Spore Bryst Arkitektoniske funksjoner og oppdage brystkreft med Magnetic Resonance Diffusion Tensor 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

Brystkreft er den vanligste årsaken til kreft blant kvinner over hele verden. Tidlig påvisning av brystkreft har en avgjørende rolle i å forbedre livskvalitet og overlevelse av brystkreftpasienter. Dagens standardmetoder for brystkreft gjenkjenning er basert på røntgen mammografi og ultralyd skanning. Den utilstrekkelig sensitivitet og spesifisitet av disse teknikker, spesielt for å påvise lesjoner i tette brystene, har stimulert utviklingen av andre teknikker, inkludert bryst magnetisk resonansavbildning (MRI). Dynamisk kontrastforsterket (DCE) MR er etablert som et kraftig verktøy for deteksjon og diagnose av brystkreft 1,2 og er ofte tilrettelagt av dataassistert diagnose betyr tre. For tiden er det brukt for spesielle tilfeller, for eksempel høyrisikopasienter 4, men ikke for rutinemessig screening, antagelig på grunn av de høye kostnader, behovet for å bruke en injeksjon av et kontrastmiddel, er mangelen på en standardiseringsnd variabelen spesifisitet i å skille benign fra maligne lesjoner som strekker seg fra lave / moderate verdier 5,6 til høye verdier som ble oppnådd ved bruk av kombinert mammografi og DCE-MRI 7,8. Mer nylig diffusjon vektet MRI og de ​​resulterende kartene over tilsynelatende diffusjonskoeffisient (ADC) har blitt evaluert som et komplement fremgangsmåte til DCE-MRI, og det ble vist at ADC-verdier kan bidra til å skille mellom kreft, benigne lesjoner og normalt brystvev 9,10 . I tillegg ble det studier av brystkreft diffusjon tensor imaging (DTI) initiert hos friske frivillige og pasienter med brystforandringer ved feltstyrke på 1,5 T 11-15 og 3 T 16-24. De fleste av disse studiene rapporterte ADC og brøk anisotropi (FA) verdier 11,12,14,15,20-23 og fant disse to parametrene for å være reproduserbar med ADC verdier mer reproduserbare enn FA 13,20. Resultatene av disse studier indikerte at maligne lesjoner oppviser lave ADC verdier som kompared til normalt vev og godartede lesjoner imidlertid motstridende resultater ble rapportert på de verdier og diagnosekapabilitet av FA 11,12,14,20-23. I et sett av tre T- DTI studier verdiene av de tre tensor verdiene og egenvektorene i brystvevet rammen ble rapportert i tillegg, og resultatene ble presentert i vektorkart av hoved egenvektoren og parametriske kart av egenverdiene, ADC, FA og en maksimal anisotropi indeksen 16-19,24. I disse studiene hoved diffusjon egenverdi og maksimal anisotropi ble vist å fungere som de mest sensitive uavhengige parametere for deteksjon og diagnose av kreft lesjoner

Brystet er sammensatt av fibroglandular vev og fettvev. Den fibroglandular vev er videre sammensatt av flere fliker, som er høyst variabel i størrelse og form. Hver lapp mikro inkluderer den funksjonelle brysttreet og tilhørende lobules danner kjertelvevet, og det omkringliggende binde-fibrous vev. De fleste melke maligniteter starte med avvikende formering av epitel-celler i de kanaler eller lobules, u-karsinom in situ, som ved infiltrering inn i det omliggende vev blir til invasivt karsinom. Derfor duktale / lobular strukturer er et viktig område for undersøkelse av ondartet bryst transformasjon.

De strukturelle trekk ved de duktale trær ble først undersøkt ex vivo i 1840 av Sir Astley Cooper ved hjelp av injeksjon av farget voks til kanalene av mastektomi prøver 25. Nylig har datamaskin avledet sporing av hele-bryst duktale trær blitt oppnådd i noen menneskelige brystene ved hjelp av mastektomi prøver 26,27. Arbeidet presenteres her viser at parametrene oppnådd ved in vivo diffusjon tensor avbildning gir informasjon knyttet til de forskjellige brystvevet mikro funksjoner, slik at også ikke-invasiv brystkreft deteksjon.

Physical prinsippene bryst diffusjon tensor imaging er basert på MR muligheten til å måle og kvantifisere anisotropisk vann diffusjon i begrensede miljøer 28. Generelt, er vann diffusjon i homogene oppløsninger fri og isotrope, men hvis vannbevegelsen er stanset på grunn av begrensning av ugjennomtrengelige vegger diffusjonen blir anisotrop med en fast fri diffusjon parallelt med veggene og en langsommere diffusjon begrenset vinkelrett på veggene ( Figur 1). Vann diffusjon i vev er komplisert og er avhengig av strukturelle og fysiologiske funksjoner av intra- og ekstracellulære kamre herunder cellenes størrelse, cellenes tetthet, ekstracellulære tortuosity og vannutveksling gjennom membraner, så vel som i nærvær av vaskulære og lymfatiske nettverk (figur 2).

Figur 1
Figur 1: Gratis og begrenset spredning Skjematisk tegning av et vannmolekyl fri diffusjon (til venstre) og diffusjon begrenset av ugjennomtrengelige vegger (til høyre)..

Figur 2
Figur 2: Kompleks diffusjon i et vev Skjematisk tegning av vann diffusjon i et cellesystem som viser vannmolekyler bevegelse i de ekstracellulære og intracellulære rom og vannutveksling (piler) mellom disse to kammere..

På grunn av de spesielle arkitektoniske trekk i bryst diffusjon av vannmolekyler i melkekanalene og lobules presentere et spesielt eksempel på begrenset og anisotropisk bevegelse: Parallelt til veggene i kanaler og lobules spredningen er nær det av fri diffusjon men i retninger vinkelrett på veggene blir det begrenset av vegger, som består av tolag av cellen og basalmembran. Følgelig diffusjon i ductal / kjertel system er relativt rask og anisotrop. På den annen side er diffusjonen i binde fibrøse vevet som omgir kanalene rask og isotrop som et resultat av det høye vanninnhold og lav celletetthet i dette vev (figur 3 og 4). I nærvær av ondartet sykdom, blokkering av kanalene og lobules av kreftceller øker tortuosity og begrensning av vannbevegelsen, forårsaker en reduksjon av diffusjonskoeffisientene i alle retninger og i det anisotrope bevegelse (figur 3 og 4).

Figur 3
Figur 3: Diffusion i bryst lobules Skjematisk tegning av et kutt gjennom lobules og vannet diffusjon inni en lobule.. Venstre: diffusjon av vann begrenses av lobules 'veggene viser raskdiffusjon parallelt med veggene og begrenset diffusjon vinkelrett på veggene. Høyre: diffusjon i lobules med kreftceller. Den diffusjon i det ekstracellulære rommet er sterkt hindret, men lik i alle retninger og dermed nesten isotropisk.

Figur 4
Figur 4:. Vann diffusjon i ductal treet system Venstre: Bryst kanaler injisert med farget voks, viser deres utstrålte retning, og deres inter-forgrening 25. Midten: Skjematisk tegning av en normal ductal tre med vektorer som indikerer diffusjonen inne i kanalene (svarte piler), og i bindevev (grønne piler). Høyre: Skjematisk tegning av en duktal tre med to loci av kreftceller (lilla). Røde piler vise spredningen i kreft.

Dette notatet beskriver i detalj diffusjon tensor skannemetode og processing algoritmer og programvare analyse av DTI datasett som gjorde det mulig å oppdage brystkreft malignitet. Alle krefttilfeller ble bekreftet av histopatologiske funn av bryst biopsi og / eller kirurgiske prøver. Vi beskriver også T2 vektet skanning protokoll for å skaffe de bryst anatomiske trekk, samt DCE skanning protokollen som tjente som en referansemetode for evaluering av DTI følsomhet. Klikk her for å se en større versjon av dette tallet.

Protocol

MERK: Alle protokoller ble godkjent av Internal Review Board of Meir Medical Center, Kfar-Saba, Israel og en signert informert samtykke ble innhentet fra alle fag.

1. Klargjøring av pasient og posisjonering i MRI-skanner

  1. Sett inn et venekateter i venstre eller høyre arm for kontrastmiddel injeksjon.
  2. Sørg for at pasienten ligger i liggende stilling med begge brystene henger fritt i de bilaterale åpninger i bryst spiral som demonstrert i figur 5.
  3. Sikre at hodet er plassert på en pute for pasientens hode og nakke komfort og begge armene er plassert over hodet som vist i figur 5.
  4. Sørg for at hvert bryst er i en sentral plassering, henger løst og så dypt som mulig innenfor de respektive spole åpningen som vist i figur 5.

e 5 "src =" / files / ftp_upload / 52048 / 52048fig5highres.jpg "/>
Figur 5: Plassering av en kvinne for bryst MRI-skanning. Legg merke til utsatt posisjon og den fritthengende av begge brystene i de bilaterale åpninger i bryst coil.

  1. Kobler den automatiske injeksjonspumpen til intravenøst ​​kateter.

2. MRI skanning

  1. Erverve med MR skanner en pilot bilde for lokalisering av begge brystene og bestemme synsfeltet (FOV), antall skiver og skivetykkelse til å dekke begge brystene med forlengelse til armhulen og til brystveggen.
  2. I alle de følgende sekvenser utført med MR scanner, beholde den samme verdien av FOV, skive nummer og skivetykkelse for hvert enkelt tilfelle. For eksempel erverve 60 aksiale stykker med FOV 360 mm i lese- og faseretning, skivetykkelse i området mellom 2 til 3 mm, avhengig av størrelsen av brystene, og en fasekoding retning L2;> R eller R >> L. Variere i planet oppløsning i de følgende sekvenser, avhengig av kjøpet matrisedimensjon som benyttes for hver sekvens slik det er angitt i tabell 1.
Eksperimentell parameter 2D T2 vektet 2D DTI 2D GE Feltet kartlegging 3D DCE
Repetisjon tid (TR) msek 5500 10800 669 6.8
Ekko tid (TE) msek 122 120 4,92 2.49
TE (2) 7.38
Flip vinkel, grader 60 18
Kjøpet matrise 640 x 428 192 x 192 64 x 192 428 x 428
Gjennomsnitt 1 1 1 1
sammenkjedinger 4 1 1 1
Turbo faktor 21
Antall tog per skive 11
Echo avstand, msek 10 0.79
Båndbredde, Hz / pixel 300 1860 1532 560
I plan skanneoppløsning 0,56 x 0,84 1.9 x 1.9 0.8 x 0.8
I plan bildeoppløsning 0,56 x 0,56 1.9 x 1.9 1.9 x 1.9 0.8 x 0.8
Oppkjøpet tid, min: sek 04:26 6:09 01:28 01:06 (x9)
# Av diffusjon gradienter 30
Fett undertrykkelse ikke SAT FAT-/ spair 1 ikke
b-verdier, sek / mm 2 0, 700

Tabell 1:. Eksperimentelle parametre for sekvensene anvendt i denne studien SAT FAT-1: Fat metning. Spair: Spectral svekkede Inversjon Recovery.

  1. Lokaliser med brukergrensesnittet datamaskin av MR skanner en region som omfatter begge brystene og armhulene og definere et mellomlegg boks. Påfør en iterativ shimsingen strategi for å optimalisere magnetfelt 29.
    1. Vise protonspekteret på skjermen til brukergrensesnittet datamaskin og justere mellomlegg ved sentre frekvensen på than vann resonansfrekvens og deretter på fettet resonansfrekvens. Gjenta mellomlegg til den beste skiller fett og vann signaler og optimaliserer maksimal signalintensitet og form som åpenbart i protonspekteret. Kontroller at bestråling frekvens er sentrert på vannet resonansfrekvens.
  2. Søke gjennom brukergrensesnittet datamaskin en 2D tverrgående T2-vektet turbo spin-ekko multi skive sekvens med høy romlig oppløsning uten fett metning ved hjelp av generalisert auto-kalibrering delvis parallell innsamling (GRAPPA), med akselerasjon faktor 2. Fest parametere som vil dukke opp på skjermen i henhold til deres verdier i spalten "2D T2 vektet" i tabell 1.
  3. Søke gjennom brukergrensesnittet datamaskin en 2D tverrgående, fett trykt, spin-ekko diffusjon tensor imaging - DTI hjelp av to ganger refokuserte echo planar avbildning sekvens 30, ved hjelp av Grappa, med akselerasjon faktor 2. Fest parametrenesom vil dukke opp på skjermen i henhold til deres verdier i kolonnen "2D DTI" i tabell 1.
  4. Søke gjennom brukergrensesnittet datamaskin en felttilordning sekvens for å korrigere geometriske forvrengninger i ekko-planar imaging (EPI), og få fasedifferensialbilder som beskrevet av Jezzard og Balaban 31. Sørge for at sekvensen omfatter kjøp av 2D tverrgående gradient ekko (GE) bilder med to forskjellige i-fase ekkotider, og at fasekoding retningen er den samme som i den DTI sekvensen (trinn 2.5). Fest parametere som vil dukke opp på skjermen i henhold til deres verdier i kolonnen "2D GE Feltet mapping" i tabell 1.
  5. Søke gjennom brukergrensesnittet datamaskin et dynamisk kontrastforsterket protokollen ved hjelp av en 3D rask gradient ekko sekvens uten fett-undertrykkelse, med parametre som er optimalisert i henhold til de tre tidspunkt (3TP) metode 32. Fix parameterne somvil dukke opp på skjermen i henhold til deres verdier i kolonnen "3D DCE" i tabell 1.
    1. Spill to innledende precontrast bilder i henhold til protokollen i trinn 2.7.
  6. Injiser 15 sec før slutten av den andre for-kontrast anskaffelse kontrastmidlet gadopentetatedimeglumine, i en dose på 0,1 mmol / kg kroppsvekt, ved hjelp av en automatisert pumpe med en hastighet på 2 ml / sek, etterfulgt av 20 ml saltvann flush, ved 2 ml / sek.
    1. Fortsett å ta opp syv sekvensielle 3D datasett i henhold til protokollen i trinn 2.7 ved 54, 120, 186, 252, 318, 384, og 450 sek etter kontrast injeksjon.
  7. Søke gjennom brukergrensesnittet datamaskin en 2D tverrgående T2-vektet fett trykt turbo spin-ekko multi skive sekvens med høy romlig oppløsning ved hjelp av Grappa, med akselerasjon faktor 2. Bruk de eksperimentelle detaljene ligner de som brukes for T2 vektet bildebehandling beskrevet i trinn 2.4 MERK: En gang kurset oppsummerer trinnene i MR-protokollen er gitt i Figur 6.

Figur 6
Figur 6: Tidsforløp av klinisk MRI-protokollen.

3. Bildebehandling

  1. Overføre hele datasettet fås ved alle sekvenser (beskrevet i trinn 2.4 til 2.9) til en ekstern arbeidsstasjon eller personlig datamaskin og behandle hele datasett av bilder med programmer viet til analysere bryst diffusjon tensor imaging og DCE-MRI.
    1. Her, må du utføre trinnene beskrevet nedenfor etter homebuilt programvarepakken skrevet i C ++ som ble bekreftet ved hjelp av programmering miljø av MATLAB 19. Generelt, kommersielle skannere gi bildebehandling verktøy for hjerne DTI eksperimenter som kan tilpasses for brystet, menkanskje ikke alle behandlingsfunksjoner som benyttes av våre homebuilt programvarepakke
  2. Utføre Bildebehandling av DTI datasett ved hjelp av en dedikert DTI bildebehandling følge trinnene i flytskjemaet i figur 7.

Figur 7
Figur 7: Flytskjema av trinnene involvert i DTI behandling.

  1. Å evaluere støynivået utenfor brystet og det gjenværende vev i 3 til 4 regioner av interesse (fra ca. 1 cm 2) og finner den maksimale støynivået bruke DTI programmet.
  2. Bruk DTI program for å beregne piksel for piksel, i alle piksler over maksimalt støynivå og i hver av de 60 skiver, de seks diffusjonskoeffisienter, D xx, D åå, Dzz, D xy, D xz, yz D, av det symmetriske tensor D beskrevet nedenfor 33 (se figur 8)
    Ligning 1
    Der D xy = D yx, D zy = D yz, D zx = D xz.
    1. For å beregne tensor komponentene bruker en ikke-lineær regresjon passende program basert på Stejskal-Tanner ligning: Si, j (b) = Si (0) exp (-bD) der Si, (b) er j signalet Intensiteten av bildeelement i, med et diffusjons-gradient i retningen j og Si (0) er signalintensiteten av det samme piksel ved b = 0 mm 2 * s. Dette beslag minimert summen av kvadratene av de 30 ikke-lineære funksjoner for hver diffusjon gradient retning iseks diffusjon tensor variable komponenter ved en modifisering av Levenberg-Marquardt algoritmen 34 .Dette skritt ble utført av fri programvare cminpack ( http://devernay.free.fr/hacks/cminpack/index.html ).

Figur 8
Figur 8: Skjematisk tegning av beregningsmåten som ga den symmetriske diffusjon tensor.

  1. Bruk DTI programvare for å diagonalize den symmetriske diffusjon tensor i hver piksel ved å bruke prinsipal komponent analyse (PCA) 35.
    MERK: PCA er en vanlig metode for å redusere dimensionality av dataene og finne en lineær transformasjon som kartlegger korrelerte piksel parametere inn i et nytt koordinatsystem av ukorrelerte og ortogonale akser. Dette process utbytter for hver piksel tre egenvektorene (ν 1, ν 2, ν 3), som definerer diffusjon retningen i tre ortogonale akser i en ellipsoide form som sammenfaller med diffusjon rammen av vevet, og de ​​tilsvarende tre diffusjon egenverdier, anordnet fra høy til lav, som bestemmer tre retnings diffusjonskoeffisienter (λ 1, λ 2, λ 3) (se figurene 9 og 10).

Figur 9
Figur 9: Skjematisk tegning av beregningstrinn som ga egenverdiene og egenvektorene samtidig med diffusjonen rammen av vevet, og modelleringen til ellipsoide.

Figur 10
Figur 10: Schematic tegning av de viktigste behandlingstrinn som beregner de diffusjon egenvektorer og egenverdier i normal ductal vev og i kreftvev.

  1. Bruk DTI program for å beregne for hver piksel den tilsynelatende diffusjonskoeffisient (ADC) som er definert som gjennomsnittet av de tre egenverdiene <λ> = (1 + λ λ 2 + λ 3) / 3.
  2. Bruk DTI program for å beregne for hver piksel den maksimale absolutte anisotropi indeks definert som forskjellen (λ 1 - λ 3).
  3. Bruk DTI program for å beregne for hver piksel fraksjonert anisotropi (FA) indeks som varierer mellom 0 (isotrop diffusjon) til 1 (fri diffusjon i én retning) i henhold til den følgende ligning:
    Ligning 2
  4. Bruk DTI program til display piksel for piksel i hver skive gjennom begge brystene en vektor kart som viser retning av førsteklasses egenvektoren ν en, og et fargekodet kart med tre farger som indikerer de viktigste retningene av ν en og kle dem på en T2 vektet bilde av det samme skive (Figur 9). Dette trinnet ble utført ved hjelp av fri programvare gtk ( http://gtk.org ) for grafikk.
  5. Bruk DTI program for å konstruere diffusjon tensor imaging-parametriske kart som viser piksel for piksel i hver skive gjennom begge brystene verdiene av all diffusjon tensor Parametere λ 1, λ 2, λ 3, ADC, λ en3, og FA og kle dem på en T2 vektet bilde av den samme skive (Figur 11).

Figur 11
-3 mm 2 / sek. FA er unit-mindre. Målestokken i kart vektoren refererer til en lengde på 20 mm, og målestokken i T2 bildet refererer til en lengde på 20 mm i alle de resterende bilder.

  1. Bruk DTI program for å korrigere, hvis nødvendig, geometriske forvrengninger ved å laste faseforskjell kartet oppnådd som beskrevet i trinn 2.6. Forskyve rekke kart faseforskjellen på alle bildeelementer over støynivået i gradienten ekkobildet til en rekke -π til + π representing faseforskyvningen Δɸ (x, y, z) i radianer (figur 12).
    1. Bruk DTI program for å beregne den romlige skift i piksler i henhold til:
      Ligning 3
      ΔTE er tidsforskjellen mellom de to ekkoer lik 2,46 x 10 -3 msek og Bwp er fase båndbredde i eksperimentet er lik 13,2 Hz / piksel. Shift pikslene i henhold til kartet feltet og beregne diffusjonstensor parametre (figur 12).

Figur 12
Figur 12:. Eksempel på geometrisk forvrengning korreksjon ved hjelp av en faseforskjell kart Bildene ble tatt opp fra en 47 år gammel frivillig med invasiv lobular karsinom. I den første kolonnen til venstre T2 vektet bilde og en faseforskjell kart over en skivemed kreft i venstre bryst vises. I den andre og 3. kolonner λ en kart før korreksjon vises i den første raden og λ en maps etter korreksjon vises i den andre raden. De λ en Kartene er kledde på den tilsvarende T2 vektet bilde. I den 2. kolonne hele spekteret av diffusjonskoeffisienter i vann (0,8 til 3,0) x 10 -3 mm 2 / sek brukes for fargekodet målestokk og 3. kolonne med en kort rekkevidde blir brukt med en terskel på 1,7 x 10 -3 mm 2 / sek som understreker kontrasten mellom kreft i venstre bryst og normalt brystvev. Skalaen bar i T2 bildet refererer til en lengde på 20 mm på alle bildene.

  1. Utføre bildebehandling av DCE-MRI datasett ved hjelp av en programvare som gir piksel for piksel kart over de kinetiske parametere for ekstrautstyr som 3TP bildebehandling 17.

Representative Results

Metoden ble først testet og demonstrert ved å skanne normale frivillige på ulike hormonelle stadier. Figur 11 demonstrerte de parametriske og vektorkart oppnådd ved bruk av vår programvare fra en sentral bit av en ung friske frivillige med relativt høy andel av fibroglandular vev, som kan sees tydelig på T2 vektet bilde (alle gråsoner er fibroglandular vev og lyse områder er fett). Retningen av prim diffusjonskoeffisienten λ 1 er vist i vektorkart v1 med en stor fraksjon av bildeelementer som peker mot brystvorten. Som forventet verdiene av diffusjonstensor koeffisienter avta fra λ 1 til λ 2 til λ 3. Ved hjelp av disse tre diffusjonskoeffisienter aktivert beregning av gjennomsnittlig diffusiviteten ADC, brøk anisotropi (FA) og maksimal anisotropi, λ 1 - λ tre. Varsel i kartene i FA og λ 1 - λ

Hos postmenopausale kvinner brystene er vanligvis mindre tett som vist i eksempelet i Figur 13 for en 63 år gammel normal frivillig. Diffusjonskoeffisientene er lavere hos eldre frivillig, men anisotropi indekser er større, muligens på grunn av den nedre diameter av kanalene og lobules og dermed høyere begrensning pålegges diffusjon i retninger vinkelrett på ductal vegger. Et annet eksempel som viser følsomheten av tensoren til størrelsen av kanalene er vist i eksempelet til en diende frivillig i figur 14. Siden melk er et kolloid av fettkulene i en vannbasert væske som inneholder oppløste karbohydrater og proteinaggregater med mineraler viskositeten av melk er høyere enn den til den normale vannvæske i kanalene, og således vann diffusjonskoeffisienter av lakterende bryster er lower enn de av premenopausale kvinner 24. Videre er kanalene i nærheten av brystvorten er store og begrensningen i retninger vinkelrett på kanalene er lavere enn i den ikke-melke bryst, og følgelig anisotropien indeksene er lavere i tillegg. Men i de lobular -posterior regioner av ammende bryst anisotropien er fortsatt høy.

Hos pasienter med kreft Den viktigste endringen i diffusjonstensor parametre er utstilt i en betydelig reduksjon i de tre diffusjonskoeffisienter. Endringene i λ 1, ble funnet å gi den høyeste kontrast til-støy-forhold 19. Denne studien inkluderte 68 pasienter med bekreftet patologi inkludert 33 pasienter diagnostisert med invasiv ductal carcinoma (IDC), 19 med ductal carcinoma in situ (DCIS), 13 med invasiv lobular karsinom (ILC) og tre med andre kreftformer. Flere pasienter hadde fler fokal eller flersentrisk brystkreft. Størrelsen av kreft varied 3-95 mm med median på 14 mm og interkvartilt rekkevidde på 10 til 30 mm. I alle disse pasientene oppklaringsprosenten av DCE og DTI var sammenlignbare. Men fem saker som viste forbedring i DCE og ble bekreftet av patologi som kreft ikke ble inkludert i DTI analyse på grunn av tekniske problemer i fet brystene, først og fremst knyttet til felt inhomogeneity og utilstrekkelig fett undertrykkelse resulterer i skjevheter og gjenstander.

Figurene 15, 16 og 17 viser typiske para kart over de to hovedspredningsparametere λ 1 og λ 1 - λ 3 som blir brukt for å detektere brystkreft maligniteter. Denne figur viser, i tillegg til T2 vektede bilder, resultatene av DCE-analyse ved hjelp av 3TP fargekodet metode. Som forklart i innledningen nærværet av ondartede celler i kanalene eller lobules og deres omgivende hindre diffusjon i den ekstracellulære avdeling redusere betraktelig than diffusjonskoeffisienter. I tillegg er det på grunn av anisotropien ductal strukturer forsvinner som kreftcellene spredt i alle retninger i en kaotisk måte uten noen distinkt retning. FA er ikke et tilstrekkelig parameter for brystkreft oppdagelse siden normalisering av denne parameteren med den gjennomsnittlige diffusivitet fører til høye verdier av FA i kreftformer tilsvarende de i normalt vev 19. Imidlertid gjør den maksimale anisotropi tilveiebringe et middel for å påvise kreft (Figurene 15-17). Likevel, fordi binde fibrøst vev er også nær isotrop og oppviser lave verdier for maksimal anisotropi, er denne parameteren mindre spesifikke enn diffusjonskoeffisienten λ 1 og virker som en sekundær parameter til λ 1.

Figur 17 viser også evne til DTI å karakter respons på neoadjuvant kjemoterapi. I dette eksempel ble pasienten helt svarte på behandlingen (4 sykluser av Adriamycin + Cycloxane -, etterfulgt av fire sykluser av Taxol). Faktisk, var responsen overfor terapi forårsaket en betydelig økning i diffusjonskoeffisientene til verdier som er typiske for normalt brystvev, noe som tyder på tilstedeværelsen av reparative bindevev som erstattet kreftcellene. Lignende resultater ble oppnådd i fire andre pasienter som responderte på behandlingen.

Figur 13
Figur 13: Effekt av para DTI kart fra sentrale bryst skive en 63 år gammel friske frivillige kledde på T2 vektet bilde av den samme skive Dir.. - Direction kart med rød som indikerer venstre til høyre, grønn indikerer anterior til posterior og grønt indikerer hode til fot retninger. Merk at vektorene er merket i hvite linjer. Alle diffusjonskoeffisientene og den maksimale anisotropi indeksen er i enheter på 1 x 10 -3 mm 2 / sek. FA er unit-mindre. Målestokken i vektorkart refere til en lengde på 20 mm og målestokken i T2 bildet refererer til en lengde på 20 mm i alle de resterende bilder.

Figur 14
Figur 14: Effekt av para DTI kart fra sentrale bryst skive en 40 år gammel ammende frivillig kledde på T2 vektet bilde av den samme skive Dir.. - Direction kart med rød som indikerer venstre til høyre, grønn indikerer anterior til posterior og grønt indikerer hode til fot retninger. Alle diffusjonskoeffisientene og den maksimale anisotropi indeksen er i enheter på 1 x 10 -3 mm 2 / sek. FA er unit-mindre. Merk i retning kart og vektorkart som de fleste piksler er justert mot brystvorten. Vær også oppmerksom på de lavere diffusjonskoeffisienter i forhold til verdiene i figur 7 og 10 friske frivillige. Målestokken i kart vektoren refererer til en lengde på 20 mm og denMålestokk i T2 bildet refererer til en lengde på 20 mm i alle de resterende bilder.

Figur 15
Figur 15:. Para kart λ 1 og λ 1 - λ tre i en 38 år gammel pasient med multifokal invasive ductal carcinoma I en st rå DTI parametrene er presentert med en terskel på 1,7 x 10 -3 mm 2 / sek for λ 1 og 0,6 mm 2 / sek for λ en3 (alle verdier over tersklene er farget i lilla). I de to nd rå, verdier over terskelen er ikke farget og viser den underliggende T2 vektet bilde. Tallet inkluderer også i 1. kolonne på venstre en T2 vektet bilde og en DCE parametrisk kart, innhentet av 3TP metode, av samme skive som DTI para kart. Målestokken i T2 bildet refererer til en lengde på 20 mm in alle bildene. Legg merke til at i planet romlig oppløsning av DCE-bilder på, er omtrent to ganger høyere enn for DTI, men det er en høy visuell kongruens i plasseringen og størrelsen av 3TP og λ en parametriske kart.

Figur 16
Figur 16: para kart λ 1 og λ entre i en 60 år gammel pasient med lav karakter DCIS Tallet inkluderer også i 1. kolonne på venstre en T2 vektet bilde og en DCE parametrisk kart, innhentet av. 3TP metode, av samme skive som DTI para kart. Skalaen bar i T2 bildet refererer til en lengde på 20 mm på alle bildene. Legg merke til at evnen til DTI å oppdage kreft i et høyt fett bryst.

Figur 17
Figur 17: para kart λ 1 og λ 1 - λ tre i en 39 år gammel pasient med invasiv lobular karsinom før og etter neoadjuvant kjemoterapi Pasienten ble skannet to ganger, en gang før terapi og en gang før operasjonen, etter 4 sykler med Adryamicin +. Cycloxan og 4 sykler med Taxol. Legg merke til økningen i λ 1 og i λ entre i kreft regioner som responderte på behandlingen. De 1 st rå viser bilder innhentet før behandlingen og de ​​to nd rå viser bilder av omtrent samme region som i 1. rad, innhentet før operasjonen. Før behandling kreft regioner oppviste λ 1 og λ entre verdier under sin terskel, og etter behandling av disse to parametere økes til verdier over sin terskel. Tallet inkluderer også i 1. kolonne til venstre T2 vektede bilder; i 2. kolonne Multiple Bilde Projection-MIP, fås ved å trekke bildene pre-kontrast fra 2 min bilder etter kontrast; i 3. kolonne DCE parakart oppnådd ved 3TP metode. Skalaen bar i T2 bildet refererer til en lengde på 20 mm i alle bildene

Discussion

Dette arbeidet viser evnen DTI, skannes på 3 t ved høy romlig oppløsning (~ 8 mm 3), for å måle in vivo vann diffusjonstensor parametere i hele fibroglandular vev av begge bryster. Ensemblet av algoritmer og programvare som er utviklet i løpet av denne studien aktivert analyse av de store DTI datasett og samtidig se de diffusjon para kart over de ulike diffusjonskoeffisienter, λ 1, λ 2, λ 3, ADC og anisotropi indeksene λ en3, og FA av alle bryst skiver. Dette arbeidet understreker også potensialet i de ulike diffusjonskoeffisienter og anisotropi indekser for å oppdage og diagnostisere brystkreft. Resultatene indikerte at det primære diffusjonskoeffisient, λ 1, er den viktigste parameter for å detektere brystkreft, med en betydelig evne til å skille ondartet fra normalt brystvev. Et sekundært uavdent parameter, med høy følsomhet, men mye lavere spesifisitet enn λ 1, er den maksimale anisotropi indeks som virker for å bekrefte påvisning av prim diffusjonskoeffisient.

Resultatene viste også muligheten for MRI for å måle in vivo retnings vann diffusjon og kvantifisere anisotropi av diffusjon i hele ductal / kjertel systemet i begge bryster. For å sikre en ensartet presisjonsprofilen for de anisotrope målinger 30 diffusjon gradient retninger ble anvendt. Valg av høy ekko-tid på 120 ms, og optimalisering av romlig oppløsning viste en begrensning av vann diffusjon i kanalene. Den gjennomsnittlige størrelsen av normale kanaler ble rapportert å være 90 um, med ~ 70% i området fra 40 til 100 um 36. Ifølge Einsteins ligning den midlere forskyvning av fritt vann diffusjon, x = (6DT) 1/2, hvor D er den frie vann diffusjonskoeffisient og t diffusjonentid. I vårt eksperiment x er ca. 25 um, og følgelig er bare en brøkdel av de duktal vannmolekyler begrenset av melke ductal vegger, som fører til den relative lave FA-verdier i brystet (øvre verdier ~ 0,3) sammenlignet med verdiene funnet i hjernen hvit substans (≥0.5). I Sir Astley Cooper studerer 25 det ble avslørt at menneskelig brystvev er organisert i separate lapper, hver bestående av et duktal treet. Preliminære studier av ultralyd en melkeproduserende bryst 37 ble forsøkt, samt deteksjon av ledd ductal strukturer ved hjelp av andre-ordens form målinger 38. Imidlertid har ingen avbildningsmetode lyktes så langt avsløre hele duktale systemer i begge brystene in vivo. Algoritmen for oppnåelse av hele 3D ductal treet systemet fra DTI resultatene er fremdeles under utvikling, men vektorkart tydelig viser potensialet for å avdekke den detaljerte og meget bredt anatomi melke trær. Nylig en initial forsøk av en full 3D sporing av brystkreft basert på våre DTI datasett ble rapportert 39.

I løpet av dette arbeidet tekniske begrensninger har blitt lagt merke til på grunn av ineffektiv fett undertrykkelse og EPI forvrengninger. Fett undertrykkelse ble oppnådd av en feit metning sekvens (-SAT FAT) som var vanligvis effektiv i tette bryster. Imidlertid, i fett bryster Spectral Selection attenuert Inversion Recovery (spair), som er mer effektiv og mindre følsom for B1 inhomogenitet, ble anvendt. De EPI basert diffusjon protokoller hadde ytterligere begrensninger på grunn til gradient induserte virvelstrømmer, B 0 feltet inhomogeneity og mottakelighet forskjeller 40,41. Disse begrensningene ble minimert ved hjelp iterativ automatisk og manuell mellomlegg på vann og fett signaler og velge den nedre mulig ekko mellomrom. I tillegg ble en etterbehandlings korreksjon av geometriske forvrengninger tidvis brukt som beskrevet i protokollen. Samlet, I tilfelle av tette brystene med en sterk vann signal var det mulig å overvinne de tekniske begrensninger; Men fem tilfeller i denne studien med høyt fett brystene kunne ikke analyseres på grunn av de ovennevnte begrensningene.

I sammendraget, har en protokoll og bildebehandling verktøy for bryst diffusjon tensor MR blitt utviklet. Dette helt trygg, rask, og ikke-invasiv metodikk nettopp dissekerer bryst arkitektur og kan legge til rette for påvisning av brystkreft i klinikken. Prime diffusjonskoeffisient, λ 1, og det maksimale anisotropi indeks, λ en3, ble funnet å virke som to uavhengige spredningsparametere for å påvise kreft. Kliniske studier av brystkreftpasienter viste at deteksjonseffektivitet med disse to parametrene er sammenlignbar med DCE MRI. Dermed fremstår av denne metoden fra grunnleggende forståelse av brystet arkitektur og av kreftutvikling og sin avhengighet av avslørendekvantifiserbare vesentlige endringer, samt at det blir en trygg og rask metode gjør det et verdifullt verktøy for å undersøke ulike utviklingsmessige aspekter som involverer ductal spredning, og for å teste sin kliniske konsekvenser for brystkreft screening i stor skala prospektive studier.

Disclosures

Forfatterne har ingenting å avsløre.

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