Monitoraggio delle mammarie caratteristiche architettoniche e Rilevamento cancro al seno con risonanza magnetica del tensore di diffusione Imaging

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

Il cancro al seno è la causa più comune di cancro tra le donne di tutto il mondo. La diagnosi precoce del cancro al seno ha un ruolo fondamentale nel miglioramento della qualità della vita e la sopravvivenza dei pazienti con cancro mammario. I metodi standard attuali per la diagnosi del cancro al seno sono basati sulla mammografia x-ray e ecografia. La sensibilità e la specificità di queste tecniche, in particolare per individuare le lesioni in seni densi insufficiente, ha stimolato lo sviluppo di altre tecniche, tra cui seno risonanza magnetica (MRI). Contrasto dinamico migliorato (DCE) MRI è stata stabilita come un potente strumento per l'individuazione e la diagnosi del cancro al seno 1,2 ed è spesso facilitata da computer aided diagnosi significa 3. Attualmente è utilizzato per casi particolari, come pazienti ad alto rischio 4, ma non per lo screening di routine, presumibilmente a causa dei costi elevati, la necessità di utilizzare una iniezione di un agente di contrasto, la mancanza di standardizzazione unnd specificità variabili nel differenziare lesioni benigne da quelle maligne che vanno da valori bassi / moderati 5,6 a valori elevati che sono stati ottenuti utilizzando combinato mammografia e DCE-MRI 7,8. Più di recente, la diffusione ponderato MRI e le mappe risultanti di coefficiente di diffusione apparente (ADC) sono stati valutati come metodo complemento DCE-MRI e è stato dimostrato che i valori di ADC possono aiutare a distinguere tra tumori, lesioni benigne e normale tessuto mammario 9,10 . Inoltre, gli studi di petto di diffusione tensore di imaging (DTI) sono stati avviati in volontari sani e pazienti con lesioni mammarie a intensità di campo di 1.5 T 11-15 e 3 T 16-24. La maggior parte di questi studi hanno riportato ADC e anisotropia frazionaria (FA) valori 11,12,14,15,20-23 e trovato questi due parametri per essere riproducibili con i valori di ADC più riproducibili di FA 13,20. I risultati di questi studi hanno indicato che le lesioni maligne presentano bassi valori di ADC come bozzettoared a normali lesioni tessutali e benigne, però, contrastanti risultati sono stati riportati sui valori e capacità diagnostica di FA 11,12,14,20-23. In una serie di 3 T- studi DTI sono stati riportati i valori dei tre autovalori e autovettori tensore nel telaio tessuto mammario pure, ed i risultati sono stati presentati nelle mappe vettore del autovettore principale e mappe parametriche degli autovalori, ADC, FA e un indice di anisotropia massimo 16-19,24. In questi studi, il autovalore diffusione principale e l'anisotropia massima hanno mostrato di fungere da parametri più sensibili indipendenti per l'individuazione e la diagnosi delle lesioni tumorali

Il seno è composto da tessuti fibroglandular e tessuto adiposo. Il tessuto è ulteriormente fibroglandular composto di molti lobi, che sono molto variabili per forma e dimensioni. Ogni microstruttura lobo comprende l'albero funzionale mammaria e lobuli associati che formano il tessuto ghiandolare, e il circostante connettivo-fitessuto fibroso. La maggior parte delle neoplasie mammarie iniziano proliferazione aberrante di cellule epiteliali dei dotti o lobuli, sviluppo carcinoma in situ, che per infiltrazione nel tessuto circostante trasformarsi in carcinoma invasivo. Pertanto, i duttale / lobulare strutture sono un'area fondamentale di ricerca della trasformazione maligna della mammella.

Le caratteristiche strutturali degli alberi duttale stati indagati ex vivo nel 1840 da Sir Astley Cooper con iniezione di cera colorata per i condotti di esemplari mastectomia 25. Recentemente, computer derivato il monitoraggio di interi allattamento alberi duttale è stato raggiunto in pochi petti umani utilizzando campioni mastectomia 26,27. Il lavoro qui presentato dimostra che i parametri ottenuti in vivo imaging del tensore di diffusione forniscono informazioni associate con il tessuto mammario caratteristiche microstrutturali distinte, consentendo anche il rilevamento non invasivo il cancro al seno.

Il pprincipi alla base hysical diffusione seno imaging del tensore si basano sulla capacità di risonanza magnetica per misurare e quantificare la diffusione di acqua anisotropico in ambienti ristretti 28. In generale, diffusione dell'acqua in soluzioni omogenee è libero e isotropo, tuttavia, se il movimento dell'acqua viene interrotta a causa di restrizione pareti impermeabili diffusione diventa anisotropa con un facile diffusione parallela libera alle pareti ed una diffusione lenta ristretto perpendicolari alle pareti ( Figura 1). Diffusione dell'acqua nei tessuti è complessa e dipende caratteristiche strutturali e fisiologiche del intra e compartimenti extracellulari compreso 'dimensioni, cellule' cellule densità, tortuosità extracellulare e scambio di acqua attraverso le membrane, nonché la presenza di reti vascolari e linfatici (Figura 2).

Figura 1
Figura 1: diffusione gratuita e limitata Schema di una libera diffusione molecola d'acqua (a sinistra) e la diffusione limitata da mura impermeabili (a destra)..

Figura 2
Figura 2: diffusione Complex in un tessuto Schema di diffusione dell'acqua in un sistema cellulare che mostra il movimento delle molecole d'acqua nei compartimenti extracellulari ed intracellulari e scambio di acqua (frecce) tra queste due compartimenti..

A causa delle caratteristiche architettoniche specifiche del seno diffusione delle molecole d'acqua nei condotti mammari e lobuli presentano un particolare esempio di movimento limitato e anisotropo: In parallelo alle pareti dei condotti e lobuli la diffusione è vicina a quella di diffusione libera ma nelle direzioni perpendicolari alle pareti è limitato dalle pareti, composto di duestrati di membrana cellulare e cantina. Di conseguenza la diffusione nel sistema duttale / ghiandolare è relativamente veloce ed anisotropa. D'altra parte, la diffusione nel tessuto fibroso connettivo circostante i condotti è veloce e isotropo a causa dell'elevato contenuto di acqua e bassa densità cellulare in questo tessuto (figure 3 e 4). In presenza di malignità, blocco dei dotti e lobuli dalle cellule tumorali aumenta la tortuosità e limitare il movimento dell'acqua, causando una riduzione dei coefficienti di diffusione in tutte le direzioni e in movimento anisotropo (Figure 3 e 4).

Figura 3
Figura 3: Diffusione in lobuli della mammella Disegno schematico di un taglio attraverso i lobuli e la diffusione di acqua all'interno di una lobulo.. A sinistra: la diffusione di acqua limitata da mura lobuli 'mostrano velocediffusione parallelo alle pareti e diffusione limitata perpendicolari alle pareti. A destra: diffusione in lobuli con cellule tumorali. La diffusione nel compartimento extracellulare è fortemente ostacolata ma simile in tutte le direzioni e, quindi, quasi isotropo.

Figura 4
Figura 4:. Diffusione dell'acqua nel sistema ad albero duttale Sinistra: dotti mammari iniettati con cera colorata, mostrando loro direzione irradiato, e la loro inter-ramificazione 25. Middle: Disegno schematico di un normale albero duttale con vettori che indicano la diffusione all'interno dei condotti (frecce nere) e nel tessuto connettivo (frecce verdi). Destra: Disegno schematico di un albero duttale con due loci di cellule tumorali (viola). Frecce rosse mostrano la diffusione nei tumori.

Questo articolo descrive in dettaglio il metodo di scansione tensore di diffusione e la pralgoritmi ocessing e software di analisi delle serie di dati DTI che hanno permesso la rilevazione malignità seno. Tutti i tumori sono stati confermati da rilievi istopatologici di biopsia mammaria e / o campioni chirurgici. Abbiamo anche descrivono il protocollo di scansione T2 ponderati per ottenere le caratteristiche anatomiche del seno, così come il protocollo di scansione DCE che è servito come un metodo di riferimento per valutare la sensibilità di rilevamento DTI. Cliccate qui per vedere una versione più grande di questa figura.

Protocol

NOTA: Tutti i protocolli sono stati approvati dal Consiglio di Meir Medical Center, Kfar-Saba, Israele Review interno e di un consenso informato firmato è stato ottenuto da tutti i soggetti.

1. Preparazione del paziente e Posizionamento nella RMN

  1. Inserire un catetere endovenoso nel braccio sinistro o destro per l'iniezione di contrasto.
  2. Assicurarsi che il paziente è sdraiato in posizione prona con entrambi i seni appesi liberamente nelle aperture bilaterali della bobina del seno, come mostrato in figura 5.
  3. Assicurarsi che la testa sia posizionata su un cuscino per testa e collo il comfort del paziente e entrambe le braccia sono posti sopra la testa come mostrato in Figura 5.
  4. Assicurarsi che ogni seno è in una posizione centrale, sciolti e più profondamente possibile entro la rispettiva apertura della bobina, come mostrato in figura 5.

e 5 "src =" / files / ftp_upload / 52048 / 52048fig5highres.jpg "/>
Figura 5: Posizionamento di una donna per la scansione MRI del seno. Notare la posizione prona e l'impiccagione libera di entrambe le mammelle nelle aperture bilaterali della bobina del seno.

  1. Collegare la pompa di iniezione automatico al catetere endovenoso.

2. MRI Scansione

  1. Acquisire con lo scanner MRI un'immagine pilota per la localizzazione entrambi i seni e determinare il campo visivo (FOV), il numero di fette e spessore dello strato di coprire completamente entrambi i seni con estensione per l'ascella e alla parete toracica.
  2. In tutte le seguenti sequenze di scansione eseguite con lo scanner MRI, mantenere lo stesso valore del FOV, numero fetta e spessore di taglio per ogni singolo caso. Ad esempio, l'acquisizione 60 fette assiali con FOV di 360 mm nella direzione di lettura e di fase, spessore di strato compreso tra 2 a 3 mm, a seconda delle dimensioni del seno, e una direzione di codifica di fase L2;> R o R >> L. Vary la risoluzione in piano nelle seguenti sequenze seconda dimensione matrice di acquisizione in funzione della sequenza come indicato nella Tabella 1.
Parametro sperimentale 2D T2 ponderata 2D DTI Mappatura 2D GE Campo 3D DCE
Tempo di ripetizione (TR) msec 5.500 10.800 669 6.8
Tempo Echo (TE) msec 122 120 4.92 2.49
TE (2) 7.38
Angolo di Flip, gradi 60 18
Matrix Acquisition 640 x 428 192 x 192 64 x 192 428 x 428
Medie 1 1 1 1
concatenazioni 4 1 1 1
Fattore Turbo 21
Numero di treni per fetta 11
Spaziatura Echo, msec 10 0.79
Larghezza di banda, Hz / pixel 300 1860 1532 560
In risoluzione di scansione aereo 0.56 x 0.84 1.9 x 1.9 0,8 x 0,8
In aereo risoluzione dell'immagine 0.56 x 0.56 1.9 x 1.9 1.9 x 1.9 0,8 x 0,8
Tempo di acquisizione, min: sec 04:26 6:09 01:28 01:06 (x9)
# Dei gradienti di diffusione 30
Soppressione del grasso no FAT-SAT / Spair 1 no
b-valori, sec / mm 2 0, 700

Tabella 1:. Parametri sperimentali di sequenze utilizzate in questo studio 1 FAT-SAT: Fat saturazione. Spair: Spectral attenuata Inversion Recovery.

  1. Localizzare con il computer interfaccia utente dello scanner MRI una regione che comprende entrambe le mammelle e l'ascella e definire una casella di spessoramento. Applicare una strategia shimming iterativo per ottimizzare il campo magnetico 29.
    1. Visualizzare lo spettro protonico sullo schermo del computer interfaccia utente e regolare la spessoramento centrando la frequenza sul tegli frequenza di risonanza acqua e poi sulla frequenza di risonanza grasso. Ripetere lo spessoramento fino a meglio separa i segnali di grassi e di acqua e ottimizza intensità di segnale massima e la forma come rivelato nello spettro dei protoni. Verificare che la frequenza di irradiazione è centrato sulla frequenza di risonanza dell'acqua.
  2. Applicare attraverso il computer interfaccia utente 2D trasversale T2 turbo spin-echo sequenza di più slice ad alta risoluzione spaziale senza saturazione grasso con l'acquisizione generalizzata auto-calibrazione parzialmente parallelo (grappa), con fattore di accelerazione 2. Fissare i parametri che si aprirà sullo schermo secondo i loro valori nella colonna "2D ​​T2 pesata" in Tabella 1.
  3. Applicare attraverso il computer interfaccia utente trasversale 2D, grasso soppresso, spin-echo imaging del tensore di diffusione - DTI con il due volte riorientato eco sequenza di imaging planare 30, utilizzando GRAPPA, con fattore di accelerazione 2. Fissare i parametriche farà apparire sullo schermo in base ai loro valori nella colonna "2D ​​DTI" nella tabella 1.
  4. Applicare attraverso il computer interfaccia utente una sequenza di mappatura campo per correggere le distorsioni geometriche in EPI (EPI), e ottenere immagini differenziali di fase come descritto da Jezzard e Balaban 31. Assicurarsi che la sequenza include acquisizione di 2D trasversali gradient echo (GE) immagini con due differenti in fase tempi di eco, e che la direzione di codifica di fase è la stessa della sequenza DTI (passo 2.5). Fissare i parametri che apparirà sullo schermo in base ai loro valori nella colonna "mappatura 2D GE Field" nella tabella 1.
  5. Applicare attraverso il computer interfaccia utente un contrasto migliorato protocollo dinamico utilizzando un 3D gradiente veloce sequenza echo senza grassi-soppressione, con parametri ottimizzati in base al metodo di 32 a tre punti di tempo (3TP). Fissare i parametriapparirà sullo schermo in base ai loro valori nella colonna "3D DCE" nella tabella 1.
    1. Registra due immagini precontrasto iniziali secondo il protocollo al punto 2.7.
  6. Iniettare 15 sec prima della fine della seconda acquisizione pre-contrasto agente gadopentetatedimeglumine contrasto, alla dose di 0,1 mmol / kg di peso corporeo, utilizzando una pompa automatizzata ad una velocità di 2 ml / sec, seguiti da 20 ml di soluzione fisiologica, a 2 ml / sec.
    1. Continuare la registrazione sette set di dati 3D in sequenza secondo il protocollo al punto 2.7 a 54, 120, 186, 252 iniezione, 318, 384, e 450 sec dopo contrasto.
  7. Applicare attraverso il computer interfaccia utente trasversale 2D pesata in T2 grassi soppressi turbo spin-echo sequenza fetta più ad alta risoluzione spaziale con GRAPPA, con fattore di accelerazione 2. Utilizzare i dettagli sperimentali simili a quelli utilizzati per l'imaging ponderata T2 descritto al punto 2.4 NOTA: Un corso di tempo che riassume i passaggi nel protocollo MRI è fornito in figura 6.

Figura 6
Figura 6: corso Tempo del protocollo MRI clinico.

Elaborazione 3. Immagine

  1. Trasferire l'intero set di dati ottenuti da tutte le sequenze di scansione (descritto nei punti 2,4-2,9) ad una stazione di lavoro a distanza o un personal computer ed elaborare l'intero set di dati di immagini con software dedicati per analizzare la diffusione del seno tensore di imaging e DCE-MRI.
    1. Qui, effettuare le operazioni descritte di seguito utilizzando il pacchetto software autocostruito scritto in C ++ che è stata verificata utilizzando l'ambiente di programmazione di MATLAB 19. In generale, gli scanner commerciali forniscono strumenti di elaborazione delle immagini per cerebrali esperimenti DTI che possono essere adattati per il seno, manon può avere tutte le funzioni di elaborazione applicate dal nostro pacchetto software autocostruito
  2. Eseguire elaborazione delle immagini delle serie di dati DTI con un DTI software di elaborazione delle immagini dedicato seguendo la procedura nel diagramma di flusso di figura 7.

Figura 7
Figura 7: Diagramma di flusso delle fasi del processo di lavorazione DTI.

  1. Utilizzare il programma software DTI per valutare il livello di rumore esterno del seno e il tessuto rimanente in 3 o 4 regioni di interesse (di circa 1 cm 2) e trovare il livello massimo di rumore.
  2. Utilizzare il programma software DTI per calcolare pixel per pixel, in tutti i pixel sopra il livello massimo di rumore e in ciascuna delle fette 60, i coefficienti di diffusione sei, D xx, yy D, Dzz, D xy, D xz, yz D, del tensore simmetrico D descritto di seguito 33 (vedi figura 8)
    Equazione 1
    Dove D = D xy yx, D zy = D yz, D = D zx xz.
    1. Per calcolare le componenti tensoriali utilizzano un programma raccordo di regressione non lineare in base all'equazione Stejskal-Tanner: Si, j (b) = Si (0) exp (-bd), dove Si, j (b) è il segnale intensità di pixel i con un gradiente di diffusione nella direzione j e Si (0) è l'intensità del segnale della stessa pixel a b = 0 mm 2 · s. Questo raccordo minimizzato la somma dei quadrati delle funzioni non lineari 30 per ogni direzione gradiente di diffusione nelsei tensore di diffusione componenti variabili di una modifica della Levenberg-Marquardt algoritmo 34 .Questo è stata eseguita dal cminpack software libero ( http://devernay.free.fr/hacks/cminpack/index.html ).

Figura 8
Figura 8: Schema dei passi di calcolo rendimento del tensore di diffusione simmetrica.

  1. Utilizzare il software DTI diagonalizzare tensore di diffusione simmetrica in ogni pixel, applicando analisi delle componenti principali (PCA) 35.
    NOTA: PCA è un metodo comunemente utilizzato per ridurre la dimensionalità dei dati e trovare una trasformazione lineare che mappa i parametri correlati pixel in un nuovo sistema di coordinate di assi ortogonali e non correlati. Questo process rendimenti per ciascun pixel tre autovettori (ν 1, 2 ν, ν 3), che definisce la direzione diffusione in tre assi ortogonali di una forma ellissoide che coincide con il telaio diffusione del tessuto, e dei corrispondenti tre autovalori diffusione, disposti dall'alto a basso, che determinano tre coefficienti di diffusione direzionali (λ 1, λ 2, λ 3) (vedi figure 9 e 10).

Figura 9
Figura 9: Schema dei passi di calcolo cedevoli gli autovalori e autovettori coincidenti con la cornice diffusione del tessuto e la modellazione ellissoide.

Figura 10
Figura 10: schematdisegno ic delle principali fasi di lavorazione che calcolano gli autovettori di diffusione e autovalori in normale tessuto duttale e nel tessuto del cancro.

  1. Utilizzare il programma software DTI per calcolare per ogni pixel il coefficiente di diffusione apparente (ADC) definita come la media dei tre autovalori <λ> = (λ 1 + λ 2 + λ 3) / 3.
  2. Utilizzare il programma software DTI di calcolare per ogni pixel l'indice di anisotropia assoluto massimo definito come la differenza (λ 1 - λ 3).
  3. Utilizzare il programma software DTI per calcolare per ogni pixel dell'indice anisotropia frazionaria (FA) che varia tra 0 (diffusione isotropica) a 1 (diffusione in una direzione) secondo la seguente equazione:
    Equazione 2
  4. Utilizzare il programma software DTI a Display pixel per pixel in ogni fetta durante entrambi i seni una mappa vettoriale che mostra la direzione del primo autovettore, ν 1, ed una mappa codificata a colori con tre colori indica le direzioni principali della ν 1 e sovrapporre un'immagine T2 ponderata della stessa slice (Figura 9). Questo passo è stata effettuata utilizzando il software gratuito gtk ( http://gtk.org ) per la grafica.
  5. Utilizzare il programma software DTI per costruire le mappe parametriche diffusione di imaging del tensore che visualizzano pixel per pixel in ogni fetta in entrambi i seni i valori di tutti i parametri del tensore di diffusione λ 1, λ 2, λ 3, ADC, λ 13, e FA e sovrapporre un'immagine T2 ponderata della stessa porzione (Figura 11).

Figura 11
-3 mm 2 / sec. FA è unit-less. La barra di scala nella mappa vettoriale riferisce ad una lunghezza di 20 mm e la barra di scala dell'immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini rimanenti.

  1. Utilizzare il programma software DTI per correggere, se necessario, le distorsioni geometriche caricando la mappa differenza di fase ottenuto come descritto al punto 2.6. Spostare il raggio della mappa differenza di fase in tutti i pixel al di sopra del livello di rumore nell'immagine eco sfumatura a una serie di -π per represe + πnting sfasamento Δɸ (x, y, z) in radianti (Figura 12).
    1. Utilizzare il programma software DTI per calcolare lo spostamento spaziale in pixel in base a:
      Equazione 3
      ΔTE è la differenza di tempo tra i due echi uguale 2,46 x 10 -3 msec e BWP è la banda fase dell'esperimento è pari 13,2 Hz / pixel. Sposta i pixel in base alla mappa del campo e ricalcolare i parametri del tensore di diffusione (Figura 12).

Figura 12
Figura 12:. Esempio di correzione della distorsione geometrica utilizzando una carta Differenza di fase Le immagini sono state registrate da un vecchio volontario 47 anni con carcinoma lobulare invasivo. Nella prima colonna a sinistra dell'immagine ponderata T2 e una mappa differenza di fase di una fettacon il cancro al seno sinistro vengono visualizzati. Nel secondo e 3 ° colonne λ 1 mappe prima di correzione vengono visualizzati nella prima riga e λ 1 mappe dopo la correzione vengono visualizzati nella seconda fila. I λ 1 mappe sono sovrapposte sull'immagine ponderato relativo T2. Nella colonna 2 ° l'intera gamma di coefficienti di diffusione di acqua (0,8-3,0) x10 -3 mm 2 / sec è utilizzato per la scala colorati e nella colonna 3 ° una gamma ridotta viene utilizzato con una soglia di 1,7 x 10 -3 mm 2 / sec che sottolinea il contrasto tra il tumore al seno sinistro e il normale tessuto mammario. La barra di scala dell'immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini.

  1. Eseguire l'elaborazione delle immagini delle serie di dati DCE-MRI usando un software che fornisce pixel per pixel mappe dei parametri cinetici di valorizzazione, come il software di elaborazione delle immagini 3TP 17.

Representative Results

Il metodo è stato inizialmente testato e dimostrato scansionando volontari normali in varie fasi ormonali. Figura 11 dimostrato le mappe parametriche e vettoriale ottenuti utilizzando il software di una fetta centrale di una giovane volontario sano con relativamente elevata frazione di tessuto fibroglandular, come si vede chiaramente sull'immagine ponderata T2 (tutte le zone grigie sono tessuti fibroglandular e le aree luminose sono grasso). La direzione del coefficiente di diffusione prime λ 1 è indicata nel vettore mappa v1 con una grande frazione di pixel che punta verso il capezzolo. Come previsto, i valori dei coefficienti di diffusione tensoriali diminuiscono dal λ 1 a λ 2 a λ 3. Utilizzando questi tre coefficienti di diffusione calcolo della ADC media diffusività abilitati, l'anisotropia frazionaria (FA) e l'anisotropia massima, λ 1 - λ 3. Avviso nelle mappe di FA e λ 1 - λ

In donne in post-menopausa il seno sono solitamente meno denso come mostrato nell'esempio in figura 13 per un 63 anni volontario normale. I coefficienti di diffusione sono inferiori in volontari anziani ma gli indici di anisotropia sono più elevati, probabilmente a causa del diametro inferiore dei condotti e lobuli e quindi, maggiore restrizione imposta sulla diffusione nelle direzioni ortogonali alle pareti duttali. Un altro esempio che illustra la sensibilità del tensore alle dimensioni dei condotti è mostrato nell'esempio di un volontario allattamento in Figura 14. Poiché il latte è un colloide di globuli di grasso in un liquido acquoso contenente carboidrati disciolti e aggregati proteici con minerali , la viscosità del latte è superiore a quello della normale fluido acqua nelle condotte, e quindi, i coefficienti di diffusione dell'acqua di seni in lattazione sono lower di quelli delle donne in premenopausa 24. Inoltre, i condotti vicino al capezzolo sono grandi e la restrizione nelle direzioni ortogonali ai condotti è inferiore al seno non in lattazione, e di conseguenza gli indici anisotropia sono inferiori. Tuttavia nelle regioni -posterior lobulare della mammella allattamento anisotropia è ancora alto.

In pazienti con neoplasie il principale cambiamento nei parametri tensore di diffusione è esposta in una significativa riduzione nei tre coefficienti di diffusione. Le variazioni di λ 1 sono stati trovati per fornire il massimo contrasto rumore 19. Questo studio ha incluso 68 pazienti con patologia confermata tra cui 33 pazienti con diagnosi di carcinoma duttale invasivo (IDC), 19 con carcinoma duttale in situ (DCIS), 13 con carcinoma invasivo lobulare (ILC) e 3 con altri tumori maligni. Diversi pazienti avevano più focale o il cancro al seno più centric. La dimensione dei tumori Varied 3-95 mm con mediana di 14 mm e interquartile gamma da 10 a 30 mm. In tutti questi pazienti il ​​tasso di rilevamento di DCE e DTI erano paragonabili. Tuttavia, 5 casi che hanno mostrato il miglioramento in DCE e confermati dalla patologia in quanto i tumori non sono stati inclusi nell'analisi DTI a causa di problemi tecnici in seno grassi, principalmente legati a campo disomogeneità e soppressione del grasso insufficiente causando distorsioni e artefatti.

Figure 15, 16 e 17 dimostrano le mappe parametriche tipiche dei due parametri di diffusione principali λ 1 e λ 1 - λ 3 che vengono utilizzati per rilevare tumori al seno. Questa figura mostra, oltre a T2 pesate, i risultati dell'analisi DCE utilizzando il metodo codice colore 3TP. Come spiegato nell'introduzione presenza di cellule maligne nei dotti o lobuli e la loro circostante impedire la diffusione nel compartimento extracellulare riducendo significativamente tegli DIFFUSION coefficienti. Inoltre, l'anisotropia dovuto alle strutture duttali sta scomparendo come le cellule tumorali diffuse in tutte le direzioni in modo caotico senza una direzione particolare. La FA non è un parametro adeguato per il rilevamento del cancro al seno poiché la normalizzazione di questo parametro per la diffusività media porta ad elevati valori di FA nei tumori simili a quelli in tessuto normale 19. Tuttavia, l'anisotropia massima fornisce un mezzo per rilevare il cancro (Figure 15-17). Tuttavia, perché il tessuto fibroso connettivo è anche vicino a isotropo e presentare valori bassi di anisotropia massima, questo parametro è meno specifico rispetto alla λ coefficiente di diffusione 1 e agisce come un parametro secondario per λ 1.

Figura 17 dimostra anche la capacità di DTI di caratterizzare la risposta alla chemioterapia neoadiuvante. In questo esempio, il paziente pienamente risposto al trattamento (4 cicli di annuncioriamycin + Cycloxane -, seguiti da 4 cicli di Taxol). Infatti, la risposta alla terapia ha causato un significativo aumento dei coefficienti di diffusione per valori tipici al tessuto mammario normale, suggerendo la presenza di tessuto connettivo riparativo che ha sostituito le cellule tumorali. Risultati simili sono stati ottenuti in 4 altri pazienti che hanno risposto alla terapia.

Figura 13
Figura 13: Uscita di mappe DTI parametriche di una fetta centrale del seno di un 63 anni volontario sano sovrapposta l'immagine ponderata T2 della stessa porzione Dir.. - Direzione mappa con il rosso che indica da sinistra a destra, verde anteriori indicando a posteriore e testa verde che indica a piedi le direzioni. Si noti che i vettori sono assegnati in linee bianche. Tutti i coefficienti di diffusione e l'indice di anisotropia massima sono in unità di 1 x10 -3 mm 2 / sec. FA è unit-less. La barra di scala nel vettore rifERS ad una lunghezza di 20 mm e la barra di scala dell'immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini rimanenti.

Figura 14
Figura 14: Uscita di mappe DTI parametriche di una fetta centrale del seno di un 40 anni di volontariato in allattamento sovrapposizione all'immagine ponderata T2 della stessa porzione Dir.. - Direzione mappa con il rosso che indica da sinistra a destra, verde anteriori indicando a posteriore e testa verde che indica a piedi le direzioni. Tutti i coefficienti di diffusione e l'indice di anisotropia massima sono in unità di 1 x10 -3 mm 2 / sec. FA è unit-less. Nota in direzione mappa e mappa vettoriale che la maggior parte i pixel sono allineati verso il capezzolo. Si noti inoltre i coefficienti di diffusione inferiori rispetto ai valori delle figure 7 e 10 volontari sani. La barra di scala nella mappa vettoriale riferisce ad una lunghezza di 20 mm e labarra della scala dell'immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini rimanenti.

Figura 15
Figura 15:. Mappe parametriche di λ 1 e λ 1 - λ 3 in un paziente di 38 anni con il multi focale carcinoma duttale invasivo Nel 1 ° prima i parametri DTI sono presentati con una soglia di 1,7 x 10 -3 mm 2 / sec per λ 1 e 0,6 mm 2 / sec per λ 13 (tutti i valori al di sopra delle soglie sono colorati in viola). Nelle prime 2 °, valori superiori alla soglia non sono colorati e mostrare l'immagine ponderata T2 sottostante. La figura include anche nella colonna 1 v sull'immagine ponderata lasciato un T2 e una mappa parametrica DCE, ottenuti con il metodo 3TP, della stessa porzione le mappe parametriche DTI. La barra di scala dell'immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini. Si noti che la risoluzione delle immagini DCE in piano spaziale è circa due volte superiore a quello di DTI, tuttavia, vi è un elevato congruenza visiva nella posizione e le dimensioni della 3TP e le λ 1 mappe parametriche.

Figura 16
Figura 16: mappe parametriche di λ 1 e λ 13 in un paziente di 60 anni con basso grado CDIS Il dato include anche nella colonna 1 ° a sinistra un'immagine ponderato T2 e una mappa parametrica DCE, ottenuto dalla. Metodo 3TP, della stessa porzione come le mappe parametriche DTI. La barra di scala dell'immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini. Nota la capacità di DTI per rilevare il cancro in un seno molto grassa.

Figura 17
Figura 17: mappe parametriche di λ 1 e λ 1 - λ 3 in un paziente di 39 anni con carcinoma lobulare invasivo prima e dopo la chemioterapia neoadiuvante Il paziente è stato sottoposto a scansione due volte, una volta prima della terapia e una volta prima di un intervento chirurgico, dopo 4 cicli di Adryamicin +. cicli Cycloxan e 4 di Taxol. Nota l'aumento λ 1 e λ 1 in -λ 3 nelle regioni tumorali che hanno risposto al trattamento. 1 ° mostra prime immagini ottenute prima della terapia e il 2 spettacoli prime immagini di circa stessa regione, come nel 1 ° fila, ottenute prima dell'intervento chirurgico. Prima regioni cancro trattamento esposti λ 1 e λ 13 valori di sotto della loro soglia, e dopo il trattamento di questi due parametri sono aumentati a valori sopra la soglia. Il dato include anche nella colonna 1 st sulle T2 pesate sinistra; nella colonna 2 nd MuImmagine ltiple Proiezione-MIP, ottenuto sottraendo le immagini pre-contrasto delle immagini successive di contrasto 2 min; nella colonna 3 rd mappe parametriche DCE ottenuti con il metodo 3TP. La barra di scala dell'immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini

Discussion

Questo lavoro dimostra la capacità di DTI, scandita ad 3 T ad alta risoluzione spaziale (~ 8 mm 3), per misurare in vivo i parametri del tensore di diffusione d'acqua in tutto il tessuto fibroglandular di entrambi i seni. L'insieme di algoritmi e software sviluppati nel corso di questa analisi consentito lo studio delle grandi serie di dati DTI e contemporaneamente visualizzare le mappe di diffusione parametriche dei vari coefficienti di diffusione, λ 1, λ 2, λ 3, indici ADC e anisotropia λ 13, e FA di tutte le sezioni del seno. Questo lavoro sottolinea anche il potenziale dei vari coefficienti di diffusione e indici anisotropia di rilevare e diagnosticare il cancro al seno. I risultati indicavano che il coefficiente di diffusione primaria, λ 1, è il parametro principale per individuare il cancro al seno, con una sostanziale capacità di differenziare maligna da tessuto mammario normale. A indi secondarioparametro dente, con elevata sensibilità, ma una specificità molto inferiore λ 1, è l'indice massimo anisotropia che agisce per confermare il rilevamento da parte del primo coefficiente di diffusione.

I risultati hanno anche dimostrato la capacità di risonanza magnetica per misurare in vivo la diffusione dell'acqua direzionale e quantificare l'anisotropia della diffusione nell'intero duttale / sistema ghiandolare in entrambi i seni. Al fine di garantire un profilo di precisione uniforme delle misure anisotropi 30 diffusione indicazioni gradienti sono stati applicati. La selezione di alta eco-tempo di 120 msec, e l'ottimizzazione della risoluzione spaziale rivelato la limitazione della diffusione dell'acqua nei condotti. La dimensione media dei condotti normali è stata riportata essere di 90 micron, con ~ 70% nell'intervallo di 40-100 micron 36. Secondo l'equazione Einstein lo spostamento di diffusione dell'acqua libera, x = (6DT) 1/2, dove D è il coefficiente di diffusione dell'acqua libero medio e t diffusionetempo. Nel nostro esperimento x è di circa 25 micron, e quindi, solo una frazione di molecole d'acqua duttale sono limitate dalle pareti duttali mammari, portando a valori relativamente bassi FA nella mammella (valori superiori ~ 0,3) rispetto ai valori trovati nella materia bianca del cervello (≥0.5). In Sir Astley Cooper studia 25 è stato rivelato che il tessuto mammario umano è organizzata in lobi separati, ciascuno composto da un albero duttale. Ecografie preliminari di un seno durante l'allattamento 37 sono state tentate, nonché individuazione di strutture duttali sezionali con secondo ordine forma misurazioni 38. Tuttavia, nessun metodo di imaging è riuscito finora rivelando l'intero sistema duttale in entrambi i seni in vivo. L'algoritmo per ottenere l'intero sistema ad albero duttale 3D dai risultati DTI è ancora in fase di sviluppo, ma il vettore mappe esibiscono chiaramente il potenziale per rivelare l'anatomia dettagliata e altamente diversificata degli alberi mammarie. Recentemente un itentativo nitial di un monitoraggio completo 3D del seno in base alle nostre dataset DTI è stato segnalato 39.

Nel corso di questo lavoro limitazioni tecniche sono stati notati a causa di soppressione del grasso inefficiente e distorsioni EPI. Soppressione del grasso è stato raggiunto da una sequenza di saturazione grassi (FAT-SAT), che di solito era efficiente in seno denso. Tuttavia, in seno grassi Spectral Selezione attenuato Inversion Recovery (Spair), che è più efficiente e meno sensibile alla disomogeneità B1, è stato applicato. I protocolli di diffusione basati EPI avuto ulteriori limitazioni dovute a gradiente correnti parassite indotte, B 0 campo disomogeneità e differenze di suscettibilità 40,41. Queste limitazioni sono state minimizzate utilizzando iterativo shimming automatica e manuale dei segnali di acqua e grassi e scegliendo la spaziatura eco più basso possibile. Inoltre, una correzione post-elaborazione di distorsioni geometriche stato occasionalmente applicata come descritto nel protocollo. Generale, Nel caso di seno denso con un forte segnale di acqua è stato possibile superare le limitazioni tecniche; Tuttavia, 5 casi in questo studio con seni altamente grassi non potrebbero essere analizzati a causa delle limitazioni di cui sopra.

In sintesi, sono stati sviluppati un protocollo e di elaborazione delle immagini strumenti per tensore di diffusione seno MRI. Questa metodologia completamente sicuro, veloce, e non invasiva analizza con precisione l'architettura del seno e può facilitare l'individuazione del tumore al seno in clinica. Il coefficiente di diffusione prime, λ 1, e l'indice di anisotropia massima, λ 13, sono stati trovati per servire come due parametri di diffusione indipendenti per il rilevamento del cancro. Studi clinici su pazienti affetti da cancro mammario hanno dimostrato che l'efficienza di rivelazione di questi due parametri è paragonabile a quella di DCE MRI. Così, l'emergere di questo metodo di conoscenza di base dell'architettura seno e di sviluppo del cancro e la sua dipendenza da rivelarecambiamenti significativi quantificabili, così come il suo essere un metodo sicuro e veloce rendono un prezioso strumento per indagare i vari aspetti dello sviluppo che coinvolgono la proliferazione duttale, e per testare l'impatto clinico per lo screening del cancro al seno in larga scala studi prospettici.

Disclosures

Gli autori non hanno nulla da rivelare.

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