Summary
מחקר זה מציג שיטת כימות תלת-ממדית ייחודית לפיזור מקטע שומן בכבד (LFF) באמצעות דימות תהודה מגנטית של דיקסון (Dixon MRI). מפות LFF, הנגזרות מתמונות בפאזה ובפאזה של מים, משולבות עם קווי מתאר תלת-ממדיים של הכבד כדי להבדיל בין דפוסי LFF בין כבד רגיל וסטאטוטי, ומאפשרות הערכה מדויקת של תכולת השומן בכבד.
Abstract
מחקר זה מציג מתודולוגיית כימות תלת ממדית להתפלגות מקטע שומן בכבד (LFF) באמצעות שימוש בניתוח תמונות MRI של דיקסון. המטרה המרכזית היא להציע אמצעי מדויק ביותר ולא פולשני להערכת תכולת השומן בכבד. התהליך כולל רכישה של תמונות בפאזה ובפאזת מים מרצף דיקסון. לאחר מכן מפות LFF מחושבות בקפידה על ידי ווקסל על ידי חלוקת תמונות הפאזה הליפידית בתמונות In-phase. בו-זמנית, קווי מתאר תלת-ממדיים של הכבד מופקים מתמונות In-phase. רכיבים חיוניים אלה משולבים בצורה חלקה כדי לבנות מודל הפצה מקיף של 3D-LFF. טכניקה זו אינה מוגבלת לכבדים בריאים, אלא מתרחבת לאלה הסובלים מסטטוזיס בכבד. התוצאות שהתקבלו מדגימות את היעילות יוצאת הדופן של גישה זו הן בהדמיה והן בכימות תכולת השומן בכבד. הוא מבחין בבירור בדפוסים המבדילים בין כבד רגיל לכבד סטאטוטי. על ידי רתימת Dixon MRI כדי לחלץ את המבנה התלת-ממדי של הכבד, שיטה זו מציעה הערכות LFF מדויקות המשתרעות על פני כל האיבר, ובכך טומנת בחובה הבטחה גדולה לאבחון של סטאטוזיס בכבד ביעילות יוצאת דופן.
Introduction
מחלת כבד שומני לא אלכוהולית (NAFLD) כוללת ספקטרום של מצבים פתולוגיים, החל מהצטברות חריגה של טריגליצרידים בתאי כבד (סטאטוזיס בכבד) ועד להתפתחות דלקת ונזק לתאי כבד, המכונה סטיאטוהפטיטיס לא אלכוהולית (NASH). במקרים מסוימים, NAFLD יכול להתקדם לשלבים חמורים יותר, כולל פיברוזיס, שחמת הכבד, מחלת כבד סופנית, או אפילו קרצינומה הפטוצלולרית (HCC)1. נתונים שפורסמו על ידי ארגון הבריאות העולמי והנטל העולמי של מחלות מצביעים על כך שכ -1,235.7 מיליון אנשים ברחבי העולם מושפעים מ- NAFLD בכל קבוצות הגיל2. NAFLD מדורגת כיום כאחד הגורמים הבולטים ביותר למחלות הקשורות לכבד ברחבי העולם וצפויה להפוך לגורם המוביל למחלות כבד סופניות בעשורים הקרובים3.
להערכה מדויקת של היקף סטאטוזיס בכבד יש חשיבות רבה לאבחון מדויק, בחירת טיפול מתאימה ומעקב יעיל אחר התקדמות המחלה. תקן הזהב להערכת תכולת השומן בכבד ממשיך להיות ביופסיית כבד. עם זאת, בשל אופיו הפולשני, הפוטנציאל לכאב, דימום וסיבוכים אחרים לאחר הניתוח, הוא אינו אופציה מעשית לבדיקות מעקב תכופות 4,5,6. כתוצאה מכך, יש צורך דחוף בטכניקות הדמיה לא פולשניות שיכולות לכמת באופן אמין את שקיעת השומן בכבד. דימות תהודה מגנטית (MRI) מראה הבטחה בתחום זה בשל היעדר קרינה מייננת ויכולתו לזהות ברגישות תכולת שומן באמצעות השפעות שינוי כימי 7,8.
מחקרים אחרונים התוו טכניקות MRI לכימות שומן בכבד, המבוססות על שיטות הד הדרגתיות של שינוי כימי כמו הדמיית דיקסון 9,10. עם זאת, רוב הטכניקות הללו מסתמכות על ניתוח של אזורי עניין דו-ממדיים. ההערכה המקיפה של ההתפלגות התלת-ממדית של מקטע שומן בכבד (LFF) נותרה מוגבלת. במחקר הנוכחי מוצגת גישת כימות LFF תלת-ממדית ייחודית, המשלבת MRI של דיקסון עם הדמיה מבנית של הכבד. מודל LFF תלת ממדי המתקבל מאפשר הדמיה מדויקת ומדידה של התפלגות תכולת השומן בכל נפח הכבד. טכניקה זו מדגימה תועלת קלינית משמעותית לאבחון מדויק של סטאטוזיס בכבד.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
המחקר אושר, והחולה גויס מהמחלקה למחלות זיהומיות בבית החולים דונגז'ימן, אוניברסיטת בייג'ינג לרפואה סינית, בבייג'ינג, סין. המטופל עבר בדיקת MRI בטנית שגרתית לאחר מתן הסכמה מדעת. במחקר זה, נעשה שימוש בגישת מידול חלוקה תלת-ממדית כדי לשחזר את מקטע שומן הכבד (LFF) בחולה סטנדרטי עם סטאטוזיס כבד שאובחן רפואית. יתר על כן, המחקר מספק הערכה כמותית המשווה את הכבד של המטופל עם כבד בריא. כלי התוכנה המשמשים במחקר זה מפורטים בטבלת החומרים.
1. הכנה ואיסוף נתונים
הערה: השונות בפרמטרים אינה מושפעת מגישת המחקר. במחקר זה, נתוני DICOM מקוריים התקבלו מהדמיה קלינית. הנתונים נרכשו באמצעות מכשיר MRI עם עוצמת שדה של 1.5 טסלה. מערך הנתונים מורכב מארבעה שלבים נפרדים הנגזרים מרצף דיקסון, במיוחד בפאזה, מחוץ לפאזה, מים ושומן.
- בדוק את רצף דיקסון עבור הבטן העליונה.
- העתק את כל נתוני DICOM לספריית עבודה מותאמת אישית.
הערה: ספריית העבודה זהה הן במערכת ההפעלה והן ב- MATLAB. - עברו אל הספרייה המאחסנת את הנתונים בספריית העבודה הנוכחית של MATLAB (כפי שמוצג באיור 1).
- ודא שנתוני DIXON מציגים רזולוציה אופקית של 520 פיקסלים על 704 פיקסלים, עם מרווח פיקסלים של 0.5682 מ"מ ועובי פרוסה של 5 מ"מ.
- העתק את כל נתוני DICOM לספריית עבודה מותאמת אישית.
- בדוק במהירות תמונות של דיקסון.
- שנה את הספרייה כדי לגשת לתיקיות עבור שלבים שונים, הכוללים שלבים בפאזה, מחוץ לפאזה, מים ושומן, שכל אחד מהם מאוחסן בתיקיות נפרדות עבור הדמיית דיקסון.
- השתמש בפונקציית Slice_View כדי להציג באופן חזותי את התמונות עבור כל שלב.
- ראו איור 2 כדי להציג תמונה של ממשק המשתמש הגרפי (GUI) האינטראקטיבי של רצף MRI-Dixon. השתמש בפס הגלילה הממוקם בתחתית ממשק המשתמש הגרפי כדי לנווט ביעילות בין הרצפים השונים.
- השתמש ברצף שלב MRI-Dixon כדי לשפר את התיאורים של גבולות רקמת הכבד.
הערה: באיור 2 ניתן למצוא סמלים הממוקמים בפינה הימנית העליונה של ממשק המשתמש הגרפי. סמלים אלה מציעים פונקציות כגון הקטנת תצוגה, התקרבות, חזרה לתצוגה הכללית וסימון הקואורדינטות של הפיקסל שנבחר. השתמש בתכונת הזום כדי לבחון מקרוב תכונות נגע מקומיות. - השתמש בתכונה 'סמן קואורדינטות פיקסלים' כדי לחשב את המרחק בין שתי נקודות, ובכך לסייע במדידת גדלי גושים.
- סרגל הצבע הראשוני משתמש במפת הצבעים jet, המסמלת שינוי צבע מכחול לאדום, המסמלת ערכים נמוכים לגבוהים בהתאמה. כדי לעבור למפת הצבעים האפורה הרגילה ולאפס את ממשק המשתמש הגרפי כולו, לחץ לחיצה ימנית על סרגל הצבע ובחר באפשרות מהתפריט הנפתח.
- אם חלון מסנן ברירת המחדל אינו מתאים, התאם אותו על-ידי גרירה למעלה ולמטה באמצע האיור באמצעות לחצן העכבר השמאלי כדי לשנות את רמת החלון. גרירה ימינה ושמאלה מתאימה את רוחב החלון, וטווח הסינון המדויק יוצג בסרגל הצבע.
הערה: הפעולות הבאות יתמקדו בשימוש ברצף DIXON In-phase כדי לייצג את האזור התלת-ממדי של הכבד.
2. חילוץ האזור התלת ממדי של הכבד
הערה: כדי לחשב את מקטע שומן הכבד (LFF), כל ווקסל באזור הכבד התלת-ממדי פועל כנשא מרחבי, כאשר ערך שבר השומן שלו מתקבל מנתוני MRI-Dixon. לפני חישוב LFF, חיוני לחלץ את אזור הכבד התלת-ממדי. למרות ששיטות למידה עמוקה יכולות להשיג זאת בצורה יעילה יותר, ההתמקדות כאן היא בשימוש בכלי תוכנה בוגרים כמו MIMICS למיצוי אזור הכבד.
- פתח את תוכנת MIMICS ובחר פרוייקט חדש. בתיבת הדו-שיח הבאה, אתרו את התיקייה הכוללת את התמונות מחוץ לשלב של DIXON. המשך על ידי לחיצה על הבא ואז לחץ להמיר כדי להיכנס למצב עריכת הרצף.
- צור מסיכה ריקה על ידי לחיצה על חדש בתיבת הדו-שיח MASK הממוקמת בצד ימין, ובחר את הסף המרבי.
- השתמשו בכלי עריכת מסיכות הממוקם תחת התווית "Segment" כדי לתחום את אזור הכבד בכל התצוגות האופקיות.
- צור ייצוג מרחבי תלת-ממדי של הכבד על-ידי בחירת מסכת הכבד שתוארה קודם לכן ולחיצה על חשב חלק מהמסכה. אזור הכבד התלת-ממדי שנוצר יוצג (עיין באיור 3).
- נווט אל קובץ, בחר יצא ובחר באפשרות DICOM . בתיבת הדו-שיח הנפתחת, בחרו במסיכת הכבד, ציינו את נתיב הקובץ ואת שמותיו, ולאחר מכן לחצו על OK לייצוא אזור הכבד התלת-ממדי לקובצי DICOM המיועדים.
3. יצירת מפת שברי שומן (FF-Map)
הערה: למפת שברי השומן (FF-Map) יש טווח ערכים של 0-1. במחקר זה, ה-FF של כל ווקסל מחושב על ידי חלוקת ערך הווקסל של In-phase פחות מים בלבד בזה של In-phase באמצעות Dixon MRI.
- שנה את הספרייה לתיקייה של תמונות בפאזה ובחר את הפונקציה Volume_In כדי ליצור את אמצעי האחסון בפאזה.
- שנה את הספרייה לתיקייה של תמונות מים בלבד ובחר את הפונקציה Volume_Water כדי ליצור את נפח המים בלבד.
- בחר את פונקציית FF_Volume באמצעות שני אמצעי האחסון שנוצרו בשלב 3.1 ובשלב 3.2 כקלט כדי לקבל את נפח ה- FF של MRI הבטן, כפי שמוצג באיור 4.
- מפת שבר השומן (FF) המוצגת באיור 4 מוצגת כתמונת RGB בצבע אמיתי עם מבנה נתונים של מטריצה בגודל 520 על 704 על 44. בייצוג זה, כל פיקסל מורכב משלושה ערכים, המייצגים את הערוצים אדום, ירוק וכחול. שימו לב לסרגל הצבע בצד שמאל, המספק התייחסות חזותית לערכי שברי השומן המשויכים לפיקסלים צבעוניים שונים.
הערה: ממשק המשתמש הגרפי המוצג באיור 4 מאפשר התבוננות מקרוב בכבד של המטופל דרך כלי התקרבות בפינה הימנית העליונה וקבלת ערכי ה-FF המדויקים באמצעות כלי החיטוט. על-ידי גרירת פס הגלילה בתחתית, משתמשים יכולים לצפות במפות FF של כל מיקומי הסריקה במישור האופקי.
נפח 4. 3D של התפלגות שברי שומן בכבד
הערה: איור 4 מציג את מפת LFF המחושבת בהתבסס על תמונות MRI של Dixon של הבטן העליונה. בשילוב עם אזור הכבד התלת-ממדי באיור 3, ניתן לחשב בנפרד את נפח ה-3D-LFF של הכבד כולו.
- נצלו את פונקציית LFF_Volume , וספקו לה את אזור הכבד התלת-ממדי (כפי שמתואר באיור 3) ואת מפת נוקשות הכבד (מוצגת באיור 4) כפרמטרי קלט. זה יביא ליצירת ייצוג תלת-ממדי של חלק השומן בכבד, כפי שמודגם באיור 5.
- כדי לבחון את מפת הנוקשות של כל שכבת כבד, פשוט השתמשו בפס הגלילה הממוקם מתחת לממשק המשתמש הגרפי המוצג באיור 5.
הערה: בתצוגה זו, רק רקמת הכבד מתוארת במדויק. - שימו לב לסמלים הממוקמים בפינה הימנית העליונה של ממשק המשתמש הגרפי (כפי שמוצג באיור 5). סמלים אלה מספקים פונקציות להקטנת התצוגה, התקרבות, חזרה לתצוגה הכללית וסימון הקואורדינטות של הפיקסל שנבחר.
הערה: סרגל הצבעים המוגדר כברירת מחדל משתמש במפת הצבעים "jet", שבה הצבעים עוברים מכחול לאדום כדי לייצג ערכים משתנים (הנמדדים ביחידות של kPa) מנמוך לגבוה. - הפעל את פונקציית LFF_Distribution באמצעות פרמטרי קלט זהים כ- "LFF_Volume" כדי לייצר את ההתפלגות המרחבית של מקטע שומן הכבד התלת-ממדי (3D-LFF), כפי שמתואר באיור 6.
ניתוח כמותי 5. 3D-LFF
הערה: ווקסלים רגילים בכבד: LFF < 5%; ווקסלים קלים של כבד שומני: 5%-10%; ווקסלים מתונים של כבד שומני: 10%-20%; ווקסלים חמורים של כבד שומני: LFF ≥ 20%11,12,13,14,15. מוקד כמותי מרכזי של מחקר זה הוא קביעת שיעור הווקסלים בשלבי LFF שונים בכבד של המטופל. איור 6 מדגים את ההתפלגות המרחבית הלא אחידה של מקטע השומן בכבד אצל המטופל. היעדר תסמינים קליניים מובהקים מיוחס בעיקר לחלק ניכר מרקמת הכבד הרגילה. לכן, כימות מדויק של ההבדלים בין חולים לאנשים בריאים הוא הכרחי. זוהי תפיסה כמותית חיונית כאן.
- חשב את התפלגות 3D-LFF עבור כבד בריא על ידי חזרה על שלבים 1-4.
הערה: פונקציית סרגל MATLAB המובנית מאפשרת השוואה של התפלגות 3D-LFF עבור כבד בריא וכבד שומני (איור 7).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
מחקר זה משתמש במערכי נתונים אמיתיים של מטופלים שנרכשו באמצעות סורק MRI זמין מסחרית כדי לאמת את מתודולוגיית הכימות התלת-ממדית של שברי שומן בכבד (איור 1). פרוטוקול ה-MRI כלל את ההדמיה הארבע-פאזית 9,10 של דיקסון: בפאזה, מחוץ לפאזה, במים בלבד ובשומן בלבד (איור 2). מקטע השומן (FF) של כל ווקסל מחושב על ידי חלוקת אות הווקסל בפאזה פחות מים בלבד באות הווקסל בפאזה באמצעות MRI דיקסון. מודל מספרי זה מאפשר חישוב מדויק של אחוז תכולת השומן בכל ווקסל.
למרות ששיטות למידה עמוקה יכולות לחלץ אנטומיה תלת-ממדית של הכבד, יש להן שגיאות אלגוריתמיות מובנות. כדי להבטיח כימות מדויק, נעשה שימוש בכלי תוכנה בוגרים כמו MIMICS כדי לחלץ מתאר כבד תלת-ממדי מדויק בשילוב עם הנחיית מומחים (איור 3).
מיזוג קווי המתאר של הכבד התלת-ממדי עם מפת ה-FF הדו-ממדית באיור 4 יוצר מודל התפלגות תלת-ממדי משולב באיור 5. זה מתגבר על המגבלה של מפות FF דו-ממדיות ומספק הדמיה של שקיעת שומן בכל נפח הכבד. רופאים יכולים כעת לאתר במדויק את תכולת השומן בחלל הכבד התלת-ממדי במקום רושם מעורפל.
כפי שאיור 6 מראה, התפלגות 3D-FF חושפת ערכי שברי שומן במיקומים שונים בכבד. על ידי השוואה לסף FF סטנדרטי, ניתן לכמת את אחוז הווקסלים הנופלים לשלבים שונים של סטאטוזיס בכבד. זה מאפשר מדידה מדויקת של שיעור הכבד ברמות סטאטוזיס שונות.
השוואה בין כבד נורמלי לכבד שומני (איור 7) מאמתת את יכולתה של השיטה להבחין בדפוסי התפלגות תלת-ממד-LFF שונים. זרימת העבודה המוצעת מדגימה ערך קליני בהדמיה תלת-ממדית, כימות ואבחון של סטאטוזיס בכבד בהתבסס על נתוני MRI Dixon של המטופל.
איור 1: תיקיות רצף MRI-Dixon. רשימה של שמות תיקיות המתאימים לרצפי סריקת ה-MRI של דיקסון ששימשו במחקר. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
איור 2: דפדפן פרוסות MRI של דיקסון. ממשק משתמש גרפי (GUI) המציג פרוסות מכל רצף פאזה של Dixon MRI. Dixon MRI הוא בעל ערך לשיפור איכות התמונה ויכולת הפענוח, במיוחד כאשר הפרדת שומן ומים מדויקת היא חיונית. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
איור 3: מיצוי אזור כבד תלת-ממדי. הדמיה של ההיקף המרחבי התלת-ממדי של הכבד בהתבסס על תמונות In-Phase שנרכשו במהלך סריקת MRI. לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
איור 4: מפת שברי שומן בכבד. ייצוג חזותי של מקטע שומן בכבד (LFF) בכל ווקסל, תוך שימוש בצבעים שונים כדי לציין שינויים בתכולת השומן. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
איור 5: פרוסות שבר שומן בכבד. פרוסות ברזולוציה גבוהה המציגות את מפת שבר השומן בכבד, ומספקות תצוגה מפורטת של פיזור LFF בכל הכבד. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
איור 6: התפלגות תלת-ממדית של הכבד כולו. איור המתאר את התפלגות ההסתברות המספרית של מקטע שומן בכבד (LFF) על פני הכבד כולו, מוצג בפורמט תלת ממדי. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
תרשים 7: השוואה בין התפלגות 3D-LFF. השוואה של התפלגות 3D-LFF בין כבד בריא לכבד שומני טיפוסי, תוך הדגשת הבדלים בתכולת השומן ובפיזורו. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
מחקר זה מציג טכניקת כימות תלת-ממדית חדשנית לניתוח התפלגות מקטע השומן בכבד (LFF) באמצעות Dixon MRI 9,10. על ידי שילוב מפות LFF, אשר מופקות מתמונות בפאזה ובפאזות מים, עם קווי מתאר תלת-ממדיים של הכבד, שיטה זו מבחינה בין דפוסי LFF בכבדים רגילים וסטאטוטיים6. כתוצאה מכך, זה מאפשר הערכה מדויקת של תכולת שומן בכבד.
שלב 3 מייצג שלב חיוני בחישוב מפת FF לכימות תכולת השומן בכל ווקסל. שלב 4 משלב את נתוני ה-FF עם מיתאר הכבד התלת-ממדי כדי לבנות מודל הפצה משולב של 3D-LFF. שלב 5 מאמת את היעילות של גישת 3D-LFF לכימות מדויק של סטאטוזיס בכבד13.
לגבי שינויים עתידיים, ראיית מכונה יכולה לשפר את היעילות של פילוח כבד תלת-ממדי. הרכבת אטלס של התפלגות 3D-LFF עבור כבדים בריאים ודרגות סטאטוזיס שונות יכולה להקל על אבחון קליני והקלדה.
מגבלה אחת היא שבעוד שהשיטה יכולה לשלב באופן כמותי סטאטוזיס מוקדם, היא אינה מבהירה את המנגנונים העומדים בבסיס התקדמות המחלה. שינויים בציוד ובפרוטוקולים עלולים להוביל לתוצאות לא עקביות. סטנדרטיזציה של זרימת העבודה החישובית נותרה אתגר מתמשך.
טכניקה זו מציגה ומיישמת את הרעיון של חלוקת 3D-LFF, ומספקת לרופאים תובנות מקיפות לגבי דפוסי שקיעת שומן וחומרת המחלה בכל איבר הכבד. יש לכך משמעות משמעותית לאבחון מדויק, החלטות טיפוליות ומעקב אחר יעילות הטיפול. גישה זו נודעת חשיבות גם לבדיקות סקר בריאות ומניעתן באוכלוסייה הכללית.
השיטה מציגה פוטנציאל עצום בתחומי מחקר רבים, כולל: (1) תיקוף בקנה מידה גדול של הטכניקה על פני קבוצות הטרוגניות; (2) חקירת וריאציות תלת-ממדיות-LFF בין אטיולוגיות סטאטוזיס שונות; (3) מתאם של התפלגות תלת-ממד-LFF עם פרמטרים קליניים וגורמי סיכון; (4) יישום תבניות תלת-ממד-LFF לבניית מודלים של אבחון, פרוגנוסטיקה ותגובה לטיפול; (5) השוואת כימות תלת-ממדי להערכות הדמיה דו-ממדית. קיימות דרכים מחקריות רבות לתרגם מתודולוגיה זו לתועלת קלינית.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
כלי התוכנה לכימות סטאטוזיס בכבד, המופיע בטבלת החומרים של מחקר זה כ- HepaticSteatosis V1.0, הוא תוצר של Beijing Intelligent Entropy Science &; Technology Co., Ltd. זכויות הקניין הרוחני של כלי תוכנה זה שייכות לחברה.
Acknowledgments
פרסום זה קיבל תמיכה מהתוכנית הלאומית החמישית לזיהוי כישרונות קליניים מצטיינים ברפואה סינית מסורתית, שאורגנה על ידי המנהל הלאומי לרפואה סינית מסורתית. הקישור הרשמי לרשת הוא'http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.
Materials
| Name | Company | Catalog Number | Comments |
| MATLAB | MathWorks | 2022B | Computing and visualization |
| Mimics | Materialise | Mimics Research V20 | Model format transformation |
| Tools for 3D_LFF | Intelligent Entropy | HepaticSteatosis V1.0 | Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion |
References
- Pouwels, S., et al. Non-alcoholic fatty liver disease (NAFLD): a review of pathophysiology, clinical management and effects of weight loss. BMC Endocr Disord. 22 (1), 63 (2022).
- Younossi, Z. M., et al. The global burden of liver disease. Clin Gastroenterol Hepatol. 21 (8), 1978-1991 (2023).
- Younossi, Z., et al. Global burden of NAFLD and NASH. Trends, predictions, risk factors and prevention. Nat Rev Gastroenterol Hepatol. 15 (1), 11-20 (2018).
- Boyum, J. H., et al. Incidence and risk factors for adverse events related to image-guided liver biopsy. Mayo Clin Proc. 91 (3), 329-335 (2016).
- Khalifa, A., Rockey, D. C. The utility of liver biopsy in 2020. Curr Opin Gastroenterol. 36 (3), 184-191 (2020).
- Sumida, Y., Nakajima, A., Itoh, Y. Limitations of liver biopsy and non-invasive diagnostic tests for the diagnosis of nonalcoholic fatty liver disease/nonalcoholic steatohepatitis. World J Gastroenterol. 20 (2), 475-485 (2014).
- Ajmera, V., Loomba, R. Imaging biomarkers of NAFLD, NASH, and fibrosis. Mol Metab. 50, 101167 (2021).
- Castera, L., Friedrich-Rust, M., Loomba, R. Noninvasive assessment of liver disease in patients with nonalcoholic fatty liver disease. Gastroenterology. 156 (5), 1264-1281 (2019).
- Jiang, Y., et al. Application of multi-echo Dixon and MRS in quantifying hepatic fat content and staging liver fibrosis. Sci Rep. 13 (1), 12555 (2023).
- Yang, Y., et al. The accuracy and clinical relevance of the multi-echo dixon technique for evaluating changes to hepatic steatosis in patients with non-alcoholic fatty liver disease treated with formulated food. Magn Reson Med Sci. 22 (2), 263-271 (2023).
- Peng, H., et al. Fat-water separation based on Transition REgion Extraction (TREE). Magn Reason Med. 82 (1), 436-448 (2019).
- Hines, C. D. G., et al. T(1) independent, T(2)(*) corrected chemical shift based fat-water separation with multi-peak fat spectral modeling is an accurate and precise measure of hepatic steatosis. Magn Reason Imaging. 33 (1), 873-881 (2011).
- Tang, A., et al. Nonalcoholic fatty liver disease: MR imaging of liver proton density fat fraction to assess hepatic steatosis. Radiology. 267 (2), 422-431 (2013).
- Caussy, C., Reeder, S. B., Sirlin, C. B., Loomba, R. Noninvasive, quantitative assessment of liver fat by MRI-PDFF as an endpoint in NASH Trials. Hepatology. 68 (2), 763-772 (2018).
- Reeder, S. B., Cruite, I., Hamilton, G., Sirlin, C. B. Quantitative assessment of liver fat with magnetic resonance imaging and spectroscopy. Magn Reson Imaging. 34 (4), 729-749 (2011).
