Artigo de método

Imagem de ressonância magnética funcional resolvida fase tridimensional do pulmão

2.1K vistas

⸱

DOI:

10.3791/66385

⸱

21 de junho de 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)

Neste artigo

Resumo

O pulmão funcional tridimensional (3D) resolvido em fase (PREFUL) é uma técnica de ressonância magnética (RM) funcional que permite quantificar a ventilação regional de todo o volume pulmonar humano, usando respiração corrente e aquisição livre de contraste por 8 min. Aqui, apresentamos um protocolo de RM para coletar e analisar dados de imagem 3D PREFUL.

Resumo

A ressonância magnética pulmonar (RM) oferece uma variedade de técnicas livres de radiação adaptadas para avaliar a ventilação pulmonar regional ou seus substitutos. Essas técnicas abrangem medições diretas, exemplificadas por ressonância magnética com gás hiperpolarizado e ressonância magnética com gás fluorado, bem como medições indiretas facilitadas por ressonância magnética com oxigênio e ressonância magnética de decomposição de Fourier (FD) baseada em prótons. Nos últimos tempos, houve um progresso substancial no campo da ressonância magnética DF, que envolveu a melhoria da resolução espacial/temporal, refinando o design e o pós-processamento da sequência e desenvolvendo uma abordagem abrangente de todo o pulmão.

A ressonância magnética funcional do pulmão (PREFUL) bidimensional (2D) resolvida em fase se destaca como uma abordagem baseada em DF desenvolvida para a avaliação abrangente da ventilação regional e da dinâmica de perfusão, tudo dentro de uma única aquisição de RM. Recentemente, um novo avanço foi feito com o desenvolvimento do 3D PREFUL para avaliar a ventilação dinâmica de todo o pulmão usando um exame de 8 minutos com uma sequência auto-controlada.

A aquisição do 3D PREFUL envolve o emprego de uma sequência de eco de gradiente estragado de estrelas com um incremento de ângulo dourado. Após a reconstrução da imagem de detecção comprimida de aproximadamente 40 fases respiratórias, todas as imagens reconstruídas resolvidas respiratórias são registradas em uma fase respiratória fixa. Posteriormente, os parâmetros ventilatórios são extraídos das imagens registradas.

Em uma coorte de estudo composta por voluntários saudáveis e pacientes com doença pulmonar obstrutiva crônica, os parâmetros de ventilação 3D PREFUL demonstraram fortes correlações com as medidas obtidas a partir de testes de função pulmonar. Além disso, a repetibilidade intervarredura da técnica 3D PREFUL foi considerada aceitável, indicando sua confiabilidade para avaliações repetidas dos mesmos indivíduos.

Em resumo, a ressonância magnética de ventilação 3D PREFUL fornece uma cobertura pulmonar completa e captura a dinâmica da ventilação com resolução espacial aprimorada em comparação com a 2D PREFUL. 3D a técnica PREFUL oferece uma alternativa econômica à ressonância magnética hiperpolarizada de 129Xe, tornando-a uma opção atraente para avaliação da ventilação pulmonar amigável ao paciente.

Introdução

De acordo com a Organização Mundial da Saúde (OMS), as doenças respiratórias crônicas são a terceira principal causa de morte, sobrecarregando significativamente os cuidados de saúde1. O diagnóstico e o acompanhamento de diversas doenças respiratórias envolvem testes funcionais pulmonares, que carecem de informações espaciais e podem não ser viáveis em pacientes jovens. Várias outras modalidades de medicina nuclear fornecem medidas espaciais de ventilação, como tomografia por emissão de pósitrons (PET)2, tomografia computadorizada por emissão de fóton único (SPECT)3 ou tomografia computadorizada4. Uma desvantagem significativa dessas técnicas é o uso de radiação ionizante para imagens. Portanto, essas medições não são viáveis em populações sensíveis, como crianças, ou para medições repetidas em estudos clínicos.

Os métodos de ressonância magnética ganharam interesse nas últimas duas décadas porque oferecem medição da função pulmonar sem radiação. Acima de tudo, técnicas de ressonância magnética com gás hiperpolarizado5 têm sido usadas para a avaliação da ventilação pulmonar em controles saudáveis e pacientes com doença pulmonar, alcançando uma relação sinal-ruído (SNR) superior quando comparada a 19F6 ou ressonância magnética com oxigênio7. As desvantagens comuns das técnicas de ressonância magnética com gás incluem a necessidade de pessoal adicional, custos de hardware ou a necessidade de cooperação do paciente durante a medição do respiro. Para lidar com essas limitações, métodos baseados em Fourier Decomposition (FD) MRI8 foram introduzidos para avaliar a ventilação e perfusão pulmonar. Como alternativa à RM FD, uma ressonância magnética funcional do pulmão resolvida em fase (PREFUL) 9 foi desenvolvida, validada10,11,12 e testada em vários estudos, incluindo estudos multicêntricos13,14. No entanto, a aquisição 2D resulta em longos tempos de aquisição para cobertura pulmonar completa e resolução espacial limitada. Uma solução elegante é oferecida por aquisições 3D auto-fechadas, embora às custas das informações de perfusão15,16,17. Uma dessas técnicas, 3D PREFUL MRI17, foi desenvolvida não apenas para avaliar a ventilação estática, mas também a dinâmica da ventilação durante um exame de RM de 8 minutos, proporcionando resolução de imagem superior quando comparada aos métodos 2D.

Seguindo a publicação original descrevendo o método17, a repetibilidade da técnica foi avaliada e comparada clinicamente com as medidas espirométricas bem estabelecidas18 e, mais recentemente, uma estrutura de registro acelerado de imagens foi introduzida, melhorando a repetibilidade dos parâmetros ventilatórios e preservando a qualidade da imagem dos mapas de ventilação19. Essa técnica amigável ao paciente e facilmente escalável, capaz de mapear quantitativamente a ventilação regional no pulmão humano, tem o potencial de contribuir significativamente para a detecção precoce, diagnóstico de doenças respiratórias ou monitoramento de acompanhamento dos efeitos da terapia20. Essas alterações no tratamento da função pulmonar regional, como melhora do volume de ventilação, têm o potencial de se tornarem biomarcadores para avaliar o impacto das terapias e podem ser uma ferramenta útil em estudos clínicos multicêntricos.

O artigo tem como objetivo fornecer uma explicação abrangente e visual da tecnologia 3D PREFUL, com o objetivo de promover uma tradução mais ampla desta técnica.

Protocolo

Este estudo recebeu aprovação do comitê de ética da Escola Médica de Hannover, garantindo que aderiu a rigorosos padrões éticos durante todo o processo de pesquisa. A investigação seguiu estritamente as diretrizes descritas na Declaração de Helsinque, enfatizando a conduta ética na pesquisa médica. Além disso, o consentimento informado foi diligentemente obtido de todos os participantes do estudo (ou de seus pais ou responsáveis legais) antes de sua participação no exame de ressonância magnética.

NOTA: Os critérios de inclusão/exclusão para estudos envolvendo ressonância magnética 3D PREFUL variam e dependem do delineamento do estudo. Normalmente, os critérios de inclusão para voluntários saudáveis em um exame de ressonância magnética 3D PREFUL envolvem indivíduos que (a) estejam livres de quaisquer condições médicas significativas que possam afetar os resultados do estudo, (b) não estejam fazendo uso de medicamentos que possam interferir nos resultados da ressonância magnética, (c) não tenham claustrofobia, ansiedade, implantes ou dispositivos metálicos, (d) atendam a critérios específicos de idade e sexo relevantes aos objetivos do estudo, (e) não tenham histórico de tabagismo, (f) apresentem achados normais na espirometria (VEF1/CVF > 0,7 e ambos VEF1 e CVF > 80% do valor predito). Os critérios de exclusão para todos os participantes do estudo submetidos a um exame de ressonância magnética 3D PREFUL podem incluir: (a) gravidez, (b) ter qualquer condição que possa comprometer a segurança ou a validade do exame de ressonância magnética 3D PREFUL, (c) intolerância a agentes de contraste à base de gadolínio quando a ressonância magnética com contraste dinâmico for incluída no protocolo do estudo.

1. Entrevista pré-RNM

  1. Peça a um médico que colete informações importantes sobre o histórico médico do sujeito.
  2. Explique as contraindicações potenciais, os riscos e o procedimento de ressonância magnética.
  3. Obtenha o consentimento informado por escrito do sujeito.
    NOTA: Caso não haja resultados de testes de função pulmonar disponíveis, solicite que o sujeito realize um teste de função pulmonar antes do exame de ressonância magnética e verifique se os resultados obtidos atendem aos critérios de inclusão.

2. Preparação do radiologista para o exame de RM

  1. Registre o sujeito no console de RM e escolha o protocolo de RM do estudo com aquisição 3D PREFUL.
  2. Verifique se o sujeito, seus bolsos e roupas estão livres de peças contendo metal.
  3. Posicione as folhas na mesa do scanner de modo que um ambiente estéril seja garantido.
  4. Entre na sala de RM com o sujeito.

3. Preparando o sujeito para o exame de RM

  1. Pedir ao sujeito que deite sobre a mesa de ressonância magnética em posição supina (contudo, uma posição prona é possível).
  2. Garantir que a bobina torácica ofereça cobertura adequada do tórax, posicionando o elemento superior da bobina torácica próximo ao queixo do sujeito.
  3. Fornecer ao sujeito fones de ouvido (alternativamente tampões auriculares ou ambos) para proteger a audição contra os ruídos intensos provocados pela ressonância magnética.
  4. Fornecer ao sujeito um botão de segurança (ou um mecanismo de segurança alternativo) para que possa ser facilmente acessado e apertado.
  5. Colocar uma almofada sob a cabeça e as pernas do sujeito para aumentar o conforto durante o exame de ressonância magnética.
  6. Posicionar o sujeito dentro do aparelho de ressonância magnética, utilizando a navegação por luz laser para garantir que a área a ser imageada ocupe o isocentro do túnel.

4. Exame de RNM

  1. Localizador
    1. Realize uma sequência de localização (com parâmetros semelhantes aos listados na Tabela 1A) para obter imagens anatômicas de baixa resolução em três planos (com campo de visão amplo) que serão utilizadas para planejar o exame 3D PREFUL.
  2. Imageamento 3D PREFUL
    1. Defina os parâmetros de aquisição de acordo com a Tabela 1B para a aquisição de imagens.
    2. Ajuste o número de projeções radiais de forma adequada para que a aquisição dure aproximadamente 8 min.
    3. Instrua o sujeito a respirar normalmente (respiração livre) durante toda a aquisição.
    4. Verifique se todo o tórax está incluído no campo de visão e inicie a aquisição.
  3. Após a conclusão do imageamento, remova o sujeito do scanner.

5. Transferência de dados brutos

  1. Normalmente, os dados brutos adquiridos não são salvos na plataforma do fabricante do RM. Salve os dados de kspace 3D PREFUL brutos utilizando os passos específicos do fabricante no console do RM.

6. Análise de dados e pós-processamento

  1. Inicie a avaliação dos dados adquiridos utilizando o script de reconstrução de imagem (Tabela de Materiais) na estação de trabalho designada, por exemplo, no MATLAB, definindo o caminho para os dados brutos.
    OBSERVAÇÃO: A estação de trabalho designada já deve ter os seguintes pacotes instalados:
    (a) A Berkeley Advanced Reconstruction Toolbox (BART)
    ​(b) Ferramentas Avançadas de Normalização (ANTs)
  2. Reconstrução de imagem
    1. Estime os atrasos dos gradientes dependentes do sistema de RM usando as projeções de calibração com o estdelay função implementada na caixa de ferramentas avançada de reconstrução de Berkeley (BART)21,22.
    2. Aplique um deslocamento a cada projeção de acordo com o atraso do gradiente calculado.
    3. Aplicar filtro de Hanning (usando o hann função no MATLAB) aos dados corrigidos quanto ao atraso do gradiente utilizando uma janela periódica no plano x-y e na direção z.
    4. Reconstrução de imagem de baixa resolução para agrupamento respiratório
      1. Selecione um oitavo/um quarto dos dados do k-espaço centrados em torno do índice médio da dimensão de leitura/partição.
        OBSERVAÇÃO: Dependendo do tamanho do sujeito, este passo resulta em um tamanho de matriz de 32 x 32 x (12-20).
      2. Remodele as matrizes dos dados do espaço-k e das trajetórias correspondentes para incluir uma dimensão temporal adicional, sendo cada ponto temporal composto por 14 projeções radiais.
        OBSERVAÇÃO: Cada ponto temporal subsequente inclui 13 projeções radiais do ponto temporal anterior mais uma nova projeção radial sucessiva.
      3. Utilize a imagem paralela e a aquisição comprimida (imagens) comando implementado no BART para reconstrução de imagens.
        OBSERVAÇÃO: Aplique a norma L2 (λ = 0,1) e variação totalλ = 0,0001) regularização no domínio espacial e variação total (λ regularização no domínio do tempo = 0,01
    5. Extração do sinal de sincronização respiratória
      1. Segmentar o parênquima pulmonar em cada imagem tridimensional reconstruída de baixa resolução utilizando o limiar de Otsu23e calcule o volume do parênquima pulmonar para cada ponto temporal.
      2. Aplique um filtro passa-baixa com frequência de corte de 0,7 Hz à série temporal de volume extraída e calcule a frequência respiratória.
      3. Exclua outliers extremos da série temporal (pontos de tempo acima do percentil 95)th percentil e abaixo do 10th percentil).
        OBSERVAÇÃO: Organizar as séries temporais por sua amplitude e fase permite reconstruir um único ciclo respiratório.
    6. Realize a transformada rápida de Fourier (FFT, fft função no MATLAB) nos dados filtrados com hanning ao longo da direção de corte para permitir a reconstrução de imagens fatia por fatia.
    7. Remodele a matriz de dados do espaço-k com base na série temporal extraída, de modo que cada compartimento respiratório contenha no mínimo 100 raios.
    8. Utilize 20% das projeções de compartimentos adjacentes para aumentar a relação sinal-ruído24,25 de cada compartimento respiratório.
    9. Remodelar a matriz das trajetórias no espaço-k para corresponder ao tamanho dos dados do espaço-k.
    10. Execute o imagens comando para a reconstrução da imagem de cada corte.
      OBSERVAÇÃO: Aplique a norma L2 (λ = 0,1) e variação totalλ = 0,0001) regularização no domínio espacial e variação total (λ regularização no domínio do tempo = 0,01
    11. Salve as variáveis, incluindo as imagens reconstruídas de um ciclo respiratório completo, frequência respiratória e tempos de aquisição, em um arquivo .mat.
  3. Registro de imagens
    1. Inverta as intensidades do sinal das imagens reconstruídas.
    2. Registre as imagens em um estado respiratório selecionado, como a inspiração, utilizando registro não rígido.
      OBSERVAÇÃO: Para melhorar a precisão do registro, uma abordagem orientada ao grupo26 pode ser empregado. O processo de registro pode ser executado em CPU ou GPU utilizando ferramentas como Advanced Normalization Tools (ANTs)27 ou o pacote de registro Forsberg28.
  4. Segmentação do parênquima pulmonar
    1. Segmente o parênquima pulmonar da imagem 3D no final da inspiração utilizando uma rede neural convolucional com, por exemplo, arquitetura nnUnet29.
    2. Exclua os vasos pulmonares utilizando um algoritmo de reconhecimento de vasos, como o descrito por Wernz et al.30.
      OBSERVAÇÃO: O passo de reconhecimento dos vasos pulmonares não é obrigatório se você não tiver acesso a tal algoritmo. Em alguns casos, pode ser necessária uma ressegmentação manual.
  5. Filtração
    1. Aplicar a regressão do kernel de Nadaraya-Watson (com σ = 0,3) para as imagens registradas e reinvertidas para interpolar 16 fases em uma grade temporal uniformemente espaçada.
    2. Elimine variações de sinal não relacionadas à respiração aplicando um filtro passa-baixa em 0,7 Hz aos dados interpolados no domínio do tempo.
    3. Desserialize as imagens filtradas por passa-baixa utilizando filtragem guiada por imagem31, com a imagem registrada média no tempo servindo como imagem guia. Defina os seguintes parâmetros: Tamanho da janela = [5, 5, 5], lambda = 0.001.
  6. Análise de ventilação
    1. Calcule os mapas de ventilação regional (RVent) em mililitro/mililitro (mL/mL) para cada fase respiratória N utilizando a seguinte fórmula32:
      figure-protocol-1     [1]
      OBSERVAÇÃO: SInsp representa a imagem-alvo para o registro de imagens, correspondente ao nível de inspiração final. SExp refere-se à imagem no final da expiração, enquanto SN representa o N-ésimo estado respiratório.
    2. Calcular o defeito de ventilação (DVVentrículo direito) mapa do RVent mapa de 8th fase, que representa a ventilação máxima.
      ​OBSERVAÇÃO: Para calcular o VD, os vóxeis abaixo do limiar de 90th valor percentil, multiplicado por um fator de 0,4, são considerados defeitos33.
    3. Calcule o mapa da métrica de correlação do laço fluxo-volume (FVL-CM).
      1. Calcule o fluxo como a primeira derivada de RVent.
        OBSERVAÇÃO: O volume é medido diretamente pelo RVent.
      2. Estabeleça um FVL de referência para cada corte, calculado a partir de uma região saudável definida por valores de RVent entre 75th e 95th percentil
      3. Determine a similaridade entre o FVL de cada vóxel do parênquima pulmonar e o FVL de referência utilizando a correlação cruzada com atraso zero.
    4. Calcular VDFVL-CM mapa, em que vóxeis com valores de FVL-CM abaixo de 0,9 são identificados como vóxeis com defeito de ventilação34.
    5. Calcule mapas de tempo para o pico de ventilação (TPV) em porcentagem (%) do ciclo respiratório.
      OBSERVAÇÃO: Teoricamente, o ciclo respiratório interpolado começa/termina no pico da expiração e é simétrico em relação ao pico da inspiração, situado a 50% do ciclo de ventilação, para um vóxel saudável. Para vóxeis que apresentam dinâmica ventilatória avançada ou tardia, o mapa do tempo para pico de volume (VTTP) exibirá um valor abaixo/acima de 50%.
    6. Calcule o desvio do valor de VTTP (VTTPDesenvolvimento) do pico da inspiração a 50% da seguinte forma:
      figure-protocol-2    [2]
      OBSERVAÇÃO: Para uma região saudável, o VTTPDesenvolvimento deve estar próximo de 0%.
    7. Estatística
      1. Descreva estatisticamente os parâmetros RVent, FVL-CM, VTTP e VTTPDesenvolvimento para todos os cortes, fornecendo valores medianos, médios, desvios padrão e intervalos interquartis.
      2. Calcule os valores percentuais de defeito de ventilação derivados dos mapas de DV gerados.
      3. Exportar todos os parâmetros calculados para um arquivo de planilha eletrônica (consulte o exemplo fornecido no Tabela 3).

Resultados

O protocolo de imagem 3D PREFUL mais simples inclui duas sequências. Um localizador anatômico + uma medida com respiração livre utilizando aquisição em formato 3D stack-of-stars com ângulo dourado. A trajetória stack-of-stars é mostrada na Figura 1. Essa trajetória combina amostragem radial (no plano) com amostragem cartesiana linear (na direção z). Inicialmente, são adquiridas amostras na direção da partição kz, seguidas pela rotação do ângulo dourado para amostrar o plano kx-ky. O esquema de aquisição por ângulo dourado promove auto-gatilhamento com cobertura uniforme do espaço-k, facilitando a reconstrução de imagens com dados fortemente subamostrados. O exame completo não ultrapassa 10 minutos. Mais detalhes sobre a aquisição 3D PREFUL estão apresentados na Tabela de Materiais.

figure-results-1
Figura 1: Trajetória em pilha rotacionada de estrelas com proporção áurea. Observe a amostragem radial aplicada ao longo da dimensão no plano (kx-ky) e a amostragem cartesiana aplicada ao longo da direção de fatia (kz). Este esquema resulta em uma cobertura cilíndrica do espaço-k adquirido. Neste exemplo, são mostradas três partições, incluindo 32 projeções radiais por partição. Clique aqui para visualizar uma versão maior desta figura.

Uma lista dos parâmetros típicos de RM utilizados para a aquisição de imagens 3D PREFUL em um scanner de 1,5 T é apresentada na Tabela 1B. Para o scanner de 3 T, são propostos os parâmetros de sequência listados na Tabela 2.

Após a aquisição e a transferência dos dados serem concluídas, inicia-se a etapa de reconstrução da imagem. Esse passo é realizado por um código MATLAB pertencente à propriedade intelectual (PI) de uma empresa (BioVisioneers GmbH) e não pode ser compartilhado publicamente. O script é totalmente automatizado assim que o caminho para os dados brutos é fornecido. Uma visão esquemática do procedimento de reconstrução é apresentada na Figura 2.

figure-results-2
Figura 2: Visão esquemática do método de ressonância magnética funcional pulmonar tridimensional com resolução de fase (PREFUL). Inicialmente, os dados são adquiridos utilizando uma aquisição por ressonância magnética com respiração livre, de duração de 8 minutos, com trajetória tipo pilha-de-estrelas. Após a transferência dos dados do aparelho de RM para uma unidade de processamento, são reconstruídas imagens tridimensionais de baixa resolução com resolução temporal de aproximadamente 100 ms. O parênquima pulmonar de cada imagem é segmentado e o volume pulmonar é calculado. As informações de volume pulmonar são então utilizadas como sinal de sincronização. Com base na amplitude e na fase do sinal de sincronização, as projeções radiais são classificadas em compartimentos respiratórios que abrangem um ciclo respiratório completo. A etapa de classificação é seguida pela reconstrução dinâmica de imagens de resolução total, que posteriormente são registradas ao nível do final da inspiração. Após diversas etapas de pós-processamento, calcula-se o ciclo de ventilação regional (RVent) e realiza-se a análise das imagens, incluindo a extração de parâmetros. O ciclo RVent é avaliado mediante o cálculo do laço fluxo-volume (FVL) para cada vóxel. Os mapas de ventilação FVL-CM são extraídos por meio da avaliação do FVL de cada vóxel em relação a um FVL de referência saudável, sendo a similaridade avaliada utilizando a métrica de correlação cruzada. Para ambos RVent e FVL-CM, são quantificados os valores globais percentuais totais de defeito de ventilação (VDP). Além disso, a dinâmica do ciclo RVent é analisada por meio da análise de tempo-para-o-pico, resultando em um mapa de parâmetro de tempo-para-o-pico da ventilação (VTTP). Adicionalmente, o desvio do pico esperado de ventilação em 50% do ciclo RVent é quantificado no mapa VTTPDev. Clique aqui para visualizar uma versão ampliada desta figura.

Após o procedimento de reconstrução da imagem, todas as imagens são alinhadas espacialmente a um único estado fixo. O próprio registro é realizado na CPU utilizando o Advanced Normalization Tools (ANTs27) ou o pacote de registro Forsberg28. Embora o pacote ANTs permaneça o padrão ouro para tarefas de registro de imagens em ressonância magnética e tomografia computadorizada, o registro Forsberg permite um procedimento até 10 vezes mais rápido, com duração máxima de 9 minutos, obtendo resultados comparáveis19. O pacote de registro pode ser escolhido com base nas prioridades do usuário e nas unidades computacionais disponíveis. Após a conclusão do registro, as imagens morfológicas registradas são novamente reinvertidas, de modo que o pulmão apareça escuro na imagem em escala de cinza.

Na Figura 3, é apresentada a próxima etapa do fluxo de trabalho, que envolve a segmentação do parênquima pulmonar. Primeiro, o parênquima pulmonar é segmentado a partir da imagem no final da inspiração utilizando uma rede neural convolucional com arquitetura nnUnet29. A segmentação do parênquima pulmonar é seguida por um reconhecimento de vasos30, que é excluído da máscara final de segmentação.

figure-results-3
Figura 3: Resultados exemplares da segmentação baseada em aprendizado profundo para um indivíduo do sexo masculino de 32 anos. A primeira linha exibe imagens morfológicas de oito cortes coronais representativos. Nas segunda e terceira linhas, podem-se observar, respectivamente, a máscara correspondente do parênquima pulmonar e a máscara final com a exclusão dos vasos. Clique aqui para visualizar uma versão ampliada desta figura.

Um exemplo de segmentação incorreta do parênquima pulmonar é mostrado na Figura 4. É essencial inspecionar visualmente as segmentações baseadas em aprendizado profundo, e, caso sejam consideradas insatisfatórias, devem-se considerar correções manuais para aumentar a precisão da máscara final do parênquima pulmonar.

figure-results-4
Figura 4: Resultados exemplares de segmentação incorreta baseada em aprendizado profundo para um sujeito masculino de 57 anos. A primeira linha exibe imagens morfológicas de oito cortes coronais representativos. Nas segunda e terceira linhas, podem-se observar, respectivamente, a máscara do parênquima pulmonar correspondente e a máscara final com a exclusão dos vasos. Como evidente, diversas regiões fibroticas são erroneamente reconhecidas como vasos ou estruturas não pulmonares. Essas imprecisões foram corrigidas manualmente, conforme demonstrado na quarta linha. Clique aqui para visualizar uma versão ampliada desta figura.

Após várias etapas de filtragem descritas no protocolo, são calculados os parâmetros indiretos da ventilação. A ressonância magnética 3D PREFUL gera mapas quantitativos para ventilação regional estática (RVent), métricas dinâmicas de correlação fluxo-volume (FVL-CM) e dois parâmetros baseados na análise do tempo para pico da ventilação (VTTP), conforme ilustrado na Figura 5. Esta figura apresenta oito cortes coronais de um homem saudável de 32 anos. Observe a distribuição homogênea esperada de todos os parâmetros de ventilação.

figure-results-5
Figura 5: Ressonância magnética 3D PREFUL de um voluntário saudável (homem de 32 anos). Mapas representativos dos parâmetros morfológicos (linha superior) e de ventilação por ressonância magnética 3D PREFUL (segunda à quinta linha) de um voluntário saudável (homem de 32 anos). A ventilação regional estática é representada pela ventilação regional (RVent), enquanto a dinâmica da ventilação é avaliada utilizando a métrica de correlação do laço fluxo-volume (FVL-CM), o tempo para pico da ventilação (VTTP) e o desvio do VTTP (VTTPDev), parâmetros que avaliam a dinâmica da ventilação. Conforme esperado, observam-se valores homogêneos de ventilação em todos os mapas de parâmetros ventilatórios. Clique aqui para visualizar uma versão maior desta figura.

Para simplificar os mapas de ventilação, são derivados mapas de defeito de ventilação (VD) para RVent e FVL-CM, o que permite uma interpretação mais rápida dos resultados. Os mapas exemplares de VD são apresentados na Figura 6. Para ambos VDRVent e VDFVL-CM, os valores de VDP foram de 3,6% e 3,0%, respectivamente, situando-se dentro da faixa normal saudável. Idealmente, e dependendo da idade dos voluntários saudáveis, o valor de VDP não deve exceder 10%. Os parâmetros mencionados acima (RVent, FVL-CM e seus mapas de VD) foram validados em diversos estudos11,12,35,36 e são sensíveis na detecção de doenças, bem como na detecção de efeitos induzidos por terapia20,34,37,38,39.

figure-results-6
Figura 6: Mapas representativos de RVent e FVL-CM, incluindo seus mapas de defeito de ventilação. São apresentados os mapas de RVent (linha superior) e FVL-CM (segunda linha), incluindo seus mapas de defeito de ventilação (terceira e quarta linhas), derivados da ressonância magnética 3D PREFUL de um voluntário saudável (homem de 32 anos). Nos mapas de defeito de ventilação (VD), as regiões saudáveis são verdes e as áreas com déficit de ventilação são marcadas em vermelho. Clique aqui para visualizar uma versão maior desta figura.

Vários estudos de ressonância magnética pulmonar foram relatados em campos magnéticos de 1,5 T e 3 T. Embora exista uma vantagem teórica do campo de 3 T devido à maior relação sinal-ruído (SNR), essa vantagem pode ser superada pelos efeitos mais acentuados de suscetibilidade magnética em 3 T. A influência exata das intensidades do campo magnético na qualidade de imagem dos mapas de ventilação 3D PREFUL é atualmente desconhecida. Aqui, apresentamos resultados de viabilidade (Figura 7) obtidos com um voluntário saudável (homem de 35 anos) utilizando um scanner de ressonância magnética de 3 T. Observe a aparência mais heterogênea dos parâmetros de ventilação em 3 T quando comparada à de 1,5 T (Figura 5).

figure-results-7
Figura 7: Ressonância magnética 3D PREFUL de um voluntário saudável (homem de 35 anos). Mapas representativos de parâmetros morfológicos (linha superior) e de ventilação por ressonância magnética 3D PREFUL (segunda à quinta linha) para um voluntário saudável (homem de 35 anos) em 3T. A ventilação regional estática é representada pela ventilação regional (RVent), enquanto a dinâmica da ventilação é avaliada utilizando a métrica de correlação do laço fluxo-volume (FVL-CM), o tempo para pico da ventilação (VTTP) e o desvio do VTTP (VTTPDev), parâmetros que avaliam a dinâmica da ventilação. Clique aqui para visualizar uma versão maior desta figura.

A comparação/validação da ventilação tridimensional derivada do PREFUL com medições mais diretas ainda não foi publicada. Existem diversos estudos que relatam uma correlação positiva entre os valores de VDP e a sobreposição espacial de defeitos de ventilação entre a técnica bidimensional de PREFUL e a ressonância magnética com 129Xe11,12,14 e com 19F35. Uma comparação recente entre a ventilação derivada do PREFUL tridimensional e medições diretas de ventilação usando ressonância magnética com 19F em pacientes com doença pulmonar obstrutiva crônica (DPOC), asma e voluntários saudáveis revelou uma correlação moderada a forte em nível global40. Apresenta-se um exemplo de comparação (Figura 8) de um paciente diagnosticado com doença pulmonar obstrutiva crônica (mulher de 54 anos, VEF1 = 42% do valor previsto), que foi examinado usando PREFUL tridimensional e ressonância magnética com lavagem de 19F.

figure-results-8
Figura 8: RNM PREFUL 3D de uma paciente com DPOC de 54 anos. São apresentadas imagens morfológicas (primeira linha), parâmetros de ventilação e respectivos mapas de defeito de ventilação de uma paciente com DPOC de 54 anos (VEF1 = 42 % pred., CVF = 102% pred.) obtidos por meio de RNM PREFUL 3D (segunda e terceira linha) e RNM de 19F (quarta e quinta linha), juntamente com uma comparação dos mapas de defeito de ventilação provenientes de ambos os métodos (última linha). No geral, em todos os cortes, o coeficiente de Sørensen-Dice foi de 25,5% nas áreas defeituosas e de 80,6% nas regiões saudáveis, resultando em uma sobreposição espacial total de 69,2%. Notavelmente, há uma correlação visual entre as áreas de ventilação correspondentes nas regiões saudáveis e defeituosas (representadas em verde-escuro). Clique aqui para visualizar uma versão maior desta figura.

A ressonância magnética 3D PREFUL pode ser usada para medir respostas regionais à terapia20. Como exemplo, Figura 9 mostra uma comparação de três cortes do pulmão de um indivíduo com fibrose cística (mulher de 43 anos) no momento basal (à esquerda, VEF1 = 94% do valor previsto) e após terapia com modulador de CFTR (à direita, VEF1 = 112% do valor previsto). Como ambas as medições são espacialmente correspondentes, a técnica 3D PREFUL permite a análise da resposta regional ao tratamento, conforme ilustrado na parte inferior da Figura 9. Observe os valores aumentados da métrica de correlação do laço fluxo-volume, bem como a redução nos defeitos de ventilação após a terapia.

figure-results-9
Figura 9: Medições 3D PREFUL de uma paciente com fibrose cística (FC) de 43 anos de idade. Mapas exemplares de marcadores de ventilação nas medições 3D PREFUL pré-tratamento (esquerda) e pós-tratamento (direita) de uma paciente com FC de 43 anos de idade. O VDPFVL-CM diminuiu de 18,0% (pré-tratamento) para 3,6% (pós-tratamento). FEV1 % pred. pré-tratamento: 94%, FEV1 % pred. pós-tratamento: 112%. LCI pré-tratamento: 10,48, LCI pós-tratamento: 9,39. Os mapas correspondentes de resposta ao tratamento são mostrados na parte inferior. Observe as áreas verdes indicando a resolução da ventilação após a terapia. Clique aqui para visualizar uma versão maior desta figura.

Tabela 1: Lista dos parâmetros típicos de RM utilizados para a aquisição do localizador e do PREFUL 3D em um scanner de 1,5 T. (A) Localizador e (B) aquisição de PREFUL 3D. Clique aqui para baixar esta tabela.

Tabela 2: Parâmetros propostos de RNM para aquisição 3D PREFUL em um scanner de 3T. Clique aqui para baixar esta tabela.

Tabela 3: Relatório estatístico exemplar dos parâmetros 3D PREFUL para um voluntário saudável (homem de 35 anos) Clique aqui para baixar esta tabela.

Discussão

Uma das armadilhas mais críticas é a própria aquisição. Deve-se tomar cuidado para garantir que os parâmetros da sequência de RM sejam definidos corretamente. É importante ressaltar que o tempo de eco, o tempo de repetição, o número de fatias, o tamanho da matriz e a largura de banda do pixel são os parâmetros cruciais. Desvios das configurações recomendadas podem resultar em resolução temporal insuficiente ou aquisições prolongadas. Além disso, a transferência de dados é importante para garantir que os dados sejam completamente entregues ao computador ou servidor selecionado para avaliação. A avaliação de dados prossegue de forma totalmente automática quando o caminho para os dados adquiridos é definido. O pós-processamento começa com a reconstrução da imagem, onde o binning retrospectivo desempenha um papel crucial. Recomenda-se verificar o sinal de binning para garantir uma representação clara do padrão de respiração. Depois de inspecionar o sinal de compartimentalização, nenhuma etapa adicional é necessária, pois o próprio algoritmo lida com padrões respiratórios ruins, excluindo valores discrepantes (pontos de dados acima do percentil 95 e abaixo do percentil 10). Após a reconstrução da imagem, ocorre o processo de registro da imagem. Essa etapa deve ser verificada da seguinte forma: as imagens registradas devem estar livres de respiração e movimento cardíaco. Especificamente, as posições do diafragma e do coração devem ser 'congeladas'. A próxima etapa envolve a segmentação baseada em aprendizado profundo do parênquima pulmonar e dos vasos. Esse processo de segmentação é altamente demorado para todo o volume pulmonar 3D; portanto, o uso de ferramentas baseadas em IA é benéfico. No entanto, em certas situações, como a ocorrência de consolidações periféricas, esses algoritmos podem não produzir resultados precisos. Consequentemente, a máscara de segmentação deve ser cuidadosamente verificada e corrigida manualmente, se necessário. Todas essas etapas são críticas para avaliar os parâmetros de ventilação e podem resultar em cálculos imprecisos.

Desde a publicação original17, vários desenvolvimentos foram feitos na técnica 3D PREFUL. O algoritmo de classificação das projeções radiais adquiridas foi totalmente automatizado e aprimorado para que todo o pulmão seja segmentado usando o método de limiar de Otsu e usado como um sinal de navegação para agrupar dados em fases respiratórias. Além disso, o parênquima pulmonar manual e a segmentação de vasos foram substituídos por algoritmos baseados em aprendizado profundo totalmente automáticos para reduzir procedimentos demorados. Além disso, o tempo de processamento da parte de registro de imagem pode ser reduzido em até 10 minutos se a caixa de ferramentas de registro de Forsberg for implementada19. Juntamente com desenvolvimentos anteriores, o código implementado permite o co-registro de imagens de dois momentos (medidas de acompanhamento) e avaliar a progressão voxelwise da doença ou alterações ventilatórias induzidas pela terapia20. A versão atual do script Matlab não requer nenhuma interação do usuário e pode ser implementada em um pipeline para o processamento automatizado de dados com sinalizadores específicos no futuro.

A principal desvantagem do 3D PREFUL é que nenhuma medição do fluxo sanguíneo local é viável, uma vez que o efeito de entrada não pode ser capturado ao usar um pulso de RF rígido não seletivo para excitação. Em segundo lugar, atualmente, todo o pós-processamento (incluindo transferência de dados, reconstrução de imagens, registro de imagens e análise de ventilação) requer 2 horas para cada sujeito. Em terceiro lugar, atualmente, apenas uma comparação preliminar dos parâmetros de ventilação derivados do 3D PREFUL com técnicas mais validadas foi demonstrada40. Em quarto lugar, a avaliação dos dados adquiridos é realizada em um computador de alto desempenho; portanto, os resultados não estão diretamente disponíveis para o médico no console. Em quinto lugar, faltam estudos de viabilidade do 3D PREFUL em diferentes intensidades de campo e vários fornecedores de scanners.

A ressonância magnética 3D Phase Resolved Functional Lung (PREFUL) permite o mapeamento quantitativo da dinâmica da ventilação regional de todo o pulmão humano durante a respiração livre17. Existem várias alternativas econômicas ao 3D PREFUL, como espirometria ou técnicas de lavagem de múltiplas respirações; no entanto, ambos carecem de informações espaciais e requerem manobras respiratórias e, portanto, não são viáveis para crianças pequenas ou neonatos. Métodos alternativos de imagem expõem os pacientes à radiação ionizante, como métodos de medicina nuclear TC, ou não estão amplamente disponíveis (imagens hiperpolarizadas com gás 129Xe ou 19F usando ressonância magnética). O 3D PREFUL fornece uma avaliação da dinâmica da ventilação, pode ser realizado usando um scanner clínico padrão e não requer agentes de contraste, tornando-o atraente para ser traduzido para um ambiente de pesquisa clínica. O fato de o 3D PREFUL não exigir o uso de agentes de radiação ou contraste e oferecer uma aquisição de respiração livre e amigável ao paciente o torna adequado para estudos repetidos ou longitudinais que avaliam quantitativamente as respostas regionais à terapia. Em segundo lugar, a avaliação 3D PREFUL da ventilação pulmonar pode ser especialmente valiosa em crianças pequenas, onde a exposição à radiação deve ser evitada.

A capacidade do 3D PREFUL de gerar imagens de ventilação funcional do pulmão humano tem potencial para diagnóstico precoce. Especificamente, a capacidade de produzir mapas de ventilação regional repetíveis e quantitativos permite estudos longitudinais, por exemplo, progressão da doença ou monitoramento dos efeitos da terapia. Além disso, as informações regionais sobre a dinâmica da ventilação podem fornecer maior sensibilidade a alterações precoces relacionadas à doença pulmonar que não são detectáveis pelos testes de função pulmonar.

Divulgações

Filip Klimeš, Andreas Voskrebenzev e Jens Vogel-Claussen são acionistas da BioVisioneers GmbH, uma empresa interessada em métodos de ressonância magnética pulmonar.

Agradecimentos

Este trabalho foi financiado pelo Centro Alemão de Pesquisa Pulmonar (DZL). Os autores se beneficiaram de uma série de discussões benéficas com colegas, em particular com Marcel Gutberlet, Agilo Kern, Lea Behrendt, Arnd Obert, Julian Glandorf, Till Kaireit, Tawfik Moher Alsady, Gesa Pöhler, Maximilian Zubke, Robin Müller, Marius Wernz, Cristian Crisosto, Milan Speth, Julienne Scheller e Sonja Lüdiger. Os autores agradecem a Robert Grimm (Siemens Healthineers) por escrever a sequência de imagens de ressonância magnética e, além disso, os autores também gostariam de agradecer a Frank Schröder e Sven Thiele, do Departamento de Radiologia da Escola de Medicina de Hannover, pela excelente assistência técnica na realização dos exames de ressonância magnética.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
ANTsComunidade de pesquisa de análise de imagens médicas de código abertoCaixa de ferramentas de registro de imagens
https://www.siemens-healthineers.com/en-us/magnetic-resonance-imaging/options-and-upgrades/coilsBobina do corpo de pelo menos 6 canais; Philips [https://www.usa.philips.com/healthcare/solutions/magnetic-resonance/coils-overview ]
ForsbergCaixa de ferramentas de registro de imagenshttps://github.com/fordanic/image-registrationCaixa de ferramentas de registro de
imagens Código de reconstrução de imagensBioVisioneers GmbHwww.biovisioneers.comSoftware para reconstrução e análise de RM
MatlabMathworksSoftware
de ressonância magnéticaSiemens / 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]; sequência 1,5 T / 3 T
SequênciaSiemens / Philips / GE, sequência de eco gradiente 3D com trajetória de pilha de estrelas e incremento de ângulo dourado; 1. Sequência Siemens Grasp-Vibe - https://t.ly/P31kM , 2. Philips Multi Vane XD Sequence https://t.ly/wMWZZ , 3. GE Lava-Star, Disco-Star - https://t.ly/vimm2
BART Caixa de ferramentas de imagem de código aberto https://www.opensourceimaging.org/project/berkeley-advanced-reconstruction-toolbox-bart/ reconstrução de imagens Bobina corporal Siemens / Philips / GE  de ressonância magnética

Referências

  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).

Reimpressões e permissões

Etiquetas

Resson ncia Magn tica Funcional do Pulm oResson ncia Magn tica com Resolu o de FasePREFUL TridimensionalVentila o RegionalMapas de Defeitos de Ventila oCompressed SensingReconstru o por Deep LearningSegmenta o do Par nquima PulmonarDin mica da Ventila oTestes de Fun o Pulmonar
Imagem de ressonância magnética funcional resolvida fase tridimensional do pulmão
Entre em contato
Recomendar à biblioteca

Privacidade

Termos de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.