Sporing mælke- arkitektoniske træk og Afsløring brystkræft med magnetisk resonans 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

Brystkræft er den mest almindelige årsag til cancer hos kvinder over hele verden. Tidlig opdagelse af brystkræft har en afgørende rolle i at forbedre livskvaliteten og overlevelsen af ​​brystkræftpatienter. Den nuværende standard metoder til påvisning af brystkræft er baseret på røntgen mammografi og ultralydscanning. Den utilstrækkelige følsomhed og specificitet af disse teknikker, især til påvisning af læsioner i tætte bryster, har stimuleret udviklingen af ​​andre teknikker, herunder bryst- magnetisk resonans (MRI). Dynamisk kontrast forstærket (DCE) MR er blevet etableret som et effektivt redskab til påvisning og diagnosticering af brystkræft 1,2 og ofte lettes ved computerstøttet diagnose betyder 3. I øjeblikket det anvendes til særlige tilfælde, f.eks risikopatienter 4 høje, men ikke til rutinemæssig screening, formentlig på grund af de høje omkostninger, der er behov for at bruge en indsprøjtning af et kontrastmiddel, manglende standardisering and den variable specificitet i at skelne benigne fra maligne læsioner spænder fra lave / moderate værdier 5,6 til høje værdier, som blev opnået ved anvendelse af kombineret mammografi og DCE-MRI 7,8. Mere for nylig, diffusion vægtet MRI, og de ​​resulterende kort over tilsyneladende diffusionskoefficient (ADC) er blevet evalueret som et supplement metode til DCE-MRI, og det blev vist, at ADC værdier kan hjælpe med at skelne mellem kræft, godartede læsioner og normalt brystvæv 9,10 . Desuden blev studier af brystkræft diffusion tensor imaging (DTI) indledt i raske frivillige og patienter med bryst læsioner på feltstyrke på 1,5 T 11-15 og af 3. T 16-24. De fleste af disse undersøgelser rapporteret ADC og fraktioneret anisotropi (FA) værdier 11,12,14,15,20-23 og fundet disse to parametre at de kan gentages med ADC-værdier mere reproducerbare end FA 13,20. Resultaterne af disse undersøgelser viste, at maligne læsioner udviser lave ADC værdier som compARED til normale væv og benigne læsioner imidlertid modstridende resultater blev rapporteret på de værdier og diagnostiske evne FA 11,12,14,20-23. I et sæt af 3 T DTI undersøgelser værdierne af de tre tensor egenværdier og egenvektorer i brystvæv ramme blev rapporteret så godt, og resultaterne blev præsenteret i vektor kort over de vigtigste egenvektor og parametriske kort over egenværdierne, ADC, FA og en maksimal anisotropi indeks 16-19,24. I disse undersøgelser den vigtigste diffusion egenværdi og den maksimale anisotropi viste sig at fungere som de mest følsomme uafhængige parametre til påvisning og diagnosticering af kræft læsioner

Brystet består af fibroglandular væv og fedtvæv. Den fibroglandular væv yderligere består af mange flige, der er stærkt variabel i størrelse og form. Hver lap mikrostruktur omfatter funktionelle mamma træ og tilknyttede lobules danner kirtelvæv og omgivende bindevæv-fibrous væv. De fleste mammary maligniteter starte med afvigende proliferation af epitelceller i kanalerne eller lobules, udvikling in situ carcinom, som ved infiltrering ind i det omgivende væv bliver til invasive carcinoma. Derfor duktale / luftrør strukturer en absolut nødvendighed område undersøgelse af malign bryst transformation.

De strukturelle træk ved de duktale træer blev først undersøgt ex vivo i 1840 af Sir Astley Cooper hjælp injektion af farvet voks til kanalerne af mastektomi prøver 25. For nylig har computer afledt sporing af hel-bryst duktale træer blevet opnået i nogle menneskelige bryster ved hjælp af mastektomi prøver 26,27. Arbejdet, der præsenteres her, viser, at parametre opnået ved in vivo-diffusion tensor imaging giver oplysninger i forbindelse med de forskellige brystvæv mikrostrukturelle funktioner, der gør det muligt også ikke-invasiv påvisning af brystkræft.

Physical principper bryst diffusion tensor imaging er baseret på MRI evne til at måle og kvantificere anisotropisk vand diffusion i begrænsede miljøer 28. I almindelighed er vand diffusion i homogene opløsninger er gratis og isotrop, men hvis vandet bevægelse standses på grund af begrænsning af uigennemtrængelige vægge diffusionen bliver anisotropt med en hurtig fri diffusion parallelt med væggene og en langsommere begrænset diffusion vinkelret på væggene ( figur 1). Water diffusion i væv er kompleks og afhænger af strukturelle og fysiologiske funktioner i intra- og ekstracellulære rum, herunder cellernes størrelser, cellernes densitet, ekstracellulært snoning og vandudskiftning gennem membraner, såvel som af tilstedeværelsen af vaskulære og lymfatiske netværk (figur 2).

Figur 1
Figur 1: Gratis og begrænset diffusion Skematisk tegning af et vandmolekyle fri diffusion (til venstre) og udbredelse begrænset af uigennemtrængelige vægge (til højre)..

Figur 2
Figur 2: Kompleks diffusion i et væv Skematisk tegning af vand diffusion i et cellulært system viser vandmolekyler bevægelse i de ekstracellulære og intracellulære rum og udveksle vand (pile) mellem disse to rum..

På grund af de særlige arkitektoniske træk i brystet diffusion af vandmolekyler i brystkirtler kanaler og lobules fremlægge et særligt eksempel på begrænset og anisotropisk bevægelse: Parallelt med væggene i kanalerne og lobules spredningen ligger tæt op af fri diffusion men i retninger vinkelret på væggene er det begrænset af vægge, bestående af tolag af celler og basalmembran. Derfor diffusion i ductal / kirtelsystem er relativt hurtig og anisotrope. På den anden side, diffusion i bindevæv fibrøse væv, der omgiver kanalerne er hurtig og isotrop som følge af det høje vandindhold og lav celledensitet i dette væv (figur 3 og 4). Ved tilstedeværelse af malignitet, blokering af kanalerne og lobules af kræftceller øger snoning og begrænsning af vandbevægelse, hvilket medfører en reduktion i diffusionskoefficienter i alle retninger og i anisotrope bevægelse (figur 3 og 4).

Figur 3
Figur 3: Diffusion i bryst lobules Skematisk tegning af et snit gennem lobules og vandet diffusion inde i en lille lap.. Venstre: diffusion af vand begrænset af lobules 'vægge viser hurtigtdiffusion parallelt med væggene og begrænset diffusion vinkelret på væggene. Til højre: diffusion i lobules med kræftceller. Diffusionen i det ekstracellulære rum er stærkt hæmmet men ens i alle retninger, og dermed næsten isotrop.

Figur 4
Figur 4:. Vand diffusion i ductal træet systemet Venstre: brystkirtler kanaler injiceret med farvet voks, viser deres udstrålede retning, og deres indbyrdes forgrening 25. I midten: Skematisk tegning af en normal ductal træ med vektorer angiver diffusion inde i kanalerne (sorte pile), og i bindevævet (grønne pile). Til højre: Skematisk tegning af en ductal træ med to loci af kræftceller (lilla). Røde pile udviser diffusionen i kræftformer.

Dette papir beskriver i detaljer diffusion tensor scanning metode og PRocessing algoritmer og software analyse af de DTI datasæt, der muliggjorde detektion bryst malignitet. Alle kræftformer blev bekræftet ved histopatologi fund af bryst biopsi og / eller kirurgiske prøver. Vi beskriver også den T2 vægtede scanning protokol for opnåelse af bryst anatomiske træk, samt DCE scanning protokol, der tjente som reference metode til vurdering af DTI detekteringsfølsomhed. Klik her for at se en større udgave af dette tal.

Protocol

BEMÆRK: Alle protokoller blev godkendt af den interne Review Board af Meir Medical Center, Kfar-Saba, Israel og en underskrevet informeret samtykke blev opnået fra alle fag.

1. Patient Forberedelse og Positionering i MR scanner

  1. Indsæt et intravenøst ​​kateter i den venstre eller højre arm for kontrastmiddel injektion.
  2. Sikre, at patienten ligger i bugleje med begge bryster hænger frit i de bilaterale åbninger i brystet spole som vist i figur 5.
  3. Kontroller, at hovedet er anbragt på en pude til patientens hoved og hals komfort og begge arme er placeret over hovedet som vist i figur 5.
  4. Sørg for, at hvert bryst er i en central placering, hængende løst og så dybt som muligt i den respektive spole åbning som vist i figur 5.

e 5 "src =" / files / ftp_upload / 52048 / 52048fig5highres.jpg "/>
Figur 5: Placering af en kvinde for bryst MRI scanning. Bemærk bugleje og fri ophængning af begge bryster i bilaterale åbninger i brystet spolen.

  1. Tilslut den automatiserede indsprøjtningspumpen til den intravenøse kateter.

2. MR Scanning

  1. Anskaf med MR scanner en pilot billede til lokalisering begge bryster og bestemme synsfeltet (FOV), at antallet af skiver og skive tykkelse helt at dække begge bryster med udvidelse til armhulen og brystvæggen.
  2. I alle de følgende scanning-sekvenser udført med MR scanner, holde den samme værdi af FOV, skive nummer og skive tykkelse for hvert enkelt tilfælde. For eksempel erhverve 60 aksiale skiver med FOV på 360 mm i læse- og fase retning, snittykkelse i intervallet mellem 2 og 3 mm, afhængigt af størrelsen af ​​brysterne, og en fasekodning retning L2> R eller R >> L. Vary i plan opløsning i de følgende sekvenser afhængigt erhvervelse matrix dimension, der anvendes for hver sekvens som angivet i tabel 1.
Eksperimentel parameter 2D T2 vægtet 2D DTI 2D GE Field kortlægning 3D DCE
Gentagelse tid (TR) msek 5.500 10.800 669 6.8
Ekkotid (TE) msek 122 120 4,92 2,49
TE (2) 7,38
Flip vinkel, grader 60 18
Erhvervelse matrix 640 x 428 192 x 192 64 x 192 428 x 428
Gennemsnit 1 1 1 1
sammenkædninger 4 1 1 1
Turbo faktor 21
Antal tog pr skive 11
Echo afstand, msek 10 0,79
Båndbredde, Hz / pixel 300 1860 1532 560
I flyet scanningsopløsning 0,56 x 0,84 1,9 x 1,9 0,8 x 0,8
I flyet billedopløsning 0,56 x 0,56 1,9 x 1,9 1,9 x 1,9 0,8 x 0,8
Erhvervelse tid, min: sek 04:26 6:09 01:28 01:06 (x9)
# Af diffusion gradienter 30
Fat undertrykkelse ingen FAT-SAT / spair 1 ingen
B-værdier, sec / mm 2 0, 700

Tabel 1:. Eksperimentelle parametre af sekvenserne anvendt i denne undersøgelse 1 FAT-SAT: fedtmætning. Spair: Spectral Svækket Inversion Recovery.

  1. Lokaliser med brugergrænsefladen computer af MR scanner et område, der omfatter både bryster og armhulen og definere et afstandsstykker kassen. Anvend en iterativ afstandsstykker strategi om at optimere det magnetiske felt 29.
    1. Display protonspektret på skærmen af ​​brugergrænsefladen computer og justere afstandsstykker ved centrering frekvensen på than vand resonansfrekvens og derefter på den fede resonansfrekvens. Gentag afstandsstykker indtil det bedst adskiller fedt og vand signaler og optimerer maksimal signal intensitet og form som afsløret i protonspektret. Kontroller, at bestråling frekvens er centreret på vandet resonansfrekvens.
  2. Ansøg via brugergrænsefladen computer en 2D tværgående T2-vægtede turbo spin-ekko multi skive sekvens ved høj rumlig opløsning uden fedtmætning hjælp generaliseret auto-kalibrering delvis parallel erhvervelse (GRAPPA), med acceleration faktor 2. Fix de parametre, der vil poppe op på skærmen i overensstemmelse med deres værdier i kolonnen "2D T2 vægtede" i tabel 1.
  3. Ansøg via brugergrænsefladen computer en 2D tværgående, fedt undertrykt, spin-ekko diffusion tensor imaging - DTI ved hjælp af to gange fokuseret ekko plane billeddannelse sekvens 30, ved hjælp af Grappa, med acceleration faktor 2. Fastgør parametreneder vil dukke op på skærmen efter deres værdier i kolonnen "2D DTI" i tabel 1.
  4. Ansøg via brugergrænsefladen computer et felt kortlægning sekvens til at korrigere geometriske forvrængninger i ekko-planar billeddannelse (EPI), og få fase differentiale billeder som beskrevet af Jezzard og Balaban 31. Kontroller, at sekvensen omfatter erhvervelse af 2D tværgående gradient ekko (GE) billeder med to forskellige i fase ekkotidsrum, og at fasekodning retning er den samme som i DTI sekvens (trin 2.5). Fix de parametre, der vil poppe op på skærmen efter deres værdier i kolonnen "2D GE Field mapping" i tabel 1.
  5. Ansøg via brugergrænsefladen computer en dynamisk kontrast forbedret protokol ved hjælp af en 3D-hurtig gradient ekko sekvens uden fedt-undertrykkelse, med parametre, der er optimeret efter de tre tidspunkt (3TP) metode 32. Fix de parametre,vil poppe op på skærmen efter deres værdier i kolonnen "3D DCE" i tabel 1.
    1. Optage to indledende prækontrastforstærket billeder ifølge protokollen i trin 2.7.
  6. Injicer 15 sek, før udløbet af den anden erhvervelse før kontrast kontrastmidlet gadopentetatedimeglumine, i en dosis på 0,1 mmol / kg legemsvægt, ved hjælp af en automatiseret pumpe med en hastighed på 2 ml / sek, efterfulgt af 20 ml saltvand flush, ved 2 ml / sek.
    1. Fortsæt optagelse syv sekventielle 3D datasæt i overensstemmelse med protokollen i trin 2.7 ved 54, 120, 186, 252, 318, 384, og 450 sek efter kontrast injektion.
  7. Ansøg via brugergrænsefladen computer en 2D tværgående T2-vægtede fedt undertrykt turbo spin-ekko multi skive sekvens ved høj rumlig opløsning ved hjælp af Grappa, med acceleration faktor 2. Brug de eksperimentelle detaljer svarende til dem, der anvendes til T2 vægtet imaging beskrevet i trin 2.4 BEMÆRK: Et tidsforløb opsummerer trin i MRI-protokollen er tilvejebragt i figur 6.

Figur 6
Figur 6: Tidsforløb af den kliniske MRI-protokollen.

3. Billedbehandling

  1. Overfør hele datasæt opnået ved samtlige scanning-sekvenser (beskrevet i trin 2,4-2,9) til en ekstern arbejdsstation eller personlige computer og bearbejde hele datasæt billeder med softwareprogrammer, der afsættes til at analysere bryst diffusion tensor imaging og DCE-MRI.
    1. Her udføre trinene beskrevet nedenfor ved hjælp af homebuilt softwarepakke skrevet i C ++, der blev bekræftet ved hjælp af programmering miljø MATLAB 19. Generelt kommercielle scannere giver billedbehandling værktøjer til hjernen DTI eksperimenter, som kan tilpasses til brystet, menmåske ikke har alle de behandlinger funktioner, der anvendes af vores homebuilt softwarepakke
  2. Udfør Billedbehandling af DTI datasæt ved hjælp af en dedikeret DTI billedbehandling software følge trinene i flowdiagrammet i figur 7.

Figur 7
Figur 7: rutediagram over de trin, der er involveret i DTI forarbejdning.

  1. Brug DTI software program til at evaluere støjniveauet uden for brystet og den resterende væv i 3 til 4 områder af interesse (ca. 1 cm2) og finde den maksimale støjniveau.
  2. Brug det DTI software program til at beregne pixel for pixel i alle pixels over den maksimale støjniveau og i hvert af de 60 skiver, de seks diffusionskoefficienter, D xx, D yy, DZZ, D xy, D xz, D yz af den symmetriske tensor D nedenfor beskrevne 33 (se figur 8)
    Ligning 1
    Hvor D xy = D yx, D ZY = D yz, D zx = D xz.
    1. For at beregne tensor komponenter bruger en ikke-lineær regression montering program baseret på Stejskal-Tanner ligning: Si, j (b) = Si (0) exp (-bD), hvor Si, j (b) er signalet intensiteten af pixel i en diffusion gradient i retning j og Si (0) er signalintensiteten af samme pixel på B = 0 mm2 · s. Denne montering minimeres summen af ​​kvadraterne af de 30 ikke-lineære funktioner for hver diffusion gradient retning iseks diffusion tensor variable elementer ved en ændring af Levenberg-Marquardt algoritmen 34 .Denne trin blev udført af den gratis software cminpack ( http://devernay.free.fr/hacks/cminpack/index.html ).

Figur 8
Figur 8: Skematisk tegning af beregningstrin der giver den symmetriske diffusion tensor.

  1. Brug DTI software til at diagonalize den symmetriske diffusion tensor i hver pixel ved at anvende principal komponent analyse (PCA) 35.
    BEMÆRK: PCA er et almindeligt anvendt metode til at reducere dimensionalitet af dataene og finde en lineær transformation, der kortlægger korrelerede pixel parametre ind i et nyt koordinatsystem af ukorrelerede og vinkelrette akser. Denne process udbytter for hver pixel tre egenvektorer (ν 1 ν 2, ν 3), som definerer retningen diffusion i tre ortogonale akser af en ellipsoide form, der er sammenfaldende med diffusion ramme af vævet, og de ​​tilsvarende tre diffusion egenværdier, arrangeret fra høj til lav, at bestemme tre retningsbestemte diffusionskoefficienter (λ 1, λ 2, λ 3) (se figur 9 og 10).

Figur 9
Figur 9: Skematisk tegning af beregningstrin vandtes egenværdier og egenvektorer sammenfaldende med udbredelsen ramme af vævet og modellering til ellipsoide.

Figur 10
Figur 10: Schematic tegning af de vigtigste procestrin, der beregner diffusion egenvektorer og egenværdier i normalt duktal væv og i kræftvæv.

  1. Brug det DTI software program til at beregne for hver pixel den tilsyneladende diffusionskoefficient (ADC) defineret som gennemsnittet af de tre egenværdier <λ> = (λ 1 + λ 2 + λ 3) / 3.
  2. Brug DTI software program til at beregne for hver pixel den maksimale absolutte anisotropi indekset defineres som forskellen (λ 1 - λ 3).
  3. Brug DTI software program til at beregne for hver pixel fraktioneret anisotropi (FA) indeks, der ligger mellem 0 (isotrop diffusion) til 1 (fri diffusion i én retning) i henhold til følgende ligning:
    Ligning 2
  4. Brug det DTI software program til Visning ery pixel for pixel i hver skive hele begge bryster en vektor kort, der viser retningen af den primære egenvektor, ν 1, og en farve kort kodet med tre farver angiver de vigtigste retninger af ν 1 og overlay dem på en T2 vægtet billede af den samme skive (figur 9). Dette trin blev udført ved hjælp af den gratis software gtk ( http://gtk.org ) til grafik.
  5. Brug DTI software program til at konstruere diffusion tensor imaging parametriske kort, der viser pixel for pixel i hver skive gennem begge bryster værdierne af alle diffusion tensor parametre λ 1, λ 2, λ 3, ADC, λ 13, og FA og overtrække dem på en T2 vægtet billede af samme skive (figur 11).

Figur 11
-3 mm 2 / s. FA er unit-mindre. Skalaen bar i vektoren kort refererer til en længde på 20 mm, og Målestokken i T2 billedet henviser til en længde på 20 mm i alle de resterende billeder.

  1. Brug det DTI software program til at korrigere, om nødvendigt, geometriske forvrængninger ved at indlæse faseforskellen kortet opnået som beskrevet i trin 2.6. Skift række faseforskellen kortet i alle pixels over støjniveauet i gradient ekko billede til en række -π til + π represeningsrettigheder faseforskydningen Δɸ (x, y, z) i radianer (figur 12).
    1. Brug DTI software program til at beregne den rumlige forskydning i pixels i henhold til:
      Ligning 3
      ΔTE er tidsforskellen mellem de to ekkoer lig 2,46 x 10 -3 msek og BWP er den fase båndbredde i eksperimentet er lig 13,2 Hz / pixel. Skift pixels efter feltet kort og genberegne diffusion tensor parametre (figur 12).

Figur 12
Figur 12:. Eksempel på geometrisk forvrængning korrektion ved hjælp af en fase forskel kort Billederne blev optaget fra en 47-årig frivillig med invasive luftrør carcinom. I første kolonne til venstre T2 vægtede billede og en fase forskel kort over en skivemed kræft i venstre bryst, vises. I den anden og 3. kolonne λ 1 kort før korrektion vises i første række og λ 1 kort efter korrektion vises i anden række. De λ 1 kort er lagt oven på den tilsvarende T2 vægtede billede. I 2. kolonne samtlige diffusionskoefficienter vand (0,8 til 3,0) x10 -3 mm 2 / sek anvendes til farvekodede skala og i 3. kolonne en reduceret række anvendes med en tærskel på 1,7 x 10 -3 mm 2 / s, der understreger kontrasten mellem kræft i venstre bryst og det normale brystvæv. Skalaen bar i T2 billedet henviser til en længde på 20 mm i alle billederne.

  1. Udfør billedbehandling af DCE-MRI datasæt ved hjælp af en software, der giver pixel for pixel kort over de kinetiske parametre for ekstraudstyr såsom 3TP billedbehandling software 17.

Representative Results

Metoden blev oprindeligt testet og påvist ved scanning normale frivillige på forskellige hormonale faser. Figur 11 demonstrerede parametriske og vektor kort opnået under anvendelse af vores software af en central skive af en ung rask frivillig med relativt høj fraktion af fibroglandular væv, som tydeligt kan ses på T2 vægtede billede (alle grå områder er fibroglandular væv og lyse områder er fedt). Retningen af den primære diffusionskoefficient λ 1 er vist i vektoren kort V1 med en stor fraktion af pixels peger mod brystvorten. Som forventet værdierne af diffusion tensor koefficienter falde fra λ 1 til λ 2 til λ 3. Ved hjælp af disse tre diffusionskoefficienter aktiverede beregningen af den gennemsnitlige diffusivitet ADC, fraktioneret anisotropi (FA) og den maksimale anisotropi, λ 1 - λ 3. Bemærk i kortene af FA og λ 1 - λ

Hos postmenopausale kvinder brysterne er normalt mindre tæt, som vist i eksemplet i figur 13 for en 63 år gammel normal frivillig. De diffusionskoefficienter er lavere hos ældre frivillige, men anisotropien indeks er højere, muligvis på grund af den lavere diameter af kanalerne og lobules og dermed højere begrænsning på udbredelsen i de retninger vinkelret på duktale vægge. Et andet eksempel viser, følsomheden af tensor til størrelsen af kanalerne er vist i eksemplet med en ammende frivillig i figur 14. Da mælk er en kolloid af fedtkugler i en vandbaseret væske, der indeholder opløste kulhydrater og proteinaggregater med mineraler viskositeten af ​​mælk er højere end det normale vand væske i kanalerne, og således, vandet diffusionskoefficienter for diegivende bryster er lower end præmenopausale kvinder 24. Endvidere kanalerne nær brystvorten er store og begrænsningen i retninger vinkelret på kanalerne er lavere end i den ikke-lakterende bryst og dermed anisotropien indeks er lavere samt. Men i luftrør -posterior regioner i lakterende bryst anisotropien er stadig høj.

Hos patienter med malignitet er udstillet den vigtigste ændring i formidlingen tensor parametre i en betydelig reduktion i de tre diffusionskoefficienter. Ændringerne i λ 1, blev fundet at give den højeste kontrast støjforhold 19. Denne undersøgelse omfattede 68 patienter med bekræftet patologi, herunder 33 patienter diagnosticeret med invasiv duktalt karcinom (IDC), 19 med duktalt carcinoma in situ (DCIS), 13 med invasive luftrør carcinom (ILC) og 3 med andre maligniteter. Adskillige patienter havde multi fokal eller cancer multi centreret brystet. Størrelsen af ​​kræftformer Varied 3-95 mm med median på 14 mm og interkvartile interval på 10 til 30 mm. I alle disse patienter påvisning på DCE og DTI var sammenlignelige. Men 5 tilfælde, der viste forbedring i DCE og blev bekræftet af patologi som kræft ikke indgik i DTI analyse på grund af tekniske problemer i fede bryster, primært relateret til feltet uensartethed og utilstrækkelig fedt undertrykkelse medfører forvridninger og artefakter.

Figur 15, 16 og 17 demonstrere typiske parametriske kort over de to vigtigste diffusion parametre λ 1 og λ 1 - λ 3, der anvendes til påvisning af bryst maligniteter. Denne figur viser, foruden til T2-vægtede billeder, resultaterne af DCE analyse under anvendelse af 3TP farvekodede metode. Som forklaret i indledningen tilstedeværelse af maligne celler i kanalerne eller lobules og deres omgivelser hindre diffusion i det ekstracellulære rum reducerer markant than diffusionskoefficienter. Desuden er anisotropi på grund af duktale strukturer forsvinde som kræftcellerne spredt i alle retninger i en kaotisk måde med nogen særskilt retning. FA er ikke en tilstrækkelig parameter til detektion brystkræft siden normalisering af denne parameter til den gennemsnitlige diffusivitet fører til høje værdier af FA i kræft ligner dem i normalt væv 19. Den maksimale anisotropi gør imidlertid tilvejebringe et middel til påvisning af cancer (figur 15-17). Ikke desto mindre, fordi det bindevæv fibrøst væv er også tæt på isotrope og udviser lave værdier af maksimal anisotropi, denne parameter er mindre specifik end diffusionskoefficienten λ 1 og fungerer som en sekundær parameter til λ 1.

Figur 17 viser også evne DTI at karakterisere reaktion neoadjuverende kemoterapi. I dette eksempel patienten fuldt reagerede på behandling (4 cyklusser af Adriamycin + Cycloxane - efterfulgt af 4 cyklusser af Taxol). Faktisk respons på behandlingen medførte en betydelig stigning i de diffusionskoefficienter til værdier typiske for normalt brystvæv, mistanke om reparationsvævet bindevæv, erstattet kræftcellerne. Lignende resultater blev opnået i 4 andre patienter, der responderede på behandlingen.

Figur 13
Figur 13: Output af parametriske DTI kort over en central bryst skive en 63 år raske frivillige overlejret på T2 vægtede billede af samme skive Dir.. - Kort Retning med rødt som tegn fra venstre mod højre, grøn angiver anterior til posterior og grøn angiver hoved til fødder retninger. Bemærk, at vektorerne er markeret med hvide linjer. Alle diffusionskoefficienter og den maksimale anisotropi indekset er i enheder af 1 x10 -3 mm 2 / s. FA er unit-mindre. Skalaen bar i vektorkort refERS til en længde på 20 mm og Målestokken i T2 billedet henviser til en længde på 20 mm i alle de resterende billeder.

Figur 14
Figur 14: Output af parametriske DTI kort over en central bryst skive en 40 år diegivende frivillige overlejret på T2 vægtede billede af samme skive Dir.. - Kort Retning med rødt som tegn fra venstre mod højre, grøn angiver anterior til posterior og grøn angiver hoved til fødder retninger. Alle diffusionskoefficienter og den maksimale anisotropi indekset er i enheder af 1 x10 -3 mm 2 / s. FA er unit-mindre. Bemærk i den retning, kort og vektorkort, at de fleste pixels er afstemt mod brystvorten. Bemærk også de lavere diffusionskoefficienter i forhold til værdierne i figur 7 og 10 raske frivillige. Skalaen bar i vektoren kort refererer til en længde på 20 mm, ogMålestokken i T2 billedet henviser til en længde på 20 mm i alle de resterende billeder.

Figur 15
Figur 15:. Parametric kort over λ 1 og λ 1 - λ 3 i en 38 år patient med multi omdrejningspunkt invasiv duktalt karcinom i 1. rå DTI parametre er præsenteret med en tærskel på 1,7 x 10 -3 mm 2 / s for λ 1 og 0,6 mm 2 / sek for λ 13 (alle værdier over tærskelværdierne er farvet i lilla). I de 2 nd rå, værdier over tærsklen er farvet og vis det underliggende T2 vægtede billede. Tallet omfatter også i 1. kolonne på venstre en T2 vægtet billede og en DCE parametrisk kort, fremstillet ved 3TP metoden, af samme skive som DTI parametriske kort. Skalaen bar i T2 billedet henviser til en længde på 20 mm in alle billederne. Bemærk, at i planet rumlig opløsning af DCE billeder er omtrent dobbelt højere end DTI, men der er en høj visuel kongruens i placeringen og størrelsen af 3TP og λ 1 parametriske kort.

Figur 16
Figur 16: Parametric kort over λ 1 og λ 13 i en 60 år patient med lav kvalitet DCIS Tallet omfatter også i 1. kolonne på venstre en T2 vægtet billede og en DCE parametrisk kort, fremstillet ved. 3TP fremgangsmåde af samme skive som DTI parametriske kort. Skalaen bar i T2 billedet henviser til en længde på 20 mm i alle billederne. Bemærk evne DTI at detektere cancer i et stærkt fedtholdige bryst.

Figur 17
Figur 17: Parametric kort over λ 1 og λ 1 - λ 3 i en 39 år patient med invasiv luftrør karcinom før og efter neoadjuverende kemoterapi Patienten blev scannet to gange, en gang før behandlingen og en gang før operationen, efter 4 cyklusser af Adryamicin +. Cycloxan og 4 cyklusser af taxol. Bemærk stigningen i λ 1 og i λ 13 i kræft regioner, responderede på behandlingen. Den 1. rå viser billeder, opnået før behandlingen og de ​​2 nd rå viser billeder af omtrent samme område som i 1. række, opnået før operation. Før behandling kræft regioner udviste λ 1 og λ 13 værdier under deres tærskel, og efter behandling af disse to parametre steg til værdier over deres tærskel. Tallet omfatter også i 1. kolonnen til venstre T2 vægtede billeder; i 2. kolonne Multiple Billede Projection-MIP, opnås ved at trække fra før kontrast billeder fra 2 minutter efter kontrast billeder; i 3. kolonne DCE parametriske maps opnået ved 3TP metoden. Skalaen bar i T2 billedet henviser til en længde på 20 mm i alle billederne

Discussion

Dette arbejde viser evnen af DTI, scannet ved 3 T ved høj rumlig opløsning (~ 8 mm 3), til at måle in vivo vandet diffusion tensor parametre i hele fibroglandular væv af begge bryster. Samlingen af algoritmer og software, der er udviklet i løbet af denne undersøgelse aktiveret analyse af de store DTI datasæt og samtidig se diffusion parametriske kort over de forskellige diffusionskoefficienter, λ 1, λ 2, λ 3, ADC og anisotropi indeks λ 13 og FA alle bryst skiver. Dette arbejde understreger også potentialet i de forskellige diffusionskoefficienter og anisotropi indekser til at opdage og diagnosticere brystkræft. Resultaterne indikerede, at det primære diffusionskoefficient, λ 1, er den vigtigste parameter for detektering brystcancer, med en væsentlig evne til at skelne maligne fra normalt brystvæv. En sekundær uafhændent parameter, med høj følsomhed, men meget lavere specificitet end λ 1, er den maksimale anisotropi indekset, som virker til at bekræfte detektion af den primære diffusionskoefficient.

Resultaterne viste også evnen af MRI til at måle in vivo retningsbestemt vanddiffusion og kvantificere anisotropi af diffusion i hele ductal / kirtelsystem i begge bryster. For at sikre en ensartet præcision profil af anisotrope målinger 30 diffusionsgradient retninger blev anvendt. Udvælgelsen af ​​høj ekko-tid på 120 ms, og optimering af den rumlige opløsning afslørede begrænsning af vandet diffusion i kanalerne. Den gennemsnitlige størrelse af normale kanaler blev rapporteret at være 90 um, med ~ 70% i intervallet 40-100 um 36. Ifølge Einstein ligningen det betyde forskydning af frit vand diffusion, x = (6DT) 1/2, hvor D er den gratis vand diffusionskoefficienten og t udbredelsentid. I vort eksperiment x er ca. 25 um, og dermed kun en brøkdel af duktalt vandmolekyler begrænset af brystkirtler duktale vægge, hvilket fører til relativt lave værdier FA i bryst (øvre værdier ~ 0,3) sammenlignet med de fundne værdier i hjernen hvide substans (≥0.5). I Sir Astley Cooper studerer 25 blev det afsløret, at væv human bryst er organiseret i separate kamre, der hver består af en duktale træ. Foreløbige ultralyd undersøgelser af en ammende bryst 37 blev forsøgt, samt påvisning af sektionsopdelte duktale strukturer ved hjælp af anden ordens form målinger 38. Der er imidlertid ikke billeddannende metode lykkedes hidtil røbe den duktale systemer i begge bryster in vivo. Algoritmen for at opnå hele 3D ductal træ system fra DTI resultater er stadig under udvikling, men vektorkort klart udviser potentiale til at afsløre den detaljerede og meget forskelligartet anatomi af de brystkirtler træer. For nylig en initial forsøg af en fuld 3D sporing af brystet baseret på vores DTI datasæt blev rapporteret 39.

I løbet af dette arbejde tekniske begrænsninger er blevet bemærket på grund af ineffektiv fedt undertrykkelse og EPI forvridninger. Fat undertrykkelse blev opnået ved en fedtmætning sekvens (FAT-SAT), som var normalt effektive i tætte bryster. Men i fede bryster Spectral Selection Svækket Inversion Recovery (spair), som er mere effektiv og mindre følsom over for B1 inhomogenitet, blev anvendt. EPI baserede diffusion protokoller havde yderligere begrænsninger på grund gradient inducerede hvirvelstrømme, B 0 felt inhomogenitet og modtageligheden forskelle 40,41. Disse begrænsninger blev minimeret ved hjælp af iterativ automatisk og manuel afstandsstykker på vand og fedt signaler og vælge den nederste mulige ekko afstand. Desuden blev en efterbehandling korrektion af geometriske forvrængninger lejlighedsvis anvendes som beskrevet i protokollen. SamletI tilfælde af tætte bryster med en stærk vand signal var det muligt at overvinde de tekniske begrænsninger; kunne dog 5 tilfælde i denne undersøgelse med meget fedtholdige bryster ikke analyseres på grund af de ovennævnte begrænsninger.

Sammenfattende har en protokol og billedbehandling værktøjer til bryst diffusion tensor MRI blevet udviklet. Denne helt sikker, hurtig og ikke-invasiv metode netop dissekerer bryst arkitektur og kan lette påvisning af brystkræft i klinikken. Den primære diffusionskoefficient, λ 1, og den maksimale anisotropi indekset, λ 13, blev fundet at fungere som to diffusion parametre uafhængige for at detektere cancer. Kliniske studier af brystkræft patienter viste, at påvisning effektivitet med disse to parametre er sammenlignelig med DCE MRI. Således spirende af denne metode fra grundlæggende forståelse af brystet arkitektur og udviklingen af ​​kræft og dens afhængighed af at afslørekvantificerbare væsentlige ændringer, samt at det er en sikker og hurtig metode gør det et værdifuldt værktøj til at undersøge forskellige udviklingsmæssige aspekter involverer duktalt spredning, og til at teste dens kliniske betydning for brystkræftscreening i stor skala prospektive forsøg.

Disclosures

Forfatterne har ikke noget at afsløre.

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