Trójwymiarowe funkcjonalne obrazowanie metodą rezonansu magnetycznego płuc z rozdzielczością fazową
21 czerwca 2024
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.
3D PREFUL MRI umożliwia wizualizację wentylacji płuc. Jaka była nasza początkowa motywacja do opracowania PREFUL MRI? Było to pragnienie uchwycenia całej objętości płuc z wyższą rozdzielczością obrazu izotropowego w porównaniu z konwencjonalnym rezonansem magnetycznym 2D PREFUL.
3D PREFUL MRI umożliwia dynamiczną wentylację, obrazowanie wykrywania chorób płuc, monitorowanie leczenia i, miejmy nadzieję, w przyszłości prognozowanie pacjentów z chorobami płuc. U dzieci PREFUL MRI jest szczególnie pomocny, ponieważ jest bardzo przyjazny dla pacjenta bez promieniowania. Najważniejszą zaletą rezonansu magnetycznego 3D PREFUL jest wykorzystanie sekwencji produktów, która jest dostępna w najnowocześniejszych skanerach MR, co ułatwia jej powszechne zastosowanie w innych ośrodkach.
Dodatkowo, w porównaniu z innymi technikami rezonansu magnetycznego 3D bez wzmocnienia swobodnego oddychania, rezonans magnetyczny 3D PREFUL został niedawno zwalidowany do bezpośredniego pomiaru wentylacji przy użyciu obrazowania 19 FCA i obrazowania hiperizowanych gazów, wykazując silną zgodność między tymi metodami. Wykazaliśmy, że rezonans magnetyczny 3D PREFUL był w stanie wykazać niejednorodność wentylacji i defekty wentylacji u pacjentów z astmą i CBD. Ponadto udało nam się wykazać efekty odpowiedzi na leczenie u pacjentów z mukowiscydozą po terapii.
Uważamy więc, że w przyszłości 3D PREFUL MRI będzie cennym narzędziem w klinice dla pacjentów z chorobami płuc. Najnowsze osiągnięcia 3D PREFUL obejmują nowe projekty sekwencji, takie jak wykorzystanie trajektorii spiralnych. Są one istotne ze względu na ich niższe wymagania sprzętowe i zwiększoną wydajność próbkowania na podstawie przypadków.
Ponadto coraz większe zainteresowanie cieszy się podejściem symultanicznym ze względu na znaczne skrócenie czasu skanowania podczas akwizycji 2D, przy jednoczesnym umożliwieniu obrazowania ważonego wentylacją i perfuzją. Kolejne kroki w 3D PREFUL MRI będą obejmowały dalsze skrócenie czasu akwizycji i zastosowanie technik opartych na głębokim uczeniu do rekonstrukcji i rejestracji obrazu, ponieważ te kroki są obecnie najbardziej czasochłonne w przygotowaniu. W związku z tym dążymy do znacznego przyspieszenia tych procesów, poprawiając ogólną efektywność akwizycji i umożliwiając rekonstrukcję online.
Na początek poinstruuj pacjenta, aby położył się na stole do obrazowania metodą rezonansu magnetycznego lub rezonansu magnetycznego w pozycji leżącej. Korzystając z nawigacji światłem laserowym, ustaw pacjenta tak, aby obrazowany obszar zajmował środek odwiertu ISIS. Wykonaj sekwencję lokalizacyjną, aby uzyskać obrazy anatomiczne o niskiej rozdzielczości w trzech płaszczyznach, aby zaplanować badanie 3D PREFUL.
Po ustawieniu parametrów akwizycji należy ustawić liczbę rzutów promieniowych tak, aby akwizycja trwała około ośmiu minut. Sprawdź, czy cała klatka piersiowa znajduje się w polu widzenia i rozpocznij akwizycję. Zapisz nieprzetworzone dane 3D PREFUL oparte na wielkości liter, wykonując kroki specyficzne dla dostawcy w konsoli MR.
Ustaw ścieżkę do nieprzetworzonych danych, aby ocenić uzyskane dane przy użyciu skryptu rekonstrukcji obrazu. Oszacuj opóźnienia gradientu zależne od układu MR, korzystając z projekcji kalibracyjnych z funkcją opóźnienia S w BART. Zastosuj przesunięcie do każdej projekcji zgodnie z obliczonym opóźnieniem gradientu, a następnie przekaż filtrowanie do danych skorygowanych o opóźnienie gradientu przy użyciu okna okresowego w płaszczyźnie XY i kierunku Z.
W przypadku rekonstrukcji obrazu o niskiej rozdzielczości wybierz jedną ósmą danych opartych na wielkości liter, wyśrodkowanych wokół środkowego indeksu wymiaru odczytu, a także jedną czwartą danych opartych na wielkości liter wyśrodkowanych wokół środkowego indeksu wymiaru partycji. Przekształć macierze danych opartych na przypadkach i odpowiadających im trajektoriach, aby uwzględnić dodatkowe wymiary czasowe, przy czym każdy punkt czasowy składa się z 14 rzutów radialnych. Wykorzystując obrazowanie równoległe i polecenie compressed sensing pics, BART wykonuje rekonstrukcję obrazu.
Aby wyodrębnić sygnał bramkowania oddechowego, należy podzielić miąższ płuc na każdy zrekonstruowany obraz 3D o niskiej rozdzielczości za pomocą progowania Otsu i obliczyć objętość miąższu płuc dla każdego punktu czasowego. Zastosuj filtr dolnoprzepustowy o częstotliwości odcięcia 0,7 Hz do wyekstrahowanego szeregu czasowego objętości i oblicz częstotliwość oddychania. Następnie wyklucz skrajne wartości odstające z szeregów czasowych.
Następnie wykonaj szybką transformację Fouriera na przekazywaniu danych filtru wzdłuż kierunku przekroju, aby umożliwić rekonstrukcję obrazu plasterek po wycinku. Przekształć macierz danych opartą na obserwacji na podstawie wyodrębnionych szeregów czasowych, tak aby każdy pojemnik oddechowy zawierał co najmniej 100 szprych. Przekształcono macierz trajektorii opartych na przypadkach, aby dopasować ją do rozmiaru danych opartych na przypadkach i wykorzystać 20% projekcji z sąsiednich pojemników w celu poprawy stosunku sygnału do szumu każdego pojemnika oddechowego.
Wykonaj polecenie picks, aby zrekonstruować obraz dla każdego plasterka. Zapisz zmienne, w tym zrekonstruowane obrazy jednego pełnego cyklu oddechowego, częstotliwości oddychania i czasów akwizycji w pliku DOTMAP. Następnie należy odwrócić natężenia sygnału zrekonstruowanych obrazów i zarejestrować je w wybranym stanie oddechowym za pomocą niesztywnej rejestracji.
Wykonaj filtrowanie za pomocą regresji jądra Nadaraya-Watson do zarejestrowanych i odwróconych obrazów, aby interpolować 16 faz na jednolicie rozmieszczoną siatkę czasu. Wyeliminuj zmiany sygnału niezwiązane z oddychaniem za pomocą filtra dolnoprzepustowego o częstotliwości 0,7 Hz do interpolowanych danych w dziedzinie czasu. Ustaw parametry rozmiaru okna na 5 5 5 i lambda na 0,001.
Usuwanie szumów z filtrów dolnoprzepustowych przy użyciu filtrowania sterowanego obrazem z czasowo uśrednionym zarejestrowanym obrazem jako obrazem prowadzącym. Oblicz wentylację regionalną lub nasze mapy wentylacji w mililitrach na mililitr dla każdej fazy oddechowej N. Następnie podziel miąższ płuc na segmenty końcowego wdechowego obrazu 3D za pomocą konwolucyjnej sieci neuronalnej z architekturą sieci NNU. Wyklucz naczynia płucne za pomocą algorytmu rozpoznawania naczyń, a następnie oblicz defekt wentylacji lub mapę VD mapy wentylacji R ósmej fazy, która reprezentuje maksymalną wentylację.
Oblicz przepływ jako pierwszą pochodną odpowietrznika R. Ustal referencyjną pętlę objętości przepływu lub FVL dla każdego wycinka obliczonego na podstawie zdrowego regionu zdefiniowanego przez nasze wartości wentylacji między 75. a 95. percentylem. Określ podobieństwo między każdym wokselem miąższu płuc FVL a referencyjnym FVL za pomocą korelacji krzyżowej z zerowym opóźnieniem.
Następnie oblicz mapę metryczną korelacji FEL defektów wentylacji. Oblicz czas wentylacji do szczytu lub mapy VTTP w procentach cyklu oddechowego, a następnie odchylenie wartości VTTP od wdechu piku przy 50%Opisz statystycznie parametry to wentylacja, FELCM, VTTP i odchylenie VTTP dla wszystkich wycinków, podając medianę, średnią, wartości odchylenia standardowego i przedziały międzykwartylowe. Na koniec należy obliczyć wartości procentowe wad wentylacji pochodzące z wygenerowanych map VD i wyeksportować wszystkie obliczone parametry do pliku arkusza kalkulacyjnego.
Badanie 3D PREFUL MRA zdrowego ochotnika wykazało jednorodne wartości wentylacji dla wszystkich map parametrów wentylacji. Na przykładowych mapach VD wartość procentowa wad wentylacji dla naszego odpowietrznika wynosiła 3,6%, a dla FELCM 3%, co mieściło się w zdrowym normalnym zakresie. Porównanie map wad wentylacji z 3D PREFUL MRI i 19 FMRI 54-letniej pacjentki z przewlekłą obturacyjną chorobą płuc wykazało dobrą korelację wzrokową między obszarami zdrowymi i hipowentylowanymi.
Porównanie rezonansu magnetycznego 3D PREFUL w celu pomiaru odpowiedzi regionalnej po leczeniu płuca osoby chorej na mukowiscydozę wykazało zwiększone wartości wskaźnika korelacji FEL, a także zmniejszenie VD po terapii.
Przegląd
Technika 3D fazowo rozdzielcza funkcjonalnych płuc (PREFUL) MRI umożliwia kompleksową wizualizację i ilościową ocenę wentylacji płuc w całym objętości płuc. Ta metoda poprawia rozdzielczość obrazu i jest szczególnie przydatna w monitorowaniu chorób płuc w sposób przyjazny dla pacjenta.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauki
- Wizualizacja medyczna
- Zdrowie układu oddechowego
Tło
- 3D PREFUL MRI rejestruje całą objętość płuc z wyższą rozdzielczością niż konwencjonalne metody.
- Jest nieinwazyjna i nie wymaga promieniowania, co sprawia, że jest odpowiednia dla dzieci.
- Technika została zweryfikowana w porównaniu z innymi metodami obrazowania w mierzeniu wentylacji.
- Ostatnie osiągnięcia obejmują nowe projekty sekwencyj i zmniejszenie czasu akwizycji.
Cel badania
- Opracowanie metody dynamicznej oceny wentylacji u pacjentów z chorobami płuc.
- Ułatwienie monitorowania leczenia i poprawa prognozowania w chorobach płuc.
- Zwiększenie przydatności klinicznej MRI w zdrowiu układu oddechowego.
Zastosowane metody
- Wykorzystanie sekwencji produktu na najnowocześniejszych skanerach MR.
- Zastosowanie technik rekonstrukcji obrazu, w tym uczenia głębokiego.
- Zastosowanie bramki oddechowej i metod segmentacji do analizy danych.
- Zastosowanie różnych technik filtrowania i rejestracji w celu poprawy jakości obrazu.
Główne wyniki
- 3D PREFUL MRI wykazało niejednorodność wentylacji u pacjentów z astmą i POChP.
- Skutecznie monitorowało odpowiedzi na leczenie u pacjentów z mukowiscydozą.
- Nowe projekty sekwencyj poprawiły efektywność akwizycji i zmniejszyły czas skanowania.
- Znaleziono silną korespondencję między 3D PREFUL MRI a innymi metodami pomiaru wentylacji.
Wnioski
- 3D PREFUL MRI jest cennym narzędziem do oceny funkcji płuc w środowisku klinicznym.
- Przyszłe rozwój ma na celu dalsze skracanie czasu akwizycji i poprawę przetwarzania obrazów.
- Ta technika obiecuje poprawę opieki nad pacjentami z chorobami układu oddechowego.
Często zadawane pytania
Executive Industry Relevance
Three-dimensional phase-resolved functional lung (3D PREFUL) MRI enables quantitative, radiation-free assessment of regional lung ventilation dynamics across the entire lung volume. This technology enhances predictive confidence in respiratory disease models and supports translational continuity from discovery through preclinical validation. Its robust, reproducible outputs position it as a reusable platform for respiratory drug development and mechanistic de-risking.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of pulmonary ventilation mechanisms in disease-relevant systems.
- Supports functional target validation by quantifying regional ventilation heterogeneity.
- Facilitates mechanistic de-risking for respiratory drug candidates.
Screening & Assay Development
- Provides standardized, quantitative imaging outputs for assay development.
- Enables reproducible assessment of compound effects on lung ventilation.
- Supports platform scalability and cross-study comparability in respiratory models.
Translational & Preclinical Research
- Aligns imaging biomarkers with clinical pulmonary function endpoints.
- Enables longitudinal monitoring of treatment response in preclinical and translational studies.
- Reduces biological risk by providing non-invasive, repeatable measurements.
Pipeline & Workflow Integration
3D PREFUL MRI integrates into the respiratory drug discovery continuum from early mechanistic studies through preclinical efficacy and biomarker validation.
- Discovery Biology: Quantifies ventilation dynamics to clarify disease mechanisms and validate targets.
- Screening: Delivers reproducible, quantitative readouts for compound evaluation in lung models.
- Analytics: Provides statistical outputs (e.g., ventilation defect percentage, flow-volume metrics) for robust condition comparison.
- Translational Research: Bridges preclinical imaging with clinical pulmonary function tests for biomarker alignment.
- Enterprise Reuse: Offers a scalable, vendor-agnostic imaging platform for multi-program respiratory portfolios.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in respiratory models.
- Operational Value: Standardizes imaging protocols and enables reproducible, multi-site implementation.
- Strategic Value: Improves go/no-go decisions and capital efficiency by providing robust, quantitative endpoints.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of respiratory assets.
Implementation Considerations
- Requires expertise in advanced MRI acquisition and image analysis.
- Needs access to state-of-the-art MR scanners and computational infrastructure for image reconstruction.
- Demands cross-team standardization of imaging protocols and data processing pipelines.
- Adaptable to various preclinical and clinical lung disease models with appropriate parameterization.
- Current limitations include image reconstruction time and the need for further automation in data processing.
