Artykuł metodologiczny

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

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

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

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

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

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

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

Układ oddechowy, ze swoimi skomplikowanymi mechanizmami, jest podatny na różne choroby. Co istotne, przewlekłe choroby układu oddechowego, takie jak przewlekła obturacyjna choroba płuc (POChP), mukowiscydoza (CF) i przewlekłe zakrzepowo-zatorowe nadciśnienie płucne (CTEPH), znacznie skracają oczekiwaną długość życia1. W rezultacie wczesna diagnoza, monitorowanie i ocena odpowiedzi terapeutycznej stały się najważniejsze.

Testy czynnościowe płuc (PFT) mogą wyprowadzić globalne parametry funkcji płuc, takie jak wskaźnik Tiffeneau-Pinelli, zdefiniowany jako stosunek natężonej objętości wydechowej w ciągu jednej sekundy (FEV1) i natężonej pojemności życiowej (FVC)2. Parametry te są dobrze ugruntowane w rutynowych badaniach, ale brakuje im informacji regionalnych i wymagają wysokiego poziomu przestrzegania zaleceń przez pacjentów. W związku z tym obrazowanie może dostarczyć dodatkowych informacji i możliwości dla bardziej czułych parametrów. Tomografia komputerowa (CT) oferuje obrazowanie morfologii miąższu w wysokiej rozdzielczości, a najnowsze techniki, takie jak mapowanie odpowiedzi parametrycznej, również pobierają informacje funkcjonalne3. Niemniej jednak, tomografia komputerowa z emisją pojedynczych fotonów (SPECT) pozostaje obecnie złotym standardem w obrazowaniu wentylacji i perfuzji (V/Q) w płucach4. Wspólne dla wszystkich, wymienione metody obrazowania wymagają ekspozycji na promieniowanie jonizujące, co wymaga szczególnej uwagi w przypadku monitorowania i grup wrażliwych. W związku z tym trwają wysiłki na rzecz promowania MRI jako alternatywnej modalności.

Z natury płuco jest trudnym organem dla MRI ze względu na niską gęstość protonów i szybki zanik sygnału5. Wśród wielu podejść, najbardziej rozpowszechnionymi rozwiązaniami są zastosowanie hiperspolaryzowanego gazu (np. 129Xe MRI) do wentylacji6 oraz dożylne zastosowanie środka kontrastowego na bazie gadolinu do obrazowania perfuzji7. Metody te oferują wysoki stosunek sygnału do szumu (SNR) i są powszechnie uważane za złote standardy w społeczności MR. Nowsze podejście pozwala uniknąć stosowania jakiegokolwiek środka kontrastowego i jest wykonalne w przypadku konwencjonalnego rezonansu magnetycznego protonów w swobodnym oddychaniu z całkowitym czasem akwizycji ~1 min/plaster. W ten sposób unika się potencjalnych zdarzeń niepożądanych i ostatnio dyskutowanych długoterminowych skutków środków kontrastowych i umożliwia łatwiejsze rozpowszechnianie bez konieczności dodatkowej hiperpolaryzacji i sprzętu wielojądrowego. Dodatkowo, dzięki akwizycji swobodnego oddychania, unika się problemu ze znalezieniem odpowiedniego stanu napompowania, który może wpływać na uzyskane wartości defektów wentylacji8

.

To pośrednie podejście oparte na sygnale MR zostało po raz pierwszy wprowadzone przez Zapke et al., którzy wykorzystali wzajemną zależność sygnału S ważonego protonami i objętości płuc V: S~1/V.9 Opiera się na procesie przekształcania obrazów uzyskanych podczas swobodnego oddychania do jednego wspólnego stanu inflacji (zazwyczaj w pozycji pośredniej między końcem wydechu a końcem wdechu), kompensując w ten sposób ruch i umożliwiając analizę szeregów czasowych sygnału w każdym z nich. woksel. Następnie, pomiar wentylacji można wyprowadzić z tych tak zwanych zarejestrowanych obrazów, korzystając z równania (1) autorstwa Klimeša i wsp.10:

Równanie wentylacji oddechowej: RVent= (VInsp-VExp)/VReg = (SReg/SInsp) - (SReg/SExp). (1)

Z woluminami/sygnałami w wdechu (Insp), wygaśnięciu (Exp) i zarejestrowanym stanie (Reg). Następnie metoda została rozszerzona poprzez wprowadzenie dekompozycji Fouriera w celu rozróżnienia modulacji sygnału związanego z częstotliwością oddychania (wentylacja) i częstotliwością impulsów (perfuzja), a tym samym uzyskania idealnie dopasowanej przestrzennie mapy V/Q z jednego akwizycji11. Jest to możliwe dzięki typowej przerwie między częstotliwościami oddychania i serca, tak że obie składowe, które znajdują się jeden na drugim w dziedzinie czasu, są skutecznie rozróżniane w dziedzinie częstotliwości za pomocą analizy Fouriera. Po przejściu z niskiego pola (0,35 T) do 1,5 T ze zoptymalizowaną zrównoważoną sekwencją precesji w stanie ustalonym (bSSFP)12, metoda ta zaczęła zyskiwać większą uwagę dzięki kilku badaniom uzupełniającym13,14,15.

Ponieważ oddychanie i puls podlegają zmienności, a komercyjnie dostępne obrazowanie bSSFP (z kompensacją gradientu) przy 1,5T może skutkować znacznymi artefaktami pasmowymi (wyraźnymi liniami pustego sygnału), zaproponowano pokrewną metodę z sekwencją echa gradientowego (SPGRE) w połączeniu z szerokim filtrowaniem dolnoprzepustowym i górnoprzepustowym16,17. W ten sposób uchwycono bardziej złożone spektrum rzeczywistych modulacji związanych z oddechem i pulsem. Poniższe obliczenie amplitudy w dziedzinie czasu pozwala uniknąć konieczności wyboru jednego konkretnego piku częstotliwości. Dalsza optymalizacja została osiągnięta poprzez podzielenie typowej jednoetapowej rejestracji w kierunku jednego stanu odniesienia na dwa oddzielne kroki. W ten sposób wykorzystuje się fakt, że podczas swobodnego oddychania nabywa się szereg różnych faz oddychania między końcem wdechu a końcem wydechu z różnym stopniem wymaganej deformacji w kierunku ustalonego stanu. Po wybraniu kilku grup i zidentyfikowaniu grupy poszczególnych obrazów przeprowadzana jest następująca procedura: 1) Rejestracja wewnątrz odpowiedniej grupy stanu oddychania, 2) Rejestracja międzygrupowa krok po kroku z jednej sąsiedniej grupy do następnej (np. 1->2, 2->3,...) do grupy reprezentującej grupę odniesienia. Podejście to zostało dodatkowo rozszerzone o estymację fazową dla każdego obrazu w celu ustalenia wyższej pozornej rozdzielczości czasowej, aby ułatwić analizę dynamiki wentylacji i perfuzji, co doprowadziło do terminologii MR z rozdzielczą fazą (PREFUL) w celu odróżnienia tej gałęzi od innych powiązanych technik18. W badaniach uzupełniających wykorzystano dodatkowe informacje dostarczone przez pełne cykle oddychania i serca i wykazano potencjalnie zwiększoną czułość tych parametrów19,20,21.

Walidacja za pomocą złotego standardu SPECT ujawniła współczynnik kości ≥67% dla regionów defektów22, a bardziej bezpośredni pomiar wentylacji za pomocą 129Xe wykazał korelację procentową wad wentylacji ≥62% w mieszanej kohorcie POChP/CF/zdrowej23 i 84% w wieloośrodkowej kohorcie CF, wielu dostawców24, w którym wykazano również podobną korelację ze wskaźnikiem klirensu płucnego PREFUL i 129Xe (r = 0,82 i r = 0,91). Analiza perfuzyjna tego samego badania wykazała, że nie było istotnych różnic w przestrzennym pokrywaniu się z DCE między ocenianymi ośrodkami25. Zgodność z DCE i zgodność wyników PREFUL między ośrodkami stwierdzono również dla prospektywnego badania cząstkowego obejmującego dziewięć ośrodków26. Analiza odtwarzalności u pacjentów z POChP wykazała współczynnik zmienności poniżej 15% dla wszystkich parametrów27. Obecne badania sugerują, że parametr FVL ma większą moc predykcyjną i czułość w wykrywaniu zmian w leczeniu w porównaniu z parametrem wentylacji "statycznej", który uwzględnia tylko fazę końcowo-wdechową i końcowo-wydechową. Wykazano reakcję na leczenie za pomocą pomiarów regionalnej pętli przepływ-objętość (FVL) po leczeniu inhalacyjnym indakaterolem-glikopironium (IND/GLY) w POChP28. Zgodnie parametr FVL przewidywał utratę przeszczepu u pacjentów po przeszczepie dwóch płuc, podczas gdy spirometria nie mogła (P = 0,02 vs. P = 0,33)29. Pierwsze badania wykonalności pokazują, że funkcjonalne obrazowanie płuc za pomocą PREFUL może być realizowane u swobodnie oddychających niemowląt i noworodków za pomocą standardowego sprzętu klinicznego MRI30,31. Glandorf i wsp. porównali parametry PREFUL przy 1,5T i 3T (sekwencja SPGRE) i nie znaleźli istotnych różnic dla większości parametrów, które były wysoce powtarzalne pomimo różnicy w natężeniu pola32. Może to być istotna zaleta, ponieważ nie każda lokalizacja ma dostęp do skanerów o natężeniu pola 1,5 T lub niższym. Niedawno wykazano wykonalność i wykrywanie utrzymujących się objawów po zakażeniu COVID-19 na poziomie 0,55T, oceniając dane bSSFP za pomocą PREFUL33.

Podsumowując, pomimo tego, że jest to stosunkowo nowa technika, PREFUL był intensywnie badany. Oceniono ważne kryteria, takie jak walidacja z bardziej bezpośrednimi i ustalonymi pomiarami, odtwarzalność, czułość na patologię oraz reagowanie na leczenie i zmiany progresji. Niemniej jednak nadal 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 być wykorzystane do ustanowienia tej techniki w większej liczbie ośrodków, a tym samym, w dłuższej perspektywie, doprowadzić do bardziej dojrzałej techniki.

Protokół

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

To badanie otrzymało zgodę komisji etycznej Szkoły Medycznej w Hanowerze, zapewniając, że przestrzega rygorystycznych standardów etycznych podczas całego procesu badawczego. Dochodzenie ściśle przestrzegało wytycznych nakreślonych w Deklaracji Helsińskiej, podkreślając etyczne prowadzenie badań medycznych. Dodatkowo starannie uzyskano świadomą zgodę wszystkich uczestników badania (lub ich rodzica lub opiekuna prawnego) przed ich udziałem w badaniu MRI. Zobacz Rysunek 1 dla uproszczonego przeglądu podstawowych etapów protokołu, składających się z akwizycji, rejestracji, filtrowania i sortowania, a na końcu syntezy cyklu sercowego i oddechowego. W poniższych sekcjach wszystkie zaangażowane kroki są szczegółowo opisane.

Diagram przepływu pracy MRI serca; akwizycja, rejestracja, filtrowanie, synteza cykli sercowo-oddechowych.
Rysunek 1: Schematyczny przegląd głównych komponentów PREFUL. 1) Akwizycja w swobodnym oddychaniu, która wymaga 2) kompensacji ruchu poprzez rejestrację, jak pokazano na wykresach profilu i umożliwia analizę komponentów Fouriera woksel po wokselu, jak pokazano w kroku 3) filtrowanie i sortowanie. Po filtrowaniu dolnoprzepustowym (wentylacja) i górnoprzepustowym (perfuzyjnym), 4) szacowana faza jest wykorzystywana do sortowania obrazów do wyższej pozornej rozdzielczości czasowej i syntezy jednego pełnego cyklu serca i oddychania. Należy pamiętać, że jest to uproszczony zarys, a pełne szczegóły są opisane w manuskrypcie. Dalsze kroki, które zostały pominięte na tym rysunku, obejmują kwantyfikację parametrów i generowanie raportu. Skrót: PREFUL = fazowo rozdzielone funkcjonalne płuco. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

1. Rekrutacja

  1. Rekrutacja dorosłych pacjentów lub małoletnichdo badania PREFUL MRI dla pacjentów i zdrowych osób z grupy kontrolnej na podstawie rozpoznania choroby płuc na podstawie badania spirometrycznego i/lub wcześniejszego obrazowania (np. zdjęcia rentgenowskiego lub tomografii komputerowej); zdolność do wyrażenia świadomej zgody; zdolność do leżenia płasko i pozostawania w bezruchu przez cały czas trwania badania MRI; oraz brak znanych przeciwwskazań do MRI (np. metalowe implanty, klaustrofobia).
  2. Należy wykluczyć pacjentów, którzy są w ciąży, przeszli przebytą operację płuc w ciągu ostatnich 6 miesięcy, mają ciężką niewydolność oddechową lub wymagają ciągłej suplementacji tlenem lub mieli wcześniejsze działania niepożądane na środki kontrastowe na bazie gadolinu, jeśli oprócz PREFUL stosuje się rezonans magnetyczny ze wzmocnieniem kontrastowym.
  3. Rekrutacja zdrowych osób z grupy kontrolnej, jeśli nie maznanej historii choroby płuc na podstawie badania klinicznego i samoopisu; testy czynnościowe płuc są prawidłowe; są w stanie wyrazić świadomą zgodę; są w stanie leżeć płasko i pozostawać nieruchomo przez cały czas trwania badania MRI; i nie mają znanych przeciwwskazań do MRI.
  4. Wyklucz osoby jako zdrowe grupy kontrolne zgodnie z obecną lub przeszłą historią palenia, narażeniem na znane toksyny płucne lub zagrożenia zawodowe, dziedziczną historią chorób płuc w rodzinie, wszelkimi znanymi chorobami przewlekłymi, które mogą wpływać na czynność płuc oraz ciążą.
  5. Uzyskiwanie formularzy zgody. Kontynuuj postępowanie z protokołem, jeśli od uczestnika zostanie uzyskany pisemny formularz świadomej zgody zawierający cel i procedury badania, wszelkie potencjalne ryzyko i korzyści, zapewnienia o poufności, czas trwania badania oraz prawo do wycofania się bez konsekwencji.
    1. Zastosuj następujące dodatkowe kroki, gdy rekrutacja obejmuje osoby niepełnoletnie.
      1. Uzyskać pisemną świadomą zgodę od co najmniej jednego rodzica lub opiekuna oprócz zgody osoby niepełnoletniej.
      2. Przedstaw cały proces w sposób odpowiedni do wieku, który jest zrozumiały dla osoby niepełnoletniej.
      3. W przypadku młodszych nieletnich korzystaj z pomocy wizualnych, książek z bajkami lub uproszczonych wyjaśnień.
      4. Upewnij się, że badanie jest odpowiednie dla danej grupy wiekowej i że osoby niepełnoletnie nie są niepotrzebnie włączane.
      5. Pozwól, aby małoletnim towarzyszyła zaufana osoba dorosła (np. rodzic, opiekun) podczas wszystkich procedur związanych z badaniem, chyba że koliduje to z integralnością badania.
        UWAGA: Opisane kroki zakładają, że badanie zostało ocenione i zatwierdzone przez Komisję Bioetyczną.

2. Przejęcie

  1. Przeprowadź procedurę bezpieczeństwa skanowania wstępnego.
    1. Przed wykonaniem rezonansu magnetycznego należy przeprowadzić szczegółowe badania przesiewowe pacjentów, aby zidentyfikować potencjalne przeciwwskazania, takie jak wcześniejsze operacje, wszczepione urządzenia, tatuaże lub narażenie na fragmenty metalu.
    2. Po przyjeździe poinformuj pacjentów o właściwościach magnetycznych zabiegu i ryzyku.
    3. Poinstruuj pacjentów, aby usunęli wszystkie osobiste metalowe przedmioty, w tym biżuterię, zegarki i niektóre elementy odzieży, a w razie potrzeby zapewnij im fartuch.
    4. Poproś przeszkolonego specjalistę o wizualne sprawdzenie pacjentów pod kątem przeoczonych metalowych przedmiotów.
    5. Sprawdź wszystkie urządzenia medyczne lub implanty pod kątem kompatybilności z MRI.
    6. Upewnij się, że istnieją protokoły awaryjne dotyczące bezpieczeństwa zarówno personelu, jak i pacjentów.
  2. Ustawianie uczestnika i skanowanie
    1. Ustaw pacjenta głową do przodu i połóż go w pozycji leżącej na plecach na systemie 0,55 T, 1,5 T lub 3T.
    2. Zapewnij ochronę słuchu, dzwonek ratunkowy, wyściółkę i koc dla bezpieczeństwa i komfortu.
    3. Umieść wielokanałową elastyczną cewkę tuż pod brodą, aby zapewnić optymalną czułość cewki we wszystkich obszarach płuc.
    4. Zabezpiecz położenie cewki, aby zachować stabilność bez utrudniania oddychania pacjenta.
    5. Poinstruuj pacjenta, aby zamknął oczy, a następnie zaznacz środek płuca za pomocą lasera MR.
    6. Wyrównaj ośrodek płuc w izocentrum i pozwól pacjentowi ponownie otworzyć oczy.
    7. Zeskanuj początkowe lokalizatory, aby ustalić ogólną orientację, a następnie wykonaj poprzeczne skanowanie morfologiczne, aby zidentyfikować rozwidlenie tchawicy.
    8. Zakotwicz pierwszy wycinek koronalny w rozwidleniu tchawicy jako spójny punkt orientacyjny, aby zwiększyć odtwarzalność.
    9. W zależności od protokołu skanowania, należy przechwycić trzy wycinki oddalone od siebie o odległość między plasterkami (mierzoną od krawędzi do krawędzi) wynoszącą 100% (grubości warstwy) lub uzyskać wiele warstw obejmujących całe płuco w odległości 20% lub 33%.
    10. Zdobądź każdy plasterek całkowicie osobno i bez przeplatania.
    11. Prześlij zrekonstruowane obrazy do systemu archiwizacji i komunikacji obrazów (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 podobne rozwiązanie pamięci masowej.
      UWAGA: Szczegółowe informacje na temat protokołu sekwencji i parametrów znajdują się w Tabeli 1 i Tabeli 2. Aby zobaczyć wizualną reprezentację pozycjonowania plasterków, zobacz Rysunek 2.

Porównanie skalowania obrazu CT; Diagram pozycjonowania wycinków z histogramami sygnałów, prawidłowy vs. nieodpowiedni.
Rysunek 2: Typowe ustawienie przekroju dla eksperymentu PREFUL wizualizowane za pomocą echa gradientu 3D w orientacji poprzecznej. Należy zauważyć, że pierwszy wycinek jest umieszczony w miejscu rozwidlenia tchawicy jako powtarzalny punkt orientacyjny. 2. i 3. plasterek są umieszczone ze 100% odstępem między plasterkami w kierunku przednim i tylnym. Przykładowe histogramy pokazują rozkłady wartości z prawidłowym i nieodpowiednim (niskim) skalowaniem. To ostatnie prowadzi do niskiego zakresu dynamiki i utraty dokładności. Należy również unikać nieodpowiednio wysokiego skalowania, które prowadzi do przycinania (nie pokazanego tutaj). Skrót: PREFUL = fazowo rozdzielone funkcjonalne płuco. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Tabela 1: Typowy zarys protokołu PREFUL. Po lokalizatorze uzyskuje się objętość 3D płuca w orientacji poprzecznej. Akwizycja ta służy do planowania następujących akwizycji PREFUL (zobacz również Tabelę 2 dla ustawień sekwencji i Rysunek 2 dla pozycjonowania plasterków). W zależności od badania można dodawać inne sekwencje. Skrót: PREFUL = fazowo rozdzielone funkcjonalne płuco. Kliknij tutaj, aby pobrać tę tabelę.

Tabela 2: Podsumowanie parametrów sekwencji dla akwizycji PREFUL z zepsutą sekwencją echa gradientu. Skróty: PREFUL = fazowo rozdzielone funkcjonalne płuco; SPGRE = zepsuta sekwencja echa gradientowego. Kliknij tutaj, aby pobrać tę tabelę.

3. Przetwarzanie końcowe

Sortowanie wykresu metryk w przedziałach czasowych; Wykres porównawczy analizy danych i rejestracji grup.
Rysunek 3: Schematyczne przedstawienie rejestracji zorientowanej na grupę w celu zminimalizowania wymaganej deformacji dla kompensacji ruchu. Po podzieleniu obrazów (reprezentowanych przez okręgi) na 10 grup w oparciu o metrykę sortowania (np. podzielony obszar płuc), obrazy są rejestrowane w każdej grupie do pozycji pośredniej (zilustrowanej liniami przerywanymi dla grupy 1). Następnie zarejestrowane obrazy są uśredniane i wykorzystywane do ostatniego etapu rejestracji międzygrupowej krok po kroku w kierunku grupy średniej. Skrót: GOREG = rejestracja zorientowana na grupę. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Wykresy perfuzji i wentylacji, analiza sygnału, szeregi czasowe, dopasowanie krzywych, badanie fizjologiczne.
Rysunek 4: Ilustracja algorytmu sortowania dla perfuzji i wentylacji. W przypadku perfuzji (po lewej) wykonuje się dopasowanie kawałkowe (górny rząd) w celu oszacowania fazy i wykorzystania akwizycji (dolny rząd). W przypadku wentylacji (po prawej) wartości odstające są wykluczane (górny wiersz) i sortowane zgodnie z modelem cosinusowym (dolny wiersz) na podstawie różnicy amplitudy i amplitudy w celu rozróżnienia faz wydechu i wdechu. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Analiza czynności płuc: wykres pętli przepływ-objętość z tomografią komputerową płuc, badanie regionalnego przepływu powietrza.
Rysunek 5: Przykładowe pętle przepływ-objętość i odpowiadający im wskaźnik korelacji FVL 43-letniej pacjentki z POChP. Należy pamiętać, że wraz ze zmianą FVL FVL-CM maleje. Skróty: FVL = pętla przepływowo-objętościowa; FVL-CM = metryka korelacji FVL; POChP = przewlekła obturacyjna choroba płuc. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Tabela 3: Zastosowanie progów do map parametrów i kombinacji map defektów. Kliknij tutaj, aby pobrać tę tabelę.

  1. Rejestracja
    UWAGA: W poniższej sekcji opisano procedurę niesztywnej rejestracji do objętości referencyjnej (najlepiej do średniego poziomu oddychania) przy użyciu schematu zorientowanego na grupę (GOREG) do kompensacji ruchu oddechowego i ruchu serca.
    1. Pobierz obrazy.
    2. Na początku należy przeprowadzić segmentację płuc na wszystkich niezarejestrowanych obrazach za pomocą przeszkolonego U-Net i zastosować filtr dolnoprzepustowy z punktem odcięcia 0,7 Hz, aby uzyskać oszacowanie faz oddychania.
      UWAGA: Spowoduje to zainicjowanie w pełni zautomatyzowanego potoku przetwarzania, który będzie wykonywał kolejne kroki w tle. Pokazane i opisane kroki przetwarzania nie są ograniczone do konkretnej aplikacji lub języka, dlatego można je zaimplementować w niestandardowej aplikacji z wieloma językami programowania.
    3. Klasyfikuj dużą ilość segmentowanych wokseli jako inspirację, a niską ilość jako wydech.
    4. Pogrupuj obrazy, dzieląc je na 10. percentyle, upewniając się, że każda grupa z wynikowych 10 grup zawiera równą liczbę obrazów.
    5. Wybierz ANTs34 (BSplineSyN z metryką korelacji krzyżowej) lub Forsberg35,36 (rozwinięcie wielomianu z regularyzacją sprężystą i płynną) jako algorytm rejestracji.
    6. Przeprowadzić rejestrację śródrejestracyjną dla każdej grupy w kierunku pośredniego położenia płuc danej grupy.
    7. Uśrednij wyniki grupy, aby uzyskać jeden obraz dla każdej grupy.
    8. Przeprowadź rejestrację, idąc od każdego obrazu grupy w kierunku następnego sąsiada w kierunku 5 grupy.
    9. Zastosuj łańcuch deformacji do oryginalnych obrazów, jeśli jest to konieczne, aby osiągnąć pozycję oddechową reprezentowaną przez uśredniony obraz w grupie 5. Na przykład dla rysunku 36, który należy do grupy 3, stosowane są następujące pola deformacji: 36->Obraz 57 (~Pośrednia pozycja płuc w grupie 3) -> Krok 3->4 -> Krok 4->5.
      UWAGA: Szczegółowy opis procedury GOREG znajduje się w Rysunek 3. Wykonaj rejestrację za pomocą obliczeń równoległych, aby skrócić czas przetwarzania. Rejestracja GOREG jest wykonywana w celu zminimalizowania wielkości deformacji wymaganej dla każdego kroku rejestracji, a tym samym zapewnienia stabilnej zbieżności algorytmu. Niemniej jednak rejestracja może być również wykonana z tylko jednym krokiem deformacji w kierunku pośredniego położenia płuca. Podczas gdy wszystkie opublikowane badania 2D PREFUL wykorzystywały ANTs, Forsberg daje wyniki do 6 razy szybsze, a wyniki są porównywalnej jakości, jak zgłoszono w badaniu 3D PREFUL37. Przykładowe wyniki w tym raporcie zostały wygenerowane przy rejestracji w Forsberg. Zapoznaj się z Rysunek 1, aby zobaczyć ilustrację wpływu rejestracji na ruch membrany.
  2. Filtrowanie ogólne
    1. Odszumiaj zarejestrowane obrazy za pomocą filtrowania sterowanego obrazem38, wykorzystując uśredniony czasowo zarejestrowany obraz jako obraz przewodni. Zastosuj następujące ustawienia: NeighborhoodSize = [10, 10], DegreeOfSmoothing = 1.
    2. Do analizy wentylacji i perfuzji należy użyć filtra dolnoprzepustowego lub górnoprzepustowego z odcięciem przy 0,7 Hz, aby stłumić odpowiedni drugi składnik. Wyklucz pierwsze 20 obrazów ze wszystkich dalszych etapów przetwarzania, z wyjątkiem ilościowych obliczeń perfuzji, aby zapewnić stan ustalony w dołączonym szeregu czasowym.
      UWAGA: Zmiana punktu odcięcia może być konieczna, jeśli pacjenci mają częstość oddechów powyżej ~40 oddechów/min.
  3. Segmentacja
    UWAGA: Końcowa segmentacja jest wykonywana przy użyciu zarejestrowanych obrazów w pośredniej pozycji płuc w dwuetapowej procedurze, jak opisano poniżej.
    1. Wykonaj segmentację granic płuc (ROI płuc) na czasowo uśrednionych zarejestrowanych obrazach za pomocą przeszkolonego U-Net lub ręcznie.
    2. Następnie należy wykluczyć duże naczynia centralne, aby doprecyzować segmentację granic płuc i uzyskać obszar zainteresowania lub ROI dla miąższu płuc.
  4. Perfuzja
    UWAGA: Poniższe kroki są wymagane do precyzyjnego oszacowania fazy serca dla każdego obrazu w pozyskanej serii, które są próbkowane ze stosunkowo niską częstotliwością (~3-5 obrazów/s), zwłaszcza w porównaniu z częstością akcji serca (zwykle 40-90 uderzeń na minutę). Przegrupowanie danych zgodnie z wyznaczonymi fazami pracy serca służy do uzyskania pełnego cyklu pracy serca z rozszerzoną rozdzielczością czasową, przewyższającą częstotliwość próbkowania akwizycji danych18 (patrz Rysunek 4 dla ilustracji procedury sortowania). Do oszacowania fazy wymagany jest zwrot z inwestycji wyszukiwania z silnym sygnałem ważonym perfuzją. Zastosuj iteracyjny algorytm wyszukiwania w następujący sposób22.
    1. Połącz ROI granicy płuc, aby uwzględnić śródpiersie w ROI wyszukiwania.
    2. Wygeneruj prostą mapę ważoną perfuzją, obliczając odchylenie standardowe w całej sekwencji obrazu.
    3. Zidentyfikuj regiony odpowiadające 98. percentylowi tej mapy w ramach wyszukiwania ROI jako początkowe ROI dla kolejnych kroków.
    4. Wykonaj montaż odcinkowy, zwiększając rozmiar punktów wysiewu tak długo, jak długo poprawi się wydajność montażu.
    5. Uszereguj ROI rozszerzonych nasion zgodnie z ich dopasowaniem.
    6. Iteracyjnie łącz najlepiej rozwinięte ROI z nasionami z drugim, trzecim najlepszym itd., aż kombinacja nie poprawi metryki lub wszystkie ROI nasion zostaną uwzględnione. Rozważ, że końcowy zwrot z inwestycji to zwrot z inwestycji w naczynie używany do szacowania fazy serca.
    7. Uśrednij przestrzennie sygnał wewnątrz zoptymalizowanej estymacji fazy, aby uzyskać jeden szereg sygnał-czas do oszacowania fazy.
    8. Wykonaj oszacowanie odcinkowe, dzieląc sygnał na mniejsze porcje przy użyciu lokalnych maksimów sygnału, a następnie odcinkowo dopasowanie sinusoidalne, biorąc pod uwagę parametry takie jak amplituda, przesunięcie fazowe i częstotliwość (Rysunek 4).
    9. Sortuj obrazy według fazy, aby reprezentowały jeden cykl pracy serca.
    10. Zastosuj regresję jądra Nadaraya-Watsona z jądrem Gaussa (sigma = 0,1), aby interpolować 15 faz na jednolicie rozmieszczoną siatkę czasową obejmującą pojedynczy cykl serca.
      UWAGA: Zapoznaj się z Rysunek 1 dla podzbioru przykładowego syntetyzowanego pełnego cyklu pracy serca zdrowego ochotnika, rozpoczynającego się od rozkurczu, przejścia do skurczu i powrotu do rozkurczu.
  5. Wentylacja
    UWAGA: W przypadku analizy perfuzji należy pamiętać, że częstość pracy serca pozostaje względnie stabilna przy znikomych zmianach amplitudy. W przeciwieństwie do tego, wentylacja ma tendencję do doświadczania większych zmian objętości i częstotliwości oddechowej, co prowadzi do różnych stanów oddechowych z identycznymi fazami oddechowymi, które nie zawsze mają tę samą amplitudę. Zainspirowani podejściem Fischera i in. do samobramkowania, konieczne jest kategoryzowanie wentylacji na podstawie amplitudy sygnału.
    1. Wyklucz skrajne wartości odstające za pomocą reguł empirycznych (dane poniżej 5. percentyla lub powyżej 97. percentyla).
    2. Wyprowadź zakres amplitudy R i przesunięcie C z szeregów sygnał-czas utworzonych dla grupowania rejestracji.
    3. Zdefiniuj funkcję modelu A(t) z dowolnie wybraną częstotliwością fOddychanie (tutaj 0,3 Hz):
      Wzór na oscylację oddechową, równanie A(t)=Rcos(2πf₍Oddychanie₎t)+C, modelowanie danych.
    4. Klasyfikuj dane według stanów inspiracji i wygaśnięcia na podstawie nachylenia.
    5. Osiągnij bardziej precyzyjne oznaczanie fazy zgodnie z funkcją modelu:
      Równanie równowagi statycznej, wykres z częstotliwościami wdechu i oddechu, obliczanie cosinusa.
      Równanie czasu cyklu oddechowego, \( t_{\text{Wydech}} \ast f_{\text{Oddychanie}} = 1 - \cos^{-1} \left( \frac {(A(t) - C)/R}{2\pi}\right) \).
    6. Następnie wyrównaj próbki na podstawie ich fazy i zastosuj regresję jądra Nadaraya-Watsona do obliczenia wentylacji w równomiernie rozmieszczonych odstępach czasu podczas cyklu oddechowego.
    7. Oblicz wentylację regionalną (RVent) dla każdej fazy analogicznie do równania 1, zastępując fazę wdechu odpowiednią fazą.
      Równanie fazy R-komory, wzór, koncepcja matematyczna, analiza kardiologiczna, badania medyczne.
      UWAGA: Zapoznaj się z Rysunek 1, aby zobaczyć podzbiór przykładowego zsyntetyzowanego pełnego cyklu oddechowego zdrowego ochotnika, rozpoczynającego się w momencie wydechu, przejścia do wdechu, a następnie powrotu do wydechu. Aby zilustrować algorytm sortowania, zobacz Rysunek 4.
  6. Obliczanie parametrów
    UWAGA: Korzystając ze zsyntetyzowanych pełnych cykli oddychania i serca, można wyprowadzić dalsze parametry. Poniżej opisano wybrane najważniejsze parametry.
  7. Wentylacja regionalna (RVent)
    1. Korzystając z fazy wdechowej, wyprowadź RVent zgodnie z:
      Wzór RVent, równanie wentylacji oddechowej, stosunek mid do insp i exp, wyrażenie matematyczne.
  8. Metryka korelacji przepływ-objętość-pętla (FVL-CM)
    UWAGA: Aby ocenić wszystkie fazy oddychania, wykonuje się szereg kroków w celu wygenerowania rezonansu magnetycznego równoważnego analizie FVL analogicznie do badania czynności płuc.
    1. Oblicz nachylenie wentylacji regionalnej (RVent) jako substytut przepływu, używając pierwszej pochodnej RVent. Zastosuj symetryczny iloraz różnicowy o długości kroku h:
      Wzór na aproksymację pochodnej; df/dt = [f(t+h)-f(t-h)]/2h; reprezentacja równania.
    2. Opcjonalnie można wyświetlić regionalne lub uśrednione nachylenia RVent w funkcji odpowiedniego RVent, generując w ten sposób PREFUL równoważne analizie FVL.
    3. Określ referencyjny zwrot z inwestycji, identyfikując największy połączony region z wartościami RVent w zakresie od 80 do 90 percentyla w ROI miąższu płuc.
    4. Uśrednić pętle przepływu-objętości wewnątrz wyznaczonego referencyjnego zwrotu z inwestycji.
    5. Aby określić podobieństwo każdego FVC płuca do odniesienia, należy skorelować krzyżowo każdy FVC w ROI miąższu płuc z odniesieniem z zerowym opóźnieniem:
      Równanie korelacji krzyżowej Rxy(0)=Σxnyn, wzór na przetwarzanie sygnału, wyrażenie matematyczne.
    6. Normalizuj to według:
      Wzór na normalizację korelacji: Rxy,norm(0) = Rxy(0)/√(Rxx(0)Ryy(0)), analiza statystyczna.
      W tym przypadku x i y reprezentują odniesienie i odpowiednią krzywą przepływu RVent.
      UWAGA: Należy pamiętać, że zastosowano zero-lag, aby opóźniona wentylacja powodowała niższą korelację.
      UWAGA: Zapoznaj się z Rysunek 5, aby zapoznać się z ilustracją obliczeń FVL i pochodną metryką FVL-CM.
  9. Ilościowe określenie perfuzji
    UWAGA: Kwantyfikacja jest przeprowadzana zgodnie z Glandorfem i in. przy użyciu pierwszych obrazów uzyskanych podczas stanu przejściowego36.
    1. Znormalizuj pierwsze cztery zarejestrowane obrazy do środkowego poziomu wdechu, używając ilości woksela płucnego A, jak obliczono w kroku 3.1.2. To zmniejszenie modulacji spowodowane zmieniającą się gęstością protonów jest wyrażone jako:
      Równanie stosunku przejścia fazowego do środkowego w analizie równowagi, z uwzględnieniem A (faza), A (środek).
    2. Wykonaj dopasowanie wykładnicze, aby oszacować sygnał związany z maksymalnym namagnesowaniem przy użyciu modelu:
      Wzór na rozkład wykładniczy M=S₀*exp(-bt), wyrażenie matematyczne.
    3. Określ mapę Q związaną z perfuzją miąższu za pomocą fazy cyklu sercowego, która pokazuje najbardziej maksymalne sygnały w ROI miąższu płuc.
    4. Aby oszacować regionalną frakcję krwi (BF), znormalizuj wartość S0, uśredniając wartości powyżej 99,99. percentyla w wyszukiwaniu ROI (pełny woksel krwi):
      Równanie czynnika Bayesa, BF = S₀/S₉₉,₉₉% w analizie statystycznej.
    5. Oszacuj frakcję wymienną (EF) podczas cyklu pracy serca, biorąc pod uwagę stosunek maksymalnej mediany różnicy sygnału między stanem ustalonym (SS) a stanem początkowym, określony przez S0, a różnicą sygnału związaną z przepływem Q:
      Wzór na równowagę statyczną, EF=Q/mediana(S₀-SS), równanie matematyczne.
    6. Określ częstotliwość pracy serca fHeart in 1/s z ROI naczynia za pomocą analizy Fouriera (częstotliwość odpowiadająca największemu pikowi).
    7. Oblicz końcową ilościowo określoną perfuzję (QQ) w ml∙min-1∙100 mL-1 w następujący sposób:
      Równanie rzutu serca; formuła; QQ=EF· BF· VV·f_Heart; diagram fizyki edukacyjnej.
      UWAGA: W tym przypadku objętość woksela (VV) jest anulowana [ml/ml], a współczynnik konwersji 60 s/min i współczynnik konwencji 100/100 są używane do wyświetlenia końcowego wyniku w [mL∙min-1∙100 mL-1]. EF i BF są współczynnikami bezwymiarowymi.
  10. Progi i statystyki
    1. Opisz statystycznie wyżej wymienione parametry dla środkowego wycinka i wszystkich przekrojów za pomocą wartości średniej (wszystkie wartości/wartości środkowego wycinka) i odchylenia standardowego (wszystkie wartości / tylko wartości środkowego wycinka).
    2. Ponadto należy znormalizować odchylenie standardowe do współczynnika zmienności, aby uzyskać względne uwzględnienie dyspersji. Wybrać średnią wartość i współczynnik zmienności jako końcowe wyniki statystyczne.
    3. Zastosuj progi do map parametrów, aby wygenerować mapy defektów i wyprowadzić wartości procentowe wad (patrz tabela 3).
    4. Klasyfikuj wartości poniżej progów jako wadę wentylacji lub perfuzji (VD/QD). Połączyć te mapy w celu ilościowego określenia nakładania się defektów i obszarów normalnych (klasy V/Q), w tym następujących kombinacji, jak pokazano w czteroczęściowej tabeli w tabeli 3:
    5. Obliczyć procent wad w klasach wad wentylacji (VD), wad perfuzji (QD) i wentylacji/perfuzji (V/Q) jako liczbę wokseli z odpowiednią klasą w stosunku do całkowitych wokseli miąższu płuc:
      Procent wad = #DefectVoxels/#LungParenchyma
    6. Oblicz ten procent wady dla każdego wycinka i złożonych wycinków koronalnych. W tym badaniu wybierz podejście łączone, w którym wada wentylacji jest określana przez operację OR: VD = VD(RVent) LUB VD(FVL-CM).
      UWAGA: Opisana analiza została przeprowadzona za pomocą komercyjnej aplikacji komputerowej (patrz Spis materiałów) przy użyciu zestawu narzędzi rejestracyjnych Forsberg.
parametrprógkomentarz
Kamper90 percentyl * 0,4Próg adaptacyjny
FVL-CM90%Stały próg
Pytanie90 percentyl * 0,15Próg adaptacyjny

V/QBRAK QDQd
BRAK VDnormalnyNiezgodność VQ (wyłączna kolejka pozioma)
VdNiezgodność VQ (wyłączny VD)VQ Defect-Match (Dopasowanie wady)

Wyniki

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

Dolna część Rysunek 2 ilustruje konsekwencje prawidłowego i nieodpowiedniego skalowania z odpowiednim wpływem na zakres dynamiki. Rysunek 6 pokazuje niejednorodny rozkład sygnału, który jest reprezentatywny dla skanów bez normalizacji cewki i z normalizacją. Zaleca się unikanie niskiego zakresu dynamiki i obrazów bez normalizacji cewki.

Porównanie obrazu MRI procesu korekcji cewki w obrazowaniu klatki piersiowej; przed i po ulepszeniu.
Rysunek 6: Przykładowe obrazy po akwizycji bez korekcji cewki (niepoprawnie) i z korekcją cewki (poprawnie). Zwróć uwagę na sztuczne wzmocnienie sygnału na granicach korpusu w pobliżu elementów cewki. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 7 ilustruje udaną i nieudaną automatyczną segmentację. Należy pamiętać, że nieudana segmentacja nie obejmuje wszystkich wokseli płucnych, co sfałszuje dalsze analizy i statystyki. Szczególna ostrożność jest wymagana w przypadku infiltracji, ponieważ takie woksele mogą zostać błędnie sklasyfikowane jako naczynia ze względu na ich wysoki sygnał przez modele AI lub w ogóle nie być segmentowane.

Segmentacja płuc, analiza MRI, diagram porównawczy, etapy segmentacji, wycinki obrazu, obiekty A i B.
Rysunek 7: Przykład automatycznej segmentacji skutkującej nieudanym (Obiekt A: 83-letni mężczyzna z POChP) i pomyślnym wynikiem (Podmiot B: 30-letnia kobieta z grupy kontrolnej). W pierwszym wierszu przedstawiono obrazy, które zostały użyte jako dane wejściowe dla modeli sztucznej inteligencji. W drugim wierszu przedstawiono wyniki pierwszego etapu segmentacji polegającego na znalezieniu granicy płuc. Trzeci wiersz pokazuje wynik końcowy po wykluczeniu statków. Jak pokazują niebieskie strzałki, algorytm został zakwestionowany przez wariancje płuc o wysokim sygnale, które powodowały nieprawidłowe wykrywanie granic płuc. Należy zauważyć, że obrazy zostały znormalizowane przez maksymalny sygnał, co doprowadziło do różnych wyników z powodu braku normalizacji cewki skanu wykonanego na obiekcie A. Czerwone obszary pokazują ROI, które zostały automatycznie wykryte dla sortowania w fazie perfuzji. Skróty: POChP = przewlekła obturacyjna choroba płuc; ROI = obszary zainteresowania. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 8 i Rysunek 9 pokazuje reprezentatywne mapy parametrów dla osoby zdrowej (wiek 30 lat, kobieta) i pacjenta z POChP (wiek 60 lat, mężczyzna). Należy zauważyć, że zdrowa grupa kontrolna wykazuje bardziej jednorodną wentylację i perfuzję, a tym samym mniej wokseli defektów. Odpowiednie raporty dotyczące statystyk zwrotu z inwestycji można znaleźć w tabelach 4 i 5.

Diagram analizy czynności płuc perfuzji, wentylacji z regionalnym przepływem i kwantyfikacją objętości.
Rysunek 8: Mapy parametrów PREFUL 30-letniej zdrowej kobiety z grupy kontrolnej. Perfuzja (1. rząd), wentylacja regionalna (2. rząd), metryka korelacji pętli przepływ-objętość (3. wiersz) i progowe mapy V/Q (4. rząd). Zwróć uwagę na jednorodny rozkład wartości miąższu i niski odsetek wad. Skróty: PREFUL = fazowo rozdzielone funkcjonalne płuco; V = wentylacja; Q = perfuzja. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Diagram analizy czynności płuc; perfuzja, wentylacja, wentylacja dynamiczna, połączone obrazy V/Q.
Rysunek 9: Mapy parametrów PREFUL 60-letniego mężczyzny chorego na POChP. Perfuzja (1. rząd), wentylacja regionalna (2. rząd), metryka korelacji pętli przepływ-objętość (3. wiersz) i progowe mapy V/Q (4. rząd). Zwróć uwagę na niejednorodny rozkład wartości miąższu i wysoki odsetek wad. Skróty: POChP = przewlekła obturacyjna choroba płuc; PREFUL = fazowo rozdzielczo-rozdzielcze funkcjonalne płuco; V = wentylacja; Q = perfuzja. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Tabela 4: Przykładowy raport parametrów PREFUL uzyskanych dla zdrowej grupy kontrolnej (30-letnia kobieta). Zwróć uwagę na niskie wartości współczynnika zmienności i defektu, które są zgodne z mapami parametrów przedstawionymi w Rysunek 8 dla tego samego tematu. Zobacz także Tabelę 5 i Rysunek 9. Skrót: PREFUL = fazowo rozdzielone funkcjonalne płuco. Kliknij tutaj, aby pobrać tę tabelę.

Tabela 5: Przykładowy raport parametrów PREFUL uzyskanych dla pacjenta z POChP (60-letni mężczyzna). Zwróć uwagę na wysokie wartości współczynnika zmienności i defektu, które są zgodne z mapami parametrów przedstawionymi w Rysunek 9 dla tego samego tematu. Zobacz także Tabelę 4 i Rysunek 8. Kliknij tutaj, aby pobrać tę tabelę.

Materiał uzupełniający: Animowane wyjaśnienie algorytmu PREFUL. Kliknij tutaj, aby pobrać ten plik.

Dyskusja

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

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

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

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

Podziękowania

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

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

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

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Perfuzja p ucnaMRI z rozdzielczo ci fazowdekompozycja Fourieraocena VQwykrywanie chor b p ucbiomarkery ilo ciowe3D PREFULrejestracja obraz w

Powiązane artykuły