Yöntem makalesi

Üç Boyutlu Faz Çözümlü Fonksiyonel Akciğer Manyetik Rezonans Görüntüleme

2.1K görüntüleme

⸱

DOI:

10.3791/66385

⸱

21 Haziran 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)

Bu makalede

Özet

Üç boyutlu (3D) faz çözümlü fonksiyonel akciğer (PREFUL), 8 dakika boyunca tidal solunum ve kontrast madde içermeyen edinim kullanarak tüm insan akciğer hacminin bölgesel ventilasyonunun ölçülmesine izin veren fonksiyonel bir manyetik rezonans görüntüleme (MRI) tekniğidir. Burada, 3D PREFUL görüntüleme verilerini toplamak ve analiz etmek için bir MR protokolü sunuyoruz.

Özet

Pulmoner manyetik rezonans görüntüleme (MRG), bölgesel akciğer ventilasyonunu veya vekillerini değerlendirmek için özel olarak tasarlanmış çeşitli radyasyonsuz teknikler sunar. Bu teknikler, hiperpolarize gaz MRG ve florlu gaz MRG ile örneklenen doğrudan ölçümlerin yanı sıra oksijenle güçlendirilmiş MRG ve proton bazlı Fourier ayrışması (FD) MRG ile kolaylaştırılan dolaylı ölçümleri kapsar. Son zamanlarda, FD MRG alanında, uzamsal/zamansal çözünürlüğün iyileştirilmesini, dizi tasarımının ve son işlemenin iyileştirilmesini ve kapsamlı bir tüm akciğer yaklaşımının geliştirilmesini içeren önemli ilerlemeler kaydedilmiştir.

İki boyutlu (2D) faz çözümlü fonksiyonel akciğer (PREFUL) MRG, bölgesel ventilasyon ve perfüzyon dinamiklerinin kapsamlı değerlendirmesi için geliştirilmiş FD tabanlı bir yaklaşım olarak öne çıkıyor ve hepsi tek bir MR edinimi içinde. Son zamanlarda, kendi kendine kapılı bir sekans ile 8 dakikalık muayene kullanarak tüm akciğerin dinamik ventilasyonunu değerlendirmek için 3D PREFUL'un geliştirilmesiyle yeni bir ilerleme kaydedilmiştir.

3D PREFUL edinimi, altın açı artışıyla bir yıldız yığını şımarık-gradyan-yankı dizisinin kullanılmasını içerir. Yaklaşık 40 solunum fazının sıkıştırılmış algılama görüntüsü rekonstrüksiyonunu takiben, solunumla çözülen tüm görüntüler sabit bir solunum fazına kaydedilir. Daha sonra, havalandırma parametreleri kayıtlı görüntülerden çıkarılır.

Sağlıklı gönüllüler ve kronik obstrüktif akciğer hastalığı olan hastalardan oluşan bir çalışma kohortunda, 3D PREFUL ventilasyon parametreleri solunum fonksiyon testlerinden elde edilen ölçümlerle güçlü korelasyonlar göstermiştir. Ek olarak, 3D PREFUL tekniğinin taramalar arası tekrarlanabilirliği kabul edilebilir olarak kabul edildi ve bu da aynı kişilerin tekrarlanan değerlendirmeleri için güvenilirliğini gösterdi.

Özetle, 3D PREFUL ventilasyon MRG, tüm akciğer kapsamını sağlar ve 2D'ye kıyasla gelişmiş uzamsal çözünürlükle ventilasyon dinamiklerini yakalar PREFUL. 3D PREFUL tekniği, hiperpolarize 129Xe MRG'ye uygun maliyetli bir alternatif sunarak, pulmoner ventilasyonun hasta dostu değerlendirmesi için çekici bir seçenek haline getirir.

Giriş

Dünya Sağlık Örgütü'ne (WHO) göre, kronik solunum yolu hastalıkları üçüncü önde gelen ölüm nedenidir ve sağlık hizmetleri üzerinde önemli bir yük oluşturur1. Çeşitli solunum yolu hastalıklarının tanısı ve izlenmesi, mekansal bilgi eksikliği olan ve genç hastalarda mümkün olmayabilen pulmoner fonksiyonel testleri içerir. Pozitron emisyon tomografisi (PET)2, tek foton emisyonlu bilgisayarlı tomografi (SPECT)3 veya bilgisayarlı tomografi4 gibi diğer birçok nükleer tıp modalitesi mekansal ventilasyon ölçümleri sağlar. Bu tekniklerin önemli bir dezavantajı, görüntüleme için iyonlaştırıcı radyasyonun kullanılmasıdır. Bu nedenle, bu ölçümler çocuklar gibi hassas popülasyonlarda veya klinik çalışmalarda tekrarlanan ölçümler için mümkün değildir.

Manyetik rezonans görüntüleme yöntemleri, solunum fonksiyonunun radyasyonsuz ölçümünü sağladıkları için son yirmi yılda ilgi görmeye başladı. Her şeyden önce, hiperpolarize gaz MRG teknikleri5, sağlıklı kontrollerde ve akciğer hastalığı olan hastalarda pulmoner ventilasyonun değerlendirilmesi için kullanılmış ve 19F6 veya oksijenle zenginleştirilmiş MRI7 ile karşılaştırıldığında üstün bir sinyal-gürültü (SNR) oranı elde edilmiştir. Gaz MRG tekniklerinin yaygın dezavantajları arasında ek personel gereksinimi, donanım maliyetleri veya nefes ölçümü sırasında hasta işbirliğine duyulan ihtiyaç yer alır. Bu sınırlamaları ele almak için, pulmoner ventilasyon ve perfüzyonu değerlendirmek için Fourier Ayrıştırması (FD) MRI8'e dayalı yöntemler tanıtılmıştır. FD MRG'ye alternatif olarak, faz çözümlü fonksiyonel akciğer (PREFUL) MRI9 geliştirildi, validated10,11,12 ve çok merkezli çalışmalar dahil olmak üzere çok sayıda çalışmada test edildi13,14. Bununla birlikte, 2D edinim, tam akciğer kapsamı ve sınırlı uzamsal çözünürlük için uzun çekim sürelerine neden olur. Perfüzyon information15,16,17 pahasına da olsa, kendi kendine kapılı 3D alımlarla zarif bir çözüm sunulur. Bu tekniklerden biri olan 3D PREFUL MRI17, 8 dakikalık bir MR incelemesi sırasında sadece statik ventilasyonu değil, aynı zamanda ventilasyon dinamiklerini de değerlendirmek için geliştirilmiştir ve 2D yöntemlere kıyasla üstün görüntü çözünürlüğü sağlar.

Metodu17'yi açıklayan orijinal yayının ardından, tekniğin tekrarlanabilirliği değerlendirildi ve klinik olarak iyi bilinen spirometrik ölçümler18 ile karşılaştırıldı ve daha yakın zamanda, ventilasyon parametrelerinin tekrarlanabilirliğini iyileştirirken ve ventilasyon maps19'un görüntü kalitesini korurken hızlandırılmış bir görüntü kayıt çerçevesi tanıtıldı. İnsan akciğerindeki bölgesel ventilasyonu kantitatif olarak haritalayabilen bu hasta dostu ve kolayca ölçeklenebilir teknik, solunum yolu hastalığının erken teşhisine, teşhisine veya tedavi etkilerinin takip izlemesine önemli ölçüde katkıda bulunma potansiyeline sahiptir20. İyileştirilmiş ventilasyon hacmi gibi bölgesel akciğer fonksiyonundaki bu tedavi değişiklikleri, tedavilerin etkisini değerlendirmek için biyobelirteç olma potansiyeline sahiptir ve çok merkezli klinik çalışmalarda yararlı bir araç olabilir.

Makale, bu tekniğin daha geniş bir çevirisini teşvik etmek amacıyla 3D PREFUL teknolojisinin kapsamlı ve görsel bir açıklamasını sağlamayı amaçlamaktadır.

Protokol

Bu çalışma, araştırma süreci boyunca titiz etik standartlara bağlı kalındığını garanti eden Hannover Tıp Okulu etik kurulundan onay almıştır. İnceleme, tıbbi araştırmaların etik yürütülmesini vurgulayan Helsinki Deklarasyonu'nda belirtilen kılavuzlara kesin olarak uymuştur. Ayrıca, tüm çalışma katılımcılarından (veya ebeveynlerinden veya yasal vasilerinden) MRI incelemesine katılmadan önce bilgilendirilmiş onam titizlikle alınmıştır.

NOT: 3D PREFUL MRI içeren çalışmalar için dahil etme/hariç tutma kriterleri farklılık gösterir ve çalışma tasarımına bağlıdır. Tipik olarak, bir 3D PREFUL MRI incelemesindeki sağlıklı gönüllüler için dahil etme kriterleri; (a) çalışma sonuçlarını etkileyebilecek herhangi bir önemli tıbbi durumun bulunmaması, (b) MRI sonuçlarıyla etkileşime girebilecek herhangi bir ilaç kullanılmaması, (c) klostrofobi, anksiyete, metalik implantlar veya cihazların bulunmaması, (d) çalışma amaçlarıyla ilgili belirli yaş ve cinsiyet kriterlerini karşılaması, (e) sigara öyküsünün olmaması, (f) spirometri bulgularının normal olması (FEV1/FVC > 0.7 ve hem FEV1 hem de FVC > öngörülen değerin %80'i) olan bireyleri kapsar. 3D PREFUL MRI incelemesine tabi tutulan tüm çalışma katılımcıları için hariç tutma kriterleri şunları içerebilir: (a) hamilelik, (b) 3D PREFUL MRI incelemesinin güvenliğini veya geçerliliğini tehlikeye atabilecek herhangi bir durumun olması, (c) çalışma protokolüne dinamik kontrastlı MRI dahil edildiğinde, gadolinyum bazlı kontrast maddelere karşı intolerans.

1. MRI öncesi görüşme

  1. Bir tıp doktorunun, deneğin tıbbi geçmişine ilişkin önemli bilgileri toplamasını sağlayın.
  2. Potansiyel kontrendikasyonları, riskleri ve MR prosedürünü açıklayın.
  3. Deneğin yazılı, bilgilendirilmiş onamını alın.
    NOT: Pulmoner fonksiyon testi sonuçları mevcut değilse, deneğin MR incelemesi öncesinde bir pulmoner fonksiyon testine girmesini isteyin ve elde edilen sonuçların dahil etme kriterlerini karşıladığını doğrulayın.

2. Radyograferin MR incelemesi için hazırlanması

  1. Deneyi MR konsoluna kaydedin ve 3D PREFUL alımı içeren çalışma MR protokolünü seçin.
  2. Denekle beraber, ceplerinde ve kıyafetlerinde metal içeren parçalar bulunmadığını doğrulayın.
  3. Steril bir ortamın garanti edilmesi için tarayıcı masasına çarşafları yerleştirin.
  4. Denek ile birlikte MR odasına girin.

3. Deneğin MR incelemesine hazırlanması

  1. Deneği MRI masasına sırtüstü pozisyonda yatırın (ancak yüzüstü pozisyon da mümkündür).
  2. Torso bobininin göğüs kafesini yeterince kapsadığından emin olun ve torso bobininin üst elementini deneğin çenesinin yakınına yerleştirin.
  3. MRI kaynaklı yüksek gürültüden işitmeyi korumak için deneğe kulaklık (alternatif olarak kulak tıkacı veya her ikisini birden) verin.
  4. Deneğe, kolayca erişilebilen ve sıkılabilen bir güvenlik butonu (veya alternatif bir güvenlik mekanizması) sağlayın.
  5. MR incelemesi sırasında konforu artırmak için deneğin başının ve bacaklarının altına bir ped yerleştirin.
  6. Görüntülenen alanın bore merkezinde (izosenter) olduğundan emin olmak için lazer ışık navigasyonunu kullanarak deneği MR tarayıcısına yerleştirin.

4. MRG incelemesi

  1. Lokalizatör
    1. 3D PREFUL incelemesini planlamak için kullanılacak olan, üç düzlemde (geniş görüş alanına sahip) düşük çözünürlüklü anatomik görüntüler elde etmek amacıyla bir lokalizatör sekansı (Tablo 1A'da listelenenlere benzer parametrelerle) gerçekleştirin.
  2. 3D PREFUL görüntüleme
    1. Görüntüleme alımı için akvizisyon parametrelerini Tablo 1B'ye göre ayarlayın.
    2. Akvizisyonun yaklaşık 8 dk sürmesi için radyal projeksiyon sayısını buna göre ayarlayın.
    3. Denekten, tüm akvizisyon boyunca normal şekilde nefes almasını (tidal-free solunum) isteyin.
    4. Tüm toraksın görüş alanına dahil olduğundan emin olun ve akvizisyonu başlatın.
  3. Görüntüleme tamamlandıktan sonra denekten tarayıcıyı çıkarın.

5. Ham veri aktarımı

  1. Genellikle, elde edilen ham veriler MR üretici platformunda kaydedilmez. MR konsolu üzerindeki üreticiye özgü adımları kullanarak ham 3D PREFUL k-uzayı verilerini kaydedin.

6. Veri analizi ve işlem sonrası süreç

  1. Ham verilerin yolunu belirleyerek, belirlenmiş iş istasyonunda (örneğin MATLAB'da) görüntü yeniden yapılandırma betiğini (Malzeme Tablosu) kullanarak edinilen verileri değerlendirmeye başlayın.
    NOT: Belirlenmiş iş istasyonunda şu paketlerin halihazırda yüklü olması gerekir:
    (a) Berkeley Advanced Reconstruction Toolbox (BART)
    ​(b) Advanced Normalization Tools (ANTs)
  2. Görüntü yeniden yapılandırması
    1. Berkeley advanced reconstruction toolbox (BART)'da uygulanan estdelay fonksiyonunu kullanarak, kalibrasyon projeksiyonları ile MR sistemine bağlı gradyan gecikmelerini tahmin edin21,22.
    2. Hesaplanan gradyan gecikmesine göre her bir projeksiyona kaydırma uygulayın.
    3. x-y düzleminde ve z yönünde periyodik bir pencere kullanarak, gradyan gecikmesi düzeltilmiş verilere Hanning filtrelemesi (MATLAB'daki hann fonksiyonu kullanılarak) uygulayın.
    4. Solunumsal gruplandırma (binning) için düşük çözünürlüklü görüntü yeniden yapılandırması
      1. Okuma/bölüm boyutunun orta indeksi etrafında merkezlenmiş k-uzayı verilerinin sekizde birini/dörtte birini seçin.
        NOT: Deneğin boyutuna bağlı olarak bu adım 32 x 32 x (12-20) boyutunda bir matris ile sonuçlanır.
      2. k-uzayı veri matrislerini ve karşılık gelen yörüngeleri, her bir zaman noktasının 14 radyall projeksiyondan oluştuğu ek bir zaman boyutunu içerecek şekilde yeniden şekillendirin.
        NOT: Her bir sonraki zaman noktası, önceki zaman noktasından gelen 13 radyall projeksiyon ve bir yeni ardışık radyall projeksiyon içerir.
      3. Görüntü yeniden yapılandırması için BART'ta uygulanan paralel görüntüleme ve sıkıştırılmış algılama (pics) komutunu kullanın.
        NOT: Uzamsal alanda L2 normu (λ = 0.1) ve toplam varyasyon (λ = 0.0001) düzenlemesi ile zaman alanında toplam varyasyon (λ = 0.01) düzenlemesi uygulayın.
    5. Solunumsal tetikleme (gating) sinyalinin çıkarılması
      1. Otsu eşikleme yöntemini kullanarak yeniden yapılandırılan her bir düşük çözünürlüklü 3D görüntüdeki akciğer parankimini bölümlere ayırın23 ve her zaman noktası için akciğer parankim hacmini hesaplayın.
      2. Çıkarılan hacim zaman serisine 0.7 Hz kesim frekanslı bir düşük geçiren filtre uygulayın ve solunum frekansını hesaplayın.
      3. Zaman serisindeki aşırı uç değerleri (95inci persentilin üzerindeki ve 10uncu persentilin altındaki zaman noktaları) hariç tutun.
        NOT: Zaman serisinin genlik ve fazlarına göre düzenlenmesi, tek bir solunum döngüsünün yeniden yapılandırılmasına olanak tanır.
    6. Kesit bazlı görüntü yeniden yapılandırmasını sağlamak için, hanningle filtrelenmiş verilere kesit yönü boyunca hızlı Fourier dönüşümü (FFT, MATLAB'daki fft fonksiyonu) uygulayın.
    7. k-uzayı veri matrisini, her bir solunum grubunun en az 100 spoke içereceği şekilde çıkarılan zaman serisine göre yeniden şekillendirin.
    8. Her bir solunum grubunun SNR24,25 değerini artırmak için komşu gruplardan projeksiyonların %20'sini kullanın.
    9. k-uzayı yörüngeleri matrisini, k-uzayı verilerinin boyutuyla eşleşecek şekilde yeniden şekillendirin.
    10. Her kesit için görüntü yeniden yapılandırması amacıyla pics komutunu çalıştırın.
      NOT: Uzamsal alanda L2 normu (λ = 0.1) ve toplam varyasyon (λ = 0.0001) düzenlemesi ile zaman alanında toplam varyasyon (λ = 0.01) düzenlemesi uygulayın.
    11. Tam bir solunum döngüsünün yeniden yapılandırılmış görüntüleri, solunum frekansı ve edinme zamanları dahil olmak üzere değişkenleri bir .mat dosyasına kaydedin.
  3. Görüntü kaydı (registration)
    1. Yeniden yapılandırılmış görüntülerin sinyal yoğunluklarını tersine çevirin.
    2. Görüntüleri, doğrusal olmayan kayıt (non-rigid registration) kullanarak inspirasyon gibi seçilen bir solunum durumuna kaydedin.
      NOT: Kayıt doğruluğunu artırmak için grup odaklı bir yaklaşım26 kullanılabilir. Kayıt işlemi, Advanced Normalization Tools (ANTs)27 veya Forsberg kayıt paketi28 gibi araçlar kullanılarak CPU veya GPU üzerinde gerçekleştirilebilir.
  4. Akciğer parankim segmentasyonu
    1. End-inspiratuvar 3D görüntünün akciğer parankimini, örneğin nnUnet mimarisine29 sahip bir evrişimli sinir ağı kullanarak bölümlere ayırın.
    2. Wernz ve ark. tarafından tanımlanan30 yöntem gibi bir damar tanıma algoritması kullanarak akciğer damarlarını hariç tutun.
      NOT: Böyle bir algoritmaya erişiminiz yoksa akciğer damarı tanıma adımı zorunlu değildir. Bazı durumlarda manuel yeniden segmentasyon gerekebilir.
  5. Filtreleme
    1. 16 fazı tekdüze aralıklı bir zaman ızgarasına enterpole etmek için, kaydedilmiş ve yeniden tersine çevrilmiş görüntülere Nadaraya-Watson çekirdek regresyonu (σ = 0.3 ile) uygulayın.
    2. Zaman alanındaki enterpole edilmiş verilere 0.7 Hz'de düşük geçiren bir filtre uygulayarak solunumla ilgisiz sinyal varyasyonlarını ortadan kaldırın.
    3. Zamanla ortalanmış kayıtlı görüntüyü kılavuz görüntü olarak kullanarak, görüntü kılavuzlu filtreleme31 ile düşük geçiren filtrelenmiş görüntülerin gürültüsünü giderin. Şu parametreleri ayarlayın: Window Size = [5, 5, 5], lambda = 0.001.
  6. Ventilasyon analizi
    1. Her bir solunum fazı N için bölgesel ventilasyon (RVent) haritalarını mililitre/mililitre (mL/mL) cinsinden aşağıdaki formülü kullanarak hesaplayın32:
      figure-protocol-1     [1]
      NOT: SInsp, görüntü kaydı için hedef görüntüyü temsil eder ve end-inspiratuvar seviyeye karşılık gelir. SExp end-ekspiratuvar görüntüyü, SN ise N-inci solunum durumunu temsil eder.
    2. Maksimal ventilasyonu temsil eden 8inci fazın RVent haritasının ventilasyon defekti (VDRVent) haritasını hesaplayın.
      ​NOT: VD'yi hesaplamak için 90uncu persentil değerinin 0.4 katı olan eşiğin altındaki vokselleler defekt olarak kabul edilir33.
    3. Akım-hacim-döngüsü korelasyon metriği (FVL-CM) haritasını hesaplayın.
      1. Akımı, RVent'in birinci türevi olarak hesaplayın.
        NOT: Hacim, RVent tarafından doğrudan ölçülür.
      2. 75inci ve 95inci persentil arasındaki RVent değerleri tarafından tanımlanan sağlıklı bir bölgeden hesaplanan referans bir FVL'yi her kesit için oluşturun.
      3. Sıfır gecikmeli çapraz korelasyon kullanarak, her bir akciğer parankim vokselinin FVL'si ile referans FVL arasındaki benzerliği belirleyin.
    4. FVL-CM değerleri 0.9'un altında olan voksellerin ventilasyon defekti olan vokseller olarak tanımlandığı VDFVL-CM haritasını hesaplayın34.
    5. Solunum döngüsünün yüzdesi (%) cinsinden ventilasyon tepe süresi (VTTP) haritalarını hesaplayın.
      NOT: Teorik olarak, enterpole edilmiş solunum döngüsü tepe ekspirasyonda başlar/biter ve sağlıklı bir voksel için ventilasyon döngüsünün %50'sindeki tepe inspirasyon etrafında simetriktir. İlerlemiş/gecikmiş ventilasyon dinamiğine sahip vokseller için VTTP haritası %50'nin altında/üstünde bir değer gösterecektir.
    6. VTTP değerinin %50'deki tepe inspirasyondan sapmasını (VTTPDev) şu şekilde hesaplayın:
      figure-protocol-2    [2]
      NOT: Sağlıklı bir bölge için VTTPDev değeri %0'a yakın olmalıdır.
    7. İstatistikler
      1. Tüm kesitler için RVent, FVL-CM, VTTP ve VTTPDev parametrelerini; medyan, ortalama, standart sapma değerleri ve interkuartil aralıkları sağlayarak istatistiksel olarak tanımlayın.
      2. Oluşturulan VD haritalarından türetilen ventilasyon defekti yüzde değerlerini hesaplayın.
      3. Hesaplanan tüm parametreleri bir elektronik tablo dosyasına aktarın (Tablo 3'te verilen örneğe bakın).

Sonuçlar

En basit 3D PREFUL görüntüleme protokolü iki sekans içerir. Bir anatomik lokalizasyon + altın açılı 3D stack-of-stars akvizisyonu kullanılarak yapılan bir serbest solunum ölçümü. Stack-of-stars yörüngesi Şekil 1'de gösterilmiştir. Bu yörünge, radyal örneklemeyi (düzlem içi) doğrusal kartezyen örnekleme (z-yönünde) ile birleştirir. Başlangıçta kz bölüm yönündeki örnekler alınır ve ardından kx-ky düzlemini örneklemek için altın açı rotasyonu uygulanır. Altın açı akvizisyon şeması, k-uzayının tekdüze kapsamıyla öz-kapılamayı (self-gating) destekleyerek, yoğun şekilde eksik örneklenmiş verilerle görüntü rekonstrüksiyonunu kolaylaştırır. Tüm inceleme 10 dakikayı geçmez. 3D PREFUL akvizisyonuna ilişkin daha fazla ayrıntı Materyal Tablosu'nda yer almaktadır.

figure-results-1
Şekil 1: Altın oranla döndürülmüş yıldız yığınları yörüngesi. düzlem içi boyutta (kx-ky) radyal örnekleme ve kesit yönünde (kz) Kartezyen örnekleme uygulandığına dikkat edin. Bu şema, elde edilen k-uzayının silindirik olarak kapsanmasını sağlar. Bu örnekte, her bir bölme başına 32 radyal projeksiyon içeren üç bölme gösterilmiştir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

1.5 T tarayıcıda 3D PREFUL görüntüleme için kullanılan tipik MRI parametrelerinin bir listesi Tablo 1B'de sunulmuştur. 3T tarayıcı için, Tablo 2'de listelenen sekans parametreleri önerilmektedir.

Veri toplama ve veri aktarımı tamamlandıktan sonra görüntü rekonstrüksiyon aşaması başlar. Bu adım, bir şirketin (BioVisioneers GmbH) fikri mülkiyetine (IP) ait olan ve açıkça paylaşılamayan bir MATLAB kodu ile gerçekleştirilir. Ham verilere giden yol sağlandığında betik tamamen otomatik olarak çalışır. Rekonstrüksiyon prosedürünün şematik bir genel görünümü Şekil 2'de gösterilmiştir.

figure-results-2
Şekil 2: 3B Faz Çözümlü Fonksiyonel Akciğer (PREFUL) MR yönteminin şematik genel görünümü. İlk olarak, veriler stack-of-stars yörüngesi ile 8 dakika süren serbest nefes alma MR görüntülleme kullanılarak elde edilir. Veriler MR tarayıcıdan bir hesaplama birimine aktarıldıktan sonra, yaklaşık 100 ms temporal çözünürlüğe sahip düşük çözünürlüklü 3B görüntüler rekonstrüktü edilir. Her görüntünün akciğer parenkimi segmente edilir ve akciğer hacmi hesaplanır. Akciğer hacmi bilgisi daha sonra bir gating sinyali olarak kullanılır. Gating sinyalinin genliği ve fazına dayanarak, radyal projeksiyonlar bir solunum döngüsünü kapsayan solunum kutularına (bins) ayrılır. Kutulama aşamasını, tam çözünürlüklü görüntülerin dinamik rekonstrüksiyonu takip eder ve bu görüntüler daha sonra end-inspiratuar seviyeye kaydedilir. Birkaç son işlem adımından sonra, bölgesel ventilasyon (RVent) döngüsü hesaplanır ve parametre çıkarımı dahil olmak üzere görüntü analizi kısmı gerçekleştirilir. RVent döngüsü, her bir voksel için akım-hacim döngüsü (FVL) hesaplanarak değerlendirilir. FVL-CM ventilasyon haritaları, her bir voksel FVL'sinin sağlıklı referans FVL ile karşılaştırılması ve benzerliğin çapraz korelasyon metriği kullanılarak değerlendirilmesi yoluyla elde edilir. Hem RVent hem de FVL-CM için küresel toplam ventilasyon defekti yüzdesi (VDP) değerleri nicelendirilir. Ayrıca, RVent döngüsünün dinamiği tepe süresi analizi ile incelenerek bir ventilasyon tepe süresi (VTTP) parametre haritası oluşturulur. Ek olarak, RVent döngüsünün %50'sindeki beklenen tepe ventilasyonun sapması VTTPDev haritasında nicelendirilir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Görüntü yeniden yapılandırma prosedürünün ardından, tüm görüntüler tek bir sabit duruma göre uzamsal olarak hizalanır. Kayıt işlemi, CPU üzerinde Advanced Normalization Tools (ANTs27) veya Forsberg kayıt paketi28 kullanılarak gerçekleştirilir. ANTs paketi MRI ve CT görüntülemedeki görüntü kayıt görevleri için altın standart olmaya devam ederken, Forsberg kaydı benzer sonuçlarla 9 dakikaya kadar 10 kat daha hızlı bir kayıt prosedürü sağlar19. Kayıt paketi, kullanıcı önceliklerine ve mevcut hesaplama birimlerine bağlı olarak seçilebilir. Kayıt işlemi tamamlandıktan sonra, kayıtlı morfolojik görüntüler, gri tonlamalı görüntüde akciğerin koyu görünmesi için tekrar tersine çevrilir.

Şekil 3'te, akciğer parankim segmentasyonunu içeren işlem hattının bir sonraki adımı gösterilmiştir. İlk olarak, nnUnet mimarisine sahip bir konvolsiyonel sinir ağı kullanılarak end-inspiratuar görüntüden akciğer parankimi segmente edilir29. Akciğer parankim segmentasyonunu, final segmentasyon maskesinden hariç tutulan bir damar tanıma işlemi takip eder30.

figure-results-3
Şekil 3: 32 yaşındaki erkek bir denek için derin öğrenme tabanlı segmentasyonun örnek sonuçları. Üst sıra, sekiz temsilci koronal kesitin morfolojik görüntülerini göstermektedir. İkinci ve üçüncü sıralarda sırasıyla, bunlara karşılık gelen akciğer parenkim maskesi ve damarların hariç tutulduğu nihai maske gözlemlenebilir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Hatalı akciğer parenkimi segmentasyonuna bir örnek Şekil 4'te gösterilmiştir. Derin öğrenme tabanlı segmentasyonların görsel olarak incelenmesi esastır ve yetersiz görüldüğü takdirde, nihai akciğer parenkimi maskesinin doğruluğunu artırmak için manuel düzeltmeler değerlendirilmelidir.

figure-results-4
Şekil 4: 57 yaşında erkek bir denek için derin öğrenme tabanlı hatalı segmentasyonun örnek sonuçları. Üst satır, sekiz temsili koronal kesitin morfolojik görüntülerini göstermektedir. İkinci ve üçüncü satırlarda, sırasıyla karşılık gelen akciğer parankim maskesi ve damarların dışlandığı nihai maske gözlemlenebilir. Belirgin olduğu üzere, birçok fibrotik bölge hatalı bir şekilde damarlar veya pulmoner olmayan yapılar olarak tanımlanmıştır. Dördüncü satırda gösterildiği gibi, bu hatalar manuel olarak düzeltilmiştir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Protokolde belirtilen birkaç filtreleme adımının ardından, ventilasyon sürrogatları hesaplanır. 3D PREFUL MRI; Şekil 5'te gösterildiği gibi, statik bölgesel ventilasyon (RVent), dinamik akış-hacim korelasyon metrikleri (FVL-CM) ve ventilasyon pik süresi (VTTP) analizine dayalı iki parametre için kantitatif haritalar oluşturur. Bu şekil, 32 yaşında sağlıklı bir erkeğe ait sekiz koronal kesiti sunmaktadır. Tüm ventilasyon parametrelerinin beklenen homojen dağılımına dikkat ediniz.

figure-results-5
Şekil 5: Sağlıklı bir gönüllünün (32 yaşında erkek) 3D PREFUL MRI görüntüsü. Sağlıklı bir gönüllü (32 yaşında erkek) için temsilci morfolojik (üst sıra) ve 3D PREFUL MRI ventilasyon parametreleri (ikinci beşinci sıra arası) haritaları. Statik bölgesel ventilasyon, bölgesel ventilasyon (RVent) ile temsil edilirken; ventilasyon dinamikleri ise akış-volüm döngü korelasyon metriği (FVL-CM), ventilasyon pik süresi (VTTP) ve VTTP sapması (VTTPDev) ile değerlendirilmiştir. Beklendiği üzere, tüm ventilasyon parametre haritaları için homojen ventilasyon değerleri gözlemlenmiştir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Ventilasyon haritalarını basitleştirmek için, sonuçların daha hızlı yorumlanmasını sağlayan RVent ve FVL-CM'ye yönelik ventilasyon defekt (VD) haritaları türetilir. Örnek VD haritaları Şekil 6'da sunulmuştur. Hem VDRVent hem de VDFVL-CM için VDP değerleri sırasıyla %3,6 ve %3,0 olarak bulunmuş olup sağlıklı normal aralıkta yer almaktadır. İdeal olarak ve sağlıklı gönüllülerin yaşına bağlı olarak, VDP değeri %10'u geçmemelidir. Yukarıda belirtilen parametreler (RVent, FVL-CM ve bunların VD haritaları) çeşitli çalışmalarda valide edilmiş11,12,35,36 olup hem hastalığın tespitinde hem de tedavi kaynaklı etkilerin saptanmasında hassastır20,34,37,38,39.

figure-results-6
Şekil 6: Ventilasyon defekt haritaları da dahil olmak üzere temsili RVent ve FVL-CM haritaları. Sağlıklı bir gönüllü (32 yaşında erkek) için 3D PREFUL MRI ile elde edilen RVent (üst satır) ve FVL-CM (ikinci satır) haritaları ile bunlara ait ventilasyon defekt haritaları (üçüncü ve dördüncü satır) gösterilmiştir. VD haritalarında sağlıklı bölgeler yeşil, ventilasyon eksikliği olan alanlar ise kırmızı ile işaretlenmiştir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Hem 1.5 T hem de 3 T manyetik alan şiddetlerinde gerçekleştirilen çeşitli pulmoner MRI çalışmaları rapor edilmiştir. Artan sinyal-gürültü oranı (SNR) nedeniyle 3 T'nin teorik bir avantajı olsa da, bu avantaj 3 T'deki daha belirgin manyetik duyarlılık etkileri tarafından gölgelenebilir. Manyetik alan şiddetlerinin 3D PREFUL ventilasyon haritalarının görüntü kalitesi üzerindeki kesin etkisi şu an için bilinmemektedir. Burada, 3 T MR tarayıcı kullanılarak sağlıklı bir gönüllüden (35 yaşında erkek) elde edilen fizibilite sonuçlarını sunuyoruz (Şekil 7). Ventilasyon parametrelerinin 1.5 T ile karşılaştırıldığında (Şekil 5) 3 T'de daha heterojen bir görünüme sahip olduğuna dikkat ediniz.

figure-results-7
Şekil 7: Sağlıklı bir gönüllünün (35 yaşında erkek) 3D PREFUL MRI görüntüsü. 3T'de sağlıklı bir gönüllü (35 yaşında erkek) için temsili morfolojik (üst satır) ve 3D PREFUL MRI ventilasyon parametreleri (ikinci beşinci satırlar arası) haritaları. Statik bölgesel ventilasyon, bölgesel ventilasyon (RVent) ile temsil edilirken; ventilasyon dinamiği akış-volüm döngüsü korelasyon metriği (FVL-CM), ventilasyon pik süresi (VTTP) ve VTTP sapması (VTTPDev) kullanılarak değerlendirilen ventilasyon parametreleri ile analiz edilmiştir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Daha doğrudan ölçümlerle elde edilen 3D PREFUL'un karşılaştırması/validasyonu henüz yayınlanmamıştır. 2D PREFUL tekniği ile 129Xe11,12,14 ve 19F MRI35 arasındaki VDP değerleri ve ventilasyon kusurlarının mekansal örtüşmesi arasında pozitif bir korelasyon bildiren birkaç çalışma bulunmaktadır. Kronik obstrüktif akciğer hastalığı (KOAH), astım hastaları ve sağlıklı gönüllülerde 3D PREFUL kaynaklı ventilasyon ile 19F MRI kullanılarak yapılan doğrudan ventilasyon ölçümleri arasındaki yakın zamanda gerçekleştirilen bir karşılaştırma, küresel düzeyde orta ile güçlü arasında bir korelasyon ortaya koymuştur40. Kronik obstrüktif akciğer hastalığı tanısı konmuş bir hasta (54 yaşında kadın, FEV1 = tahmin edilen değerin %42) için 3D PREFUL ve 19F wash-in MRI kullanılarak yapılan incelemeye ait örnek bir karşılaştırma (Şekil 8) sunulmuştur.

figure-results-8
Şekil 8: 54 yaşındaki kadın bir KOAH hastasının 3D PREFUL MRI görüntüleri. 54 yaşındaki kadın bir KOAH hastasının (FEV1 = 42 % pred., FVC = 102% pred.) 3D PREFUL MRI (2. ve 3. satır) ve 19F MRI (4. ve 5. satır) aracılığıyla elde edilen morfolojik görüntüleri (üst satır), ventilasyon parametreleri ve ilgili ventilasyon defekt haritaları ile her iki yöntemden elde edilen ventilasyon defekt haritalarının karşılaştırması (son satır) sunulmuştur. Genel olarak, tüm kesitlerde Sørensen-Dice katsayısı defektli alanlarda %25,5 ve sağlıklı bölgelerde %80,6 olarak belirlenmiş, bu da toplamda %69,2'lik bir mekansal örtüşme sağlamıştır. Özellikle, sağlıklı ve defektli bölgelerdeki eşleşmiş ventilasyon alanları (koyu yeşil ile gösterilmiştir) arasında görsel bir korelasyon bulunmaktadır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

3D PREFUL MRI, tedaviye verilen bölgesel yanıtların ölçümü için kullanılabilir20. Bir örnek olarak, Şekil 9, kistik fibrozisli bir denekten (43 yaşında kadın) alınan akciğer kesitlerinin başlangıçta (solda, FEV1 = %94 öngörülen değer) ve CFTR-modülatör tedavisinden sonra (sağda, FEV1 = %112 öngörülen değer) üç kesitinin karşılaştırmasını göstermektedir. Her iki ölçüm mekânsal olarak eşleştirildiği için 3D PREFUL, Şekil 9'un altında gösterildiği gibi bölgesel tedavi yanıt analizine olanak tanır. Lütfen tedavi sonrası akım-hacim döngüsü korelasyon metriğindeki artışın yanı sıra ventilasyon kusurlarındaki azalmaya dikkat ediniz.

figure-results-9
Şekil 9: 43 yaşında kadın bir kistik fibrozis (CF) hastasının 3D PREFUL ölçümleri. 43 yaşında kadın bir CF hastasının başlangıç (sol) ve tedavi sonrası (sağ) 3D PREFUL ölçümlerine ait örnek ventilasyon belirteç haritaları. VDPFVL-CM %18,0'den (başlangıç) %3,6'ya (tedavi sonrası) düşmüştür. FEV1 % pred. başlangıç: %94, FEV1 % pred. tedavi sonrası: %112. LCI başlangıç: 10,48, LCI tedavi sonrası: 9,39. Karşılık gelen tedavi yanıt haritaları altta gösterilmiştir. Terapi sonrası düzelen ventilasyonu belirten yeşil alanlara dikkat ediniz. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Tablo 1: 1,5T tarayıcıda lokalizör ve 3D PREFUL kazanımı için kullanılan tipik MRI parametrelerinin listesi. (A) Lokalizör ve (B) 3D PREFUL kazanımı. Bu tabloyu indirmek için lütfen buraya tıklayın.

Tablo 2: 3T tarayıcıda 3B PREFUL alımı için önerilen MR parametreleri. Lütfen bu Tabloyu indirmek için buraya tıklayın.

Tablo 3: Sağlıklı bir gönüllü (35 yaşında erkek) için 3D PREFUL Parametrelerinin örnek istatistiksel raporu Bu tabloyu indirmek için lütfen buraya tıklayın.

Tartışma

En kritik tuzaklardan biri satın almanın kendisidir. MR sekansı parametrelerinin doğru şekilde ayarlandığından emin olmak için özen gösterilmelidir. Daha da önemlisi, yankı süresi, tekrarlama süresi, dilim sayısı, matris boyutu ve piksel bant genişliği çok önemli parametrelerdir. Önerilen ayarlardan sapmalar, yetersiz zamansal çözünürlüğe veya uzun süreli alımlara neden olabilir. Ayrıca, verilerin değerlendirilmek üzere seçilen bilgisayara veya sunucuya eksiksiz olarak iletilmesini sağlamak için veri aktarımı önemlidir. Elde edilen verilere giden yol ayarlandıktan sonra veri değerlendirmesi tamamen otomatik olarak ilerler. İşlem sonrası, geriye dönük gruplamanın çok önemli bir rol oynadığı görüntünün yeniden yapılandırılmasıyla başlar. Solunum düzeninin net bir şekilde tasvir edilmesini sağlamak için gruplama sinyalinin doğrulanması önerilir. Gruplama sinyalini inceledikten sonra, algoritmanın kendisi aykırı değerleri (95. yüzdelik dilimin üzerindeki ve 10. yüzdelik dilimin altındaki veri noktaları) hariç tutarak zayıf solunum modellerini ele aldığından, ek adımlara gerek yoktur. Görüntü yeniden yapılandırmasından sonra, görüntü kayıt işlemi gerçekleşir. Bu adım şu şekilde doğrulanmalıdır: kaydedilen görüntülerde solunum ve kalp hareketi olmamalıdır. Spesifik olarak, diyafram ve kalbin pozisyonları 'dondurulmalıdır'. Bir sonraki adım, akciğer parankiminin ve damarlarının derin öğrenmeye dayalı segmentasyonunu içerir. Bu segmentasyon işlemi, tüm 3D akciğer hacmi için oldukça zaman alıcıdır; dolayısıyla yapay zeka tabanlı araçların kullanılması faydalıdır. Ancak çevresel konsolidasyonların meydana gelmesi gibi bazı durumlarda bu algoritmalar doğru sonuçlar vermeyebilir. Sonuç olarak, segmentasyon maskesi iyice kontrol edilmeli ve gerekirse manuel olarak düzeltilmelidir. Tüm bu adımlar havalandırma parametrelerinin değerlendirilmesi için kritik öneme sahiptir ve yanlış hesaplamalara neden olabilir.

Orijinal yayından17 bu yana, 3D PREFUL tekniğinde çeşitli geliştirmeler yapılmıştır. Elde edilen radyal projeksiyonların sıralama algoritması tamamen otomatikleştirilmiş ve geliştirilmiştir, böylece tüm akciğer Otsu'nun eşikleme yöntemi kullanılarak bölümlere ayrılır ve verileri solunum fazlarına gruplamak için bir navigatör sinyali olarak kullanılır. Ayrıca, manuel akciğer parankiminin ve damar segmentasyonunun yerini, zaman alan prosedürleri azaltmak için tam otomatik derin öğrenme tabanlı algoritmalar almıştır. Ek olarak, Forsberg kayıt araç kutusu uygulanırsa, görüntü kaydı bölümünün işlem süresi 10 dakikaya kadar azaltılabilir19. Önceki gelişmelerle birlikte, uygulanan kod, iki zaman noktasının (takip ölçümleri) görüntülerini birlikte kaydetmeyi ve hastalığın voksel ilerlemesini veya tedaviye bağlı ventilasyon değişikliklerini20 değerlendirmeyi sağlar. Matlab betiğinin mevcut sürümü herhangi bir kullanıcı etkileşimi gerektirmez ve gelecekte belirli bayraklarla verilerin otomatik olarak işlenmesi için bir boru hattında uygulanabilir.

3D PREFUL'un ana dezavantajı, uyarma için seçici olmayan bir sert RF darbesi kullanıldığında içeri akış etkisi yakalanamadığından, yerel kan akışı ölçümünün mümkün olmamasıdır. İkinci olarak, şu anda, tüm son işleme (veri aktarımı, görüntü rekonstrüksiyonu, görüntü kaydı ve havalandırma analizi dahil) her denek için 2 saat gerektirmektedir. Üçüncüsü, şu anda, 3D PREFUL'dan türetilen ventilasyon parametrelerinin daha doğrulanmış tekniklerle yalnızca bir ön karşılaştırması gösterilmiştir40. Dördüncüsü, elde edilen verilerin değerlendirilmesi yüksek performanslı bir bilgisayarda gerçekleştirilir; bu nedenle, sonuçlar konsoldaki hekime doğrudan sunulmaz. Beşinci olarak, 3D PREFUL'un farklı saha güçleri ve çeşitli tarayıcı satıcıları üzerinde fizibilite çalışmaları eksiktir.

3D Faz Çözümlü Fonksiyonel Akciğer (PREFUL) MRG, serbest solunum sırasında tüm insan akciğerinin bölgesel ventilasyon dinamiklerinin kantitatif haritalanmasına izin verir17. 3D PREFUL'un spirometri veya çoklu nefes yıkama teknikleri gibi uygun maliyetli birkaç alternatifi vardır; Bununla birlikte, her ikisi de uzamsal bilgiden yoksundur ve nefes alma manevraları gerektirir ve bu nedenle küçük çocuklar veya yenidoğanlar için uygun değildir. Alternatif görüntüleme yöntemleri, hastaları nükleer tıp yöntemleri BT gibi iyonlaştırıcı radyasyona maruz bırakır veya yaygın olarak bulunmaz (MRI kullanılarak hiperpolarize 129Xe veya 19F gaz görüntüleme). 3D PREFUL, ventilasyon dinamiklerinin bir değerlendirmesini sağlar, standart bir klinik tarayıcı kullanılarak gerçekleştirilebilir ve kontrast madde gerektirmez, bu da onu bir klinik araştırma ortamına çevrilmeyi çekici kılar. 3D PREFUL'un radyasyon veya kontrast madde kullanımını gerektirmemesi ve hasta dostu, serbest nefes alma olanağı sunması, tedaviye bölgesel yanıtları kantitatif olarak değerlendiren tekrarlı veya boylamsal çalışmalar için çok uygun olmasını sağlar. İkinci olarak, akciğer ventilasyonunun 3D PREFUL değerlendirmesi, radyasyona maruz kalmaktan kaçınılması gereken küçük çocuklarda özellikle değerli olabilir.

3D PREFUL'un insan akciğerinin fonksiyonel ventilasyon görüntülerini oluşturma yeteneği, erken teşhis potansiyeli taşır. Spesifik olarak, tekrarlanabilir ve kantitatif bölgesel ventilasyon haritaları üretme yeteneği, örneğin hastalığın ilerlemesi veya tedavi etkilerinin izlenmesi gibi boylamsal çalışmalara izin verir. Ayrıca, ventilasyon dinamikleri hakkındaki bölgesel bilgiler, solunum fonksiyon testleri ile saptanamayan akciğer hastalığına bağlı erken değişikliklere karşı daha fazla duyarlılık sağlayabilir.

Açıklamalar

Filip Klimeš, Andreas Voskrebenzev ve Jens Vogel-Claussen, pulmoner manyetik rezonans görüntüleme yöntemleriyle ilgilenen bir şirket olan BioVisioneers GmbH'nin hissedarlarıdır.

Teşekkürler

Bu çalışma Alman Akciğer Araştırmaları Merkezi (DZL) tarafından finanse edilmiştir. Yazarlar, meslektaşlarıyla, özellikle 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 ve Sonja Lüdiger ile yapılan bir dizi yararlı tartışmadan yararlandılar. Yazarlar, MR görüntüleme dizisini yazdığı için Robert Grimm'e (Siemens Healthineers) teşekkür eder ve ayrıca yazarlar, MRG incelemelerinin gerçekleştirilmesinde olağanüstü teknik yardım için Radyoloji Bölümü'nden (Hannover Tıp Fakültesi) Frank Schröder ve Sven Thiele'ye teşekkür eder.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
ANT'lerAçık kaynaklı tıbbi görüntü analizi araştırma topluluğuGörüntü kayıt araç kutusu
BARTAçık kaynaklı görüntülemehttps://www.opensourceimaging.org/project/berkeley-advanced-reconstruction-toolbox-bart/Görüntü rekonstrüksiyon araç kutusu
Vücut bobiniSiemens / Philips / GE https://www.siemens-healthineers.com/en-us/magnetic-resonance-imaging/options-and-upgrades/coilsEn az 6 kanallı gövde bobini; Philips [https://www.usa.philips.com/healthcare/solutions/magnetic-resonance/coils-overview ]
ForsbergGörüntü kayıt araç kutusuhttps://github.com/fordanic/image-registrationGörüntü kayıt araç kutusu
Görüntü rekonstrüksiyon koduBioVisioneers GmbHwww.biovisioneers.comMR rekonstrüksiyonu ve analizi için yazılım
MatlabMathworksYazılım
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]; 1.5 T / 3 T
DizisiSiemens / Philips / GEMRI dizisi, yıldız yığını yörüngesi ve altın açı artışı ile 3D gradyan yankı dizisi; 1. Siemens kavrama-titreşim dizisi - https://t.ly/P31kM , 2. Philips Multi Vane XD Dizisi https://t.ly/wMWZZ, 3. GE Lava-Star, Disko Yıldızı - https://t.ly/vimm2

Kaynaklar

  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).

Yeniden basım ve izinler

Etiketler

Fonksiyonel Akci er MRGFaz z n rl kl MRGBoyutlu PREFULB lgesel VentilasyonVentilasyon Defekt HaritalarS k t r lm Alg lamaDerin renme Rekonstr ksiyonuAkci er Parankim SegmentasyonuVentilasyon DinamikleriPulmoner Fonksiyon Testleri
Üç Boyutlu Faz Çözümlü Fonksiyonel Akciğer Manyetik Rezonans Görüntüleme
Bize ulaşın
Kütüphaneye tavsiye et

Gizlilik

Kullanım Şartları

İlkeler

Telif hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.