Artykuł metodologiczny

Trójwymiarowe funkcjonalne obrazowanie metodą rezonansu magnetycznego płuc z rozdzielczością fazową

DOI:

10.3791/66385

⸱

21 czerwca 2024

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

W tym artykule

Podsumowanie

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

Trójwymiarowe (3D) funkcjonalne płuco z rozdzielczością fazową (PREFUL) to technika funkcjonalnego rezonansu magnetycznego (MRI), która pozwala na ilościowe określenie wentylacji regionalnej całej objętości płuc człowieka, przy użyciu oddychania oddechowego i akwizycji bez środka kontrastowego przez 8 minut. W tym miejscu przedstawiamy protokół MR do zbierania i analizowania danych obrazowania 3D PREFUL.

Streszczenie

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

Rezonans magnetyczny płuc (MRI) oferuje różnorodność technik wolnych od promieniowania, dostosowanych do oceny regionalnej wentylacji płuc lub jej substytutów. Techniki te obejmują pomiary bezpośrednie, których przykładem jest rezonans magnetyczny w gazie hiperpolaryzacyjnym i rezonans magnetyczny w gazie fluorowanym, a także pomiary pośrednie ułatwione przez rezonans magnetyczny wzmocniony tlenem i rezonans magnetyczny oparty na dekompozycji Fouriera (FD) na bazie protonów. W ostatnim czasie nastąpił znaczny postęp w dziedzinie rezonansu magnetycznego FD, który obejmował poprawę rozdzielczości przestrzennej/czasowej, udoskonalenie projektowania sekwencji i przetwarzania końcowego oraz opracowanie kompleksowego podejścia obejmującego całe płuca.

Dwuwymiarowy (2D) funkcjonalny rezonans magnetyczny płuc (PREFUL) wyróżnia się jako podejście oparte na FD, opracowane do kompleksowej oceny regionalnej wentylacji i dynamiki perfuzji, a wszystko to w ramach jednego akwizycji MR. Ostatnio dokonano nowego postępu dzięki opracowaniu 3D PREFUL do oceny dynamicznej wentylacji całego płuca za pomocą 8-minutowego badania z sekwencją samobramkowania.

Akwizycja 3D PREFUL polega na zastosowaniu sekwencji echa gradientu zepsutego przez stos gwiazd z przyrostem złotego kąta. Po zrekonstruowaniu około 40 faz oddychania za pomocą skompresowanego obrazu detekcyjnego, wszystkie zrekonstruowane obrazy z rozdzielczością oddechową są rejestrowane w ustalonej fazie oddychania. Następnie z zarejestrowanych obrazów pobierane są parametry wentylacji.

W badanej kohorcie składającej się ze zdrowych ochotników i pacjentów z przewlekłą obturacyjną chorobą płuc, parametry wentylacji 3D PREFUL wykazały silne korelacje z pomiarami uzyskanymi z testów czynnościowych płuc. Ponadto powtarzalność techniki 3D PREFUL została uznana za akceptowalną, co wskazuje na jej wiarygodność w przypadku wielokrotnych ocen tych samych osób.

Podsumowując, rezonans magnetyczny wentylacji 3D PREFUL zapewnia pełne pokrycie płuc i rejestruje dynamikę wentylacji z większą rozdzielczością przestrzenną w porównaniu do 2D PREFUL. 3D Technika PREFUL oferuje opłacalną alternatywę dla hiperpolaryzowanego rezonansu magnetycznego 129Xe, co czyni ją atrakcyjną opcją do przyjaznej dla pacjenta oceny wentylacji płuc.

Wprowadzenie

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

Według Światowej Organizacji Zdrowia (WHO), przewlekłe choroby układu oddechowego są trzecią najczęstszą przyczyną zgonów, stanowiąc znaczne obciążenie dla opieki zdrowotnej1. Diagnozowanie i monitorowanie kilku chorób układu oddechowego obejmuje testy czynnościowe płuc, które nie zawierają informacji przestrzennych i mogą być niewykonalne u młodych pacjentów. Wiele innych metod medycyny nuklearnej zapewnia przestrzenne pomiary wentylacji, takie jak pozytonowa tomografia emisyjna (PET)2, tomografia komputerowa emisji pojedynczych fotonów (SPECT)3 lub tomografia komputerowa4. Istotną wadą tych technik jest wykorzystanie promieniowania jonizującego do obrazowania. W związku z tym pomiary te nie są wykonalne w populacjach wrażliwych, takich jak dzieci, ani w przypadku powtarzających się pomiarów w badaniach klinicznych.

Metody obrazowania metodą rezonansu magnetycznego zyskały zainteresowanie w ciągu ostatnich dwóch dekad, ponieważ oferują wolne od promieniowania pomiary funkcji płuc. Przede wszystkim techniki rezonansu magnetycznego z użyciem hiperpolaryzacji gazu5 zostały wykorzystane do oceny wentylacji płuc u zdrowych osób z grupy kontrolnej i pacjentów z chorobą płuc, osiągając jednocześnie lepszy stosunek sygnału do szumu (SNR) w porównaniu z 19F6 lub MRI7. Do typowych wad technik rezonansu magnetycznego w gazie należą: konieczność zatrudniania dodatkowego personelu, koszty sprzętu lub konieczność współpracy pacjenta podczas pomiaru oddechu. Aby rozwiązać te problemy, wprowadzono metody oparte na dekompozycji Fouriera (FD) MRI8 do oceny wentylacji i perfuzji płuc. Jako alternatywę dla FD MRI, opracowano funkcjonalny rezonans magnetyczny płuc z rozdzielczością fazową (PREFUL)9, zweryfikowano10,11,12 i przetestowano w wielu badaniach, w tym w badaniach wieloośrodkowych13,14. Niemniej jednak akwizycja 2D skutkuje długim czasem akwizycji w celu uzyskania pełnego pokrycia płuc i ograniczonej rozdzielczości przestrzennej. Eleganckim rozwiązaniem są samobramkowane akwizycje 3D, aczkolwiek kosztem informacji o perfuzji15,16,17. Jedna z tych technik, 3D PREFUL MRI17, została opracowana nie tylko do oceny wentylacji statycznej, ale także dynamiki wentylacji podczas 8-minutowego badania MR, zapewniając lepszą rozdzielczość obrazu w porównaniu z metodami 2D.

Zgodnie z oryginalną publikacją opisującą metodę17, powtarzalność techniki została oceniona i porównana klinicznie z dobrze znanymi pomiarami spirometrycznymi18, a ostatnio wprowadzono przyspieszony system rejestracji obrazów, poprawiając powtarzalność parametrów wentylacji i zachowując jakość obrazu map wentylacji19. Ta przyjazna dla pacjenta i łatwo skalowalna technika, zdolna do ilościowego mapowania wentylacji regionalnej w ludzkim płucu, może znacząco przyczynić się do wczesnego wykrywania, diagnozowania chorób układu oddechowego lub monitorowania efektów terapii20. Te zmiany w leczeniu regionalnej czynności płuc, takie jak poprawa objętości wentylacji, mogą potencjalnie stać się biomarkerami do oceny wpływu terapii i mogą być użytecznym narzędziem w wieloośrodkowych badaniach klinicznych.

Artykuł ma na celu dostarczenie wyczerpującego i wizualnego wyjaśnienia technologii 3D PREFUL, mając na celu wspieranie szerszego tłumaczenia tej 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 rodziców lub opiekunów prawnych) przed ich udziałem w badaniu MRI.

UWAGA: Kryteria włączenia/wykluczenia dla badań z udziałem 3D PREFUL MRI różnią się i zależą od projektu badania. Zazwyczaj kryteria włączenia zdrowych ochotników do badania 3D PREFUL MRI obejmują osoby, które (a) są wolne od jakichkolwiek istotnych schorzeń, które mogłyby wpłynąć na wyniki badania, (b) nie przyjmują żadnych leków, które mogą zakłócać wyniki MRI, (c) nie mają klaustrofobii, lęku, metalowych implantów lub urządzeń, (d) spełniają określone kryteria wieku i płci istotne dla celów badania, e) nie mają historii palenia tytoniu, (f) mają prawidłowe wyniki spirometrii (FEV1/FVC > 0,7, a zarówno FEV1, jak i FVC > 80% wartości predykcyjnej). Kryteria wykluczenia dla wszystkich uczestników badania poddawanych badaniu 3D PREFUL MRI mogą obejmować: (a) ciążę, (b) jakiekolwiek schorzenie, które może zagrozić bezpieczeństwu lub ważności badania 3D PREFUL MRI, (C) nietolerancję środków kontrastowych na bazie gadolinu, gdy dynamiczny rezonans magnetyczny ze wzmocnieniem kontrastowym jest zawarty w protokole badania.

1. Badanie przed rezonansem magnetycznym

  1. Poproś lekarza, aby zebrał ważne informacje dotyczące historii medycznej pacjenta.
  2. Wyjaśnij potencjalne przeciwwskazania, zagrożenia i procedurę rezonansu magnetycznego.
  3. Uzyskaj pisemną, świadomą zgodę od uczestnika.
    UWAGA: Jeśli nie są dostępne żadne wyniki testu czynnościowego płuc, poproś pacjenta o poddanie się badaniu czynnościowemu płuc przed badaniem MRI i sprawdź, czy uzyskane wyniki spełniają kryteria włączenia.

2. Przygotowanie radiologa do badania MR

  1. Zarejestruj uczestnika w konsoli MR i wybierz protokół MR badania z akwizycją 3D PREFUL.
  2. Sprawdź, czy badany, jego kieszenie i ubranie są wolne od elementów zawierających metal.
  3. Umieść arkusze na stole skanera, aby zagwarantować sterylne środowisko.
  4. Wejdź do pokoju MR z obiektem.

3. Przygotowanie przedmiotu do egzaminu MR

  1. Niech pacjent położy się na stole do rezonansu magnetycznego w pozycji leżącej na plecach (możliwa jest jednak pozycja leżąca).
  2. Upewnij się, że cewka tułowia zapewnia odpowiednie pokrycie klatki piersiowej, umieszczając górny element cewki tułowia w pobliżu podbródka badanego.
  3. Zaopatrz osobę badaną w słuchawki (alternatywnie zatyczki do uszu lub jedno i drugie), aby chronić słuch przed głośnym hałasem wywołanym przez rezonans magnetyczny.
  4. Wyposaż obiekt w przycisk bezpieczeństwa (lub alternatywny mechanizm zabezpieczający), aby można było łatwo uzyskać do niego dostęp i go ścisnąć.
  5. Umieść podkładkę pod głową i nogami badanego, aby zwiększyć komfort podczas badania MR.
  6. Umieść obiekt w skanerze MR, korzystając z laserowej nawigacji świetlnej, aby upewnić się, że obrazowany obszar zajmuje izocentrum otworu.

4. Badanie rezonansem magnetycznym

  1. Localizer
    1. Wykonaj sekwencję lokalizacyjną (o parametrach podobnych do wymienionych w Tabeli 1A) w celu uzyskania obrazów anatomicznych o niskiej rozdzielczości w trzech płaszczyznach (o dużym polu widzenia), które zostaną wykorzystane do zaplanowania badania 3D PREFUL.
  2. Obrazowanie 3D PREFUL
    1. Ustaw parametry akwizycji zgodnie z tabelą 1B dla akwizycji obrazowej.
    2. Ustaw odpowiednio liczbę rzutów promieniowych, aby akwizycja trwała około 8 minut.
    3. Powiedz badanemu, aby oddychał normalnie (oddychanie bez pływów) przez cały czas akwizycji.
    4. Sprawdź, czy cała klatka piersiowa znajduje się w polu widzenia i rozpocznij akwizycję.
  3. Po zakończeniu obrazowania usuń obiekt ze skanera.

5. Transfer surowych danych

  1. Zazwyczaj pozyskane surowe dane nie są zapisywane na platformie dostawcy MR. Zapisz nieprzetworzone dane 3D PREFUL kspace, wykonując kroki specyficzne dla dostawcy w konsoli MR.

6. Analiza danych i przetwarzanie końcowe

  1. Ocenę pozyskanych danych należy rozpocząć za pomocą skryptu rekonstrukcji obrazu (Table of Materials) na wyznaczonej stacji roboczej, np. w programie MATLAB, ustawiając ścieżkę do danych surowych.
    UWAGA: Na wyznaczonej stacji roboczej powinny być już zainstalowane następujące pakiety:
    (a) Zestaw narzędzi do zaawansowanej rekonstrukcji Berkeley (BART)
    (b) Zaawansowane narzędzia normalizacji (ANT)
  2. Rekonstrukcja obrazu
    1. Oszacuj opóźnienia gradientu zależne od systemu MR za pomocą projekcji kalibracji z funkcją estdelay zaimplementowaną w Berkeley advanced reconstruction toolbox (BART)21,22.
    2. Zastosuj przesunięcie do każdej projekcji zgodnie z obliczonym opóźnieniem gradientu.
    3. Zastosuj filtrowanie Hanninga (za pomocą funkcji hann w MATLAB) do danych skorygowanych o opóźnienie gradientu przy użyciu okna okresowego w płaszczyźnie x-y i kierunku z.
    4. Rekonstrukcja obrazu o niskiej rozdzielczości w celu zaszufladkowania oddechowego
      1. Wybierz jedną ósmą/jedną czwartą danych w przestrzeni k wyśrodkowanych wokół środkowego indeksu wymiaru odczytu/partycji.
        UWAGA: W zależności od rozmiaru obiektu, ten krok daje rozmiar matrycy 32 x 32 x (12-20).
      2. Przekształć macierze danych k-przestrzeni i odpowiadające im trajektorie, aby uwzględnić dodatkowy wymiar czasowy, przy czym każdy punkt czasowy składa się z 14 rzutów radialnych.
        UWAGA: Każdy kolejny punkt czasowy zawiera 13 rzutów radialnych z poprzedniego punktu czasowego oraz jedno nowe kolejne rzutowanie radialne.
      3. Wykorzystaj polecenie obrazowania równoległego i detekcji skompresowanej (pics) zaimplementowane w BART do rekonstrukcji obrazu.
        UWAGA: Zastosować normę L2 (λ = 0,1) i regularyzację zmienności całkowitej (λ = 0,0001) w dziedzinie przestrzennej oraz regularyzację zmienności całkowitej (λ = 0,01) w dziedzinie czasu.
    5. Ekstrakcja sygnału bramkowania oddechowego
      1. Podziel miąższ płuc na segmenty na każdym zrekonstruowanym obrazie 3D o niskiej rozdzielczości, korzystając z progingu23 Otsu i oblicz objętość miąższu płuc dla każdego punktu czasowego.
      2. Zastosuj filtr dolnoprzepustowy o częstotliwości odcięcia 0,7 Hz do wyekstrahowanego szeregu czasowego objętości i oblicz częstotliwość oddychania.
      3. Wyklucz skrajne wartości odstające z szeregów czasowych (punkty czasowe powyżej 95. percentyla i poniżej 10. percentyla).
        UWAGA: Ułożenie szeregów czasowych według ich amplitudy i fazy pozwala zrekonstruować pojedynczy cykl oddechowy.
    6. Wykonaj szybką transformację Fouriera (FFT, funkcja fft w MATLAB) na danych filtrowanych przez Hanninga wzdłuż kierunku przekroju, aby umożliwić rekonstrukcję obrazu plasterek po wycinku.
    7. Przekształć macierz danych k-space na podstawie wyodrębnionych szeregów czasowych tak, aby każdy pojemnik oddechowy zawierał co najmniej 100 szprych.
    8. Wykorzystaj 20% projekcji z sąsiednich pojemników, aby zwiększyć SNR24,25 każdego pojemnika oddechowego.
    9. Przekształć macierz trajektorii k-przestrzeni, aby dopasować ją do rozmiaru danych k-przestrzeni.
    10. Wykonaj polecenie pics w celu rekonstrukcji obrazu dla każdego slice.
      UWAGA: Zastosować normę L2 (λ = 0,1) i regularyzację zmienności całkowitej (λ = 0,0001) w dziedzinie przestrzennej oraz regularyzację zmienności całkowitej (λ = 0,01) w dziedzinie czasu.
    11. Zapisz zmienne, w tym zrekonstruowane obrazy jednego pełnego cyklu oddechowego, częstotliwości oddychania i czasów akwizycji, w pliku .mat.
  3. Rejestracja obrazu
    1. Odwróć intensywność sygnału zrekonstruowanych obrazów.
    2. Zarejestruj obrazy w wybranym stanie oddechowym, takim jak wdech, używając niesztywnej rejestracji.
      UWAGA: Aby poprawić dokładność rejestracji, można zastosować podejście zorientowane na grupę26. Proces rejestracji może być wykonany na procesorze lub karcie graficznej przy użyciu narzędzi takich jak Advanced Normalization Tools (ANTs)27 lub pakiet rejestracyjny Forsberg28.
  4. Segmentacja miąższu płuc
    1. Segmentuj miąższ płuc w końcowym wdechu obrazu 3D za pomocą konwolucyjnej sieci neuronalnej, np. o architekturze nnUnet29.
    2. Wyklucz naczynia płucne za pomocą algorytmu rozpoznawania naczyń, takiego jak ten opisany przez Wernza i wsp.30.
      UWAGA: Krok rozpoznawania naczyń płucnych nie jest obowiązkowy, jeśli nie masz dostępu do takiego algorytmu. W niektórych przypadkach może być konieczna ręczna resegmentacja.
  5. Filtrowanie
    1. Zastosuj regresję jądra Nadaraya-Watson (gdzie σ = 0,3) do zarejestrowanych i odwróconych obrazów, aby interpolować 16 faz na jednolicie rozmieszczonej siatce czasowej.
    2. Wyeliminuj zmiany sygnału niezwiązane z oddychaniem, stosując filtr dolnoprzepustowy przy 0,7 Hz do interpolowanych danych w dziedzinie czasu.
    3. Odszumianie obrazów filtrowanych dolnoprzepustowo za pomocą filtrowania sterowanego obrazem31, przy czym uśredniony czasowo zarejestrowany obraz służy jako obraz prowadzący. Ustaw następujące parametry: Rozmiar okna = [5, 5, 5], lambda = 0,001.
  6. Analiza wentylacji
    1. Oblicz mapy wentylacji regionalnej (RVent) w mililitrach/mililitrach (ml/ml) dla każdej fazy oddechowej N, korzystając z następującego wzoru32:
      figure-protocol-1 [1]
      UWAGA: SInsp reprezentuje obraz docelowy do rejestracji obrazu, odpowiadający poziomowi końcowego wdechu. SExp odnosi się do obrazu końcowo-wydechowego, podczas gdy SN reprezentuje N-ty stan oddechowy.
    2. Oblicz mapę wad wentylacji (VDRVent) na mapie RVent 8. fazy, która reprezentuje maksymalną wentylację.
      UWAGA: Aby obliczyć VD, woksele poniżej progu wartości 90. percentyla, pomnożone przez współczynnik 0,4, są uważane za defekty33.
    3. Oblicz mapę metryki korelacji przepływ-objętość-pętla (FVL-CM).
      1. Oblicz przepływ jako pierwszą pochodną RVent.
        UWAGA: Objętość jest mierzona bezpośrednio przez RVent.
      2. Ustal referencyjny FVL dla każdego wycinka, obliczony na podstawie zdrowego regionu zdefiniowanego przez wartości RVent z zakresu od 75do 95 percentyla.
      3. Określ podobieństwo między FVL każdego woksela miąższu płuc a referencyjnym FVL za pomocą korelacji krzyżowej z zerowym opóźnieniem.
    4. Oblicz mapę VDFVL-CM, gdzie woksele o wartościach FVL-CM poniżej 0,9 są identyfikowane jako woksele z wadą wentylacji34.
    5. Obliczanie map czasu do szczytu wentylacji (VTTP) w procentach (%) cyklu oddechowego.
      UWAGA: Teoretycznie interpolowany cykl oddechowy rozpoczyna się/kończy w szczytowym wydechu i jest symetryczny względem szczytowego wdechu przy 50% cyklu wentylacji, co zapewnia zdrowy woksel. W przypadku wokseli poddanych zaawansowanej/opóźnionej dynamice wentylacji mapa VTTP wyświetli wartość poniżej/powyżej 50%.
    6. Oblicz odchylenie wartości VTTP (VTTPDev) od szczytowego wdechu przy 50% w następujący sposób:
      figure-protocol-2 [2]
      UWAGA: W przypadku regionu w dobrej kondycjiwartość VTTP Dev powinna być bliska 0%.
    7. statystyka
      1. Opisz statystycznie parametry RVent, FVL-CM, VTTP i VTTPDev dla wszystkich wycinków, podając medianę, średnią, wartości odchylenia standardowego i przedziały międzykwartylowe.
      2. Oblicz wartości procentowe wad wentylacji pochodzące z wygenerowanych map VD.
      3. Wyeksportuj wszystkie obliczone parametry do pliku arkusza kalkulacyjnego (patrz przykład podany w tabeli 3).

Wyniki

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

Najprostszy protokół obrazowania 3D PREFUL zawiera dwie sekwencje. Jeden lokalizator anatomiczny + jeden pomiar swobodnego oddychania przy użyciu akwizycji 3D gwiazd pod złotym kątem. Trajektoria stosu gwiazd jest pokazana na Rysunek 1. Ta trajektoria łączy próbkowanie promieniowe (w płaszczyźnie) z liniowym próbkowaniem kartezjańskim (w kierunku z). Początkowo pobierane są próbki w kierunku podziału kz, a następnie obracany jest złoty kąt w celu pobrania próbki w płaszczyźnie kx-k y. Schemat akwizycji pod złotym kątem sprzyja samobramkowaniu z równomiernym pokryciem przestrzeni k, ułatwiając rekonstrukcję obrazu przy mocno niedostatecznie próbkowanych danych. Cały egzamin nie przekracza 10 minut. Więcej szczegółów na temat akwizycji 3D PREFUL znajduje się w Tabeli materiałów.

figure-results-1
Rysunek 1: Trajektoria obróconego stosu gwiazd ze złotym podziałem. Zwróć uwagę na próbkowanie promieniowe stosowane wzdłuż wymiaru w płaszczyźnie (kx-ky) i próbkowanie kartezjańskie stosowane wzdłuż kierunku przekroju (kz). Schemat ten powoduje cylindryczne pokrycie nabytej przestrzeni k. W tym przykładzie przedstawiono trzy partycje, w tym 32 rzuty promieniowe na partycję. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Lista typowych parametrów MRI używanych do obrazowania 3D PREFUL na skanerze 1,5 T znajduje się w Tabeli 1B. Dla skanera 3T proponuje się parametry sekwencji wymienione w tabeli 2.

Po zakończeniu zbierania i przesyłania danych rozpoczyna się część rekonstrukcji obrazu. Ten krok jest wykonywany za pomocą kodu MATLAB, który należy do własności intelektualnej (IP) firmy (BioVisioneers GmbH) i nie może być udostępniany publicznie. Skrypt jest w pełni zautomatyzowany po podaniu ścieżki do nieprzetworzonych danych. Schematyczny przegląd procedury rekonstrukcji jest przedstawiony na Rysunek 2.

figure-results-2
Rysunek 2: Schematyczny przegląd metody rezonansu magnetycznego 3D Phase Resolved Functional Lung (PREFUL). Na początku dane są pozyskiwane za pomocą trwającej 8 minut akwizycji MR w swobodnym oddychaniu z trajektorią stosu gwiazd. Po przesłaniu danych ze skanera MR do jednostki obliczeniowej rekonstruowane są obrazy 3D o niskiej rozdzielczości i rozdzielczości czasowej około 100 ms. Miąższ płuc na każdym obrazie jest dzielony na segmenty i obliczana jest objętość płuc. Informacja o objętości płuc jest dalej wykorzystywana jako sygnał bramkowania. Na podstawie amplitudy i fazy sygnału bramkowania, projekcje promieniowe są sortowane do pojemników oddechowych, które obejmują jeden cykl oddechowy. Po części kategoryzacji następuje dynamiczna rekonstrukcja obrazów w pełnej rozdzielczości, które są następnie rejestrowane na poziomie końcowym wdechu. Po kilku krokach przetwarzania końcowego obliczany jest cykl wentylacji regionalnej (RVent) i wykonywana jest część analizy obrazu, w tym ekstrakcja parametrów. Cykl RVent ocenia się, obliczając pętlę przepływ-objętość (FVL) dla każdego woksela. Mapy wentylacji FVL-CM są wyodrębniane poprzez ocenę każdego FVL woksela w stosunku do zdrowego referencyjnego FVL, przy czym podobieństwo jest oceniane za pomocą metryki korelacji krzyżowej. Zarówno dla RVent, jak i FVL-CM określono ilościowo globalne wartości procentowe całkowitej wady wentylacji (VDP). Ponadto dynamika cyklu RVent jest analizowana za pomocą analizy czasu do szczytu, w wyniku czego uzyskuje się mapę parametrów wentylacji od czasu do szczytu (VTTP). Ponadto odchylenie oczekiwanej wentylacji szczytowej przy 50% cyklu RVent jest określane ilościowo na mapieVTTP Dev. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Po procedurze rekonstrukcji obrazu, wszystkie obrazy są przestrzennie wyrównywane do jednego ustalonego stanu. Sama rejestracja jest wykonywana na procesorze za pomocą zaawansowanych narzędzi normalizacji (ANTs27) lub pakietu rejestracyjnego Forsberg28. Podczas gdy pakiet ANTs pozostaje złotym standardem w zadaniach rejestracji obrazów w obrazowaniu MRI i CT, rejestracja Forsberg ułatwia 10-krotnie szybszą procedurę rejestracji do 9 minut z porównywalnymi wynikami19. Pakiet rejestracyjny może być wybrany w zależności od priorytetów użytkownika i dostępnych jednostek obliczeniowych. Po zakończeniu rejestracji zarejestrowane obrazy morfologiczne są ponownie odwracane, tak że płuco wydaje się ciemne na obrazie w skali szarości.

W Rysunek 3 przedstawia następny etap procesu, który obejmuje segmentację miąższu płuc. Po pierwsze, miąższ płuca jest segmentowany od obrazu końcowo-wdechowego za pomocą konwolucyjnej sieci neuronalnej o architekturze nnUnet29. Po segmentacji miąższu płuc następuje rozpoznawanie naczyń30, które jest wyłączone z końcowej maski segmentacji.

figure-results-3
Rysunek 3: Przykładowe wyniki segmentacji opartej na głębokim uczeniu dla 32-letniego mężczyzny. W górnym rzędzie wyświetlane są obrazy morfologiczne ośmiu reprezentatywnych wycinków koronalnych. W drugim i trzecim rzędzie można zaobserwować odpowiednio odpowiednią maskę miąższu płuc i maskę końcową z wyłączeniem naczyń. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Przykład nieprawidłowej segmentacji miąższu płuc jest przedstawiony w Rysunek 4. Konieczne jest wizualne sprawdzenie segmentacji opartej na uczeniu głębokim, a jeśli zostanie to uznane za niezadowalające, należy rozważyć ręczne korekty w celu zwiększenia dokładności końcowej maski miąższu płuc.

figure-results-4
Rysunek 4: Przykładowe wyniki nieprawidłowej segmentacji opartej na głębokim uczeniu dla 57-letniego mężczyzny. W górnym rzędzie wyświetlane są obrazy morfologiczne ośmiu reprezentatywnych wycinków koronalnych. W drugim i trzecim rzędzie można zaobserwować odpowiednio odpowiednią maskę miąższu płuc i maskę końcową z wyłączeniem naczyń. Jak widać, kilka obszarów zwłóknienia jest błędnie rozpoznawanych jako naczynia krwionośne lub struktury niepłucne. Niedokładności te zostały poprawione ręcznie, jak pokazano w czwartym wierszu. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Po kilku krokach filtrowania opisanych w protokole, substytuty wentylacji są calculated. 3D PREFUL MRI generuje mapy ilościowe dla statycznej wentylacji regionalnej (RVent), metryki dynamicznej korelacji przepływ-objętość (FVL-CM) oraz dwóch parametrów na podstawie analizy czasu do szczytu wentylacji (VTTP), jak pokazano na Rysunek 5. Rysunek ten przedstawia osiem wycinków koronalnych 32-letniego, zdrowego mężczyzny. Zwróć uwagę na oczekiwany jednorodny rozkład wszystkich parametrów wentylacji.

figure-results-5
Rysunek 5: Rezonans magnetyczny 3D zdrowego ochotnika (32-letniego mężczyzny). Reprezentatywne mapy morfologiczne (górny rząd) i parametry wentylacji 3D PREFUL MRI (od drugiego do piątego rzędu) dla zdrowego ochotnika (32-letniego mężczyzny). Statyczna wentylacja regionalna jest reprezentowana przez wentylację regionalną (RVent), podczas gdy dynamika wentylacji jest oceniana za pomocą metryki korelacji pętli przepływ-objętość (FVL-CM), czasu wentylacji do szczytu (VTTP) i odchylenia VTTP (VTTPDev) reprezentują parametry wentylacji oceniające dynamikę wentylacji. Zgodnie z oczekiwaniami dla wszystkich map parametrów wentylacji obserwuje się jednorodne wartości wentylacji. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Aby uprościć mapy wentylacji, mapy wad wentylacji (VD) są wyprowadzane dla RVent i FVL-CM, co umożliwia szybszą interpretację wyników. Przykładowe mapy VD są przedstawione w Rysunek 6. Zarówno dla VDRVent, jak iVD FVL-CM stwierdzono, że wartości VDP wynoszą odpowiednio 3,6% i 3,0%, mieszcząc się w zdrowym normalnym zakresie. Idealnie, w zależności od wieku zdrowych ochotników, wartość VDP nie powinna przekraczać 10%. Wyżej wymienione parametry (RVent, FVL-CM i ich mapy VD) zostały zweryfikowane w kilku badaniach11,12,35,36 i są czułe w wykrywaniu choroby, jak również w wykrywaniu efektów wywołanych terapią20,34,37,38,39.

figure-results-6
Rysunek 6: Reprezentatywne mapy RVent i FVL-CM, w tym ich mapy wad wentylacji. Przedstawiono mapy RVent (górny rząd) i FVL-CM (drugi rząd), w tym mapy wad wentylacji (trzeci i czwarty rząd) uzyskane za pomocą rezonansu magnetycznego 3D PREFUL dla zdrowego ochotnika (32-letniego mężczyzny). Na mapach VD zdrowe obszary są oznaczone kolorem zielonym, a obszary z deficytem wentylacji są oznaczone na czerwono. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Kilka badań MRI płuc zostało zgłoszonych przy natężeniu pola magnetycznego zarówno 1,5 T, jak i 3 T. Chociaż istnieje teoretyczna zaleta 3T ze względu na zwiększony stosunek sygnału do szumu (SNR), zaleta ta może być przeważona przez bardziej wyraźne efekty podatności magnetycznej przy 3T. Dokładny wpływ natężenia pola magnetycznego na jakość obrazu map wentylacji 3D PREFUL nie jest obecnie znany. W tym miejscu przedstawiamy wyniki wykonalności (Rysunek 7) uzyskane dla zdrowego ochotnika (35-letniego mężczyzny) przy użyciu skanera MR 3 T. Zwróć uwagę na bardziej niejednorodny wygląd parametrów wentylacji przy 3 T w porównaniu do 1,5 T (Rysunek 5).

figure-results-7
Rysunek 7: Rezonans magnetyczny 3D zdrowego ochotnika (35-letniego mężczyzny). Reprezentatywne mapy morfologiczne (górny rząd) i parametry wentylacji 3D PREFUL MRI (od drugiego do piątego rzędu) dla zdrowego ochotnika (35-letniego mężczyzny) w wieku 3T. Statyczna wentylacja regionalna jest reprezentowana przez wentylację regionalną (RVent), podczas gdy dynamika wentylacji jest oceniana za pomocą metryki korelacji pętli przepływ-objętość (FVL-CM), czasu wentylacji do szczytu (VTTP) i odchylenia VTTP (VTTPDev) reprezentują parametry wentylacji oceniające dynamikę wentylacji. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Porównanie/walidacja 3D PREFUL uzyskanego z bardziej bezpośrednimi pomiarami nie jest obecnie publikowana. Istnieje kilka badań wykazujących pozytywną korelację między wartościami VDP a przestrzennym nakładaniem się defektów wentylacji między techniką 2D PREFUL a 129Xe11,12,14 i 19F MRI35. Niedawne porównanie pomiarów wentylacji pochodzącej z 3D PREFUL i wentylacji bezpośredniej przy użyciu 19F MRI u pacjentów z przewlekłą obturacyjną chorobą płuc (POChP), astmą i zdrowych ochotników wykazało umiarkowaną lub silną korelację na poziomie globalnym40. Przedstawiono przykładowe porównanie (Ryc. 8) dla pacjenta, u którego zdiagnozowano przewlekłą obturacyjną chorobę płuc (54-letnia kobieta, FEV1 = 42% wartości przewidywanej), który został zbadany za pomocą 3D PREFUL i 19F wash-in MRI.

figure-results-8
Rysunek 8: 3D PREFUL MRI 54-letniej pacjentki z POChP. Przedstawiono obrazy morfologiczne (w górnym rzędzie), parametry wentylacji oraz mapy wad wentylacji u 54-letniej pacjentki z POChP (FEV1 = 42% pred., FVC = 102% pred.) uzyskane metodą 3D PREFUL MRI (2. i 3. rząd) oraz 19F MRI (4. i 5. rząd) wraz z porównaniem map wad wentylacji z obu metod (ostatni rząd). Ogólnie rzecz biorąc, we wszystkich warstwach współczynnik Sørensena-Dice'a wynosił 25,5% w obszarach wadliwych i 80,6% w regionach zdrowych, co daje całkowite nakładanie się przestrzenne na poziomie 69,2%. Warto zauważyć, że istnieje wizualna korelacja między dopasowanymi obszarami wentylacji w zdrowych i wadliwych regionach (przedstawionych na ciemnozielono). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

3D PREFUL MRI może być używany do pomiaru regionalnych odpowiedzi na terapię20. Jako przykład, Rysunek 9 pokazuje porównanie trzech wycinków z płuca osoby chorej na mukowiscydozę (43-letnia kobieta) na początku badania (po lewej, FEV1 = 94% wartości przewidywanej) i po terapii modulatorem CFTR (po prawej, FEV1 = 112% wartości przewidywanej). Ponieważ oba pomiary są dopasowane przestrzennie, 3D PREFUL umożliwia analizę regionalnej odpowiedzi na leczenie, jak pokazano na dole Rysunek 9. Należy zwrócić uwagę na podwyższone wartości wskaźnika korelacji przepływ-objętość-pętla, a także zmniejszenie wad wentylacji po terapii.

figure-results-9
Rysunek 9: Pomiary 3D PREFUL 43-letniej pacjentki z mukowiscydozą (CF). Przykładowe mapy markerów wentylacyjnych linii wyjściowej (po lewej) i po leczeniu (po prawej) pomiarów 3D PREFUL 43-letniej pacjentki z mukowiscydozą. VDPFVL-CM zmniejszył się z 18,0% (wartość wyjściowa) do 3,6% (po leczeniu). FEV1% przed wartością wyjściową: 94%, FEV1% przed leczeniem: 112%. Linia wyjściowa LCI: 10,48, LCI po leczeniu: 9,39. Odpowiednie mapy odpowiedzi na leczenie są przedstawione na dole. Proszę zwrócić uwagę na zielone obszary wskazujące na ustąpienie wentylacji po terapii. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Tabela 1: Lista typowych parametrów MRI używanych do lokalizatora i akwizycji 3D PREFUL na skanerze 1,5T. (A) Lokalizator i (B) Akwizycja 3D PREFUL. Kliknij tutaj, aby pobrać tę tabelę.

Tabela 2: Proponowane parametry MRI do akwizycji 3D PREFUL na skanerze 3T. Kliknij tutaj, aby pobrać tę tabelę.

Tabela 3: Przykładowy raport statystyczny parametrów 3D PREFUL dla zdrowego ochotnika (35-letniego mężczyzny) Kliknij tutaj, aby pobrać tę tabelę.

Dyskusja

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

Jedną z najbardziej krytycznych pułapek jest samo przejęcie. Należy zadbać o to, aby parametry sekwencji MR były ustawione prawidłowo. Co ważne, kluczowymi parametrami są czas echa, czas powtarzania, liczba wycinków, rozmiar matrycy i przepustowość pikseli. Odchylenia od zalecanych ustawień mogą skutkować niewystarczającą rozdzielczością czasową lub długotrwałymi akwizycjami. Transfer danych jest również ważny, aby zapewnić, że dane są w całości dostarczane do wybranego komputera lub serwera w celu oceny. Analiza danych przebiega całkowicie automatycznie po ustawieniu ścieżki do pozyskanych danych. Postprocessing rozpoczyna się od rekonstrukcji obrazu, w której retrospektywne binning odgrywa kluczową rolę. Zaleca się sprawdzenie sygnału kategoryzacji, aby zapewnić wyraźne odwzorowanie wzorca oddychania. Po sprawdzeniu sygnału kategoryzacji nie są konieczne żadne dodatkowe kroki, ponieważ algorytm sam radzi sobie ze słabymi wzorcami oddychania, wykluczając wartości odstające (punkty danych powyżej 95. percentyla i poniżej 10. percentyla ). Po rekonstrukcji obrazu następuje proces rejestracji obrazu. Ten krok należy zweryfikować w następujący sposób: zarejestrowane obrazy powinny być wolne od ruchu oddechowego i serca. W szczególności pozycje przepony i serca powinny być "zamrożone". Kolejnym krokiem jest segmentacja miąższu płuc i naczyń krwionośnych w oparciu o uczenie głębokie. Ten proces segmentacji jest bardzo czasochłonny dla całej objętości płuc 3D; w związku z tym korzystne jest stosowanie narzędzi opartych na sztucznej inteligencji. Jednak w niektórych sytuacjach, takich jak występowanie konsolidacji peryferyjnych, algorytmy te mogą nie dawać dokładnych wyników. W związku z tym maska segmentacji powinna być dokładnie sprawdzona i w razie potrzeby ręcznie poprawiona. Wszystkie te kroki mają kluczowe znaczenie dla oceny parametrów wentylacji i mogą skutkować niedokładnymi obliczeniami.

Od czasu pierwotnej publikacji17 wprowadzono kilka ulepszeń w technice 3D PREFUL. Algorytm sortowania uzyskanych projekcji radialnych został w pełni zautomatyzowany i ulepszony tak, aby całe płuco zostało podzielone na segmenty przy użyciu metody progowania Otsu i wykorzystane jako sygnał nawigacyjny do grupowania danych w fazach oddechowych. Co więcej, ręczna segmentacja miąższu płuc i naczyń została zastąpiona w pełni automatycznymi algorytmami opartymi na głębokim uczeniu, aby zmniejszyć czasochłonne procedury. Ponadto czas przetwarzania części rejestracji obrazu może zostać skrócony do 10 minut, jeśli zaimplementowany jest zestaw narzędzi rejestracyjnych Forsberg19. Wraz z wcześniejszymi osiągnięciami, zaimplementowany kod umożliwia korejestrację obrazów dwóch punktów czasowych (pomiary kontrolne) i ocenę progresji wokselowej choroby lub zmian wentylacyjnych wywołanych terapią20. Obecna wersja skryptu Matlab nie wymaga żadnej interakcji użytkownika i może zostać w przyszłości zaimplementowana w potoku do automatycznego przetwarzania danych z określonymi flagami.

Główną wadą 3D PREFUL jest to, że nie jest możliwy pomiar lokalnego przepływu krwi, ponieważ nie można uchwycić efektu dopływu przy użyciu nieselektywnego twardego impulsu RF do wzbudzenia. Po drugie, obecnie cała obróbka końcowa (w tym transfer danych, rekonstrukcja obrazu, rejestracja obrazu i analiza wentylacji) zajmuje 2 godziny dla każdego badanego. Po trzecie, obecnie wykazano jedynie wstępne porównanie parametrów wentylacji pochodzących z 3D PREFUL z bardziej zwalidowanymi technikami40. Po czwarte, ocena pozyskanych danych odbywa się na komputerze o wysokiej wydajności; W związku z tym wyniki nie są bezpośrednio dostępne dla lekarza na konsoli. Po piąte, brakuje studiów wykonalności 3D PREFUL na różnych natężeniach pola i u różnych dostawców skanerów.

Rezonans magnetyczny płuc w fazie rozdzielczej (PREFUL) umożliwia ilościowe mapowanie dynamiki wentylacji regionalnej całego płuca człowieka podczas swobodnego oddychania17. Istnieje kilka opłacalnych alternatyw dla 3D PREFUL, takich jak spirometria lub techniki wielokrotnego wymywania oddechu; Jednak oba brakuje informacji przestrzennych i wymagają manewrów oddechowych, a zatem nie są wykonalne dla małych dzieci lub noworodków. Alternatywne metody obrazowania narażają pacjentów na promieniowanie jonizujące, takie jak metody medycyny nuklearnej CT, lub nie są powszechnie dostępne (obrazowanie hiperpolaryzacyjne 129Xe lub 19F gazem za pomocą MRI). 3D PREFUL zapewnia ocenę dynamiki wentylacji, może być wykonywany przy użyciu standardowego skanera klinicznego i nie wymaga stosowania środków kontrastowych, co czyni go atrakcyjnym do zastosowania w badaniach klinicznych. Fakt, że 3D PREFUL nie wymaga stosowania promieniowania ani środków kontrastowych i oferuje przyjazną dla pacjenta, swobodną akwizycję, sprawia, że doskonale nadaje się do powtórnych lub podłużnych badań, które ilościowo oceniają regionalne odpowiedzi na terapię. Po drugie, ocena wentylacji płuc metodą 3D PREFUL może być szczególnie cenna u małych dzieci, u których należy unikać narażenia na promieniowanie.

Zdolność 3D PREFUL do generowania funkcjonalnych obrazów wentylacji ludzkiego płuca ma potencjał do wczesnej diagnozy. W szczególności zdolność do tworzenia powtarzalnych i ilościowych map wentylacji regionalnej pozwala na prowadzenie badań podłużnych, np. progresji choroby lub monitorowania efektów terapii. Co więcej, regionalne informacje na temat dynamiki wentylacji mogą zapewnić większą wrażliwość na wczesne zmiany związane z chorobami płuc, które nie są wykrywalne za pomocą testów czynnościowych płuc.

Oświadczenia

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

Filip Klimeš, Andreas Voskrebenzev i Jens Vogel-Claussen są udziałowcami BioVisioneers GmbH, firmy zainteresowanej 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 skorzystali z wielu owocnych rozmów ze współpracownikami, w szczególności z Marcelem Gutberletem, Agilo Kernem, Leą Behrendt, Arndem Obertem, Julianem Glandorfem, Tillem Kaireitem, Tawfikiem Moherem Alsadym, Gesą Pöhler, Maximilianem Zubke, Robinem Müllerem, Mariusem Wernzem, Cristianem Crisosto, Milanem Spethem, Julienne Scheller i Sonją Lüdiger. Autorzy dziękują Robertowi Grimmowi (Siemens Healthineers) za napisanie sekwencji obrazowania MR, a ponadto autorzy pragną również podziękować 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
ANTsSpołeczność badawcza zajmująca się analizą obrazów medycznych o otwartym kodzie źródłowymZestaw narzędzi do rejestracji obrazów
https://www.siemens-healthineers.com/en-us/magnetic-resonance-imaging/options-and-upgrades/coilsCo najmniej 6-kanałowa cewka korpusu; Philips [https://www.usa.philips.com/healthcare/solutions/magnetic-resonance/coils-overview ]
ForsbergZestaw narzędzi do rejestracji obrazówhttps://github.com/fordanic/image-registrationZestaw narzędzi do rejestracji obrazów
Kod rekonstrukcji obrazuBioVisioneers GmbHwww.biovisioneers.comOprogramowanie do rekonstrukcji i analizy MR
Matlab MathworksOprogramowanie
MRISiemens / Philips / GE https://www.siemens-healthineers.com/magnetic-resonance-imagingPhilips [https://www.philips.co.in/healthcare/solutions/magnetic-resonance], GE [https://www.gehealthcare.com/products/magnetic-resonance-imaging]; Sekwencja 1,5 T / 3 T
SekwencjaSiemens / Philips / GEMRI, sekwencja echa gradientowego 3D z trajektorią stosu gwiazd i przyrostem złotego kąta; 1. Sekwencja Siemens Grasp-Vibe - https://t.ly/P31kM , 2. Philips Multi Vane XD Sekwencja https://t.ly/wMWZZ , 3. GE Lava-Star, Disco-Star - https://t.ly/vimm2
BART Obrazowanie open source https://www.opensourceimaging.org/project/berkeley-advanced-reconstruction-toolbox-bart/ Zestaw narzędzi do rekonstrukcji obrazu Cewka korpusu Siemens / Philips / GE 

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Chronic respiratory diseases. World Health Organization. , Available from: https://www.who.int/health-topics/chronic-respiratory-diseases#tab=tab_1 (2021).
  2. Musch, G., et al. Topographical distribution of pulmonary perfusion and ventilation, assessed by PET in supine and prone humans. J Appl Physiol. 93 (5), 1841-1851 (2002).
  3. Petersson, J., Sánchez-Crespo, A., Larsson, S. A., Mure, M. Physiological imaging of the lung: single-photon-emission computed tomography (SPECT). J Appl Physiol. 102 (1), 468-476 (2007).
  4. Mistry, N. N., et al. Evaluation of fractional regional ventilation using 4D-CT and effects of breathing maneuvers on ventilation. Int J Radiat Oncol Biol Phys. 87 (4), 825-831 (2013).
  5. Kirby, M., et al. Hyperpolarized 3 He and 129 Xe MR imaging in healthy volunteers and patients with chronic obstructive pulmonary disease. Radiology. 265 (2), 600-610 (2012).
  6. Kuethe, D. O., Caprihan, A., Fukushima, E., Waggoner, R. A. Imaging lungs using inert fluorinated gases. Magn Reson Med. 39 (1), 85-88 (1998).
  7. Ohno, Y., et al. Dynamic oxygen-enhanced MRI versus quantitative CT: Pulmonary functional loss assessment and clinical stage classification of smoking-related COPD. Am J Roentgenol. 190 (2), W93-W99 (2008).
  8. 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).
  9. 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).
  10. 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).
  11. Kaireit, T. F., et al. Flow volume loop and regional ventilation assessment using phase-resolved functional lung (PREFUL) MRI: Comparison with 129Xenon ventilation MRI and lung function testing. J Magn Reson Imaging. 53 (4), 1092-1105 (2021).
  12. Couch, M. J., et al. Comparison of functional free-breathing pulmonary 1H and hyperpolarized 129Xe magnetic resonance imaging in pediatric cystic fibrosis. Acad Radiol. 28 (8), e209-e218 (2020).
  13. 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 (2019).
  14. 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 (2022).
  15. Mendes Pereira, L., et al. UTE-SENCEFUL: first results for 3D high-resolution lung ventilation imaging. Magn Reson Med. 81 (4), 2464-2473 (2018).
  16. Boucneau, T., Fernandez, B., Larson, P., Darrasse, L., Maître, X. 3D magnetic resonance spirometry. Sci Rep. 10 (1), 16012(2020).
  17. Klimeš, F., et al. 3D phase-resolved functional lung ventilation MR imaging in healthy volunteers and patients with chronic pulmonary disease. Magn Reson Med. 85 (2), 912-925 (2021).
  18. Klimeš, F., et al. Repeatability of dynamic 3D phase-resolved functional lung (PREFUL) ventilation MR Imaging in patients with chronic obstructive pulmonary disease and healthy volunteers. J Magn Reson Imaging. 54 (2), 618-629 (2021).
  19. Klimeš, F., Voskrebenzev, A., Gutberlet, M., Grimm, R., Wacker, F., Vogel-Claussen, J. 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(2022).
  20. Klimeš, F., et al. Effect of CFTR modulator therapy with elexacaftor/tezacaftor/ivacaftor on pulmonary ventilation derived by 3D phase-resolved functional lung MRI in cystic fibrosis patients. Eur Radiol. 34 (1), 80-89 (2024).
  21. Rosenzweig, S., Holme, H. C. M., Uecker, M. Simple auto-calibrated gradient delay estimation from few spokes using Radial Intersections (RING). Magn Reson Med. 81 (1), 1898-1906 (2019).
  22. Uecker, M., et al. Berkeley advanced reconstruction toolbox. Proc Intl Soc Mag Reson Med. 23 (1), 2486(2015).
  23. Otsu, N. A threshold selection method from gray-level histograms. IEEE Trans Syst Man Cybern. 9 (1), 62-66 (1979).
  24. Song, H. K., Dougherty, L. k-Space weighted image contrast (KWIC) for contrast manipulation in projection reconstruction MRI. Magn Reson Med. 44 (6), 825-832 (2000).
  25. Song, H. K., Dougherty, L. Dynamic MRI with projection reconstruction and KWIC processing for simultaneous high spatial and temporal resolution. Magn Reson Med. 52 (4), 815-824 (2004).
  26. 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).
  27. Avants, B. B., Tustison, N. J., Song, G., Cook, P. A., Klein, A., Gee, J. C. A reproducible evaluation of ANTs similarity metric performance in brain image registration. Neuroimage. 54 (3), 2033-2044 (2011).
  28. Forsberg, D. fordanicimage-registration. , Available from: https://github.com/fordanic/image-registration (2014).
  29. Isensee, F., Jaeger, P. F., Kohl, S. A. A., Petersen, J., Maier-Hein, K. H. nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation. Nat Methods. 18 (2), 203-211 (2021).
  30. Wernz, M., et al. Influence of lung vessel segmentation on the reproducibility of PREFUL MRI. Proc IWPFI. 10 (1), 73(2022).
  31. He, K., Sun, J., Tang, X. Guided image filtering. IEEE Trans Pattern Anal Mach Intell. 35 (6), 1397-1409 (2013).
  32. Klimeš, F., et al. Free-breathing quantification of regional ventilation derived by phase-resolved functional lung (PREFUL) MRI. NMR Biomed. 32 (6), e4088(2019).
  33. 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 (2020).
  34. Moher Alsady, T., 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).
  35. Kaireit, T. F., et al. Comparison of quantitative regional ventilation-weighted fourier decomposition MRI with dynamic fluorinated gas washout MRI and lung function testing in COPD patients. J Magn Reson Imaging. 47 (6), 1534-1541 (2018).
  36. Munidasa, S., et al. Inter- and intravisit repeatability of free-breathing MRI in pediatric cystic fibrosis lung disease. Magn Reson Med. 89 (5), 2048-2061 (2023).
  37. 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 (1), 742-751 (2022).
  38. Voskrebenzev, A., et al. Detection of chronic lung allograft dysfunction using ventilation-weighted Fourier decomposition MRI. Am J Transplant. 18 (8), 2050-2060 (2018).
  39. 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).
  40. Klimeš, F., et al. Comparison of free-breathing 3D phase-resolved functional lung (PREFUL) MRI with dynamic 19F ventilation MRI in patients with obstructive lung disease and healthy volunteers. J Magn Reson Imaging. , (2024).

Przedruki i uprawnienia

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

Poproś o pozwolenie

Tagi

Functional Lung MRIPhase Resolved MRIThree Dimensional PREFULRegional VentilationVentilation Defect MapsCompressed SensingDeep Learning ReconstructionLung Parenchyma SegmentationVentilation DynamicsPulmonary Function Tests

Powiązane artykuły