uzyskania wyższej pozornej rozdzielczości czasowej oraz syntezy jednego pełnego cyklu sercowego i oddechowego. Należy zauważyć, że jest to uproszczony schemat, a pełne szczegóły opisano w manuskrypcie. Dalsze etapy, pominięte na tym rysunku, obejmują kwantyfikację parametrów i generowanie raportu. Skrót: PREFUL = phase-resolved functional lung (funkcjonalne obrazowanie płuc z rozdzielczością fazową). Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.

1. Rekrutacja

  1. Zrekrutuj dorosłych pacjentów lub osoby niepełnoletnie do badania MRI PREFUL dla pacjentów oraz zdrowych uczestników kontrolnych w oparciu o diagnozę schorzenia płuc na podstawie badania spirometrycznego i/lub wcześniejszych obrazowań (np. RTG lub tomografii komputerowej); zdolność do wyrażenia świadomej zgody; zdolność do leżenia na płasko i pozostania w bezruchu przez cały czas trwania badania MRI; oraz brak znanych przeciwwskazań do MRI (np. implanty metalowe, klaustrofobia).
  2. Wyklucz pacjentów, jeśli są w ciąży, przeszli operację płuc w ciągu ostatnich 6 miesięcy, mają ciężką niewydolność oddechową lub wymagają ciągłego wspomagania tlenowego, bądź wykazali wcześniej reakcje niepożądane na środki kontrastowe na bazie gadolinu, w przypadku gdy oprócz PREFUL stosowane jest MRI z kontrastem.
  3. Zrekrutuj zdrowych uczestników kontrolnych, jeśli nie stwierdzono w wywiadzie chorób płuc na podstawie badania klinicznego i autoanalizy; testy funkcji płuc są prawidłowe; osoby te są w stanie wyrazić świadomą zgodę; potrafią leżeć na płasko i pozostać w bezruchu przez cały czas trwania badania MRI oraz nie mają znanych przeciwwskazań do MRI.
  4. Wyklucz osoby jako zdrowych uczestników kontrolnych ze względu na aktualny lub dawny nałóg palenia, ekspozycję na znane toksyny płucne lub zagrożenia zawodowe, rodzinną historię dziedzicznych chorób płuc, wszelkie znane choroby przewlekłe, które mogą wpływać na funkcję płuc, oraz ciążę.
  5. Pozyskaj formularze zgody. Kontynuuj protokół, jeśli od uczestnika uzyskano pisemny formularz świadomej zgody zawierający cel i procedury badania, wszelkie potencjalne ryzyka i korzyści, zapewnienia o poufności, czas trwania badania oraz prawo do wycofania się bez żadnych konsekwencji.
    1. Zastosuj następujące dodatkowe kroki, gdy rekrutacja obejmuje osoby niepełnoletnie.
      1. Uzyskaj pisemną świadomą zgodę od co najmniej jednego rodzica lub opiekuna, dodatkowo do zgody (assent) osoby niepełnoletniej.
      2. Przedstaw cały proces w sposób dostosowany do wieku, zrozumiały dla osoby niepełnoletniej.
      3. W przypadku młodszych dzieci stosuj pomoce wizualne, książki obrazkowe lub uproszczone wyjaśnienia.
      4. Upewnij się, że badanie jest odpowiednie dla danej grupy wiekowej i że osoby niepełnoletnie nie są włączane niepotrzebnie.
      5. Pozwól osobom niepełnoletnim na obecność zaufanego dorosłego (np. rodzica, opiekuna) podczas wszystkich procedur związanych z badaniem, chyba że koliduje to z rzetelnością badania.
        UWAGA: Opisane kroki zakładają, że badanie zostało przeanalizowane i zatwierdzone przez Komisję Etyczną.

2. Akwizycja

  1. Przeprowadź procedurę bezpieczeństwa przed skanowaniem.
    1. Przed wykonaniem badania MRI należy przeprowadzić szczegółowy przesiew pacjentów w celu zidentyfikowania potencjalnych przeciwwskazań, takich jak przebyte operacje, wszczepione urządzenia, tatuaże lub ekspozycja na odłamki metalu.
    2. Po przybyciu pacjentów należy poinformować ich o właściwościach magnetycznych oraz ryzyku związanym z procedurą.
    3. Należy poinstruować pacjentów, aby zdjęli wszystkie metalowe przedmioty osobiste, w tym biżuterię, zegarki oraz niektóre elementy odzieży, a w razie potrzeby zapewnić im fartuch ochronny.
    4. Należy zlecić wykwalifikowanemu specjaliście przeprowadzenie kontroli wzrokowej pacjentów w celu wykrycia pominiętych obiektów metalowych.
    5. Zweryfikuj wszystkie urządzenia medyczne lub implanty pod kątem kompatybilności z MRI.
    6. Należy zapewnić wdrożenie protokołów alarmowych w celu zapewnienia bezpieczeństwa personelu oraz pacjentów.
  2. Upozycjonowanie uczestnika i skanowanie
    1. Ułóż pacjenta w pozycji tyłem (na plecach), głową w stronę gantry, w systemie 0,55T, 1,5T lub 3T.
    2. Zapewnij ochronniki słuchu, dzwonek alarmowy, wyściółkę oraz koc w celu zapewnienia bezpieczeństwa i komfortu.
    3. Umieść wielokanałową elastyczną cewkę bezpośrednio pod brodą, aby zapewnić optymalną czułość cewki w obrębie wszystkich obszarów płuc.
    4. Zabezpiecz położenie cewki, aby zachować stabilność bez utrudniania oddychania pacjentowi.
    5. Poproś pacjenta o zamknięcie oczu, a następnie zaznacz środek płuca za pomocą lasera MR.
    6. Ustaw centrum płuc w izocentrum i pozwól pacjentowi ponownie otworzyć oczy.
    7. Wykonaj wstępne skany lokalizacyjne w celu ustalenia ogólnej orientacji, a następnie wykonaj morfologiczny skan poprzeczny, aby zidentyfikować rozwidlenie tchawki.
    8. Ustaw pierwszy przekrój wieńcowy na poziomie rozwidlenia tchawicy jako stały punkt orientacyjny w celu zwiększenia powtarzalności.
    9. W zależności od protokołu skanowania, należy albo zarejestrować trzy plastry rozstawione w odległościach odległość między przekrojami (mierzone od krawędzi do krawędzi) z 100% (grubości warstwy) lub pozyskać wiele przekrojów obejmując całą powierzchnię płuca, na dystansie wynoszącym 20% lub 33%.
    10. Należy w pełni obrazować każdy przekrój osobno i nie przeplatane.
    11. Prześlij zrekonstruowane obrazy do systemu archiwizacji i komunikacji obrazowej (PACS) w celu późniejszego dostępu i analizy. Alternatywnie, w celu zachowania zgodności ze standardami prywatności i ochrony danych, ręcznie wyeksportuj obrazy na wyznaczony dysk sieciowy lub do podobnego rozwiązania pamięci masowej.
      UWAGA: Szczegółne informacje na temat protokołu i parametrów sekwencjonowania znajdują się w Tabela 1 i Tabela 2W celu uzyskania wizualnego przedstawienia rozmieszczenia przekrojów należy zapoznać się z Rycina 2.

Pozycjonowanie przekroju tomografii komputerowej; histogramy prawidłowego i nieprawidłowego skalowania; schemat analizy sygnału.
Rysunek 2Typowe rozmieszczenie warstw dla eksperymentu PREFUL, zwizualizowane przy użyciu gradientowego echa 3D w orientacji poprzecznej. Należy zauważyć, że pierwszy przekrój jest zlokalizowany na poziomie rozwidlenia tchawicy, który służy jako powtarzalny punkt orientacyjny. 2nd oraz 3rd Przekroje są rozmieszczone z 100% przerwą między przekrojami w kierunku przednim i tylnym. Przykładowe histogramy przedstawiają rozkłady wartości przy prawidłowym oraz niewłaściwym (zbyt niskim) skalowaniu. To drugie prowadzi do niskiej rozpiętości dynamicznej i utraty dokładności. Należy również unikać niewłaściwego wysokiego skalowania, które prowadzi do obcinania sygnału (clippingu) (nie pokazano tutaj). Skrót: PREFUL = funkcjonalne obrazowanie płuc z rozdzielczością fazową. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej figury.

Tabela 1: Typowy zarys protokołu PREFUL. Po wykonaniu obrazowania lokalizacyjnego uzyskuje się obraz 3D objętości płuc w orientacji poprzecznej. Akwizycja ta służy do planowania kolejnych pomiarów PREFUL (patrz również Tabela 2 w celu zapoznania się z ustawieniami sekwencji oraz Rycina 2 w celu określenia położenia przekrojów). W zależności od badania można dodać inne sekwencje. Skrót: PREFUL = funkcjonalne obrazowanie płuc z rozdzielczością fazową (phase-resolved functional lung). Kliknij tutaj, aby pobrać tę tabelę.

Tabela 2: Podsumowanie parametrów sekwencji dla akwizycji PREFUL z zastosowaniem sekwencji spoiled gradient echo. Skróty: PREFUL = funkcjonalne obrazowanie płuc z rozdzielczością fazową (phase-resolved functional lung); SPGRE = sekwencja spoiled gradient echo. Prosimy kliknąć tutaj, aby pobrać tę tabelę.

3. Postprocesowanie

Wykres metryk sortowania; analiza danych; ramy czasowe; proces rejestracji grupowej; wykres statystyczny.
Rysunek 3: Schematyczna prezentacja rejestracji zorientowanej grupowo w celu zminimalizowania wymaganej deformacji dla kompensacji ruchu. Po podzieleniu obrazów (reprezentowanych przez okręgi) na 10 grup na podstawie metryki sortowania (np. segmentowanego obszaru płuc), obrazy w obrębie każdej grupy są rejestrowane do pozycji pośredniej (zilustrowanej liniami przerywanymi dla grupy 1). Następnie zarejestrowane obrazy są uśredniane i wykorzystywane w końcowym etapie rejestracji międzygrupowej w sposób sekwencyjny w kierunku grupy pośredniej. Skrót: GOREG = rejestracja zorientowana grupowo. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Wykres perfuzji i wentylacji z analizą sygnału, przedstawiający dane akwizycyjne i interpolację cykli.
Rycina 4: Ilustracja algorytmu sortowania dla perfuzji i wentylacji. W przypadku perfuzji (lewa strona) wykonuje się dopasowanie kawałkowe (górny rząd), aby oszacować fazę i ponownie posortować akwizycje (dolny rząd). W przypadku wentylacji (prawa strona) wartości odstające są wykluczane (górny rząd), a następnie sortowane zgodnie z modelem cosinusoidalnym (dolny rząd) w oparciu o amplitudę i różnicę amplitud, aby odróżnić fazę wydechu od fazy wdechu. Aby zobaczyć powiększoną wersję tej ryciny, kliknij tutaj.

Analiza wentylacji płuc; wykres pętli ciśnienie-objętość; kolorystyczna mapa oceny regionalnego przepływu-objętości; badanie oddechowe.
Rycina 5: Przykładowe pętle przepływ-objętość oraz odpowiadająca im metryka korelacji FVL u 43-letniej pacjentki z POChP. Należy zauważyć, że wraz ze zmianą FVL, wartość FVL-CM maleje. Skróty: FVL = pętla przepływ-objętość; FVL-CM = metryka korelacji FVL; COPD = przewlekła obturacyjna choroba płuc (POChP). Kliknij tutaj, aby zobaczyć powiększoną wersję tej ryciny.

Tabela 3: Zastosowanie progów do map parametrów i kombinacja map defektów. Prosimy kliknąć tutaj, aby pobrać tę tabelę.

  1. Rejestracja
    UWAGA: W poniższej sekcji opisano procedurę nieliniowej rejestracji do objętości referencyjnej (najlepiej na średnim poziomie oddechowym) z wykorzystaniem schematu zorientowanego grupowo (GOREG) w celu kompensacji ruchów oddechowych i kardiologicznych.
    1. Pobierz obrazy.
    2. W pierwszej kolejności należy przeprowadzić segmentację płuc na wszystkich niezarejestrowanych obrazach przy użyciu wytrenowanej sieci U-Net, a następnie zastosować filtr dolnoprzepustowy z częstotliwością odcięcia 0,7 Hz, aby uzyskać szacunkowe wartości fazy oddychania.
      UWAGA: To uruchomi w pełni zautomatyzowany potok przetwarzania, który wykona kolejne kroki w tle. Przedstawione i opisane kroki przetwarzania nie są ograniczone do konkretnej aplikacji ani języka, w związku z czym mogą zostać zaimplementowane w niestandardowej aplikacji przy użyciu wielu języków programowania.
    3. Zaklasyfikuj dużą liczbę segmentowanych wokseli jako wdech, a małą liczbę jako wydech.
    4. Pogrupuj obrazy, dzieląc je na decyle, tak aby każda z powstałych 10 grup zawierała taką samą liczbę obrazów.
    5. Wybierz ANTs34 (BSplineSyN z miarą korelacji wzajemnej) lub Forsberg35,36 (ekspansja wielomianowa z regularyzacją elastyczną i płynną) jako algorytm rejestracji.
    6. Przeprowadź rejestrację wewnątrzgrupową dla każdej grupy względem pośredniego położenia płuc odpowiedniej grupy.
    7. Wyciągnij średnią z wyników grupy, aby uzyskać jeden obraz dla każdej grupy.
    8. Przeprowadź rejestrację międzyobrazową, przechodząc od każdego obrazu w grupie do kolejnego sąsiada w kierunku 5th grupa
    9. Zastosuj łańcuch deformacji do oryginalnych obrazów, w stopniu niezbędnym do osiągnięcia pozycji oddechowej reprezentowanej przez obraz uśredniony w grupie 5. Na przykład w przypadku obrazu 36, który należy do grupy 3, następujące pola deformacji stosuje się: 36->Rysunek 57 (~Pośrednie ułożenie płuc w grupie 3) -> Krok 3->4 -> Krok 4->5.
      UWAGA: Szczegółowy opis procedury GOREG znajduje się w Rysunek 3Przeprowadź rejestrację z wykorzystaniem obliczeń równoległych, aby skrócić czas przetwarzania. Rejestracja GOREG jest wykonywana w celu zminimalizowania ilości deformacji wymaganej na każdym etapie rejestracji, co zapewnia stabilną zbieżność algorytmu. Niemniej jednak rejestrację można przeprowadzić również w jednym kroku deformacji w kierunku pośredniej pozycji płuc. Podczas gdy we wszystkich opublikowanych badaniach 2D PREFUL wykorzystano oprogramowanie ANTs, narzędzie Forsberg dostarcza wyniki do 6 razy szybciej, przy jakości porównywalnej do tej zgłaszanej w badaniu 3D PREFUL.37Wzorcowe wyniki w niniejszym raporcie zostały uzyskane przy zastosowaniu rejestracji Forsberga. Należy odnieść się do Rysunek 1 aby zobaczyć ilustrację wpływu rejestracji na ruchy przepony.
  2. Ogólne filtrowanie
    1. Odszumij zarejestrowane obrazy, stosując filtrowanie sterowane obrazem38, wykorzystując czasowo uśredniony zarejestrowany obraz jako obraz prowadzący. Zastosuj następujące ustawienia: RozmiarSąsiedztwa = [10, 10], StopieńWygładzania = 1.
    2. Do analizy wentylacji i perfuzji należy zastosować filtr dolnoprzepustowy lub górnoprzepustowy z punkt odcięcia w 0,7 Hz w celu stłumienia odpowiedniego drugiego komponentu. Pierwsze 20 obrazów należy wykluczyć z wszelkich dalszych etapów przetwarzania, z wyjątkiem obliczeń ilościowej perfuzji, aby zapewnić stan stacjonarny w analizowanych szeregach czasowych.
      UWAGA: Może być konieczna zmiana wartości progowej, jeśli u badanych częstotliwość oddychania przekracza ok. 40 oddechów/min.
  3. Segmentacja
    UWAGA: Końcowa segmentacja jest wykonywana przy użyciu zarejestrowanych obrazów w pośredniej pozycji płuc w ramach dwuetapowej procedury opisanej poniżej.
    1. Wykonaj segmentację granicy płuc (ROI płuc) na obrazach zarejestrowanych i uśrednionych w czasie, wykorzystując wytrenowaną sieć U-Net lub metodą manualną.
    2. Następnie należy wykluczyć duże naczynia centralne, aby doprecyzować segmentację granic płuc i uzyskać obszar zainteresowania (ROI) dla miąższu płuc.
  4. Perfuzja
    UWAGA: Poniższe kroki są niezbędne do precyzyjnego oszacowania fazy serca dla każdego obrazu w pozyskanej serii, które są próbkowane z relatywnie niską częstotliwością (~3–5 obrazów/s), szczególnie w porównaniu z częstotliwością pracy serca (zazwyczaj 40–90 bpm). Przegrupowanie danych zgodnie z określonymi fazami serca służy do uzyskania pełnego cyklu pracy serca z poprawioną rozdzielczością czasową, przekraczającą częstotliwość próbkowania podczas akwizycji danych.18 (patrz na Rycina 4 (do ilustracji procedury sortowania). Do estymacji fazy wymagany jest obszar zainteresowania (ROI) z silnym sygnałem zależnym od perfuzji. Należy zastosować iteracyjny algorytm wyszukiwania w następujący sposób:22.
    1. Połącz obszar zainteresowania (ROI) granicy płuc, aby uwzględnić śródpiersie w ROI wyszukiwania.
    2. Wygeneruj prostą mapę perfuzyjną poprzez obliczenie odchylenia standardowego w obrębie sekwencji obrazów.
    3. Zidentyfikuj obszary odpowiadające 98. percentylowi tej mapy w obrębie ROI wyszukiwania, które posłużą jako seed ROI w kolejnych krokach.
    4. Wykonaj dopasowanie elementami (piece-wise fitting), zwiększając liczbę punktów startowych (seed points) tak długo, jak poprawia się jakość dopasowania.
    5. Uszereguj rozszerzone obszary zainteresowania (ROI) ziarna zgodnie z jakością ich dopasowania.
    6. Iteracyjnie łącz najlepsze rozszerzone obszary zainteresowania (ROI) z drugimi w kolejności najlepszymi, trzecimi i tak dalej, aż do momentu, gdy połączenie nie poprawi wskaźnika lub zostaną uwzględnione wszystkie początkowe ROI. Ostateczne ROI należy uznać za ROI naczynia wykorzystywane do szacowania fazy serca.
    7. Oblicz średnią przestrzenną sygnału wewnątrz zoptymalizowanego obszaru szacowania fazy, aby uzyskać jedną szereg czasowy sygnału do szacowania fazy.
    8. Przeprowadź szacowanie odcinkowe poprzez podział sygnału na mniejsze części z wykorzystaniem lokalnych maksimów sygnału, a następnie wykonaj odcinkowe dopasowanie sinusoidalne, uwzględniając takie parametry jak amplituda, przesunięcie fazowe i częstotliwość (Rycina 4).
    9. Uporządkuj obrazy według faz, aby przedstawiały jeden cykl pracy serca.
    10. Zastosuj regresję jądrową Nadaraya-Watsona z jądrem gaussowskim (sigma = 0,1) w celu interpolacji 15 faz na jednorodną siatkę czasową obejmującą jeden cykl serca.
      UWAGA: Należy odnieść się do Rysunek 1 dla podzbioru przykładowego syntetycznego pełnego cyklu serca zdrowego ochotnika, rozpoczynającego się w rozkurczu, przechodzącego w skurcz i powracającego do rozkurczu.
  5. Wentylacja
    UWAGA: W analizie perfuzji należy zauważyć, że częstotliwość pracy serca pozostaje stosunkowo stabilna, z pomijalnymi zmianami amplitudy. W przeciwieństwieństwie do niej, w procesie wentylacji częściej występują wahania objętości oddechowej i częstotliwości, co prowadzi do różnych stanów oddechowych, w których identyczne fazy oddechowe nie zawsze mają tę samą amplitudę. Czerpiąc z podejścia do samowyzwalania (self-gating) zaproponowanego przez Fischera i wsp., niezbędne jest skategoryzowanie wentylacji w oparciu o amplitudę sygnału.
    1. Wyklucz skrajne wartości odstające, stosując reguły empiryczne (dane poniżej 5. lub powyżej 97. percentyla).
    2. Wyznacz zakres amplitudy R oraz przesunięcie C z serii czasowych sygnału utworzonych na potrzeby grupowania rejestracji.
    3. Zdefiniuj funkcję modelową A(t) z dowolnie wybraną częstotliwością fOddychanie (tutaj 0,3 Hz):
      Równanie cyklu oddechowego A(t)=Rcos(2πfRespirationt)+C; wyrażenie matematyczne do analizy.
    4. Zaklasyfikuj dane do stanów wdechu i wydechu na podstawie nachylenia.
    5. Uzyskać bardziej precyzyjne wyznaczenie fazy zgodnie z funkcją modelu:
      Równanie czasu trwania cyklu oddechowego, t_Inspiration * f_Respiration = cos⁻¹((A(t)-C)/R) / (2π).
      Równanie cyklu oddechowego; wzór: t<sub>wydech</sub> * f<sub>oddychanie</sub> z funkcją cosinus odwrotny.
    6. Następnie należy wyrównać próbki w zależności od ich fazy i zastosować regresję jądrową Nadarayi-Watsona w celu obliczenia wentylacji w równomiernie rozmieszczonych odstępach czasu podczas cyklu oddechowego.
    7. Oblicz wentylację regionalną (RVent) dla każdej fazy analogicznie do równania 1, zastępując fazę wdechową odpowiednią fazą.
      Równanie równowagi statycznej, RVent(Phase), diagram przedstawiający zależność matematyczną, zastosowanie edukacyjne.
      UWAGA: Patrz na Rysunek 1 aby zobaczyć fragment przykładowego, zsyntetyzowanego pełnego cyklu oddechowego zdrowego ochotnika, rozpoczynający się od wydechu, przechodzący w wdech, a następnie powracający do wydechu. Ilustrację algorytmu sortowania przedstawiono w Rysunek 4.
  6. Obliczanie parametrów
    UWAGA: Wykorzystując zsyntetyzowane pełne cykle oddechowe i kardiologiczne, można wyprowadzić dodatkowe parametry. Poniżej opisano wybór najważniejszych z nich.
  7. Wentylacja regionalna (RVent)
    1. Wykorzystując fazę wdechową, wyznacz RVent zgodnie z wzorem:
      Równanie wentylacji oddechowej przedstawiające obliczanie RVent: R_Vent = S_Mid/S_Insp - S_Mid/S_Exp.
  8. Metryka korelacji pętli przepływ-objętość (FVL-CM)
    UWAGA: Aby ocenić wszystkie fazy oddychania, przeprowadza się serię kroków w celu uzyskania obrazu MRI odpowiadającego analizie FVL, analogicznie do badań funkcji płuc.
    1. Oblicz nachylenie wentylacji regionalnej (RVent) jako substytut przepływu, wykorzystując pierwszą pochodną czasową RVent. Zastosuj symetryczny iloraz różnicowy o długości kroku h:
      Wzór na różniczkowanie numeryczne, df/dt≈(f(t+h)−f(t−h))/2h, koncepcja matematyczna.
    2. Opcjonalnie można wyświetlić regionalne lub uśrednione nachylenia RVent w funkcji odpowiedniego RVent, generując w ten sposób odpowiednik PREFUL dla analizy FVL.
    3. Wyznacz referencyjny obszar zainteresowania (ROI), identyfikując największy połączony obszar z wartościami RVent mieszczącymi się w przedziale od 80. do 90. percentyla w ROI miąższu płuca.
    4. Obliczyć średnią pętli przepływ-objętość w obrębie wyznaczonego referencyjnego ROI.
    5. Aby określić stopień podobieństwa każdego FVC płuc do wzorca, należy przeprowadzić korelację wzajemną każdego FVC w obszarze zainteresowania (ROI) miąższu płuc z wzorcem przy opóźnieniu zero:
      Wzór na kroskorelację Rxy(0)=Σxnyn, przetwarzanie sygnałów, równanie matematyczne.
    6. Znormalizować zgodnie z:
      Równanie równowagi statycznej; Rxy,norm(0)=1/√[Rxx(0)Ryy(0)]Rxy(0); wyrażenie matematyczne.
      Tutaj x i y reprezentują krzywą referencyjną oraz odpowiednią krzywą przepływu RVent.
      UWAGA: Należy zwrócić uwagę, że zastosowano brak opóźnienia (zero-lag), aby opóźniona wentylacja skutkowała niższą korelacją.
      UWAGA: Patrz na Rysunek 5 dla ilustracji obliczeń FVL oraz pochodnej metryki FVL-CM.
  9. Ilościowa ocena perfuzji
    UWAGA: Ilościowe oznaczenie wykonuje się zgodnie z metodą Glandorf et al., wykorzystując pierwsze obrazy pozyskane podczas stanu przejściowego36.
    1. Znormalizuj cztery pierwsze zarejestrowane obrazy do poziomu średniej inspiracji, wykorzystując wartość A dla liczby wokseli płuc obliczonej w kroku 3.1.2. Redukcja modulacji spowodowanej zmienną gęstością protonów jest wyrażona wzorem:
      Równanie konwersji sygnału; wzór: S_Phase→mid=A(phase)/A(mid)×S_Phase; analiza naukowa.
    2. Wykonaj dopasowanie wykładnicze, aby oszacować sygnał związany z maksymalną namagnesowaniem, korzystając z modelu:
      Wzór na zanik wykładniczy \(M=S_0 \exp(-bt)\) w analizie fizycznej lub chemicznej.
    3. Wyznacz mapę Q związaną z perfuzją miąższową, wykorzystując fazę cyklu serca, w której odnotowano najsilniejsze sygnały w obszarze zainteresowania (ROI) miąższu płuc.
    4. W celu oszacowania regionalnego ułamka krwi (BF), należy znormalizować S0 wartość poprzez uśrednienie wartości powyżej 99,99. percentyla w obszarze ROI wyszukiwania (woksel pełnej krwi):
      Wzór na współczynnik Bayesa BF=S₀/S₉₉,₉₉% stosowany w analizie statystycznej i obliczeniach prawdopodobieństwa.
    5. Oszacuj frakcję wymiany (EF) podczas cyklu serca, uwzględniając stosunek maksymalnej różnicy mediany sygnału pomiędzy stanem stacjonarnym (SS) a stanem początkowym wyznaczonym przez S0 or różnica sygnału związana z przepływem Q:
      Równanie do obliczania wielkości efektu: EF = Q/Median(S₀−SS); koncepcja analizy statystycznej.
    6. Wyznacz częstotliwość pracy serca fSerce w 1/s z ROI naczynia przy użyciu analizy Fouriera (częstotliwość odpowiadająca najwyższemu piku).
    7. Oblicz końcową ilościową perfuzję (QQ) w mL∙min-1∙100 ml-1 jak następuje:
      Równanie rzutu serca; wzór z wykorzystaniem EF, BF, VV, częstości akcji serca; matematyczna analiza bilansu.
      UWAGA: W tym przypadku objętość woksela (VV) ulega skróceniu [ml/ml], a do wyświetlenia końcowego wyniku w jednostkach [ml∙min⁻¹] zastosowano przelicznik 60 s/min oraz współczynnik konwencyjny 100/100.-1∙100 ml-1EF i BF są stosunkami bezwymiarowymi.
  10. Progowanie i statystyka
    1. Opisz statystycznie wyżej wymienione parametry dla przekroju środkowego oraz dla wszystkich przekrojów, podając wartość średnią (wszystkie wartości / wartości dla przekroju środkowego) oraz odchylenie standardowe (wszystkie wartości / tylko wartości dla przekroju środkowego).
    2. Dodatkowo należy znormalizować odchylenie standardowe do współczynnika zmienności, aby uzyskać relatywny pomiar rozproszenia. Jako końcowe wyniki statystyczne należy wybrać wartość średnią oraz współczynnik zmienności.
    3. Zastosuj progi do map parametrów w celu wygenerowania map defektów i wyznaczenia wartości procentowych defektów (patrz Tabela 3).
    4. Wartości poniżej progów sklasyfikuj jako defekt wentylacji lub perfuzji (VD/QD). Następnie połącz te mapy, aby ilościowo określić nakładanie się defektów oraz obszarów prawidłowych (klasy V/Q), uwzględniając następujące kombinacje przedstawione w tabeli czteropolowej w Tabela 3:
    5. Oblicz procentową zawartość defektów dla klas defektów wentylacyjnych (VD), defektów perfuzyjnych (QD) oraz stosunku wentylacji do perfuzji (V/Q), określając ją jako liczbę wokseli danej klasy w stosunku do całkowitej liczby wokseli miąższu płuc:
      Procent defektów = #VokseliDefektu/#MiąższPłuc
    6. Oblicz ten procent defektu dla każdego przekroju oraz dla złożonych przekrojów coronalnych. W niniejszym badaniu zastosuj podejście łączone, w którym defekt wentylacji jest określany przez operację logiczną OR: VD = VD(RVent) OR VD(FVL-CM).
      UWAGA: Opisana analiza została przeprowadzona przy użyciu komercyjnej aplikacji programistycznej (patrz Tabela materiałów) przy użyciu zestawu narzędzi do rejestracji obrazów Forsberga.
ParametrPrógKomentarz
RVent90th Percentyl * 0,4Próg adaptacyjny
FVL-CM90%Stały próg
Q90th Percentyl * 0,15Próg adaptacyjny

V/QBrak kropek kwantowychKropki kwantowe
Brak VDNormalnyNiezgodność VQ (wyłącznie QD)
VDNiezgodność VQ (wyłącznie VD)Dopasowanie defektów VQ

Wyniki

Dolna część Rysunku 2 ilustruje skutki prawidłowego i niewłaściwego skalowania wraz z odpowiadającym temu wpływem na zakres dynamiczny. Rysunek 6 pokazuje niejednorodny rozkład sygnału, który jest reprezentatywny dla skanów bez i z normalizacją cewek. Zaleca się unikanie niskiego zakresu dynamicznego oraz obrazów bez normalizacji cewek.

Efekt korekcji cewki MRI; przed i po; porównanie skanów klatki piersiowej; analiza wyników obrazowania.
Rysunek 6: Przykładowe obrazy po akwizycji bez korekcji cewki (nieprawidłowo) oraz z korekcją cewki (prawidłowo). Zwróć uwagę na sztuczne wzmocnienie sygnału na granicach ciała w pobliżu elementów cewki. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rysunek 7 przedstawia poprawną i nieudaną automatyczną segmentację. Należy zauważyć, że nieudana segmentacja nie obejmuje wszystkich wokseli płuc, co sfałszuje dalsze analizy i statystyki. Szczególnej uwagi wymagają przypadki z naciekami, ponieważ takie woksele mogą zostać błędnie zaklasyfikowane jako naczynia ze względu na wysoki sygnał w modelach AI lub w ogóle nie zostać poddane segmentacji.

Proces segmentacji płuc w tomografii komputerowej, schemat porównujący etapy segmentacji warstw dla pacjentów A i B.
Rysunek 7: Przykład automatycznej segmentacji zakończonej niepowodzeniem (Pacjent A: 83-letni mężczyzna z POChP) oraz sukcesem (Pacjent B: 30-letnia zdrowa kobieta z grupy kontrolnej). Pierwszy wiersz przedstawia obrazy, które posłużyły jako dane wejściowe dla modeli AI. Drugi wiersz pokazuje wyniki pierwszego etapu segmentacji, polegającego na wyznaczeniu granicy płuc. Trzeci wiersz przedstawia wynik końcowy po wykluczeniu naczyń. Jak wskazują niebieskie strzałki, algorytm napotkał trudności ze względu na wysoką wariancję sygnału w płucach, co spowodowało błędne wykrycie granicy płuc. Należy zauważyć, że obrazy zostały znormalizowane według maksymalnego sygnału, co doprowadziło do różnych wyników z powodu braku normalizacji cewek w skanie wykonanym u pacjenta A. Czerwone obszary wskazują ROI, które zostały automatycznie wykryte w celu sortowania fazy perfuzji. Skróty: COPD = przewlekła obturacyjna choroba płuc; ROIs = obszary zainteresowania. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rycina 8 oraz Rycina 9 przedstawiają reprezentatywne mapy parametrów dla zdrowej osoby kontrolnej (kobieta, 30 lat) oraz pacjenta z POChP (mężczyzna, 60 lat). Należy zauważyć, że u osoby kontrolnej wentylacja i perfuzja są bardziej homogeniczne, co przekłada się na mniejszą liczbę wokseli z defektami. Odpowiednie raporty statystyk ROI znajdują się w Tabeli 4 i Tabeli 5.

Schemat analizy perfuzji i wentylacji; obrazowanie płuc, ilościowa perfuzja, regionalna wentylacja, V/Q.
Rycina 8mapy parametrów PREFUL zdrowej kobiety w wieku 30 lat (grupa kontrolna). Perfuzja (1st rzęd), wentylacja regionalna (2nd wiersz), metryka korelacji pętli przepływ-objętość (3rd rzędu) oraz mapy V/Q z zastosowanym progiem (4th rzędu). Zwróć uwagę na jednorodny rozkład wartości miąższowych oraz niskie wartości procentowe defektów. Skróty: PREFUL = funkcjonalne obrazowanie płuc z rozdzielczością fazową; V = wentylacja; Q = perfuzja. Kliknij tutaj, aby wyświetlić większą wersję tej figury.

Mapowanie perfuzji i wentylacji płuc z wynikami przepływ-objętość na kolorowych obrazach anatomicznych.
Rysunek 9: Mapy parametrów PREFUL u 60-letniego mężczyzny z POChP. Perfuzja (1.sz rządek), regionalna wentylacja (2.gi rządek), metryka korelacji pętli przepływ-objętość (3.ci rządek) i mapy V/Q z zastosowaniem progu (4.ty rządek). Zwróć uwagę na niejednorodny rozkład wartości miąższowych oraz wysoki procent ubytków. Skróty: COPD = przewlekła obturacyjna choroba płuc (POChP); PREFUL = funkcjonalne obrazowanie płuc z rozdzielczością fazową; V = wentylacja; Q = perfuzja. Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.

Tabela 4: Przykładowy raport parametrów PREFUL uzyskanych dla zdrowej grupy kontrolnej (kobieta w wieku 30 lat). Zwróć uwagę na niskie wartości współczynnika zmienności oraz defektów, które są zgodne z mapami parametrów przedstawionymi na Rysunku 8 dla tego samego badanego. Zobacz również Tabelę 5 oraz Rysunek 9. Skrót: PREFUL = funkcyjne obrazowanie płuc z rozdzielczością fazową (phase-resolved functional lung). Kliknij tutaj, aby pobrać tę tabelę.

Tabela 5: Przykładowy raport parametrów PREFUL uzyskany dla pacjenta z POChS (mężczyzna w wieku 60 lat). Zwróć uwagę na wysokie wartości współczynnika zmienności oraz defektów, które są zgodne z mapami parametrów przedstawionymi na Rysunku 9 dla tego samego badanego. Patrz również Tabela 4 oraz Rysunek 8. Kliknij tutaj, aby pobrać tę tabelę.

Materiały uzupełniające: Animowane wyjaśnienie algorytmu PREFUL. Kliknij tutaj, aby pobrać ten plik.

Dyskusja

Kroki krytyczne
Jedną z najczęstszych pułapek podczas akwizycji jest nieodpowiednie skalowanie sygnału, co powoduje utratę informacji podczas konwersji DICOM poprzez zmniejszenie precyzji reprezentacji danych cyfrowych. W związku z tym może to prowadzić do problemów na etapie przetwarzania końcowego. Inną, jeszcze bardziej krytyczną pułapką jest pobieranie wielu plasterków w sposób przeplatany. W ten sposób efektywna rozdzielczość czasowa poszczególnych wycinków jest krytycznie zmniejszona. Dodatkowo, w zależności od odległości warstw, może to mieć wpływ na kontrast perfuzyjny i kwantyfikację, ponieważ napływ opiera się na świeżych spinach bez historii namagnesowania. Podczas ustawiania protokołu należy zachować szczególną ostrożność, zwłaszcza w odniesieniu do siły gradientu, echa asymetrycznego, szerokości pasma i obrazowania równoległego. Odchylenia od sugerowanych ustawień nawet dla jednego z tych parametrów mogą prowadzić do nieodpowiedniej rozdzielczości TE i czasowej.

Przetwarzanie końcowe składa się z wielu kroków, które należy wykonać w opisanej kolejności. Na przykład rejestracja po filtrowaniu dolnoprzepustowym nie jest znacząca. W związku z tym awaria na jednym etapie prowadzi do awarii na kolejnych etapach. To sprawia, że etap rejestracji jest szczególnie ważny. Ponieważ nie ma jednego algorytmu rejestracji, w zależności od danej implementacji, parametry muszą być ustawione empirycznie. Bez dostrojenia tych parametrów fałszywa rejestracja uniemożliwi wygenerowanie jakiegokolwiek znaczącego wyniku. Innym potencjalnie czasochłonnym i krytycznym krokiem podczas postprocessingu jest segmentacja. Fałszywe segmentacje mogą prowadzić do całkowicie błędnych obliczeń parametrów (np. poprzez uwzględnienie regionów innych niż płuca) w raporcie końcowym. Takie błędne segmentacje są bardziej prawdopodobne w przypadku algorytmów głębokiego uczenia, które są przyzwyczajone do określonych wyglądów obrazów i są stosowane do obrazów od innego dostawcy/maszyny o nieco innym wyglądzie. W związku z tym obowiązkowa jest wizualna kontrola jakości dokładności segmentacji, z ewentualną korektą ręczną.

Rozwiązywanie problemów
Typowa procedura rozwiązywania problemów polega na wykonaniu wszystkich kroków jeden po drugim i sprawdzeniu wiarygodności wyników pośrednich. Procedura dla głównych kroków jest następująca: Sprawdź, czy obrazy są rejestrowane w swobodnym oddychaniu z prawidłową sekwencją i ustawieniami. Następnie należy sprawdzić, czy zakres dynamiczny sygnałów jest odpowiedni (~50 AU w miąższu płuca). Jeśli surowe dane są nadal dostępne, powtórz rekonstrukcję obrazów z odpowiednim współczynnikiem skalowania, unikając konieczności ponownego pozyskiwania danych. Sprawdź, czy rejestracja została wykonana bez większych zakłóceń i pozostałego ruchu. Następnie sprawdź, czy małe ROI pokazują szereg czasowy z oczekiwanymi modulacjami związanymi z wentylacją i perfuzją. Następnie sprawdź, czy zastosowane filtry zmieniają obrazy w oczekiwany sposób (np. brak modulacji wysokiej częstotliwości w danych filtrowanych dolnoprzepustowo). Sprawdź, czy zsyntetyzowane cykle oddechowe i sercowe są fizjologiczne i nie wykazują nagłych skoków. Sprawdź dokładność segmentacji. Należy pamiętać, że wyszukiwanie na dokładniejszym poziomie rozdzielczości może być konieczne, gdy tylko zostanie zidentyfikowany główny krok, podczas którego występuje problem.

Ograniczenia
Chociaż wiadomo, że prezentowany protokół daje powtarzalne i czułe wyniki, liczba zaangażowanych kroków i parametrów podczas akwizycji i przetwarzania końcowego pozwala na niemal nieskończoną optymalizację i jest ze sobą powiązane. W związku z tym należy zastosować podejście oddolne, najpierw zajmując się optymalizacjami protokołu sekwencji (np. w odniesieniu do SNR i funkcjonalnego stosunku kontrastu do szumu). Dla następujących optymalizacji przetwarzania końcowego przydatna może być predefiniowana prawda podstawowa w postaci cyfrowego modelu płuc40. Jak pokazano, model ten naśladuje akwizycję swobodnego oddychania i obejmuje kilka klas symulujących defekty wentylacji/perfuzji. Uwzględniając znane odkształcenie spowodowane ruchem, algorytmy rejestracji mogą być również testowane bezpośrednio. Pomimo tych zalet każdy model jest z natury ograniczony dokładnością odwzorowania złożonej rzeczywistości do skończonego i uproszczonego modelu.

Stwierdzono, że progi przedstawione w tym protokole wykazują rozsądne wyniki dla zdrowych ochotników i w różnych kohortach pacjentów za pomocą analizy empirycznej. Niemniej jednak, jak wspomniano wcześniej, prawdopodobnie wymagana jest korekta w zależności od sekwencji, natężenia pola i kohorty.

Ogólnym ograniczeniem PREFUL jest obszerne przetwarzanie końcowe, które nie jest jeszcze łatwo dostępne jako produkt medyczny, chociaż pierwsze wersje w toku od Siemens Healthineers i BioVisioneers są dostępne do celów naukowych w ramach współpracy naukowej/komercyjnej. Obliczenia zazwyczaj obejmują przetwarzanie równoległe, które stawia szczególnie wysokie wymagania procesorowi i pamięci RAM oraz może wymagać nowoczesnych stacji roboczych lub rozwiązań serwerowych do efektywnego przetwarzania dużych ilości danych. Co więcej, czasochłonne etapy postprocessingu utrudniają obecnie natychmiastową prezentację wyników, co byłoby pożądane w przebiegu pracy klinicznej.

Porównanie z innymi metodami
Istnieje wiele podobnych podejść, takich jak PREFUL, w tym poprzednia dekompozycja Fouriera i jej inne pochodne, takie jak dekompozycja ołówkowa matrycy41 i nieco inne podejście Samobramkowany funkcjonalny rezonans magnetyczny płuc ze wzmocnieniem kontrastowym (senceful MRI)42. Podczas gdy dekompozycja Fouriera i podobne metody działają w dziedzinie częstotliwości, PREFUL wykorzystuje mniej ścisłe filtrowanie Fouriera i późniejsze obliczanie amplitud w dziedzinie czasu. W związku z tym nie ma wymogu wybierania konkretnych pików odpowiadających wentylacji/perfuzji. Może to skutkować mniejszą podatnością na zmienność oddychania, o której wiadomo, że występuje u ludzi.

Podczas gdy PREFUL wykonuje sortowanie obrazów, SENCEFUL wykorzystuje sortowanie linii k-space, co prowadzi do większej elastyczności. Niemniej jednak, SENCEFUL wymaga sekwencji z możliwością samobramkowania, podczas gdy PREFUL może być wykonywany z konwencjonalną sekwencją echa gradientowego zepsutego. Podobnie, bSSFP powszechnie stosowany w podejściach opartych na dekompozycji Fouriera jest znany z lepszego kontrastu SNR i przepływu krwi, ale zazwyczaj wymaga większej optymalizacji akwizycji płuc, zwłaszcza przy 3T43. Niemniej jednak, poza tym, nie ma powodu, aby nie łączyć PREFUL z akwizycją bSSFP44.

Wszystkie te podejścia oparte na sygnałach zakładają, że pewne niepożądane wpływy sygnału, w tym T1, T2/T2*, dyfuzja, ruch w płaszczyźnie i woksele nieortogonalnie perfuzjone, są znikome. Podczas gdy postępowa walidacja PREFUL pośrednio sugeruje, że rzeczywiście takie wpływy nie są krytyczne, Triphan i wsp. wykazali, że istnieje zależność od efektywnych T1 i TE, co tłumaczy się różną wagą składników krwi i miąższu w zależności od TE45. W tym świetle początkowa zaleta bSSFP w wizualizacji krwi dzięki kontrastowi T2 / T1 może stanowić dodatkowe wyzwanie w ustaleniu dokładnej kwantyfikacji w porównaniu z prostszą mechaniką kontrastu SPGRE. Niemniej jednak pożądane są dalsze badania, które bezpośrednio odnoszą się do wpływu różnych zmiennych MR, na przykład jak przeprowadzone przez Glandorfa i wsp. dla środków kontrastowych46,47, ponieważ mogą one bezpośrednio określić ilościowo wpływ na PREFUL.

Znaczenie
Będąc metodą swobodnego oddychania i bez środków kontrastowych, PREFUL ma wiele zalet z wcześniej wymienionymi metodami pokrewnymi: 1) Brak stosowania promieniowania jonizującego i środka kontrastowego, 2) Brak konieczności stosowania dodatkowego sprzętu lub personelu, 3) Akwizycja, która zależy tylko od minimalnego przestrzegania zaleceń przez pacjenta. Te zalety sprawiają, że PREFUL jest wygodnym narzędziem do monitorowania, szczególnie dla grup wrażliwych, takich jak dzieci z przewlekłą chorobą płuc. Chociaż SNR jest niski w przypadku sekwencji SPGRE, dostępność i brak wymogu dodatkowego programowania/udostępniania sekwencji dodatkowo sprzyjają rozpowszechnianiu tego podejścia.

Jak omówiono w części wprowadzającej, liczba badań wykazujących dobrą walidację, odtwarzalność, wyniki czułości i możliwości monitorowania pokazuje, że znaczenie tej techniki i odpowiadających jej parametrów dynamicznych rośnie i będzie dalej wspierane przez szerokie rozpowszechnianie.

Oświadczenia

Filip Klimeš, Andreas Voskrebenzev i Jens Vogel-Claussen są udziałowcami firmy BioVisioneers GmbH, która jest zainteresowana metodami obrazowania metodą rezonansu magnetycznego płuc.

Podziękowania

Ta praca została sfinansowana przez Niemieckie Centrum Badań nad Płucami (DZL). Autorzy pragną wyrazić głęboką wdzięczność wszystkim, którzy przyczynili się i wspierali dalszy rozwój PREFUL, a w szczególności: Marcelowi Gutberletowi, Tillowi F. Kaireitowi, Lei Behrendt, Julianowi Glandorfowi, Sonji Lüdiger, Tawfikowi Moherowi Alsady'emu, Katharinie Bünemann, Mariusowi Wernzowi, Robinowi Müllerowi, Maximilianowi Zubke, Gesie Pöhler, Agilo Kernowi, Cristian Crisosto, Milan Speth, Arnd Obert, Julienne Scheller, Jim Wild, Edwin van Beek, Helen Marshall, Jens Gottlieb, Martha Dohna, Diane Renz, Anna-Maria Dittrich, Tobias Welte, Jens Hohlfeld, Patrick Zardo, Giles Santyr, Franz Wolfgang Hirsch, Robert Grimm, Bastian Bier, Bassem Ismail, André Fischer, Berthold Kiefer, Gregor Thoermer i Rebecca Ramb. Ponadto autorzy pragną również podziękować radiologom i uczestnikom badania. W szczególności dziękujemy Frankowi Schröderowi i Svenowi Thiele z Wydziału Radiologii (Szkoła Medyczna w Hanowerze) za wyjątkową pomoc techniczną w wykonywaniu badań MRI.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Zaawansowane narzędzia normalizacji (ANT)-Zestaw narzędzi do rejestracji obrazów (https://stnava.github.io/ANTs/; https://github.com/fordanic/image-registration)
Forsberg-Zestawnarzędzi do rejestracji obrazów
MRISiemens Healthineers AG, Monachium, NiemcySkaner 0,55T / 1,5T / 3T
Aplikacja PREFULBioVisioneers GmbH, Laatzen, NiemcyAnaliza PREFUL, dane liczbowe i raporty

Bibliografia

  1. Vogelmeier, C. F., et al. Global strategy for the diagnosis, management, and prevention of chronic obstructive lung disease 2017 Report: GOLD Executive Summary. Eur Respir J. 49 (3), 1700214(2017).
  2. Ranu, H., Wilde, M., Madden, B. Pulmonary function tests. Ulster Med J. 80 (2), 84-90 (2011).
  3. Galbán, C. J., et al. Computed tomography-based biomarker provides unique signature for diagnosis of COPD phenotypes and disease progression. Nat Med. 18 (11), 1711-1715 (2012).
  4. Roach, P. J., Schembri, G. P., Bailey, D. L. V/Q Scanning using SPECT and SPECT/CT. J Nucl Med. 54 (9), 1588-1596 (2013).
  5. Wild, J. M., et al. MRI of the lung (1/3): methods. Insights Imaging. 3 (4), 345-353 (2012).
  6. Albert, M. S., et al. Biological magnetic resonance imaging using laser-polarized 129Xe. Nature. 370 (6486), 199-201 (1994).
  7. Berthezène, Y., et al. Contrast-enhanced MR imaging of the lung: assessments of ventilation and perfusion. Radiology. 183 (3), 667-672 (1992).
  8. Hughes, P. J. C., et al. Assessment of the influence of lung inflation state on the quantitative parameters derived from hyperpolarized gas lung ventilation MRI in healthy volunteers. J Appl Physiol. 126 (1), 183-192 (2019).
  9. Zapke, M., et al. Magnetic resonance lung function - a breakthrough for lung imaging and functional assessment? A phantom study and clinical trial. Respir Res. 7 (1), 106(2006).
  10. Klimeš, F., et al. Free-breathing quantification of regional ventilation derived by phase-resolved functional lung (PREFUL) MRI. NMR Biomed. 32 (6), e4088(2019).
  11. Deimling, M., Jellus, V., Geiger, B., Chefd'hotel, C. Time resolved lung ventilation imaging by Fourier decomposition. Proc. Intl. Soc. Mag. Reson. Med. 16, 2639(2008).
  12. Bauman, G., et al. Non-contrast-enhanced perfusion and ventilation assessment of the human lung by means of fourier decomposition in proton MRI. Magn Reson Med. 62 (3), 656-664 (2009).
  13. Bauman, G., et al. Lung ventilation- and perfusion-weighted Fourier decomposition magnetic resonance imaging: In vivo validation with hyperpolarized 3He and dynamic contrast-enhanced MRI. Magn Reson Med. 69 (1), 229-237 (2013).
  14. Bauman, G., et al. Validation of Fourier decomposition MRI with dynamic contrast-enhanced MRI using visual and automated scoring of pulmonary perfusion in young cystic fibrosis patients. Eur J Radiol. 82 (12), 2371-2377 (2013).
  15. Sommer, G., et al. Non-contrast-enhanced preoperative assessment of lung perfusion in patients with non-small-cell lung cancer using Fourier decomposition magnetic resonance imaging. Eur J Radiol. 82 (12), e879-e887 (2013).
  16. Voskrebenzev, A., Gutberlet, M., Becker, L., Wacker, F., Vogel-Claussen, J. Reproducibility of fractional ventilation derived by Fourier decomposition after adjusting for tidal volume with and without an MRI compatible spirometer. Magn Reson Med. 76 (5), 1542-1550 (2016).
  17. Voskrebenzev, A., Gutberlet, M., Kaireit, T. F., Wacker, F., Vogel-Claussen, J. Low-pass imaging of dynamic acquisitions (LIDA) with a group-oriented registration (GOREG) for proton MR imaging of lung ventilation. Magn Reson Med. 78 (4), 1496-1505 (2017).
  18. Voskrebenzev, A., et al. Feasibility of quantitative regional ventilation and perfusion mapping with phase-resolved functional lung (PREFUL) MRI in healthy volunteers and COPD, CTEPH, and CF patients. Magn Reson Med. 79 (4), 2306-2314 (2018).
  19. Voskrebenzev, A., et al. Imaging-based spirometry in chronic obstructive pulmonary disease (COPD) patients using phase resolved functional lung imaging (PREFUL). Proc. Intl. Soc. Mag. Reson. Med. 26, 1079(2018).
  20. Alsady, T. M., et al. MRI-derived regional flow-volume loop parameters detect early-stage chronic lung allograft dysfunction. J Magn Reson Imaging. 50 (6), 1873-1882 (2019).
  21. Pöhler, G. H., et al. Chronic thromboembolic pulmonary hypertension perioperative monitoring using phase-resolved functional lung (PREFUL)-MRI. J Magn Reson Imaging JMRI. 52 (2), 610-619 (2020).
  22. Behrendt, L., et al. Validation of automated perfusion-weighted phase-resolved functional lung (PREFUL)-MRI in patients with pulmonary diseases. J Magn Reson Imaging. 52 (1), 103-114 (2020).
  23. Kaireit, T. F., et al. Flow volume loop and regional ventilation assessment using phase-resolved functional lung (PREFUL) MRI: comparison with 129 xenon ventilation MRI and lung function testing. J Magn Reson Imaging JMRI. 53 (4), 1092-1105 (2021).
  24. Marshall, H., et al. 129Xe and free-breathing 1H ventilation MRI in patients with cystic fibrosis: a dual-center study. J Magn Reson Imaging. 57 (6), 1908-1921 (2023).
  25. Behrendt, L., et al. A dual center and dual vendor comparison study of automated perfusion-weighted phase-resolved functional lung magnetic resonance imaging with dynamic contrast-enhanced magnetic resonance imaging in patients with cystic fibrosis. Pulm Circ. 12 (2), e12054(2022).
  26. Moher Alsady, T., et al. Multicenter standardization of phase-resolved functional lung MRI in patients with suspected chronic thromboembolic pulmonary hypertension. J Magn Reson Imaging. , (2023).
  27. Pöhler, G. H., et al. Repeatability of phase-resolved functional lung (PREFUL)-MRI ventilation and perfusion parameters in healthy subjects and COPD patients. J Magn Reson Imaging. 53 (3), 915-927 (2021).
  28. Voskrebenzev, A., et al. PREFUL MRI depicts dual bronchodilator changes in COPD: a retrospective analysis of a randomized controlled trial. Radiol Cardiothorac Imaging. 4 (2), e210147(2022).
  29. Vogel-Claussen, J., et al. Phase-resolved functional lung (PREFUL) MRI-derived ventilation and perfusion parameters predict future lung transplant loss. Radiology. 307 (4), e221958(2023).
  30. Zanette, B., et al. Clinical feasibility of structural and functional MRI in free-breathing neonates and infants. J Magn Reson Imaging. 55 (6), 1696-1707 (2022).
  31. Dyke, J. P., et al. Assessment of lung ventilation of premature infants with bronchopulmonary dysplasia at 1.5 Tesla using phase-resolved functional lung magnetic resonance imaging. Pediatr Radiol. 53 (6), 1076-1084 (2023).
  32. Glandorf, J., et al. Comparison of phase-resolved functional lung (PREFUL) MRI derived perfusion and ventilation parameters at 1.5T and 3T in healthy volunteers. PLOS ONE. 15 (12), e0244638(2020).
  33. Lévy, S., et al. Free-breathing low-field MRI of the lungs detects functional alterations associated with persistent symptoms after COVID-19 infection. Invest Radiol. 57 (11), 742-751 (2022).
  34. Avants, B. B., et al. A reproducible evaluation of ANTs similarity metric performance in brain image registration. NeuroImage. 54 (3), 2033-2044 (2011).
  35. Forsberg, D., Andersson, M., Knutsson, H. Extending image registration using polynomial expansion to diffeomorphic deformations. SSBA Symposium on Image Analysis. , Stockholm, Sweden. (2012).
  36. Forsberg, D. fordanic/image-registration. , Available from: https://github.com/fordanic/image-registration (2022).
  37. Klimeš, F., et al. Evaluation of image registration algorithms for 3D phase-resolved functional lung ventilation magnetic resonance imaging in healthy volunteers and chronic obstructive pulmonary disease patients. NMR Biomed. 36 (3), e4860(2023).
  38. He, K., Sun, J., Tang, X. Guided image filtering. IEEE Trans Pattern Anal Mach Intell. 35 (6), 1397-1409 (2013).
  39. Glandorf, J., et al. Perfusion quantification using voxel-wise proton density and median signal decay in PREFUL MRI. Magn Reson Med. 86 (3), 1482-1493 (2021).
  40. Voskrebenzev, A., Gutberlet, M., Klimeš, F., Wacker, F., Vogel-Claussen, J. Introduction of a Digital Lung Model for Validation and Refinement of Functional Lung Imaging Methods. Proc. Intl. Soc. Mag. Reson. Med. 31, 4820(2023).
  41. Bauman, G., Bieri, O. Matrix pencil decomposition of time-resolved proton MRI for robust and improved assessment of pulmonary ventilation and perfusion. Magn Reson Med. 77 (1), 336-342 (2017).
  42. 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).
  43. Bauman, G., Pusterla, O., Bieri, O. Functional lung imaging with transient spoiled gradient echo. Magn Reson Med. 81 (3), 1915-1923 (2019).
  44. Rotärmel, A., et al. GRE bSSFP vs. FLASH based Fourier decomposition lung MRI at 1.5T: evaluation of image quality, fractional ventilation and lung perfusion in healthy volunteers. Prog Intl Soc Mag Reson. 26, 2-4 (2018).
  45. Triphan, S. M. F., et al. Echo time-dependent observed lung T1 in patients with chronic obstructive pulmonary disease in correlation with quantitative imaging and clinical indices. J Magn Reson Imaging. 54 (5), 1562-1571 (2021).
  46. Glandorf, J., et al. Effect of intravenously injected gadolinium-based contrast agents on functional lung parameters derived by PREFUL MRI. Magnetic Resonance in Medicine. 83 (3), 1045-1054 (2020).
  47. Glandorf, J., et al. Influence of gadolinium, field-strength and sequence type on quantified perfusion values in phase-resolved functional lung MRI. PloS One. 18 (8), e0288744(2023).

Przedruki i uprawnienia

Tagi

Perfuzja p ucnaMRI z rozdzielczo ci fazowdekompozycja Fourieraocena VQwykrywanie chor b p ucbiomarkery ilo ciowe3D PREFULrejestracja obraz w
Funkcjonalny rezonans magnetyczny płuc z rozdzieleniem fazowym do oceny wentylacji i perfuzji płuc (V/Q)
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki Korzystania

Zasady

Copyright © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.