Artykuł metodologiczny

Trójwymiarowe funkcjonalne obrazowanie metodą rezonansu magnetycznego płuc z rozdzielczością fazową

2.1K wyświetleń

⸱

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

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

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

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

Badanie to uzyskało zatwierdzenie komisji etycznej Hannover Medical School, co zapewniło przestrzeganie rygorystycznych standardów etycznych w całym procesie badawczym. Badanie było prowadzone w ścisłej zgodności z wytycznymi zawartymi w Deklaracji Helsińskiej, kładąc nacisk na etyczne prowadzenie badań medycznych. Ponadto od wszystkich uczestników badania (lub ich rodziców bądź opiekunów prawnych) przed przystąpieniem do badania MRI uzyskano świadomą zgodę.

UWAGA: Kryteria włączenia i wykluczenia dla badań obejmujących 3D PREFUL MRI różnią się i zależą od projektu badania. Zazwyczaj kryteria włączenia dla zdrowych ochotników w badaniu 3D PREFUL MRI obejmują osoby, które (a) nie mają żadnych istotnych schorzeń medycznych, które mogłyby wpłynąć na wyniki badania, (b) nie przyjmują żadnych leków, które mogłyby zakłócić wyniki MRI, (c) nie cierpią na klaustrofobię, lęk, nie posiadają implantów ani urządzeń metalowych, (d) spełniają określone kryteria wieku i płci istotne dla celów badania, (e) nie palą papierosów, (f) mają prawidłowe wyniki spirometrii (FEV1/FVC > 0,7 oraz zarówno FEV1, jak i FVC > 80% wartości przewidywanej). Kryteria wykluczenia dla wszystkich uczestników badania poddawanych badaniu 3D PREFUL MRI mogą obejmować: (a) ciążę, (b) występowanie jakiegokolwiek stanu, który może zagrozić bezpieczeństwu lub wiarygodności badania 3D PREFUL MRI, (c) nietolerancję środków kontrastowych na bazie gadolinu w przypadku, gdy w protokole badania uwzględniono dynamiczne MRI z wzmocnieniem kontrastowym.

1. Wywiad przed badaniem MRI

  1. Lekarz medycyny powinien zebrać istotne informacje dotyczące historii medycznej badanego.
  2. Należy wyjaśnić potencjalne przeciwwskazania, ryzyko oraz przebieg procedury MRI.
  3. Uzyskać pisemną, świadomą zgodę od badanego.
    UWAGA: Jeśli wyniki prób czynnościowych płuc nie są dostępne, należy poprosić badanego o wykonanie prób czynnościowych płuc przed badaniem MRI i zweryfikować, czy uzyskane wyniki spełniają kryteria włączenia.

2. Przygotowanie radiografa do badania MR

  1. Zarejestruj badanego w konsoli MR i wybierz protokół badania MR z akwizycją 3D PREFUL.
  2. Upewnij się, że badany, jego kieszenie oraz odzież są wolne od elementów zawierających metal.
  3. Wyłóż stół skanera prześcieradłami, aby zapewnić sterylne środowisko.
  4. Wprowadź badanego do pomieszczenia MR.

3. Przygotowanie badanego do badania MR

  1. Poproś badanego o położenie się na stole do rezonansu magnetycznego w pozycji tyłem (możliwa jest również pozycja na brzuchu).
  2. Upewnij się, że cewka tułowia zapewnia odpowiedni zasięg obejmowania klatki piersiowej, umieszczając górny element cewki w pobliżu brody badanego.
  3. Wyposaż badanego w słuchawki (alternatywnie stopery do uszu lub jedno i drugie), aby chronić słuch przed głośnym hałasem generowanym przez MRI.
  4. Przekaż badanemu przycisk bezpieczeństwa (lub inny mechanizm bezpieczeństwa), tak aby miał do niego łatwy dostęp i mógł go ścisnąć.
  5. Umieść podkładkę pod głową i nogami badanego, aby zwiększyć komfort podczas badania MR.
  6. Wsuń badanego do skanera MR, korzystając z nawigacji laserowej, aby upewnić się, że obrazowany obszar znajduje się w izocentrum gara skanera.

4. Badanie MRI

  1. Sekwencja lokalizacyjna
    1. Wykonaj sekwencję lokalizacyjną (z parametrami zbliżonymi do tych wymienionych w Tabeli 1A), aby uzyskać anatomiczne obrazy o niskiej rozdzielczości w trzech płaszczyznach (z dużym polem widzenia), które posłużą do zaplanowania badania 3D PREFUL.
  2. Obrazowanie 3D PREFUL
    1. Ustaw parametry akwizycji zgodnie z Tabelą 1B dla procesu pozyskiwania obrazów.
    2. Odpowiednio ustaw liczbę projekcji radialnych tak, aby akwizycja trwała około 8 min.
    3. Poinformuj badanego, aby oddychał normalnie (oddech swobodny) przez cały czas trwania akwizycji.
    4. Upewnij się, że cała klatka piersiowa znajduje się w polu widzenia, a następnie rozpocznij akwizycję.
  3. Po zakończeniu obrazowania wyprowadź badanego ze skanera.

5. Transfer danych surowych

  1. Zazwyczaj pozyskane surowe dane nie są zapisywane na platformie producenta MR. Zapisz surowe dane k-przestrzeni 3D PREFUL, korzystając z kroków specyficznych dla producenta na konsoli MR.

6. Analiza danych i postprocessing

  1. Rozpocznij ocenę pozyskanych danych, korzystając ze skryptu do rekonstrukcji obrazu (Tabela materiałów) na wyznaczonej stacji roboczej, np. w programie MATLAB, poprzez ustawienie ścieżki do surowych danych.
    UWAGA: Na wyznaczonej stacji roboczej powinny być już zainstalowane następujące pakiety:
    (a) Berkeley Advanced Reconstruction Toolbox (BART)
    ​(b) Zaawansowane Narzędzia Normalizacji (Advanced Normalization Tools, ANTs)
  2. Rekonstrukcja obrazu
    1. Oszacuj zależne od systemu MR opóźnienia gradientów, wykorzystując projekcje kalibracyjne z opóźnienie estymacji funkcja zaimplementowana w Berkeley Advanced Reconstruction Toolbox (BART)21,22.
    2. Należy przesunąć każdą projekcję zgodnie z obliczonym opóźnieniem gradientowym.
    3. Zastosuj filtrowanie Hanninga (używając hann funkcja w programie MATLAB) do danych skorygowanych pod kątem opóźnienia gradientu, stosując okno periodyczne w płaszczyźnie x-y oraz w kierunku z.
    4. Rekonstrukcja obrazów o niskiej rozdzielczości dla binningu oddechowego
      1. Wybierz jedną ósmą lub jedną czwartą danych przestrzeni k, wycentrowanych wokół środkowego indeksu wymiaru odczytu/partycji.
        UWAGA: W zależności od wielkości obiektu, ten krok skutkuje uzyskaniem macierzy o wymiarach 32 x 32 x (12-20).
      2. Zmienić kształt macierzy danych przestrzeni k oraz odpowiadających im trajektorii, aby uwzględnić dodatkowy wymiar czasu, w którym każdy punkt czasowy obejmuje 14 projekcji radialnych.
        UWAGA: Każdy kolejny punkt czasowy obejmuje 13 projekcji radialnych z poprzedniego punktu czasowego oraz jedną nową, następną projekcję radialną.
      3. Wykorzystaj obrazowanie równoległe oraz próbkowanie skompresowane (zdjęcia) polecenie zaimplementowane w BART do rekonstrukcji obrazu.
        UWAGA: Zastosuj normę L2 (λ = 0,1) oraz całkowita wariancja (λ regularyzacja w dziedzinie przestrzennej (p = 0,01) oraz całkowita wariancja (λ = 0,01) regularyzacja w dziedzinie czasu.
    5. Ekstrakcja sygnału bramkowania oddechowego
      1. Wysegmentuj miąższ płuc w każdym zrekonstruowanym trójwymiarowym obrazie o niskiej rozdzielczości, stosując progowanie metodą Otsu.23oraz obliczyć objętość miąższu płuc dla każdego punktu czasowego.
      2. Zastosuj filtr dolnoprzepustowy o częstotliwości odcięcia 0,7 Hz do wyekstrahowanych szeregów czasowych objętości i oblicz częstotliwość oddychania.
      3. Wyklucz ekstremalne wartości odstające z szeregów czasowych (punkty czasowe powyżej 95.th percentyl i poniżej 10. percentylath percentyl).
        UWAGA: Uporządkowanie szeregów czasowych według ich amplitudy i fazy pozwala na rekonstrukcję pojedynczego cyklu oddechowego.
    6. Wykonaj szybką transformację Fouriera (FFT, Szybka Transformata Fouriera (FFT) funkcja w programie MATLAB) na danych przefiltrowanych oknem Hanninga wzdłuż kierunku przekrojów, aby umożliwić rekonstrukcję obrazu przekrój po przekroju.
    7. Zmień kształt macierzy danych przestrzeni k na podstawie wyekstrahowanych szeregów czasowych w taki sposób, aby każdy przedział oddechowy zawierał minimum 10 szprych.
    8. Wykorzystaj 20% projekcji z sąsiednich koszyków w celu zwiększenia stosunku sygnału do szumu (SNR)24,25 każdego przedziału oddechowego.
    9. Zmień kształt macierzy trajektorii przestrzeni k tak, aby odpowiadał ona rozmiarowi danych przestrzeni k.
    10. Wykonaj zdjęcia polecenie do rekonstrukcji obrazu dla każdego przekroju.
      UWAGA: Zastosuj normę L2 (λ = 0,1) oraz całkowitej wariancji (λ regularyzacja w domenie przestrzennej (λ = 0,001) oraz całkowita wariacja (λ = 0,01) regularyzacja w dziedzinie czasu.
    11. Zapisz zmienne, w tym zrekonstruowane obrazy jednego pełnego cyklu oddechowego, częstotliwość oddychania oraz czasy akwizycji, w pliku .mat.
  3. Rejestracja obrazów
    1. Odwróć intensywność sygnału na zrekonstruowanych obrazach.
    2. Wykonaj rejestrację obrazów do wybranego stanu oddechowego, np. wdechowego, wykorzystując rejestrację nieliniową.
      UWAGA: Aby zwiększyć dokładność rejestracji, zastosowano podejście zorientowane na grupę26 można zastosować. Proces rejestracji można przeprowadzić na procesorze CPU lub GPU, korzystając z narzędzi takich jak Advanced Normalization Tools (ANTs)27 lub pakiet rejestracyjny Forsberg28.
  4. Segmentacja miąższu płuc
    1. Wysegmentuj miąższ płuc z trójwymiarowego obrazu w fazie końca wdechu, wykorzystując konwolucyjną sieć neuronową, np. o architekturze nnUnet.29.
    2. Wyklucz naczynia płucne za pomocą algorytmu rozpoznawania naczyń, takiego jak ten opisany przez Wernz i współpracowników.30.
      UWAGA: Krok rozpoznawania naczyń płucnych nie jest obowiązkowy, jeśli nie mają Państwo dostępu do odpowiedniego algorytmu. W niektórych przypadkach konieczna może być ręczna resegmentacja.
  5. Filtrowanie
    1. Zastosuj regresję jądrową Nadarayi-Watsona (z σ = 0,3) do zarejestrowanych i odwróconych obrazów, aby interpolować 16 faz na równomiernie rozmieszczonej siatce czasowej.
    2. Wyeliminuj wariacje sygnału niezwiązane z oddychaniem, stosując filtr dolnoprzepustowy o częstotliwości 0,7 Hz do interpolowanych danych w dziedzinie czasu.
    3. Usuń szum z obrazów przefiltrowanych filtrem dolnoprzepustowym, stosując filtrowanie sterowane obrazem31, przy czym obraz zarejestrowany w uśrednieniu czasowym służy jako obraz prowadzący. Następnie należy ustawić następujące parametry: Wielkość okna = [5, 5, 5], lambda = 0.001.
  6. Analiza wentylacji
    1. Oblicz mapy wentylacji regionalnej (RVent) w mililitrach na mililitr (mL/mL) dla każdej fazy oddechowej N, korzystając z następującego wzoru32:
      figure-protocol-1     [1]
      UWAGA: SInspiracja stanowi obraz docelowy dla rejestracji obrazów, odpowiadający poziomowi końca wdechu. SEksperyment odnosi się do obrazu w fazie końca wydechu, podczas gdy SN reprezentuje N-ty stan oddechowy.
    2. Oblicz deficyt wentylacyjny (VDRVent) mapa RVent mapa 8th faza, która reprezentuje maksymalną wentylację.
      ​UWAGA: Aby obliczyć VD, woксеle poniżej progu 90th wartość percentylowa pomnożona przez współczynnik 0,4 jest uznawana za defekty33.
    3. Oblicz mapę wskaźnika korelacji pętli przepływ-objętość (FVL-CM).
      1. Oblicz przepływ jako pierwszą pochodną RVent.
        UWAGA: Objętość jest mierzona bezpośrednio przez RVent.
      2. Wyznacz referencyjną wartość FVL dla każdego przekroju, obliczoną z regionu zdrowego, zdefiniowanego przez wartości RVent między 75th oraz 95th percentyl
      3. Wyznacz podobieństwo między FVL każdego woksela miąższu płuc a referencyjnym FVL, stosując korelację wzajemną z przesunięciem równym zero.
    4. Obliczyć VDFVL-CM mapa, na której woksele z wartościami FVL-CM poniżej 0,9 są identyfikowane jako woksele z defektem wentylacji34.
    5. Oblicz mapy czasu do szczytu wentylacji (VTTP) w procentach (%) cyklu oddechowego.
      UWAGA: Teoretycznie interpolowany cykl oddechowy rozpoczyna się i kończy w punkcie szczytowego wydechu i jest symetryczny względem szczytowego wdechu w 50% cyklu wentylacyjnego w przypadku zdrowego woksela. W przypadku wokseli z zaawansowaną lub opóźnioną dynamiką wentylacji mapa VTTP wykaże wartość poniżej lub powyżej 50%.
    6. Oblicz odchylenie wartości VTTP (VTTPOpracowanie) od szczytowego wdechu przy 50% w następujący sposób:
      figure-protocol-2    [2]
      UWAGA: Dla obszaru zdrowego VTTPRozwój powinno wynosić blisko 0%.
    7. Statystyka
      1. Opisz statystycznie parametry RVent, FVL-CM, VTTP oraz VTTPOpracowanie dla wszystkich przekrojów, podając wartości mediany, średniej, odchylenia standardowego oraz rozstępy międzykwartylowe.
      2. Oblicz wartości procentowe defektów wentylacji wyprowadzone z wygenerowanych map VD.
      3. Wyeksportuj wszystkie obliczone parametry do pliku arkusza kalkulacyjnego (patrz przykład zamieszczony w Tabela 3).

Wyniki

Najprostszy protokół obrazowania 3D PREFUL obejmuje dwie sekwencje: jeden lokalizator anatomiczny oraz jeden pomiar podczas swobodnego oddychania z wykorzystaniem akwizycji 3D stack-of-stars w złotym kącie. Trajektoria stack-of-stars przedstawiona jest na Rysunku 1. Trajektoria ta łączy próbkowanie radialne (w płaszczyźnie) z liniowym próbkowaniem kartezjańskim (w kierunku z). Początkowo pozyskiwane są próbki w kierunku partycji kz, po czym następuje obrót o złoty kąt w celu próbkowania płaszczyzny kx-ky. Schemat akwizycji w złotym kącie sprzyja samogatingowi przy jednolitym pokryciu przestrzeni k, co ułatwia rekonstrukcję obrazu z silnie niedopróbkowanych danych. Całe badanie nie trwa dłużej niż 10 minut. Dalsze szczegóły akwizycji 3D PREFUL znajdują się w Tablicy Materiałów.

figure-results-1
Rysunek 1Trajektoria obrotowego stosu gwiazd w złotej proporcji. Należy zwrócić uwagę na zastosowanie próbkowania radialnego w płaszczyźnie (kx-ky) oraz próbkowania kartezjańskiego w kierunku przekroju (kz). Taki schemat zapewnia cylindowe pokrycie pozyskiwanej przestrzeni k. W tym przykładzie przedstawiono trzy partycje, z których każda obejmuje 32 projekcje radialne. Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

W Tabeli 1B przedstawiono listę typowych parametrów MRI stosowanych do obrazowania 3D PREFUL na skanerze 1,5 T. W przypadku skanera 3T proponuje się parametry sekwencji wymienione w Tabeli 2.

Po zakończeniu akwizycji i transferu danych rozpoczyna się etap rekonstrukcji obrazu. Krok ten jest realizowany za pomocą kodu MATLAB, który stanowi własność intelektualną (IP) firmy (BioVisioneers GmbH) i nie może być udostępniany publicznie. Skrypt jest w pełni zautomatyzowany po podaniu ścieżki do surowych danych. Schematyczny przegląd procedury rekonstrukcji przedstawiono na Rysunku 2.

figure-results-2
Rysunek 2Schematyczny przegląd metody funkcjonalnego MRI płuc z rozdzielczością fazową 3D (PREFUL). W pierwszej kolejności dane są pozyskiwane podczas 8-minutowego obrazowania MR w wolnym oddechu z zastosowaniem trajektorii typu stack-of-stars. Po przesłaniu danych ze skanera MR do jednostki obliczeniowej rekonstruowane są trójwymiarowe obrazy o niskiej rozdzielczości z rozdzielczością czasową wynoszącą około 10 ms. Segmentowany jest miąższ płuc na każdym obrazie, a następnie obliczana jest objętość płuc. Informacje o objętości płuc są dalej wykorzystywane jako sygnał bramkowania. Na podstawie amplitudy i fazy sygnału bramkowania projekcje radialne są przypisywane do koszy oddechowych obejmujących jeden cykl oddechowy. Po etapie binowania następuje dynamiczna rekonstrukcja obrazów o pełnej rozdzielczości, które następnie są rejestrowane do poziomu końca wdechowego. Po kilku etapach postprocessingu obliczany jest cykl regionalnej wentylacji (RVent), a następnie przeprowadzana jest analiza obrazu, obejmująca ekstrakcję parametrów. Cykl RVent jest oceniany poprzez obliczenie pętli przepływ-objętość (FVL) dla każdego woksela. Mapy wentylacji FVL-CM są ekstrahowane poprzez porównanie FVL każdego woksela z referencyjnym FVL osobników zdrowych, przy czym podobieństwo jest oceniane za pomocą metryki korelacji krzyżowej. Dla RVent oraz FVL-CM ilościowo określone są globalne wartości procentowego deficytu wentylacji (VDP). Ponadto dynamika cyklu RVent jest analizowana za pomocą analizy czasu do szczytu, co pozwala na uzyskanie mapy parametru czasu do szczytu wentylacji (VTTP). Dodatkowo w VTTP określany jest odchylenie oczekiwanego szczytu wentylacji przy 50% cyklu RVent.Rozwój mapa Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Po procedurze rekonstrukcji obrazów wszystkie obrazy są przestrzennie dopasowane do jednego stałego stanu. Sama rejestracja jest wykonywana na procesorze CPU przy użyciu Advanced Normalization Tools (ANTs27) lub pakietu rejestracyjnego Forsberga28. Podczas gdy pakiet ANTs pozostaje złotym standardem w zadaniach rejestracji obrazów w badaniach MRI i CT, rejestracja metodą Forsberga umożliwia 10-krotnie szybszą procedurę (do 9 minut) przy porównywalnych wynikach19. Wybór pakietu rejestracyjnego może zależeć od priorytetów użytkownika i dostępnych jednostek obliczeniowych. Po zakończeniu rejestracji zarejestrowane obrazy morfologiczne są ponownie odwracane, tak aby płuca były ciemne na obrazie w skali szarości.

Na Rycynie 3 przedstawiono kolejny etap procesu, obejmujący segmentację miąższu płuc. Najpierw miąższ płuc jest segmentowany z obrazu w fazie końca wdechu przy użyciu konwolucyjnej sieci neuronowej o architekturze nnUnet29. Po segmentacji miąższu płuc następuje rozpoznawanie naczyń30, które są wykluczane z końcowej maski segmentacyjnej.

figure-results-3
Rysunek 3Przykładowe wyniki segmentacji opartej na głębokim uczeniu dla 32-letniego mężczyzny. W górnym rzędzie przedstawiono obrazy morfologiczne ośmiu reprezentatywnych przekrojów wieńcowych. W drugim i trzecim rzędzie można zaobserwować odpowiednio odpowiadającą im maskę miąższu płuc oraz maskę końcową z wykluczeniem naczyń. Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Przykład nieprawidłowej segmentacji miąższu płuc przedstawiono na Rysunku 4. Niezbędna jest wizualna weryfikacja segmentacji wykonanej za pomocą uczenia głębokiego, a w przypadku uznania jej za niesatysfakcjonującą, należy rozważyć wprowadzenie ręcznych korekt w celu zwiększenia dokładności końcowej maski miąższu płuc.

figure-results-4
Rycina 4Przykładowe wyniki błędnej segmentacji opartej na głębokim uczeniu dla 57-letniego mężczyzny. Górny rząd przedstawia obrazy morfologiczne ośmiu reprezentatywnych przekrojów czołowych. W drugim i trzecim rzędzie można zaobserwować odpowiednio odpowiadającą im maskę miąższu płucnego oraz maskę końcową z wykluczeniem naczyń. Jak widać, kilka obszarów włóknistych zostało błędnie rozpoznanych jako naczynia lub struktury pozapłucne. Nieścisłości te zostały skorygowane ręcznie, co zaprezentowano w czwartym rzędzie. Prosimy o kliknięcie tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Po kilku etapach filtrowania opisanych w protokole obliczane są parametry zastępcze wentylacji. Badanie 3D PREFUL MRI generuje mapy ilościowe dla statycznej wentylacji regionalnej (RVent), dynamiczne wskaźniki korelacji przepływ-objętość (FVL-CM) oraz dwa parametry oparte na analizie czasu do osiągnięcia szczytu wentylacji (VTTP), co przedstawiono na Rysunku 5. Rysunek ten prezentuje osiem przekrojów czołowych 32-letniego zdrowego mężczyzny. Należy zwrócić uwagę na oczekiwaną jednorodną dystrybucję wszystkich parametrów wentylacyjnych.

figure-results-5
Rysunek 53D PREFUL MRI zdrowego ochotnika (mężczyzna, 32 lata). Reprezentatywne mapy morfologiczne (górny rząd) oraz parametrów wentylacyjnych 3D PREFUL MRI (drugi do piątego rzędu) dla zdrowego ochotnika (mężczyzna w wieku 32 lat). Statyczną wentylację regionalną reprezentuje wentylacja regionalna (RVent), natomiast dynamikę wentylacji oceniono za pomocą miernika korelacji pętli przepływ-objętość (FVL-CM), czasu do osiągnięcia szczytu wentylacji (VTTP) oraz odchylenia VTTP (VTTPOpracowanie) reprezentują parametry wentylacji oceniające dynamikę wentylacji. Zgodnie z oczekiwaniami, dla wszystkich map parametrów wentylacyjnych obserwuje się jednorodne wartości wentylacji. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

W celu uproszczenia map wentylacji, dla RVent oraz FVL-CM wyznaczono mapy defektów wentylacji (VD), co umożliwia szybszą interpretację wyników. Przykładowe mapy VD przedstawiono na Rysunku 6. Dla obu parametrów, VDRVent oraz VDFVL-CM, wartości VDP wyniosły odpowiednio 3,6% i 3,0%, co mieści się w normie dla osób zdrowych. W zależności od wieku zdrowych ochotników, wartość VDP idealnie nie powinna przekraczać 10%. Powyższe parametry (RVent, FVL-CM oraz ich mapy VD) zostały zwalidowane w kilku badaniach1,12,35,36 i wykazują czułość zarówno w wykrywaniu chorób, jak i w wykrywaniu efektów indukowanych terapią20,34,37,38,39.

figure-results-6
Rycina 6Reprezentatywne mapy RVent i FVL-CM, w tym mapy deficytów wentylacyjnych. Przedstawiono mapy RVent (górny rząd) i FVL-CM (drugi rząd), w tym mapy deficytów wentylacji (trzeci i czwarty rząd) uzyskane za pomocą 3D PREFUL MRI u zdrowego ochotnika (mężczyzna w wieku 32 lat). Na mapach VD obszary zdrowe są zaznaczone kolorem zielonym, a obszary z deficytem wentylacji kolorem czerwonym. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

W literaturze opisano szereg badań płuc metodą MRI przeprowadzonych przy natężeniu pola magnetycznego zarówno 1,5 T, jak i 3 T. Choć teoretyczną zaletą 3 T jest zwiększony stosunek sygnału do szumu (SNR), może ona zostać zniwelowana przez bardziej wyraźne efekty podatności magnetycznej przy 3 T. Dokładny wpływ natężenia pola magnetycznego na jakość obrazu trójwymiarowych map wentylacyjnych PREFUL nie jest obecnie znany. Przedstawiamy tutaj wyniki oceny wykonalności (Rysunek 7) uzyskane dla zdrowego ochotnika (mężczyzna w wieku 35 lat) przy użyciu skanera MR 3 T. Należy zwrócić uwagę na bardziej niejednorodny wygląd parametrów wentylacji przy 3 T w porównaniu do 1,5 T (Rysunek 5).

figure-results-7
Rysunek 73D PREFUL MRI zdrowego ochotnika (mężczyzna w wieku 35 lat). Reprezentatywne mapy morfologiczne (górny rząd) oraz parametry wentylacyjne 3D PREFUL MRI (drugi do piątego rzędu) dla zdrowego ochotnika (mężczyzna, 35 lat) przy 3T. Statyczna wentylacja regionalna jest przedstawiona jako wentylacja regionalna (RVent), natomiast dynamikę wentylacji oceniono za pomocą metryki korelacji pętli przepływ-objętość (FVL-CM), czasu do szczytu wentylacji (VTTP) oraz odchylenia VTTP (VTTPDev) reprezentują parametry wentylacji oceniające dynamikę wentylacji. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Porównanie/walidacja 3D PREFUL uzyskanej za pomocą bardziej bezpośrednich pomiarów nie zostało obecnie opublikowane. Istnieje kilka badań wykazujących pozytywną korelację między wartościami VDP a przestrzennym pokryciem defektów wentylacji pomiędzy techniką 2D PREFUL a 129Xe1,12,14 oraz 19F MRI35. Niedawne porównanie wentylacji wyznaczonej za pomocą 3D PREFUL z bezpośrednimi pomiarami wentylacji z wykorzystaniem 19F MRI u pacjentów z przewlekłą obturacyjną chorobą płuc (POChP), astmą oraz u zdrowych ochotników wykazało umiarkowaną do silnej korelację na poziomie globalnym40. Przedstawiono przykład porównania (Rysunek 8) dla pacjentki zdiagnozowanej z przewlekłą obturacyjną chorobą płuc (kobieta, 54 lata, FEV1 = 42% wartości przewidywanej), która została zbadana za pomocą 3D PREFUL oraz 19F wash-in MRI.

figure-results-8
Rysunek 83D PREFUL MRI 54-letniej pacjentki z POChP. Obrazy morfologiczne (górny rząd), parametry wentylacyjne oraz odpowiadające im mapy defektów wentylacyjnych u 54-letniej pacjentki z POChP (FEV1 = 42% wartości przewidywanej, FVC = 102% wartości przewidywanej) uzyskane za pomocą 3D PREFUL MRI (drugi i trzeci rząd) oraz 19Przedstawiono obrazy fMRI (4. i 5. rząd) wraz z porównaniem map defektów wentylacyjnych uzyskanych obiema metodami (ostatni rząd). Ogólnie, we wszystkich przekrojach, SøWspółczynnik Dice’a wyniósł 25,5% w obszarach uszkodzonych i 80,6% w obszarach zdrowych, co przełożyło się na całkowite nakładanie się przestrzenne na poziomie 69,2%. Co istotne, widoczna jest korelacja wizualna pomiędzy dopasowanymi obszarami wentylacji w regionach zdrowych i uszkodzonych (przedstawionymi w ciemnozielonym kolorze). Kliknij tutaj, aby wyświetlić powiększoną wersję tej ilustracji.

Badanie 3D PREFUL MRI może być wykorzystywane do pomiaru regionalnych odpowiedzi na terapię20. Przykładowo, Rysunek 9 przedstawia porównanie trzech przekrojów płuc pacjentki z mukowiscydozą (kobieta w wieku 43 lat) w stanie wyjściowym (po lewej, FEV1 = 94% wartości przewidywanej) oraz po terapii modulatorem CFTR (po prawej, FEV1 = 12% wartości przewidywanej). Ponieważ oba pomiary są dopasowane przestrzennie, 3D PREFUL umożliwia analizę regionalnej odpowiedzi na leczenie, co zilustrowano w dolnej części Rysunku 9. Należy zwrócić uwagę na zwiększone wartości metryki korelacji pętli przepływ-objętość oraz redukcję defektów wentylacyjnych po zastosowaniu terapii.

figure-results-9
Rycina 9Pomiary 3D PREFUL u 43-letniej pacjentki z mukowiscydozą (CF). Przykładowe mapy markerów wentylacji dla pomiarów 3D PREFUL w stanie wyjściowym (lewo) i po leczeniu (prawo) u 43-letniej pacjentki z CF. VDPFVL-CM spadło z 18,0% (poziom wyjściowy) do 3,6% (po leczeniu). FEV1 % pred. wyjściowej: 94%, FEV1 % pred. po leczeniu: 12%. LCI wyjściowe: 10,48, LCI po leczeniu: 9,39. Odpowiednie mapy odpowiedzi na leczenie przedstawiono na dole. Proszę zwrócić uwagę na zielone obszary wskazujące na ustąpienie zaburzeń wentylacji po zastosowaniu terapii. Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tej figury.

Tabela 1: Lista typowych parametrów MRI stosowanych podczas obrazowania lokalizacyjnego oraz akwizycji 3D PREFUL w skanerze 1,5T. (A) lokalizator i (B) akwizycja 3D PREFUL. Kliknij tutaj, aby pobrać tę tabelę.

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

Tabela 3: Przykładowy raport statystyczny parametrów 3D PREFUL dla zdrowego ochotnika (mężczyzna, 35 lat) Proszę kliknąć tutaj, aby pobrać tę tabelę.

Dyskusja

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

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

Podziękowania

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

  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

Tagi

Funkcjonalny rezonans magnetyczny p ucMRI z rozdzielczo ci fazowtr jwymiarowe PREFULregionalna wentylacjamapy defekt w wentylacyjnychcompressed sensingrekonstrukcja oparta na g bokim uczeniusegmentacja mi szu p ucdynamika wentylacjipr by czynno ciowe p uc
Trójwymiarowe funkcjonalne obrazowanie metodą rezonansu magnetycznego płuc z rozdzielczością fazową
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki Korzystania

Zasady

Copyright © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.