Spårning bröst arkitektoniska särdrag och upptäcka bröstcancer 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

Bröstcancer är den vanligaste orsaken till cancer bland kvinnor över hela världen. Tidig upptäckt av bröstcancer har en avgörande roll för att förbättra livskvaliteten och överlevnaden för bröstcancerpatienter. De nuvarande standardmetoder för bröstcancer upptäckt bygger på röntgen mammografi och ultraljudsundersökning. Den otillräckliga känslighet och specificitet av dessa tekniker, särskilt för att upptäcka skador i täta bröst, har stimulerat utvecklingen av andra tekniker inklusive bröst magnetisk resonanstomografi (MRT). Dynamisk kontrastförstärkt (DCE) MRT har etablerats som ett kraftfullt verktyg för att upptäcka och diagnostisera bröstcancer 1,2 och ofta underlättas av datorstödd diagnos innebär 3. För närvarande används det för speciella fall, t.ex. högriskpatienter fyra, men inte för rutinmässig screening, förmodligen på grund av de höga kostnaderna, behovet av att använda en injektion av ett kontrastmedel, bristen på standardisering and variabeln specificitet för att skilja godartade från maligna lesioner som sträcker sig från låga / måttliga värden 5,6 till höga värden som erhölls med hjälp av kombinerad mammografi och DCE-MRI 7,8. På senare tid, diffusion viktas MRI och de resulterande kartorna över skenbar diffusionskoefficient (ADC) har utvärderats som ett komplement metod för DCE-MRI och det visades att ADC värden kan hjälpa skilja mellan cancer, godartade lesioner och normal bröstvävnad 9,10 . Dessutom har studier av bröst diffusion tensor imaging (DTI) inleddes i friska frivilliga och patienter med bröstförändringar vid fältstyrka på 1,5 T 11-15 och 3 T 16-24. De flesta av dessa studier rapporterade ADC och fraktionerad anisotropi (FA) värden 11,12,14,15,20-23 och hittade dessa två parametrar för att vara reproducerbar med ADC värden mer reproducerbara än FA 13,20. Resultaten av dessa studier indikerade att maligna lesioner uppvisar låga ADC värden som kompared till normal vävnad och godartade lesioner var dock motstridiga resultat rapporterades på de värderingar och diagnostisk kapacitet FA 11,12,14,20-23. I en uppsättning av 3 T- DTI studier värdena för de tre tensor egenvärden och egenvektorer i bröstvävnaden ramen rapporterades också, och resultaten presenterades i vektorkartor i huvudegenvektor och parametriska kartor av egenvärden, ADC, FA och en maximal anisotropi index 16-19,24. I dessa studier huvud diffusion egenvärde och maximal anisotropi visades att fungera som de mest känsliga oberoende parametrar för upptäckt och diagnos av cancer lesioner

Bröstet är sammansatt av fibroglandular vävnad och fettvävnad. Den fibroglandular vävnaden är vidare sammansatt av många lober, som är mycket variabel i storlek och form. Varje lob mikrostruktur innefattar den funktionella bröst trädet och associerade lobulus bildar körtelvävnaden och den omgivande bind-fibrous vävnad. De flesta bröst maligniteter börja med avvikande proliferation av epitelceller i kanalerna eller lobules, utveckla in situ cancer, vilket genom infiltration i omgivande vävnad förvandlas till invasiv cancer. Därför duktala / lobulär strukturer är en nödvändighet område utredning av malign bröst transformation.

De strukturella funktioner i duktala träden först undersöktes ex vivo 1840 av Sir Astley Cooper använder injektion av färgat vax till kanalerna för mastektomi prover 25. Nyligen har dator härlett spårning av hela-bröst duktala träd uppnåtts i några mänskliga bröst använder mastektomi prover 26,27. Arbetet presenteras här visar att parametrar som erhållits genom in vivo diffusion tensor imaging ger information i samband med de distinkta bröstvävnadsmikro funktioner, möjliggör även icke-invasiv upptäckt bröstcancer.

Den physical principer bröst diffusion tensor imaging är baserade på MRI förmåga att mäta och kvantifiera anisotropa vatten diffusion i begränsade miljöer 28. I allmänhet är vatten diffusion i homogena lösningar fritt och isotrop, men om vattnet rörelsen stoppas på grund av begränsning av ogenomträngliga murar diffusionen blir anisotropisk med en snabb fri diffusion parallellt med väggarna och en långsammare begränsad diffusion vinkelrätt mot väggarna ( Figur 1). Vatten diffusion i vävnader är komplex och beror på strukturella och fysiologiska funktioner i intra- och extracellulära fack inklusive cellers storlekar cellernas täthet, extracellulärt slingrighet och vattenutbytet genom membran, samt på förekomsten av vaskulära och lymfatiska nätverk (Figur 2).

Figur 1
Figur 1: Fri och begränsad spridning Schematisk bild av en vattenmolekyl fri diffusion (vänster) och spridning begränsas av ogenomträngliga väggar (höger)..

Figur 2
Figur 2: Komplex diffusion i en vävnad Schematisk ritning av vatten diffusion i ett cellulärt system som visar vattenmolekyler rörelse i de extracellulära och intracellulära fack och vattenutbyte (pilar) mellan dessa två avdelningar..

På grund av de särskilda arkitektoniska inslag i bröstet diffusion av vattenmolekyler i bröst kanaler och lobules presentera ett särskilt exempel på bundet och anisotropisk rörelse: Parallellt med väggarna i kanalerna och lobules diffusionen är nära den för fri diffusion men i riktningarna vinkelrätt mot väggarna Det är begränsat av väggarna, som består av tvåskikt av cell och basalmembran. Följaktligen spridningen i ductal / körtelsystemet är relativt snabb och anisotropisk. Å andra sidan är diffusionen i bind fibrös vävnad som omger kanalerna snabbt och isotropa som ett resultat av den höga vattenhalten och låg celldensitet i denna vävnad (fig 3 och 4). I närvaro av malignitet, ökar blockering av kanalerna och lobules av cancerceller slingrigheten och begränsning av vattenrörelsen, vilket orsakar en minskning av diffusionskoefficienter i alla riktningar och i anisotropa rörelsen (Figur 3 och 4).

Figur 3
Figur 3: Diffusion i bröst lobules Schematisk bild av ett snitt genom lobules och vattnet diffusion inuti en lob.. Vänster: diffusion av vatten begränsas av lobules "väggarna visar snabbtdiffusion parallellt med väggarna och begränsad spridning vinkelrätt mot väggarna. Höger: diffusion i lobules med cancerceller. Diffusionen i det extracellulära utrymmet är starkt hindrad men liknande i alla riktningar och därmed nästan isotropa.

Figur 4
Figur 4:. Vatten diffusion i duktal trädet systemet Vänster: Mammary kanaler injicerade med färgat vax, visar deras utstrålade riktning och deras inter förgrening 25. Mitten: Schematisk bild av en normal duktal träd med vektorer som anger spridningen inne kanalerna (svarta pilar) och i bindväven (gröna pilar). Höger: Schematisk bild av en duktal träd med två loci av cancerceller (lila). Röda pilar uppvisar spridningen i cancer.

Detta dokument beskriver i detalj diffusion tensor skanningsmetod och processing algoritmer och programvara analys av de DTI datamängder som möjlig upptäcka bröst malignitet. Alla cancerformer bekräftades av histopatologiska fynd av bröstbiopsi och / eller kirurgiska exemplar. Vi beskriver också T2 vägda skanningsprotokoll för att erhålla bröst anatomiska funktioner samt DCE scanning protokoll som fungerade som en referensmetod för utvärdering av DTI detektionskänslighet. Klicka här för att se en större version av denna siffra.

Protocol

OBS: Alla protokoll godkändes av intern Review Board of Meir Medical Center, Kfar-Saba, Israel och en signerad informerat samtycke erhölls från alla ämnen.

1. Patient Förberedelser och positionering i magnetkamera

  1. Sätt en intravenös kateter i vänster eller höger arm för kontrastmedel injektion.
  2. Se till att patienten ligger i framstupa läge med båda brösten hängande fritt i de bilaterala öppningar i bröst polen såsom visas i fig 5.
  3. Se till att huvudet är placerat på en kudde för patientens huvud och hals komfort och båda armarna är placerade ovanför huvudet såsom visas i fig 5.
  4. Se till att varje bröst ligger i ett centralt positionering, hänger löst och så djupt som möjligt inom respektive spole öppningen såsom visas i figur 5.

e 5 "src =" / filer / ftp_upload / 52.048 / 52048fig5highres.jpg "/>
Figur 5: Positionering av en kvinna för bröst MRI skanning. Notera liggande ställning och fri upphängning av båda brösten i de bilaterala öppningar i bröstet polen.

  1. Anslut den automatiserade insprutningspumpen till venkateter.

2. MRT-undersökning

  1. Förvärva med magnetkamera en pilotbild för att lokalisera båda brösten och avgöra synfältet (FOV), antal skivor och skiva tjocklek för att helt täcka båda brösten med förlängning till armhålan och bröstkorgen.
  2. I alla följande scanningsekvenser utförda med magnetkamera, hålla samma värde för FOV, skiva nummer och snittjockleken för varje fall. Till exempel, förvärva 60 axiella skivor med FOV av 360 mm i läs- och fas riktning, skiva tjocklek varierande mellan 2 till 3 mm, beroende på storleken på brösten, och en faskodning riktning L2;> R eller R >> L. Variera i planet upplösning i följande sekvenser beroende på förvärvsmatrisdimension används för varje sekvens som anges i tabell 1.
Experimentell parameter 2D T2 viktade 2D DTI 2D GE Fält kartläggning 3D DCE
Repetitionstid (TR) msek 5500 10800 669 6,8
Echo tid (TE) msek 122 120 4,92 2,49
TE (2) 7,38
Flip vinkel, grader 60 18
Förvärv matris 640 x 428 192 x 192 64 x 192 428 x 428
Genomsnitt 1 1 1 1
sammanlänkning 4 1 1 1
Turbofaktor 21
Antal tåg per skiva 11
Echo avstånd, ms 10 0,79
Bandbredd, Hz / pixel 300 1860 1532 560
I planet skanningsupplösning 0,56 x 0,84 1,9 x 1,9 0,8 x 0,8
I planet bildupplösning 0,56 x 0,56 1,9 x 1,9 1,9 x 1,9 0,8 x 0,8
Förvärv tid, min: sek 04:26 6:09 01:28 01:06 (x9)
# Av diffusions- gradienter 30
Fett undertryckande ingen FAT-SAT / SPAIR 1 ingen
b-värdena, sek / mm 2 0, 700

Tabell 1:. Experimentella parametrar för de sekvenser som används i denna studie ett FAT-lör: fettmättnad. SPAIR: Spectral Attenuated Inversion Recovery.

  1. Lokalisera med användargränssnittet datorn av magnetkamera en region som omfattar både bröst och armhålan och definiera ett mellanlägg låda. Applicera en iterativ mellanlägg strategi för att optimera det magnetiska fältet 29.
    1. Visa protonspektrum på skärmen i användargränssnittet datorn och justera mellanlägg genom att centrera frekvensen på tHan vatten resonansfrekvens och sedan på fettet resonansfrekvens. Upprepa mellanlägg tills det bäst separerar fett och vatten signaler och optimerar maximal signalstyrka och form som avslöjas i protonspektrumet. Verifiera att bestrålningen frekvensen är centrerad på vattnet resonansfrekvens.
  2. Ansök via användargränssnittet datorn en 2D tvär T2-viktade turbo spin-echo multi slice sekvens med hög rumslig upplösning utan fett mättnad med hjälp generaliserad automatisk kalibrering delvis parallellt förvärv (Grappa), med accelerationsfaktor 2. Fäst de parametrar som kommer att dyka upp på skärmen enligt deras värden i kolumnen "2D T2 viktade" i tabell 1.
  3. Ansök via användargränssnittet datorn en 2D tvärgående, fett undertryckt, spinn-eko diffusion tensor imaging - DTI använder dubbelt fokuserade eko plan avbildning sekvens 30, med hjälp av Grappa, med accelerationsfaktor 2. Fäst parametrarnasom kommer att dyka upp på skärmen enligt deras värden i kolumnen "2D DTI" i tabell 1.
  4. Ansök via användargränssnittet datorn ett fält kartläggning sekvens för att korrigera geometriska förvrängningar i eko-plan avbildning (EPI), och få fas differential bilderna som beskrivs av Jezzard och Balaban 31. Kontrollera att sekvensen innefattar förvärvet av 2D tvärgående gradient echo (GE) bilder med två olika i fas echo gånger, och att fasen kodningsriktningen är densamma som i DTI sekvensen (steg 2,5). Fixa de parametrar som kommer att dyka upp på skärmen enligt deras värderingar i "2D GE Fält mapping" kolumnen i tabell 1.
  5. Ansök via användargränssnittet datorn en dynamisk kontrastförstärkt protokoll med hjälp av en 3D snabb gradient eko sekvens utan fett-suppression, med parametrar optimerade enligt tre tidspunkten (3TP) metoden 32. Fixa de parametrar somkommer att dyka upp på skärmen enligt deras värden i kolumnen "3D DCE" i tabell 1.
    1. Spela två inledande prekon bilder enligt protokollet i steg 2.7.
  6. Injicera 15 sek före utgången av den andra förhands kontrast förvärvet kontrastmedlet gadopentetatedimeglumine, vid en dos av 0,1 mmol / kg kroppsvikt, med hjälp av en automatiserad pump med en hastighet av 2 ml / sek, följt av 20 ml koksalt flush, vid 2 ml / sek.
    1. Fortsätt spela in sju sekventiella 3D dataset enligt protokollet i steg 2,7 vid 54, 120, 186, 252, 318, 384 och 450 sek efter kontrastinjektion.
  7. Applicera via användargränssnittet datorn en 2D transversell T2-viktad fettundertryckt turbo spinn-eko multi slice sekvens vid hög rumslig upplösning med användning GRAPPA, med accelerationsfaktor 2. Använd de experimentella detaljer som liknar de som används för T2 viktade avbildning beskrivs i steg 2,4 OBS: Ett tidsförlopp som sammanfattar stegen i MRT-protokollet ges i figur 6.

Figur 6
Figur 6: Tids loppet av klinisk MRT-protokollet.

3. Bildbehandling

  1. Överför hela dataset erhålls genom alla scanningsekvenser (beskriven i steg 2,4-2,9) till en avlägsen arbetsstation eller persondator och bearbeta hela dataset av bilder med program som ägnas åt att analysera bröst diffusion tensor imaging och DCE-MRI.
    1. Här utför de steg som beskrivs nedan enligt hembyggda programpaket skrivet i C ++ som verifierades med hjälp av programmering miljö MATLAB 19. I allmänhet, kommersiella skannrar ger bildbehandlingsverktyg för hjärnan DTI experiment som kan anpassas för bröstet, menkanske inte alla bearbetningsfunktioner som tillämpas av vår hembyggda programpaket
  2. Utför Bildbehandling av DTI dataset med en dedikerad DTI bildbehandlingsprogram följa stegen i flödesschemat i figur 7.

Figur 7
Figur 7: Flödesschema över de olika etapperna i DTI bearbetning.

  1. Använd DTI program för att utvärdera ljudnivån utanför bröstet och resterande vävnad i 3 till 4 regioner av intresse (om cirka 1 cm 2) och hitta den maximala ljudnivån.
  2. Använd DTI program för att beräkna pixel för pixel, i alla pixlar över den maximala ljudnivån och i var och en av 60 skivor, de sex diffusionskoefficienter, D xx, D yy, Dzz, D xy, D xz, D YZ, av den symmetriska tensorn D som beskrivs nedan 33 (se figur 8)
    Ekvation 1
    Där D xy = D yx, D zy = D yz, D zx = D xz.
    1. För att beräkna de tensor komponenterna använda en icke-linjär regression passande program baserat på Stejskal-Tanner ekvationen: Si, j (b) = Si (0) exp (-bd), där Si, (b) är j signalen intensiteten för pixel i med en diffusionsgradient i riktningen j och Si (0) är signalintensiteten hos samma pixel vid B = 0 mm 2 · s. Denna montering minimeras summan av kvadraterna av de 30 olinjära funktioner för varje diffusionsgradient riktning isex diffusion tensor rörliga komponenter genom en modifiering av Levenberg-Marquardt algoritmen 34 .Detta steg utfördes av fri programvara cminpack ( http://devernay.free.fr/hacks/cminpack/index.html ).

Figur 8
Figur 8: Schematisk bild av beräkningssteg som ger den symmetriska diffusion tensor.

  1. Använd DTI programvara för att diagonaliserar den symmetriska diffusion tensor i varje pixel genom att tillämpa principalkomponentanalys (PCA) 35.
    OBS: PCA är en vanligt använd metod för att reducera dimensionalitet av data och finna en linjär omvandling som mappar de korrelerade parametrar pixel in i ett nytt koordinatsystem okorrelerade och ortogonala axlar. Denna process utbyten för varje pixel tre egenvektorer (ν 1, ν 2, ν 3), som definierar spridningsriktning i tre ortogonala axlar av en ellipsoid form som sammanfaller med diffusionen ramen hos vävnaden, och motsvarande tre diffusion egenvärden, ordnade från hög till låg, bestämma att tre riktnings diffusionskoefficienter (λ 1, λ 2, λ 3) (se figurerna 9 och 10).

Figur 9
Figur 9: Schematisk bild av de beräkningssteg som ger egenvärden och egenvektorer som sammanfaller med diffusionen ramen av vävnaden och modellering till ellipsoida.

Figur 10
Figur 10: Schematic ritning av de viktigaste behandlingssteg som beräknar de spridnings egenvektorer och egenvärden i normalt duktal vävnad och i cancervävnad.

  1. Använd DTI program för att beräkna för varje pixel den sken diffusionskoefficienten (ADC) definieras som genomsnittet av de tre egenvärden <λ> = (λ 1 + λ 2 + λ 3) / 3.
  2. Använd DTI program för att beräkna för varje pixel maximal absoluta anisotropi index definieras som skillnaden (λ 1 - λ 3).
  3. Använd DTI mjukvaruprogram för att beräkna för varje pixel fraktionerad anisotropi (FA) index som varierar mellan 0 (isotropisk diffusion) till en (fri diffusion i en riktning) i enlighet med följande ekvation:
    Ekvation 2
  4. Använd DTI program att display pixel för pixel i varje skiva under båda brösten en vektor karta visar riktningen på prime egenvektorn, ν 1, och en färg karta kodas med tre färger som anger huvudriktningar ν 1 och överdraga dem på en T2 viktade bild av samma slice (Figur 9). Detta steg utfördes med hjälp av fri programvara gtk ( http://gtk.org ) för grafik.
  5. Använd DTI program att konstruera diffusion tensor imaging parametriska kartor som visar pixel för pixel i varje skiva under båda brösten värdena för alla diffusion tensor parametrarna λ 1, λ 2, λ 3, ADC, λ 13, och FA och överdraga dem på en T2 viktade bild av samma skiva (Figur 11).

Figur 11
-3 mm 2 / sek. FA är enhetslösa. Skalan bar i vektorkartan hänvisar till en längd av 20 mm och skalan bar i T2 bilden refererar till en längd av 20 mm i alla de återstående bilderna.

  1. Använd DTI program för att rätta, om nödvändigt, geometriska förvrängningar genom att ladda fasskillnaden kartan erhållits såsom beskrivits i steg 2.6. Shift utbudet av fasskillnaden kartan i alla pixlar över ljudnivån i gradienten eko bilden till en rad -π till + π representing fasförskjutningen Δɸ (x, y, z) i radianer (figur 12).
    1. Använd DTI program för att beräkna den rumsliga förskjutning i pixlar enligt:
      Ekvation 3
      ΔTE är tidsskillnaden mellan de två ekona motsvarar 2,46 x 10 -3 msek och BWP är fasen bandbredd i experimentet motsvarar 13,2 Hz / pixel. Shift pixlarna enligt fältkartan och räkna om diffusion tensor parametrar (Figur 12).

Figur 12
Figur 12:. Exempel på geometrisk distorsion korrigering med hjälp av en fasskillnad karta Bilderna registrerades från en 47-årig volontär med invasiv lobulär cancer. I den första kolumnen på den vägda vänstra T2 bild och en fasskillnad karta över en bitmed cancer i vänster bröst visas. I den andra och 3: e kolumner λ en kartorna före korrigering visas på första raden och λ en kartorna efter korrigering visas i den andra raden. De λ 1-kartorna överlagras på det vägda motsvarande T2 bild. I 2: a kolumnen hela skalan av diffusionskoefficienter vatten (0,8-3,0) x10 -3 mm 2 / s används för färgkodade skala och den 3: e kolumnen en reducerad intervall används med en tröskel på 1,7 x 10 -3 mm 2 / sek som betonar kontrasten mellan cancer i vänster bröst och normal bröstvävnad. Skalan bar i T2 bilden refererar till en längd av 20 mm i alla bilder.

  1. Utför bildbehandling av DCE-MRI dataset med hjälp av en programvara som ger pixel för pixel kartor över de kinetiska parametrarna för förbättring såsom 3TP bildbehandlingsprogram 17.

Representative Results

Metoden var initialt testas och demonstreras genom scanning normala frivilliga vid olika hormonella faser. Figur 11 visade de parametriska och vektorkartor erhållna med hjälp av vår programvara av en central skiva av en ung frisk frivillig med relativt hög fraktion av fibroglandular vävnad, såsom tydligt kan ses på det vägda T2 bilden (alla gråzoner är fibroglandular vävnad och ljusa områden är fett). Riktningen på prime diffusionskoefficienten λ 1 visas i vektorkartan v1 med en stor del av bildpunkter pekar mot bröstvårtan. Som väntat värdena för diffusion tensor koefficient minska från λ 1 till λ 2 till λ 3. Med hjälp av dessa tre diffusionskoefficienter aktiverade beräkning av den genomsnittliga diffusivitet ADC, bråk anisotropi (FA) och maximal anisotropi, λ 1 - λ 3. Kallelse i kartor över FA och λ 1 - λ

I postmenopausala kvinnor brösten är vanligtvis mindre tätt, såsom visas i exemplet i fig 13 för en 63 år gammal normal frivillig. Diffusionskoefficienterna är lägre hos äldre frivilliga men anisotropi indexen är högre, möjligen på grund av den lägre diameter kanalerna och lobules och därmed högre begränsning ålagts spridningen i de riktningar vinkelrätt mot duktala väggarna. Ett annat exempel som visar känsligheten hos tensor till storleken av kanalerna visas i exemplet med en digivande volontär i figur 14. Eftersom mjölk är en kolloid av fettkulor i ett vattenbaserat fluidum, som innehåller upplösta kolhydrater och proteinaggregat med mineraler är viskositeten hos mjölk högre än den hos den normala vatten vätska i kanalerna, och sålunda är de vatten diffusionskoefficienter av ammande bröst är lorn än de hos premenopausala kvinnor 24. Vidare kanalerna nära nippeln är stora och begränsningen i de riktningar ortogonala till kanalerna är lägre än i det icke-lakterande bröst, och följaktligen anisotropin indexen är lägre också. Men i lobulär -posterior regioner ammande bröst anisotropin är fortfarande hög.

Hos patienter med malignitet den största förändringen i tensor parametrarna diffusion ställs ut i en betydande minskning av de tre diffusionskoefficienter. Förändringarna i λ 1 befanns ge den högsta kontrast brusförhållandet 19. Denna studie inkluderade 68 patienter med bekräftad patologi inklusive 33 patienter med diagnosen invasiv duktal cancer (IDC), 19 med duktal cancer in situ (DCIS), 13 med invasiv lobulär cancer (ILC) och 3 med andra maligniteter. Flera patienter hade flera bränn eller multicentrerad bröstcancer. Storleken av cancer Varied 3-95 mm med median på 14 mm och interkvartila intervallet 10 till 30 mm. I samtliga av dessa patienter den träffsäkerhet på DCE och DTI var jämförbara. Men fem ärenden som visade förbättring i DCE och bekräftades av patologi som cancer inte ingick i DTI analysen på grund av tekniska problem i feta bröst, främst relaterade till fält homogen och otillräcklig fett suppression resulterar i snedvridningar och artefakter.

Figurerna 15, 16 och 17 visar typiska parametriska kartor över de två viktigaste spridningsparametrar λ 1 och λ 1 - λ 3 som används för att detektera bröst maligniteter. Denna figur visar, förutom till T2 viktade bilder, resultaten av DCE-analys med användning av 3TP färgkodade metod. Som förklaras i inledn närvaro av maligna celler i kanalerna eller lobules och deras omgivande hindra diffusion i det extracellulära utrymmet minskar avsevärt tHan diffusionskoefficienter. Dessutom är anisotropi grund av duktala strukturer försvinna eftersom cancerceller sprids i alla riktningar på ett kaotiskt sätt utan tydlig riktning. FA är inte ett tillräckligt parameter för bröstcancer upptäckt sedan normalisering av denna parameter till den genomsnittliga diffusiviteten leder till höga värden av FA i cancer som liknar dem i normal vävnad 19. Dock gör den maximala anisotropi ger ett medel för att upptäcka cancer (figurerna 15-17). Ändå eftersom bind fibrösa vävnaden är också nära till isotropa och uppvisar låga värden för maximal anisotropi, är denna parameter mindre specifik än diffusionskoefficienten λ 1 och fungerar som en sekundär parameter att λ 1.

Figur 17 visar också förmåga DTI att karakterisera svar på neoadjuvant kemoterapi. I detta exempel, patienten reagerade helt på behandlingen (4 cykler av Adriamycin + Cycloxane -, följt av fyra cykler av Taxol). Faktum är att svaret på terapin orsakade en betydande ökning av diffusionskoefficienter till värden som är typiska för normal bröstvävnad, på förekomst av reparativ bindväv som ersatte cancercellerna. Liknande resultat erhölls i fyra andra patienter som svarade på behandlingen.

Figur 13
Figur 13: Utgång för parametriska DTI kartor över en central bröst bit av en 63 år gammal frisk frivillig lagras på det vägda T2 bilden av samma skiva Dir.. - Karta Riktning med röd indikera vänster till höger, grönt indikerar främre till bakre och grönt indikerar huvud till fot riktningar. Observera att vektor är markerade i vita linjer. Alla diffusionskoefficienter och maximal anisotropi indexet är i enheter om 1 x10 -3 mm 2 / sek. FA är enhetslösa. Skalan bar i vektorkartan refERS till en längd av 20 mm och skalan bar i T2 bilden refererar till en längd av 20 mm i alla de återstående bilderna.

Figur 14
Figur 14: Utgång för parametriska DTI kartor över en central bröst bit av en 40 år gammal ammande volontär lagras på det vägda T2 bilden av samma skiva Dir.. - Karta Riktning med röd indikera vänster till höger, grönt indikerar främre till bakre och grönt indikerar huvud till fot riktningar. Alla diffusionskoefficienter och maximal anisotropi indexet är i enheter om 1 x10 -3 mm 2 / sek. FA är enhetslösa. Notera i riktning kartan och vektorkartan som de flesta pixlarna är i linje mot bröstvårtan. Notera även de nedre diffusionskoefficienter förhållande till värdena i figurerna 7 och 10 av friska frivilliga. Skalstrecket i vektorkartan hänvisar till en längd av 20 mm ochskala bar i T2 bilden refererar till en längd av 20 mm i alla de återstående bilderna.

Figur 15
Figur 15:. Parametriska kartor över λ 1 och λ 1 - λ 3 i en 38 år gammal patient med multi focal invasiv duktal cancer I 1: a rå de DTI parametrar presenteras med en tröskel på 1,7 x 10 -3 mm 2 / s för λ 1 och 0,6 mm 2 / s för λ 13 (alla värden över trösklarna är färgade i lila). I 2: a rå, värden över tröskeln är inte färgade och visa den underliggande T2 viktade bilden. I siffran ingår även i 1: a kolumnen till vänster en T2 viktade bild och en DCE parametrisk karta, som erhållits genom 3TP metoden, av samma skiva som DTI parametriska kartor. Skalan bar i T2 bilden refererar till en längd av 20 mm in alla bilder. Observera att i planet rumsliga upplösningen av DCE bilderna är ungefär dubbelt högre än för DTI, finns det dock en hög visuell kongruens i läge och storlek 3TP och λ en parametriska kartor.

Figur 16
Figur 16: parametriska kartor över λ 1 och λ 13 i en 60 år gammal patient med låg grad DCIS I siffran ingår även i 1: a kolumnen till vänster en T2 viktade bild och en DCE parametrisk karta, som erhållits genom. 3TP metoden, av samma skiva som DTI parametriska kartor. Skalan bar i T2 bilden refererar till en längd av 20 mm i alla bilder. Notera förmåga DTI att upptäcka cancer i ett mycket fet bröst.

Figur 17
Figur 17: parametriska kartor över λ 1 och λ 1 - λ 3 i en 39 år gammal patient med invasiv lobulär cancer före och efter neoadjuvant kemoterapi Patienten skannas två gånger, en gång före terapi och en gång innan operationen, efter 4 cykler av Adryamicin +. Cycloxan och 4 cykler av taxol. Notera den ökade λ 1 och λ 13 i cancer regioner som svarade på behandlingen. De 1 st rå visar bilder som erhållits före terapi och de 2: a rå visar bilder av ungefär samma region som i 1: a raden, som erhållits före operationen. Före behandling cancer regioner uppvisade λ 1 och λ en3 värden under sin tröskel, och efter behandlingen dessa två parametrar ökade till värden över deras tröskel. I siffran ingår även i 1: a kolumnen till vänster T2 viktade bilder; i 2: a kolumnen Multiple Bildprojektion-MIP, som erhålls genom att subtrahera de pre-kontrastbilder från 2 min efter kontrastrika bilder; i 3: e kolumnen DCE parametriska kartor erhålls genom 3TP metoden. Skalan bar i T2 bilden refererar till en längd av 20 mm i alla bilderna

Discussion

Detta arbete visar förmågan hos DTI, skannas på tre T vid hög rumslig upplösning (~ 8 mm 3), för att mäta in vivo de vatten diffusion tensor parametrar i hela fibroglandular vävnaden i båda brösten. Ensemblen av algoritmer och programvara som utvecklats i samband med denna studie möjlig analys av de stora datamängder DTI och samtidigt visa diffusion parametriska kartor över de olika diffusionskoefficienter, λ 1, λ 2, λ 3, ADC och anisotropi index λ 13, och FA för alla bröst skivor. Detta arbete betonar också potentialen i de olika diffusionskoefficienter och anisotropi index för att upptäcka och diagnostisera bröstcancer. Resultaten visade att den främsta diffusionskoefficienten, λ 1, är den huvudsakliga parametern för att upptäcka bröstcancer, med en betydande förmåga att skilja maligna från normal bröstvävnad. En sekundär oberobuckla parameter, med hög känslighet, men mycket lägre specificitet än λ 1, är den maximala anisotropi index som verkar bekräfta upptäckten av prime diffusionskoefficienten.

Resultaten visade också förmåga MRI att mäta in vivo riktningsvattenspridning och kvantifiera anisotropi spridning i hela duktal / körtelsystemet i båda brösten. För att säkerställa en enhetlig precisionsprofilen för de anisotropa mätningar 30 diffusionsgradient riktningar tillämpades. Valet av hög eko-tid av 120 ms, och en optimering av den rumsliga upplösningen avslöjade begränsning av vattendiffusion i kanalerna. Den genomsnittliga storleken på normala kanaler rapporterades vara 90 um, med ~ 70% i intervallet 40-100 nm 36. Enligt Einsteins ekvation det betyda förskjutning av fritt vatten diffusion, x = (6DT) 1/2, där D är den fria vatten diffusionskoefficienten och t diffusionentid. I vårt experiment x är ungefär 25 | im, och därmed är endast en bråkdel av de duktala vattenmolekyler begränsas från mjölk duktala väggar, vilket leder till de relativa låga FA-värden i bröstet (övre värdena ~ 0,3) jämfört med de värden som före i hjärnan vit substans (≥0.5). I Sir Astley Cooper studerar 25 avslöjades det att mänsklig bröstvävnad är organiserad i separata lober, var och en består av en duktal träd. Preliminära ultraljudsstudier av en ammande bröst 37 försöktes, samt detektering av sektions duktala strukturer med hjälp av andra ordningens form mätningar 38. Dock har ingen avbildningsmetod lyckats hittills avslöjar hela duktala system i båda brösten in vivo. Algoritmen för att erhålla hela 3D duktal träd systemet från DTI resultaten är fortfarande under utveckling, men vektorn kartor tydligt uppvisar potential att avslöja detaljerade och mycket diversifierade anatomi bröst träden. Nyligen en i:nitial försök av en full 3D spårning av bröstet utifrån våra DTI dataset rapporterades 39.

Under detta arbete tekniska begränsningar har märkt på grund av ineffektiv fett förtryck och EPI snedvridningar. Fett undertryckande uppnåddes genom en fettmättnadssekvens (FAT-lör) som vanligen var effektiva i täta bröst. Men i feta bröst Spektral Selection Attenuated Inversion Recovery (SPAIR), som är effektivare och mindre känslig för B1 inhomogenitet, applicerades. De EPI baserade diffusion protokoll hade ytterligare begränsningar på grund av lutning inducerade virvelströmmar, B 0 fält homogen och känslighetsskillnader 40,41. Dessa begränsningar minimerades genom iterativ automatisk och manuell mellanlägg på vatten- och fett signaler och välja den nedre möjligt eko avstånd. Dessutom gjordes en efterbearbetning korrigering av geometriska förvrängningar ibland tillämpas som beskrivs i protokollet. Övergripande, I fallet med täta bröst med en stark vattensignal var det möjligt att övervinna de tekniska begränsningar; kunde dock fem fall i denna studie med mycket feta bröst inte analyseras på grund av ovanstående begränsningar.

Sammanfattningsvis har ett protokoll och bildbehandlingsverktyg för bröst diffusion tensor MR utvecklats. Detta helt säker, snabb och icke-invasiv metod dissekerar just bröst arkitektur och kan underlätta upptäckt av bröstcancer i kliniken. Det främsta diffusionskoefficienten, λ 1, och maximal anisotropi index, λ 13, befanns fungera som två oberoende diffusion parametrar för att upptäcka cancer. Kliniska studier av bröstcancerpatienter visade att detekteringseffektiviteten med dessa två parametrar är jämförbar med den av DCE MRI. Således den framväxande av denna metod från grundläggande förståelse av bröstet arkitektur och cancerutveckling och dess beroende av att avslöjakvantifierbara betydande förändringar, samt att det är en säker och snabb metod gör det ett värdefullt verktyg för att undersöka olika utvecklingsaspekter som involverar duktal spridning, och för att testa dess kliniska effekt för bröstcancerscreening i storskaliga prospektiva studier.

Disclosures

Författarna har ingenting att lämna.

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