Acompanhando as mamárias elementos arquitectónicos e detecção do câncer de mama com Ressonância Magnética Tensor Difusão de imagens

1Department of Biological Regulation, Weizmann Institute of Science, 2Unit of Biological Services, Weizmann Institute of Science, 3Department of Diagnostic Imaging, Meir Medical Center, 4Pathology Department, Meir Medical Center
Published 12/15/2014
0 Comments
  CITE THIS  SHARE 
Medicine
 

Summary

Cite this Article

Copy Citation

Nissan, N., Furman-Haran, E., Feinberg-Shapiro, M., Grobgeld, D., Eyal, E., Zehavi, T., et al. Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging. J. Vis. Exp. (94), e52048, doi:10.3791/52048 (2014).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Introduction

O câncer de mama é a causa mais comum de câncer entre as mulheres em todo o mundo. A detecção precoce do câncer de mama tem um papel fundamental na melhoria da qualidade de vida e sobrevida dos pacientes com câncer de mama. Os atuais métodos de referência para a detecção do câncer de mama são baseados em mamografia de raios-x e ultra-sonografia. A insuficiente sensibilidade e especificidade destas técnicas, particularmente para a detecção de lesões nas mamas densas, estimulou o desenvolvimento de outras técnicas, incluindo imagiologia de ressonância magnética da mama (MRI). Contraste dinâmico melhorado (DCE) MRI foi estabelecida como uma poderosa ferramenta para a detecção e diagnóstico de câncer de mama 1,2 e é frequentemente facilitado pela computer aided diagnóstico significa 3. Actualmente é utilizado para casos especiais, tais como pacientes de alto risco 4, mas não para o rastreio de rotina, presumivelmente devido aos custos elevados, a necessidade de utilizar uma injecção de um agente de contraste, a falta de uma normalizaçãond a especificidade variável na diferenciação das lesões benignas e malignas que vão de valores baixos / moderados 5,6 para valores altos que foram obtidos através da mamografia combinada e DCE-MRI 7,8. Mais recentemente, a difusão ponderada MRI e os mapas resultantes do coeficiente de difusão aparente (ADC) foram avaliadas como um método complementar para DCE-MRI e demonstrou-se que os valores de ADC podem ajudar a distinguir entre tipos de câncer, lesões benignas e do tecido mamário normal 9,10 . Além disso, estudos de tensor de difusão de imagens de mama (DTI) foram iniciadas em voluntários e pacientes com lesões mamárias saudáveis ​​em força de campo de 1.5 T e 15/11, de 3 de T 16-24. A maioria desses estudos relataram ADC e anisotropia fracionada (FA) valoriza 11,12,14,15,20-23 e encontrei esses dois parâmetros para ser reprodutível com valores de ADC mais reprodutíveis do que FA 13,20. Os resultados destes estudos indicaram que lesões malignas apresentam valores baixos como ADC compared de lesões teciduais e benignos normais, no entanto, os resultados conflitantes foram notificados sobre os valores e capacidade de diagnóstico de FA 11,12,14,20-23. Em um conjunto de 3 T- estudos DTI os valores dos três valores próprios e vectores próprios tensor no quadro tecido mamário foram relatados, bem como, e os resultados foram apresentados em mapas vetoriais do eigenvector principal e mapas paramétricos dos valores próprios, ADC, FA e uma anisotropia máxima índice 16-19,24. Nestes estudos, o valor próprio de difusão principal e a anisotropia máxima foram mostrados para servir como os parâmetros independentes mais sensíveis para a detecção e diagnóstico de lesões cancerosas

A mama é composta de tecido fibroglandular e tecido adiposo. O tecido fibroglandular é ainda composto por vários lóbulos, que são altamente variáveis ​​em tamanho e forma. Cada microestrutura lobo inclui a árvore funcional mamária e lóbulos associados que formam o tecido glandular, e torno conjuntivo-fitecido fibroso. A maioria das malignidades mamárias começar por uma proliferação aberrante de células epiteliais nos ductos ou lóbulos, o desenvolvimento de carcinoma in situ, o que, por infiltração nos tecidos circundantes a transformar em carcinoma invasivo. Portanto, os ductal / estruturas lobulares são uma área fundamental de investigação de transformação maligna de mama.

As características estruturais das árvores ductais foi inicialmente investigada ex vivo em 1840 por Sir Astley Cooper utilizando injecção de cera colorida para as condutas de espécimes de mastectomia 25. Recentemente, computador derivado de rastreamento de árvores ductal toda a mama tem sido alcançado em poucos seios humanos utilizando espécimes mastectomia 26,27. O trabalho aqui apresentado mostra que os parâmetros obtidos por in vivo de imagem por tensor de difusão de informação associados com o tecido mamário aspectos microestruturais distintas, possibilitando também a detecção do câncer de mama não-invasivo.

O pprincípios subjacentes hysical difusão mama tensor imaging são baseados na capacidade de ressonância magnética para medir e quantificar a difusão de água anisotrópica em ambientes restritos 28. Em geral, a difusão de água em soluções homogéneas é livre e isotrópicas, no entanto, se o movimento da água é interrompida por causa de restrição por paredes impermeáveis ​​à difusão anisotrópica torna-se com uma rápida difusão livre paralelo às paredes e uma difusão mais lenta restrita perpendicular às paredes ( A Figura 1). A difusão de água nos tecidos é complexo e depende das características estruturais e fisiológicas da intra e extracelulares incluindo compartimentos 'tamanhos das células, as células de densidade, tortuosidade extracelular e troca de água através de membranas, bem como da presença de vasos linfáticos e redes (Figura 2).

Figura 1
Figura 1: difusão gratuito e restrito Desenho esquemático de um livre difusão molécula de água (à esquerda) e difusão restrita por paredes impermeáveis ​​(direita)..

Figura 2
Figura 2: Complexo de difusão em um tecido desenho esquemático de difusão de água em um sistema celular que mostra o movimento das moléculas de água em compartimentos extracelulares e intracelulares e troca de água (setas) entre estes dois compartimentos..

Devido às características arquitetônicas específicas da mama a difusão de moléculas de água nos ductos e lóbulos mamários apresentar um exemplo particular de circulação restrita e anisotrópica: Em paralelo às paredes dos ductos e lóbulos da difusão é próximo ao de difusão livre, mas nas direcções perpendiculares às paredes que é restringida pelas paredes, compostas por duas cadeiascamadas de membrana celular e cave. Por conseguinte, a difusão do sistema ductal / glandular é relativamente rápido e anisotrópico. Por outro lado, a difusão no tecido fibroso circundante das condutas é rápido e isotrópica como resultado do teor de água de alta e baixa densidade celular neste tecido (Figura 3 e 4). Na presença de malignidade, o bloqueio das condutas e lóbulos por células cancerosas e aumenta a tortuosidade restrição do movimento da água, causando uma redução dos coeficientes de difusão em todas as direcções e no movimento anisotrópica (Figura 3 e 4).

Figura 3
Figura 3: Difusão em lóbulos mamários Desenho esquemático de um corte através dos lóbulos e a difusão de água dentro de um lóbulo.. Esquerda: difusão da água restringido por paredes dos lóbulos mostrando rápidodifusão paralelo às paredes e de difusão restrita perpendicular às paredes. Direita: difusão em lóbulos com células cancerosas. A difusão no compartimento extracelular é altamente impedida, mas semelhante em todos os sentidos e, consequentemente, quase isotrópica.

Figura 4
Figura 4:. Difusão de água no sistema de árvore ductal Esquerda: ductos mamários injetados com cera colorida, mostrando sua direção irradiada, e sua inter-ramificação 25. Meio: Desenho esquemático de um dutal normais com vectores que indicam a difusão no interior das condutas (setas pretas) e no tecido conjuntivo (setas verdes). Direita: Desenho esquemático de uma árvore ductal com dois loci de células cancerosas (roxo). As setas vermelhas apresentam a difusão nos cancros.

Este artigo descreve em detalhes o método de varredura por tensor de difusão e o processing algoritmos e análise dos conjuntos de dados DTI que permitiram detectar neoplasia maligna de mama software. Todos os tipos de câncer foram confirmados por exames histopatológicos de biópsia de mama e / ou peças cirúrgicas. Descrevemos também o protocolo de digitalização T2 ponderada para a obtenção das características anatômicas da mama, bem como o protocolo de digitalização DCE que serviu como um método de referência para avaliar a sensibilidade de detecção DTI. Por favor, clique aqui para ver uma versão maior desta figura.

Protocol

NOTA: Todos os protocolos foram aprovados pelo Conselho de Revisão Interna de Meir Medical Center, Kfar Saba-, Israel e do consentimento esclarecido foi obtido de todos os assuntos.

1. Preparação do paciente e posicionamento no Scanner MRI

  1. Insira um cateter intravenoso no braço esquerdo ou direito para a injeção de contraste.
  2. Certifique-se de que o paciente está deitado em decúbito ventral com ambos os seios pendurados livremente nas aberturas bilaterais da bobina de mama, como demonstrado na Figura 5.
  3. Assegure-se que a cabeça fique posicionada sobre uma almofada para a cabeça e pescoço conforto do paciente e os dois braços são colocados por cima da cabeça, como demonstrado na Figura 5.
  4. Certifique-se de que cada mama está em uma posição central, solto e tão profundamente quanto possível dentro da respectiva abertura bobina como demonstrado na Figura 5.

e 5 "src =" / files / ftp_upload / 52048 / 52048fig5highres.jpg "/>
Figura 5: Posicionamento de uma mulher para a ressonância magnética de mama. Observe a posição prona e enforcamento livre de ambas as mamas nas aberturas bilaterais da bobina de mama.

  1. Ligue a bomba de injeção automática para o cateter intravenoso.

2. MRI Scanning

  1. Adquirir com o scanner de ressonância magnética de uma imagem de piloto para a localização de ambos os seios e determinar o campo de visão (FOV), o número de fatias e espessura de corte para cobrir completamente os dois seios com extensão para a axila e à parede torácica.
  2. Em todas as seguintes seqüências de digitalização realizados com o aparelho de ressonância magnética, manter o mesmo valor do FOV, número de fatia e espessura de corte para cada caso. Por exemplo, adquirir 60 cortes axiais com FOV de 360 ​​mm na direcção de leitura e de fase, a espessura do corte que varia entre 2 a 3 mm, dependendo do tamanho dos seios, e uma direcção de codificação de fase L2;> R ou R >> L. Variar a resolução no plano nas seguintes sequências, dependendo da dimensão da matriz de aquisição utilizada para cada sequência, tal como indicado na Tabela 1.
Parâmetro Experimental 2D T2 ponderada 2D DTI Mapeamento 2D GE Campo DCE 3D
Tempo de repetição (TR) ms 5.500 10.800 669 6,8
Tempo de eco (TE) ms 122 120 4,92 2.49
TE (2) 7,38
Ângulo Flip graus 60 18
Matriz de aquisição 640 x 428 192 x 192 64 x 192 428 x 428
Médias 1 1 1 1
concatenations 4 1 1 1
Fator Turbo 21
Número de trens por fatia 11
Espaçamento Echo, ms 10 0,79
A largura de banda, Hz / pixel 300 1860 1532 560
Na resolução de digitalização de avião 0,56 x 0,84 1,9 x 1,9 0,8 x 0,8
Na resolução de imagem avião 0,56 x 0,56 1,9 x 1,9 1,9 x 1,9 0,8 x 0,8
Tempo de aquisição, min: seg 04:26 6:09 01:28 01:06 (x9)
Nº de gradientes de difusão 30
Supressão de gordura não FAT-SAT / SPAIR 1 não
b-valores, sec / mm 2 0, 700

Tabela 1:. Parâmetros experimentais das sequências utilizadas neste estudo 1 FAT-SAT: Gordura de saturação. SPAIR: Spectral atenuada Inversion Recovery.

  1. Localize com o computador interface de usuário do scanner de ressonância magnética uma região que inclui os dois seios e da axila e definir uma caixa de calços. Aplicar uma estratégia shimming iterativo para otimizar o campo magnético 29.
    1. Mostrar o espectro de protões na tela do computador interface de usuário e ajustar o shimming centrando a freqüência em tele freqüência de ressonância de água e, em seguida, sobre a frequência de ressonância de gordura. Repita o calçamento até que separa melhor os sinais de gordura e de água e otimiza a intensidade do sinal máximo e forma como foi revelado no espectro de protões. Verifique se a frequência de irradiação é centrada na frequência de ressonância da água.
  2. Aplicar através do computador interface de usuário um 2D transversal turbo T2 spin-echo seqüência de vários fatia em alta resolução espacial sem saturação de gordura usando aquisição auto-calibrar generalizada parcialmente paralelo (GRAPPA), com fator de aceleração 2. Corrigir os parâmetros que irá aparecer no ecrã de acordo com os seus valores apresentados na coluna "2D ​​T2 ponderada" na Tabela 1.
  3. Aplicar através do computador interface de usuário uma transversal 2D, gordura suprimida, spin-echo por tensor de difusão de imagem - DTI usando o dobro reorientada echo seqüência de imagem planar 30, usando Grappa, com fator de aceleração 2. Corrigir os parâmetrosque irá aparecer na tela de acordo com seus valores na coluna "2D ​​DTI" na Tabela 1.
  4. Aplicar através do computador interface de usuário uma sequência de mapeamento de campo para corrigir distorções geométricas em eco-planar imaging (EPI), e obter imagens diferenciais de fase como descrito por Jezzard e Balaban 31. Assegure-se que a sequência inclui aquisição de imagens 2D gradiente transversal de eco (GE) com dois diferentes tempos de eco em-fase, e que a direcção de codificação de fase é a mesma que na sequência DTI (passo 2.5). Corrigir os parâmetros que irá aparecer na tela de acordo com seus valores na coluna "mapeamento 2D GE Campo" na Tabela 1.
  5. Aplicar através do computador interface de usuário um contraste realçado protocolo dinâmico usando uma inclinação rápida seqüência de eco 3D sem supressão de gordura, com parâmetros otimizados de acordo com o método de 32 de três pontos do tempo (3TP). Corrigir os parâmetros queirá aparecer na tela de acordo com seus valores na coluna "3D DCE" na Tabela 1.
    1. Grave duas imagens pré iniciais, de acordo com o protocolo no passo 2.7.
  6. Injectar 15 seg antes do final da segunda aquisição pré-contraste o agente gadopentetatedimeglumine contraste, a uma dose de 0,1 mmol / kg de peso do corpo, utilizando uma bomba automatizada a uma taxa de 2 ml / s, seguida de 20 ml de solução salina, a 2 ml / seg.
    1. Continue a gravar sete conjuntos de dados 3D sequenciais de acordo com o protocolo no passo 2.7 a 54, 120, 186, 252 de injecção, 318, 384, 450 e seg pós contraste.
  7. Aplicar através do computador interface de usuário uma transversal 2D T2 gordura suprimida turbo spin-echo seqüência de multi slice em alta resolução espacial usando Grappa, com fator de aceleração 2. Use os detalhes experimentais semelhantes aos utilizados para T2 de imagem ponderada descrito no passo 2.4 NOTA: Um curso de tempo resumindo as etapas do protocolo de MRI é fornecido na Figura 6.

Figura 6
Figura 6: Decurso no tempo do protocolo de IRM clínica.

Processamento 3. Imagem

  1. Transferir todo o conjunto de dados obtidos por todas as sequências de varredura (descrito nos passos 2,4-2,9) para uma estação de trabalho remoto ou computador pessoal e processar todo o conjunto de dados de imagens com programas de software dedicados a analisar a difusão de imagens de mama tensor e DCE-MRI.
    1. Aqui, siga os passos descritos a seguir utilizando o pacote de software homebuilt escrito em C ++ que foi verificada usando o ambiente de programação de MATLAB 19. Em geral, os scanners comerciais fornecem ferramentas de processamento de imagem para cerebrais experimentos DTI que podem ser adaptados para o de mama, maspode não ter todas as funções de processamento aplicadas pelo nosso pacote de software homebuilt
  2. Executar o processamento de imagens de conjuntos de dados DTI usando um software dedicado de processamento de imagem DTI seguir os passos do fluxograma da figura 7.

Figura 7
Figura 7: fluxograma dos passos envolvidos no processamento de DTI.

  1. Usar o DTI programa de software para avaliar o nível de ruído exterior da mama e o restante tecido em 3 a 4 regiões de interesse (de cerca de 1 cm2) e encontrar o nível de ruído máximo.
  2. Utilize o programa de software para calcular DTI pixel por pixel, em todos os pixels acima do nível máximo de ruído e em cada um dos 60 fatias, as seis coeficientes de difusão, D xx, yy D, Dzz, D xy, xz D, D yz, do tensor simétrico D descrito abaixo de 33 (ver Figura 8)
    Equação 1
    Onde D xy = yx D, D zy = D yz, D zx = D xz.
    1. A fim de calcular as componentes do tensor utilizar um programa de ajustamento de regressão não linear com base na equação Stejskal-Tanner: Si, j (b) = Si (0) exp (-BD), em que Si, j (b) é o sinal intensidade de pixel de i com um gradiente de difusão na direcção j e Si (0) é a intensidade de sinal do mesmo pixel de b = 0 mm 2 · s. Este encaixe minimizada a soma dos quadrados das 30 funções não lineares para cada direcção gradiente de difusão naseis do tensor de difusão componentes variáveis ​​por uma modificação do .Esta etapa Levenberg-Marquardt algoritmo 34 foi realizada pelo cminpack software livre ( http://devernay.free.fr/hacks/cminpack/index.html ).

Figura 8
Figura 8: Representação esquemática dos passos de cálculo rendendo o tensor de difusão simétrica.

  1. Use o software DTI diagonalizar o tensor de difusão simétrica em cada pixel, utilizando a análise de componentes principais (PCA) 35.
    NOTA: PCA é um método vulgarmente utilizado para reduzir a dimensão dos dados e encontrar uma transformação linear que mapeia os parâmetros de pixels correlacionados em um novo sistema de coordenadas de eixos ortogonais e não correlacionadas. Esta processo rendimentos para cada pixel três vectores próprios ν (1, 2 ν, ν 3), que define a direcção da difusão em três eixos ortogonais de uma forma elipsóide que coincide com a armação de difusão do tecido, e as correspondentes três valores próprios de difusão, organizadas a partir de alta para baixo, que determinam três coeficientes de difusão direcionais (λ 1, λ 2, λ 3) (ver figuras 9 e 10).

Figura 9
Figura 9: Desenho esquemático das etapas de cálculo produzindo os valores e vetores próprios, coincidindo com o quadro de difusão do tecido e da modelagem ao elipsóide.

Figura 10
Figura 10: Schematdesenho ic das etapas de processamento principais que calculam os autovetores de difusão e valores próprios em tecido ductal normal e no tecido do cancro.

  1. Usar o DTI programa de software para calcular para cada pixel do coeficiente de difusão aparente (ADC) definido como a média dos três valores próprios <λ> = (1 + λ λ λ 2 + 3) / 3.
  2. Usar o DTI programa de software para calcular para cada pixel do índice de anisotropia absoluta máxima definida como a diferença (λ 1 - λ 3).
  3. Usar o DTI programa de software para calcular para cada pixel do índice de anisotropia fracionada (FA) que varia entre 0 (difusão isotrópica) para 1 (livre difusão numa direcção), de acordo com a seguinte equação:
    Equação 2
  4. Utilize o programa de software para DTI DISPLAy pixel por pixel em cada fatia ao longo de ambos os seios de uma mapa vector mostrando a direção do vetor próprio primo, ν 1, e um mapa codificado por cores com três cores indicando as principais direções de ν 1 e sobrepô-los em uma imagem ponderada T2 do mesmo fatia (Figura 9). Esta etapa foi realizada utilizando o software livre gtk ( http://gtk.org ) para gráficos.
  5. Utilize o programa de software DTI para construir os mapas paramétricos por tensor de difusão de imagens que exibem pixel por pixel em cada fatia em todo ambos os seios os valores de todo o tensor de difusão parâmetros λ 1, λ 2, λ 3, ADC, λ 13, e FA e sobrepô-los em uma imagem ponderada T2 da mesma fatia (Figura 11).

Figura 11
-3 mm 2 / seg. FA é sem unidades. A barra de escala no mapa vector refere-se a um comprimento de 20 mm e a barra de escala na imagem T2 refere-se a um comprimento de 20 mm em todas as restantes imagens.

  1. Usar o DTI programa de software para corrigir, se necessário, as distorções geométricas carregando o mapa de diferença de fase obtida tal como descrito no passo 2.6. Deslocar o alcance do mapa diferença de fase em todos os pixels acima do nível de ruído na imagem gradiente eco a uma gama de -π para + π represeNTING o deslocamento de fase Δɸ (x, y, z) em radianos (Figura 12).
    1. Usar o DTI programa de software para calcular o deslocamento espacial em pixels de acordo com:
      Equação 3
      ΔTE é a diferença de tempo entre os dois ecos igual a 2,46 x 10 -3 mseg e BWP é a largura de banda em fase da experiência é igual a 13,2 Hz / pixel. Desloca os pixels de acordo com o mapa de campo e recalcular os parâmetros do tensor de difusão (Figura 12).

Figura 12
Figura 12:. Exemplo de correção de distorção geométrica usando uma diferença de fase mapa As imagens foram gravadas a partir de um 47 anos de idade voluntário com carcinoma lobular invasivo. Na primeira coluna da imagem ponderada T2 esquerda e um mapa de diferença de fase de uma fatiacom câncer na mama esquerda são exibidos. Na segunda e 3 rd colunas λ 1 mapas antes da correcção são apresentados na primeira linha e uma λ mapas após a correcção são exibidas na segunda linha. Os λ 1 mapas são sobrepostas na imagem ponderada T2 correspondente. Na coluna 2 nd a gama completa dos coeficientes de difusão de água (0,8-3,0) x10 -3 mm 2 / seg é usado para a escala de cor codificadas e na coluna 3 a uma escala reduzida é usado com um limiar de 1,7 x 10 -3 mm 2 / s, que enfatiza o contraste entre o câncer na mama esquerda e do tecido mamário normal. A barra de escala na imagem T2 refere-se a um comprimento de 20 mm em todas as imagens.

  1. Executar o processamento de imagem dos conjuntos de dados de DCE-MRI, utilizando um software que fornece mapas de pixel por pixel do os parâmetros cinéticos do reforço, tais como o software de processamento de imagem 17 3TP.

Representative Results

O método foi inicialmente testado e demonstrado pela digitalização voluntários normais em várias fases hormonais. A Figura 11 demonstra os mapas paramétricos e vectores obtidos usando o nosso software de central de uma fatia de um novo voluntário saudável com relativamente elevada fracção de tecido fibroglandular, como pode ser visto claramente na imagem ponderada T2 (todas as áreas cinzentas são tecido fibroglandular e áreas claras são de gordura). A direcção do coeficiente de difusão principal λ 1 é mostrado no mapa de vector v1 com uma grande fracção de pixels que apontam para o bocal. Como esperado, os valores dos coeficientes de difusão de tensores diminua de λ 1 a 2 para λ λ 3. Usando estes três coeficientes de difusão, foi possível calcular a média ADC difusividade, a anisotropia fracionada (FA) e a anisotropia máxima, λ 1 - λ 3. Observe nos mapas de FA e λ 1 - λ

Em mulheres pós-menopáusicas os seios são geralmente menos densa, como mostrado no exemplo na Figura 13 para uma de 63 anos de voluntários normais. Os coeficientes de difusão são mais baixos de voluntários idosos, mas os índices de anisotropia são mais elevados, possivelmente devido ao diâmetro menor das condutas e, por conseguinte, os lóbulos e, maior restrição imposta sobre a difusão nas direcções ortogonais, para as paredes ductais. Outro exemplo que demonstra a sensibilidade do tensor para o tamanho dos canais é mostrado no exemplo de um voluntário lactação na Figura 14. Visto que o leite é um colóide de glóbulos de gordura dentro de um fluido à base de água que contém os hidratos de carbono dissolvidos e agregados de proteína com minerais , a viscosidade do leite é maior do que a da água normal de fluido nas condutas, e, portanto, os coeficientes de difusão de água seios lactantes são lower que os das mulheres na pré-menopausa 24. Além disso, as condutas perto do mamilo são grandes e a restrição nas direcções ortogonais, para as condutas é menor do que no peito não lactantes, e, consequentemente, os índices de anisotropia são menores bem. No entanto, nas regiões -posterior lobular da mama em lactação a anisotropia é ainda elevada.

Em pacientes com doença maligna a principal mudança nos parâmetros de tensor de difusão é exibido em uma redução significativa nos três coeficientes de difusão. As mudanças no λ 1 foram encontrados para fornecer o mais alto contraste-ruído 19. Este estudo incluiu 68 pacientes com patologia confirmou incluindo 33 pacientes com diagnóstico de carcinoma ductal invasivo (IDC), 19 com carcinoma ductal in situ (CDIS), 13 com carcinoma lobular invasivo (ILC) e 3 com outras doenças malignas. Vários pacientes tiveram vários focal ou múltipla câncer de mama centric. O tamanho dos tumores varied 3-95 mm, com mediana de 14 mm e gama interquartil, de 10 a 30 mm. Em todos estes pacientes, a taxa de detecção de DCE e DTI eram comparáveis. No entanto, cinco casos que apresentaram aumento no DCE e foram confirmados por patologia como cancros não foram incluídos na análise DTI devido a problemas técnicos em seios gordos, principalmente relacionados com a falta de homogeneidade de campo e supressão de gordura insuficiente resulta em distorções e artefatos.

As Figuras 15, 16 e 17 demonstram mapas paramétricos típicos dos dois parâmetros principais de difusão λ 1 e λ 1 - λ 3 que são usados ​​para a detecção de tumores malignos da mama. Esta figura mostra, além de T2 imagens ponderadas, os resultados da análise do DCE utilizando o método codificados por cores 3TP. Conforme explicado na introdução da presença de células malignas nas ductos ou lóbulos e o seu meio circundante impedir a difusão do extracelular reduzindo significativamente tele coeficientes de difusão. Além disso, a anisotropia devido a estruturas ductais está a desaparecer como as células cancerosas se espalham em todas as direcções de uma maneira caótica, com nenhuma direcção distinta. A FA não é um parâmetro adequado para a detecção do cancro da mama uma vez que a normalização deste parâmetro para a difusividade média leva a valores elevados de FA em cancros semelhantes aos descritos no tecido normal 19. No entanto, a anisotropia máxima fornece um meio para a detecção de cancro (Figuras 15-17). No entanto, porque o tecido conjuntivo fibroso também está perto de isotrópicos e apresentam baixos valores de anisotropia máxima, esse parâmetro é menos específico do que o coeficiente de difusão λ 1 e age como um parâmetro secundário a λ 1.

A Figura 17 também demonstra a capacidade de DTI para caracterizar a resposta à quimioterapia neoadjuvante. Neste exemplo, a paciente responderam totalmente ao tratamento (4 ciclos de Adriamycin Cycloxane + -, seguido de 4 ciclos de Taxol). Com efeito, a resposta à terapia causou um aumento significativo nos coeficientes de difusão para os valores típicos para o tecido da mama normal, sugerindo a presença de tecido conjuntivo reparador que substituiu as células cancerosas. Resultados semelhantes foram obtidos em outros quatro doentes que responderam à terapia.

Figura 13
Figura 13: A produção de mapas paramétricos DTI de uma fatia central de peito de um voluntário saudável de 63 anos cobrindo a imagem ponderada T2 da mesma fatia Dir.. - Mapa Direction com vermelho indicando esquerda para a direita, verde anterior indicando para posterior e verde cabeça indicando a pé as direções. Note-se que os vectores são marcados em linhas brancas. Todos os coeficientes de difusão e o índice de anisotropia máxima são em unidades de 1 x 10 -3 mm 2 / seg. FA é sem unidades. A barra de escala no vector mapa refres para um comprimento de 20 mm e a barra de escala na imagem T2 refere-se a um comprimento de 20 mm em todos os restantes imagens.

Figura 14
Figura 14: A produção de mapas paramétricos DTI de uma fatia central de peito de um de 40 anos de voluntariado em lactação sobreposto na imagem ponderada T2 da mesma fatia Dir.. - Mapa Direction com vermelho indicando esquerda para a direita, verde anterior indicando para posterior e verde cabeça indicando a pé as direções. Todos os coeficientes de difusão e o índice de anisotropia máxima são em unidades de 1 x 10 -3 mm 2 / seg. FA é sem unidades. Observe no mapa direção e vector mapa que a maioria dos pixels estão alinhados na direção do mamilo. Observe também os coeficientes de difusão mais baixos em relação aos valores das Figuras 7 e 10 de voluntários saudáveis. A barra de escala no mapa vector refere-se a um comprimento de 20 mm e obarra de escala na imagem T2 refere-se a um comprimento de 20 mm em todas as restantes imagens.

Figura 15
Figura 15:. Mapas paramétricos de λ 1 e λ 1 - λ 3 em um paciente de 38 anos com carcinoma ductal invasivo focal de vários No raw os parâmetros DTI são apresentados com um limite de 1,7 x 10 -3 mm 2 / sec para λ 1 e 0,6 mm 2 / seg para λ 13 (todos os valores acima dos limiares são coloridos em roxo). No matérias, valores acima do limiar não são coloridos e mostrar a imagem ponderada T2 subjacente. A figura inclui também na coluna 1 r na esquerda da imagem ponderada a T2 e um mapa paramétrico DCE, obtido pelo método 3TP, da mesma fatia como os mapas paramétricos DTI. A barra de escala na imagem T2 refere-se a um comprimento de 20 mm in todas as imagens. Note-se que a resolução das imagens DCE espacial em plano é aproximadamente duas vezes mais elevada do que a de DTI, no entanto, existe uma congruência visuais alta na localização e tamanho do 3TP e os mapas paramétricos λ 1.

Figura 16
Figura 16: mapas paramétricos de λ 1 e λ 13 em um paciente de 60 anos com baixo grau DCIS O valor inclui também na coluna à esquerda uma imagem ponderada T2 e um mapa paramétrico DCE, obtido pelo. método 3TP, da mesma fatia como os mapas paramétricos DTI. A barra de escala na imagem T2 refere-se a um comprimento de 20 mm em todas as imagens. Note-se a capacidade de DTI para detectar o câncer em uma mama muito gordo.

Figura 17
Figura 17: mapas paramétricos de λ 1 e λ 1 - λ 3 em um paciente de 39 anos com carcinoma lobular invasivo antes e após a quimioterapia neoadjuvante O paciente foi examinado duas vezes, uma antes da terapia e uma vez antes da cirurgia, após 4 ciclos de Adryamicin +. ciclos Cycloxan e 4 de Taxol. Notar o aumento em λ 1 e em λ 13 nas regiões de cancro que responderam ao tratamento. O mostras matérias imagens obtidas antes da terapia e os 2 nd mostras matérias imagens de aproximadamente na mesma região que na linha, obtida antes da cirurgia. Antes de regiões câncer tratamento exibiu λ 1 e λ um3 valores abaixo do seu limite, e após o tratamento estes dois parâmetros aumentou para valores acima do seu limite. O valor inclui também na coluna 1 st nos T2 ponderada imagens esquerda; na coluna 2 nd MuImagem ltiple Projection-MIP, obtido subtraindo as imagens pré-contraste das imagens de 2 min pós contraste; na coluna 3 rd mapas paramétricos DCE obtido pelo método 3TP. A barra de escala na imagem T2 refere-se a um comprimento de 20 mm em todas as imagens

Discussion

Este trabalho demonstra a capacidade do DTI, a varredura em 3 T em alta resolução espacial (~ 8 milímetros 3), para medir in vivo os parâmetros de tensor de difusão da água em todo o tecido fibroglandular de ambas as mamas. O conjunto de algoritmos e software desenvolvidos no decorrer deste estudo permitiu análise dos grandes conjuntos de dados DTI e, simultaneamente, visualizar os mapas paramétricos de difusão dos vários coeficientes de difusão, λ 1, λ 2, λ 3, ADC e anisotropia índices λ 13, e FA de todas as fatias de peito. Este trabalho também enfatiza o potencial dos vários coeficientes de difusão e índices de anisotropia para detectar e diagnosticar o câncer de mama. Os resultados indicaram que o coeficiente de difusão privilegiada, λ 1, é o principal parâmetro para a detecção de câncer de mama, com uma capacidade substancial para diferenciar maligna do tecido mamário normal. A indepen secundárioparâmetro dente, com elevada sensibilidade, mas especificidade muito mais baixa do que λ 1, é o máximo do índice da anisotropia que actua de modo a confirmar a detecção por o coeficiente de difusão principal.

Os resultados também demonstraram a capacidade de MRI para medir in vivo a difusão de água direccional e quantificar a anisotropia da difusão em todo o / sistema glandular ductal em ambas as mamas. A fim de assegurar um perfil uniforme de precisão das medições de difusão anisotrópica 30 instruções de gradiente foram aplicados. A selecção de alta-tempo de eco de 120 ms, e a optimização da resolução espacial revelou a restrição da difusão de água nas condutas. O tamanho médio das condutas normais foi relatado como sendo de 90 mm, com ~ 70% na gama de 40-100 mm 36. De acordo com a equação de Einstein o deslocamento de difusão de água livre, x = (6DT) 1/2, onde D é o coeficiente de difusão de água livre e T significa a difusãotempo. Na nossa experiência x é de cerca de 25 um, e, por conseguinte, apenas uma fracção das moléculas de água são ductal limitada pelas paredes do dueto mamário, levando a valores relativamente baixos de FA na mama (valores superiores ~ 0,3) em comparação com os valores encontrados na substância branca do cérebro (≥0.5). Em Sir Astley Cooper estuda 25 revelou-se que o tecido da mama humano está organizado em lóbulos distintos, cada um deles composto de uma árvore ductal. Estudos preliminares de um ultra-som da mama em lactação 37 foram testadas, bem como a detecção de estruturas ductais seccionais utilizando medições de forma 38 de segunda ordem. No entanto, nenhum método de imagem conseguiu revelar, até agora, todo o sistema ductal em ambas as mamas em vivo. O algoritmo para a obtenção de todo o sistema dutal 3D a partir dos resultados DTI ainda está em desenvolvimento, mas o vector mapeia exibem claramente o potencial de revelar a anatomia detalhada e altamente diversificada das árvores mamárias. Recentemente, um initial tentativa de um rastreamento 3D completa da mama com base em nossos bancos de dados DTI foi relatada 39.

No decorrer deste trabalho limitações técnicas têm sido notado devido à supressão de gordura ineficiente e distorções do PAV. Supressão de gordura foi alcançado por uma sequência de saturação da gordura (FAT-SAT), que normalmente era eficiente em mamas densas. No entanto, em seios gordos espectral Selecção atenuada Inversion Recovery (SPAIR), que é mais eficiente e menos sensível à falta de homogeneidade B1, foi aplicado. Os protocolos de difusão baseados EPI tinha limitações adicionais devido a um gradiente de correntes de Foucault induzidas, B 0 campo heterogeneidade e diferenças de susceptibilidade 40,41. Estas limitações foram minimizados pelo uso shimming automática e manual interativo sobre os sinais de água e gordura e escolher o espaçamento eco possível inferior. Além disso, a correcção pós-processamento de distorções geométricas ocasionalmente foi aplicado tal como descrito no protocolo. Global, No caso de mamas densas com um sinal forte de água, foi possível superar as limitações técnicas; no entanto, 5 casos neste estudo, com seios altamente gordurosos não puderam ser analisados ​​devido às limitações acima.

Em resumo, um protocolo de processamento de imagem e ferramentas para a difusão de mama tensor MRI têm sido desenvolvidos. Esta metodologia completamente seguro, rápido, não invasivo e disseca precisamente arquitetura de mama e pode facilitar a detecção de câncer de mama na clínica. O coeficiente de difusão principal, λ 1, e do índice da anisotropia máxima, λ 13, foram encontrados para servir de dois parâmetros de difusão independentes para detectar o cancro. Os estudos clínicos de pacientes com cancro da mama mostraram que a eficiência de detecção com estes dois parâmetros é comparável à de DCE MRI. Assim, o surgimento deste método de compreensão básica da arquitetura de mama e de desenvolvimento de câncer e sua dependência de revelandomudanças significativas quantificáveis, bem como que seja um método seguro e rápido torná-lo uma ferramenta valiosa para investigar vários aspectos do desenvolvimento envolvendo a proliferação ductal, e para testar o seu impacto clínico para o rastreio do cancro da mama em grandes potenciais ensaios escala.

Disclosures

Os autores não têm nada a revelar.

Materials

Name Company Catalog Number Comments
Magnetol-Gadopentetatedimeglumine Soreq, Yavne, Israel 0.5 M
3 Tesla MRI scanner, MAGNETON Trio Siemens, Erlangn, Germany 120
Bilateral breast array coil Siemens, Erlangn, Germany 4 channel
Bilateral breast array coil In-Vivo, Orlando FA 7 channel
Automated pump, Spectris Solaris MR Injector Medrad, Indianola, PA
DTI Image processing software Home-built Property of Yeda Research and Development Co. Ltd
3TP Image processing software Home-built Property of Yeda Research and Development Co. Ltd

DOWNLOAD MATERIALS LIST

References

  1. Turnbull, L. W. Dynamic contrast-enhanced MRI in the diagnosis and management of breast cancer. NMR Biomed. 22, (1), 28-39 (2009).
  2. Sardanelli, F., et al. Magnetic resonance imaging of the breast: recommendations from the EUSOMA working group. Eur J Cancer. 46, (8), 1296-1316 (2010).
  3. Lehman, C. D., et al. Accuracy and interpretation time of computer-aided detection among novice and experienced breast MRI readers. AJR Am J Roentgenol. 200, (6), 683-689 (2013).
  4. Riedl, C. C., et al. Magnetic resonance imaging of the breast improves detection of invasive cancer, preinvasive cancer, and premalignant lesions during surveillance of women at high risk for breast cancer. Clin Cancer Res. 13, (20), 6144-6152 (2007).
  5. Heywang-Köbrunner, S. H., Hacker, A., Sedlacek, S. Magnetic resonance imaging: the evolution of breast imaging. Breast. 22, (2), 77-82 (2013).
  6. Peters, N. H., et al. Meta-analysis of MR imaging in the diagnosis of breast lesions. Radiology. 246, (1), 116-124 (2008).
  7. Warner, E., et al. Systematic review: using magnetic resonance imaging to screen women at high risk for breast cancer. Ann Intern Med. 148, (9), 671-679 (2008).
  8. Benndorf, M., et al. Breast MRI as an adjunct to mammography: Does it really suffer from low specificity? A retrospective analysis stratified by mammographic BI-RADS classes. Acta Radiol. 51, (7), 715-721 (2010).
  9. Thomassin-Naggara, I., De Bazelaire, C., Chopier, J., Bazot, M., Marsault, C. Trop I Diffusion-weighted MR imaging of the breast: advantages and pitfalls. Eur J Radiol. 82, (3), 435-443 (2013).
  10. Bogner, W., et al. Diffusion-weighted MR for differentiation of breast lesions at 3.0 T: how does selection of diffusion protocols affect diagnosis. Radiology. 253, (2), 341-351 (2009).
  11. Diffusion tensor imaging of the breast: preliminary clinical findings [abstr]. Proceedings of the Fourteenth Meeting of the International Society for Magnetic Resonance in Medicine. Partridge, S. C., et al. 2006 May 6-12, Seattle, Washington, International Society for Magnetic Resonance in Medicine. Berkeley, CA. (2006).
  12. Partridge, S. C., et al. Diffusion tensor MRI: preliminary anisotropy measures and mapping of breast tumors. J Magn Reson Imaging. 31, (2), 339-347 (2010).
  13. Partridge, S. C., et al. Diffusion tensor magnetic resonance imaging of the normal breast. Magn Reson Imaging. 28, (3), 320-328 (2010).
  14. Baltzer, P. A., et al. Diffusion tensor magnetic resonance imaging of the breast: a pilot study. Eur Radiol. 21, (1), 1-10 (2011).
  15. Wang, Y., et al. Optimization of the parameters for diffusion tensor magnetic resonance imaging data acquisition for breast fiber tractography at 1.5. T. Clin Breast Cancer. 14, (1), 61-67 (2014).
  16. Method and apparatus for ductal tube tracking imaging for breast cancer and diagnosis and product. US Patent. Eyal, E., Degani, H. US8526698 B2 (2008).
  17. Novel MRI method for breast cancer detection based on diffusion tensor tracking of the ductal trees [abstr]. Eyal, E., et al. Eighteenth Meeting of the International Society for Magnetic Resonance in Medicine, 2010 May 1-7, Stockholm, Sweden, International Society for Magnetic Resonance in Medicine. Berkeley, CA. 362 (2010).
  18. Breast cancer detection and diagnosis based on diffusion tensor imaging [abstr]. Furman-Haran, E., et al. Nineteenth Meeting of the International Society for Magnetic Resonance in Medicine, 2011 May 9-13, Montreal, Quebec, International Society for Magnetic Resonance in Medicine. Berkeley, CA. 515 (2011).
  19. Eyal, E., et al. Parametric diffusion tensor imaging of the breast. Invest Radiol. 47, (5), 284-291 (2012).
  20. Tagliafico, A., et al. Diffusion tensor magnetic resonance imaging of the normal breast: reproducibility of DTI-derived fractional anisotropy and apparent diffusion coefficient at 3.0 T. Radiol Med. 117, (6), 992-1003 (2012).
  21. Cakir, O., et al. Comparison of the diagnostic performances of diffusion parameters in diffusion weighted imaging and diffusion tensor imaging of breast lesions.Eur. J Radiol. 82, (12), e801-e806 (2013).
  22. Tsougos, I., et al. The contribution of diffusion tensor imaging and magnetic resonance spectroscopy for the differentiation of breast lesions at 3T. Acta Radiol. 55, (1), 14-23 (2014).
  23. Wiederer, P. azahrS., Leo, C., Nanz, D., Boss, A. Quantitative breast MRI: 2D histogram analysis of diffusion tensor parameters in normal tissue. Magn Reson Mater Phy. 27, 185-193 (2014).
  24. Nissan, N., Furman-Haran, E., Shapiro-Feinberg, M., Grobgeld, D., Degani, H. Diffusion-tensor MR imaging of the breast: hormonal regulation. Radiology. 271, (3), 672-680 (2014).
  25. Cooper, A. P. On the Anatomy of the breast. Longman, Orme, Green, Brown, and Longmans. London. (1840).
  26. Ohtake, T., et al. Computer-assisted complete three-dimensional reconstruction of the mammary ductal/lobular systems: implications of ductal anastomoses for breast-conserving surgery). Cancer. 91, (12), 2263-2272 (2001).
  27. Going, J. J., Moffat, D. F. Escaping from Flatland: clinical and biological aspects of human mammary duct anatomy in three dimensions. J Pathol. 203, (1), 538-544 (2004).
  28. Hancu, I., Govenkar, A., Lenkinski, R. E., Lee, S. K. On shimming approaches in 3T breast MRI. Magn Reson Med. 69, (3), 862-867 (2013).
  29. Basser, P. J., Jones, D. K. Diffusion-tensor MRI: theory, experimental design and data analysis - a technical review. NMR Biomed. 15, (7-8), 465-467 (2002).
  30. Reese, T. G., Heid, O., Weisskoff, R. M., Wedeen, V. J. Reduction of eddy-current-induced distortion in diffusion MRI using a twice-refocused spin echo. Magn Reson Med. 49, (1), 1771-1782 (2003).
  31. Jezzard, P., Balaban, R. Correction for geometric distortion in echo planar images from B0 field variations. Magn Reson Med. 34, (1), 65-73 (1995).
  32. Kelcz, F., Furman-Haran, E., Grobgeld, D., Degani, H. Clinical testing of high-spatial resolution parametric contrast-enhanced MR imaging of the breast. AJR Am J Roentgenol. 179, (6), 1485-1492 (2002).
  33. Le Bihan, D., et al. Diffusion tensor imaging: concepts and applications. J Magn Reson Imaging. 13, (4), 534-546 (2001).
  34. Marquardt, D. An Algorithm for Least-Squares Estimation of Nonlinear Parameter. SIAM Journal on Applied Mathematics. 11, (2), 431-441 (1963).
  35. Jolliffe, I. T. Principal Component Analysis: A Beginner's Guide — I. Introduction and application. Weather. 45, (10), 375-382 (1990).
  36. Mayr, N. A., Staples, J. J., Robinson, R. A., Vanmetre, J. E., Hussey, D. H. Morphometric studies in intraductal breast carcinoma using computerized image analysis. Cancer. 67, (11), 2805-2812 (1991).
  37. Ramsay, D. T., Kent, J. C., Hartmann, R. A., Hartmann, P. E. Anatomy of the lactating human breast redefined with ultrasound imaging. J Anat. 206, (6), 525-534 (2005).
  38. Gooding, M. J., Mellor, M., Shipley, J. A., Broadbent, K. A., Goddard, D. A. Automatic mammary duct detection in 3D ultrasound. Med Image Comput Comput Assist Interv. 8, (1), 434-441 (2005).
  39. Diffusion tensor based reconstruction of the ductal tree [abstr]. Reisert, M. M., Eyal, E., Grobgeld, D., Degani, H., Hennig, J. Nineteenth Meeting of the International Society for Magnetic Resonance in Medicine, 2011 May 9-13, Montreal, Quebec, International Society for Magnetic Resonance in Medicine. Berkeley, CA. 3649 (2011).
  40. Jezzard, P., Clare, S. Sources of distortion in functional MRI data. Hum Brain Mapp. 8, (2-3), 80-85 (1999).
  41. Jones, D. K., Cercignani, M. Twenty-five pitfalls in the analysis of diffusion MRI data. NMR Biomed. 23, (7), 803-820 (2010).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Video Stats