Tracking der Brust architektonische Details und Erkennen von Brustkrebs mit Magnet-Resonanz-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

Brustkrebs ist die häufigste Ursache von Krebs bei Frauen. Früherkennung von Brustkrebs hat eine entscheidende Rolle bei der Verbesserung der Lebensqualität und das Überleben von Brustkrebspatientinnen. Die aktuellen Standardverfahren zur Erkennung von Brustkrebs sind auf Röntgen Mammographie und Ultraschall Abtastung. Die unzureichende Empfindlichkeit und Spezifität dieser Verfahren, insbesondere zur Detektion von Läsionen bei dichten Brüsten, hat die Entwicklung von anderen Techniken, einschließlich Brust- Magnetresonanzbildgebung (MRI) stimuliert. Dynamische kontrastverstärkte (DCE) MRT wurde als leistungsfähiges Werkzeug für den Nachweis und die Diagnose von Brustkrebs 1,2 etabliert und wird häufig von computergestützten Diagnose erleichtert Mittel 3. Derzeit ist es für Sonderfälle, wie beispielsweise Patienten mit hohem Risiko 4 verwendet wird, aber nicht für Routine-Screening, vermutlich wegen der hohen Kosten, die Notwendigkeit, eine Injektion eines Kontrastmittels, die fehlende Standardisierung ein verwendennd die Variable Spezifität bei der Differenzierung von benignen und malignen Läsionen, die von niedrigen / mäßigen Werten 5,6 auf hohe Werte, die mit kombinierten Mammographie und DCE-MRI 7,8 erhalten. In jüngerer Zeit diffusionsgewichteten MRT und die daraus resultierenden Karten der scheinbaren Diffusionskoeffizienten (ADC) haben als Ergänzung Methode, um DCE-MRI untersucht und es wurde gezeigt, dass die ADC-Werte können helfen, zwischen Krebs, gutartige Läsionen und normalem Brustgewebe 9,10 . Darüber hinaus wurden Untersuchungen der Brust Diffusions-Tensor-Bildgebung (DTI) bei gesunden Probanden und Patienten mit Brustläsionen bei Feldstärke von 1,5 T von 11 bis 15 und von 16 bis 24 T 3 eingeleitet. Die meisten dieser Studien berichtet ADC und fraktionierte Anisotropie (FA) Werte 11,12,14,15,20-23 und fanden diese beiden Parameter reproduzierbar ADC Werte reproduzierbarer als FA 13,20 sein. Die Ergebnisse dieser Studien zeigten, dass maligne Läsionen weisen niedrige ADC Werte compared zu normalem Gewebe und gutartige Läsionen jedoch widersprüchliche Ergebnisse wurden auf die Werte und Diagnosefähigkeit des FA 11,12,14,20-23 wiesen. In einer Menge von 3 T- DTI Studien werden die Werte der drei Tensor Eigenwerte und Eigenvektoren in dem Brustgewebe Rahmen wurden auch berichtet, und die Ergebnisse wurden in Vektorkarten des Haupteigenvektors und Parameterkarten der Eigenwerte, ADC, FA vorgestellt und eine Maximal Anisotropieindex 16-19,24. In diesen Studien wurde die Hauptdiffusionseigenwert und die maximale Anisotropie wurde gezeigt, wie die empfindlichsten unabhängige Parameter für die Erkennung und Diagnose von Krebs Läsionen dienen

Die Brust wird von fibroglandular und Fettgewebe besteht. Die fibroglandular Gewebe weiter vieler Keulen, die sehr variabel in Größe und Form zusammengesetzt sind. Jeder Lappen Mikrostruktur beinhaltet die Funktionsbrustbaum und zugehörige Läppchen bildet das Drüsengewebe, und die umliegende Bindegewebe-Fifaserige Gewebe. Die meisten Milch Malignitäten starten durch aberrante Proliferation von Epithelzellen in den Kanälen oder Läppchen, entwickelt sich in situ Karzinome, die durch Infiltration in die umgebenden Gewebe in ein invasives Karzinom drehen. Daher sind die duktalen / lobulären Strukturen eine Notwendigkeit Untersuchungsgebiet des bösartigen Brust Transformation.

Die Strukturmerkmale der duktalen Bäume wurden zunächst untersucht, ex vivo 1840 von A. Cooper mit Injektion von farbigem Wachs zu den Kanälen der Mastektomie Proben 25. Vor kurzem hat Computer abgeleitet Verfolgung Ganzbrust duktale Bäume in wenigen menschlichen Brüsten mit Mastektomie Exemplare 26,27 erreicht. Die vorliegende Arbeit zeigt, dass durch die in-vivo-Diffusions-Tensor-Bildgebung gewonnenen Parameter geben Auskunft zu den verschiedenen Brustgewebe Mikrostrukturelementen verbunden sind, so dass auch nicht-invasiven Brustkrebs-Erkennung.

Die physical Prinzipien Brust Diffusionstensorbildgebung zugrunde liegen, werden in der MRT-Fähigkeit der Basis zu messen und zu quantifizieren anisotrope Diffusion von Wasser in eingeschränkten Umgebungen 28. In der Regel Wasserdiffusion in homogenen Lösungen ist kostenlos und isotrop, jedoch, wenn die Wasserbewegung ist wegen der Beschränkung durch undurchlässige Wände angehalten die Diffusion anisotrop mit einem schnellen freien Diffusion parallel zu den Wänden und einem langsameren eingeschränkten Diffusion senkrecht zu den Wänden ( Abbildung 1). Diffusion von Wasser in den Geweben ist komplex und hängt von der strukturellen und physiologischen Eigenschaften der intra- und extrazellulären Kompartimenten, einschließlich Zellen Größen Zellen Dichte extrazellulärem Tortuosität und Wasseraustausch durch Membranen, wie auch auf die Anwesenheit von vaskulären und lymphatischen Netze (Fig 2).

Figur 1
Abbildung 1: Freier und eingeschränkte Diffusion Schematische Darstellung eines Wassermoleküls freie Diffusion (links) und die Diffusion durch undurchlässige Wände (rechts) beschränkt..

Abbildung 2
Abbildung 2: Komplexe Diffusion in einem Gewebe Schemazeichnung Wasserdiffusion in einem zellularen System, das Wassermoleküle Bewegung in den extrazellulären und intrazellulären Kompartimenten und Wasseraustausch (Pfeile) zwischen diesen beiden Kammern..

Aufgrund der spezifischen Architektur des Brust die Diffusion von Wassermolekülen in den Milchgängen und Läppchen stellen ein spezielles Beispiel beschränkt ist und anisotrope Bewegung: Parallel zu den Wänden der Kanäle und Läppchen die Diffusion in der Nähe der der freien Diffusion, sondern in den Richtungen senkrecht zu den Wänden ist es durch die Wände begrenzt, von zwei zusammenSchichten von Zelle und Basalmembran. Folglich ist die Diffusion in der duktalen / Drüsensystems relativ schnell ist und anisotrop. Andererseits ist die Diffusion in der Umgebung der Leitungen Bindefasergewebe schnell und isotropen infolge des hohen Wassergehalt und einer niedrigen Zelldichte in diesem Gewebe (3 und 4). In Gegenwart von Malignität, Verstopfung der Leitungen und Läppchen von Krebszellen erhöht die Tortuosität und Einschränkung der Bewegung des Wassers, was eine Verringerung der Diffusionskoeffizienten in allen Richtungen und in der anisotropen Bewegung (Abbildung 3 und 4).

Figur 3
Abbildung 3: Diffusion in die Mutter Läppchen Schematische Darstellung eines Schnitts durch den Läppchen und der Wasserdiffusion im Inneren eines Lobulus.. Links: Diffusion von Wasser durch die Läppchen "Mauern, die schnell eingeschränktDiffusions parallel zu den Wänden und eingeschränkte Diffusion senkrecht zu den Wänden. Rechts: Diffusion in Läppchen mit Krebszellen. Die Diffusion in der extrazellulären Kammer ist stark behindert, aber ähnlich in allen Richtungen, und daher nahezu isotrop.

4
Abb. 4: Wasserdiffusion im duktalen Baumsystem Links: Milchgänge mit farbigem Wachs eingespritzt wird, die ihre Richtung abgestrahlte und ihre inter Verzweigung 25. Mitte: Schematische Darstellung eines normalen Duktus Baum mit Vektoren, die die Diffusion im Innern der Kanäle (schwarze Pfeile) und im Bindegewebe (grüne Pfeile). Rechts: Schematische Darstellung eines duktalen Baum mit zwei Loci von Krebszellen (violett). Rote Pfeile zeigen die Diffusion in den Krebsarten.

Dieses Papier beschreibt im Detail die Diffusions-Tensor-Scan-Methode und die prmitteltech Algorithmen und Software Analyse der DTI Datenmengen, die Erkennung Brust Malignität aktiviert. Alle Krebserkrankungen wurden durch Histopathologie Ergebnisse der Brustbiopsie und / oder chirurgischen Proben bestätigt. Wir beschreiben auch die T2 gewichtet Scanprotokoll für den Erhalt der Brust anatomische Merkmale sowie die DCE Scan-Protokoll, das als Referenzmethode zur Bewertung der DTI Nachweisempfindlichkeit serviert. Bitte klicken Sie hier, um eine größere Version dieses Bild anzuzeigen.

Protocol

HINWEIS: Alle Protokolle wurden von der internen Review Board von Meir Medical Center, Kfar Saba, Israel genehmigt und eine unterschriebene Einverständniserklärung wurde von allen Probanden erhalten.

1. Patientenvorbereitung und Positionierung in der MRI-Scanner

  1. Fügen Sie einen intravenösen Katheter in den linken oder rechten Arm zur Kontrastmittelinjektion.
  2. Stellen Sie sicher, dass der Patient in Bauchlage mit beiden Brüsten frei hängend in den bilateralen Öffnungen des Brustspule liegen, wie in Abbildung 5 gezeigt.
  3. Stellen Sie sicher, dass der Kopf auf einem Kissen für Kopf-Hals-Komfort Patienten positioniert und beide Arme über den Kopf gelegt, wie in Abbildung 5 gezeigt.
  4. Stellen Sie sicher, dass jeder Brust ist in einer zentralen Position, hängen locker und so tief wie möglich innerhalb der jeweiligen Spulenöffnung, wie in Abbildung 5 gezeigt.

E 5 "src =" / files / ftp_upload / 52.048 / 52048fig5highres.jpg "/>
Abbildung 5: Positionierung einer Frau für die Brust MRT. Beachten Sie die Bauchlage und die frei hängende beider Brüste in den bilateralen Öffnungen des Brustspule.

  1. Schließen Sie das automatisierte Einspritzpumpe auf den intravenösen Katheter.

2. Kernspintomographie

  1. Erwerben Sie mit dem MRI-Scanner ein Pilotbild zur Lokalisierung beide Brüste und bestimmen das Sichtfeld (FOV), Anzahl der Schichten und Schichtdicke, um vollständig zu bedecken beide Brüste mit der Erweiterung um die Achselhöhle und an der Brustwand.
  2. In allen folgenden Scan-Sequenzen mit der MRI-Scanner durchgeführt wird, halten Sie den gleichen Wert des FOV, Slice-Nummer und Schichtdicke für jeden Fall. Beispielsweise erfassen 60 axiale Schichten mit FOV von 360 mm in den Lese- und Phasenrichtung, Schichtdicke im Bereich zwischen 2 bis 3 mm, abhängig von der Größe der Brust, und eine Phasencodierungsrichtung L2;> R oder R >> L. Variieren der Auflösung in der Ebene in der folgenden Sequenzen in Abhängigkeit von der Erfassungsmatrix Dimension für jede Sequenz verwendet werden, wie in Tabelle 1 angegeben.
Experimentelle Parameter 2D-T2 gewichtet 2D DTI 2D-GE Feldzuordnung 3D DCE
Wiederholungszeit (TR) ms 5500 10.800 669 6.8
Echozeit (TE) ms 122 120 4,92 2,49
TE (2) 7,38
Flip-Winkel, Grad 60 18
Erfassungsmatrix 640 x 428 192 x 192 64 x 192 428 x 428
Durchschnittswerte 1 1 1 1
Verkettungen 4 1 1 1
Turbo-Faktor 21
Anzahl der Züge pro Scheibe 11
Echoabstand, ms 10 0.79
Bandbreite, Hz / Pixel 300 1860 1532 560
Im Flugzeug Scanauflösung 0,56 x 0,84 1,9 x 1,9 0,8 x 0,8
In der Ebene der Bildauflösung 0,56 x 0,56 1,9 x 1,9 1,9 x 1,9 0,8 x 0,8
Erfassungszeit, min: sec 4.26 6:09 1.28 01.06 (x9)
# Von Diffusionsgradienten 30
Fettunterdrückung keine FAT-SAT / SPAIR 1 keine
b-Werte, sec / mm 2 0, 700

Tabelle 1:. Versuchsparameter der in dieser Studie verwendeten Sequenzen ein FAT-TV: Fettsättigung. SPAIR: Spectral Abgeschwächte Inversion Recovery.

  1. Lokalisieren Sie mit der Benutzeroberfläche Computer des MRI-Scanner einen Bereich, der beide Brüste und Achselhöhle enthält und definieren eine Shim-Box. Anwenden eines iterativen Shim Strategie, um das Magnetfeld 29 zu optimieren.
    1. Zeigen Sie das Protonenspektrum auf dem Bildschirm der Benutzeroberfläche Computer und stellen Sie die Shim durch Zentrieren der Frequenz auf ter Wasserresonanzfrequenz und dann auf das Fett Resonanzfrequenz. Wiederholen der Shim, bis es am besten trennt die Fett und Wasser Signale und optimiert die maximale Signalstärke und Form wie im Protonenspektrum ergab. Stellen Sie sicher, dass die Bestrahlungsfrequenz wird auf dem Wasser Resonanzfrequenz zentriert ist.
  2. Bewerben über die Benutzeroberfläche Computer ein 2D transversalen T2-gewichteten Turbo-Spin-Echo-Mehrschichtfolge mit hoher räumlicher Auflösung ohne Fettsättigung mit generali Auto-Kalibrierung teilweise parallele Akquisition (GRAPPA), mit Beschleunigungsfaktor 2. Befestigen Sie die Parameter, die Pop-up wird auf dem Bildschirm entsprechend ihrer Werte in der Spalte "2D T2 gewichtete" in Tabelle 1.
  3. Bewerben über die Benutzeroberfläche Computer ein 2D Quer, Fett unterdrückt, Spin-Echo-Diffusions-Tensor-Bildgebung - DTI mit der zweimal neu ausgerichtet Echo-Planar-Bildgebungssequenz 30 mit GRAPPA, mit Beschleunigungsfaktor 2. Befestigen Sie die Parameterdass öffnet sich auf dem Bildschirm nach ihren Werten in der Spalte "2D DTI" in Tabelle 1.
  4. Bewerben über die Benutzeroberfläche Computer eine Feldzuordnung Folge zur Korrektur geometrischer Verzerrungen im Echo-Planar-Bildgebung (EPI) und erhalten Phasendifferenzbilder durch Jezzard und Balaban 31 beschrieben. Sicherzustellen, dass die Sequenz Nahme von 2D Quer Gradientenecho (GE) Bilder mit zwei in Phasen unterschiedlichen Echozeiten, und dass die Phasencodierungsrichtung ist die gleiche wie in der DTI-Sequenz (Schritt 2.5). Befestigen Sie die Parameter, die Pop-up wird auf dem Bildschirm nach ihren Werten in der Spalte "2D-GE Feldzuordnung" in Tabelle 1.
  5. Bewerben über die Benutzeroberfläche Computer ein dynamisches Kontrast erweiterte Protokoll mit einem 3D schnelle Gradientenechosequenz ohne Fett-Unterdrückung, mit Parameter entsprechend der drei Zeitpunkt (3TP) Verfahren 32 optimiert. Befestigen Sie die Parameter,öffnet sich auf dem Bildschirm nach ihren Werten in der Spalte "3D DCE" in Tabelle 1.
    1. Nehmen Sie zwei Anfangs Präkontrast Bilder nach dem Protokoll in Schritt 2.7.
  6. Volumen zwischen 15 Sekunden vor dem Ende der zweiten vorbestimmten Kontrastakquisition das Kontrastmittel gadopentetatedimeglumine, in einer Dosis von 0,1 mmol / kg Körpergewicht, unter Verwendung einer automatischen Pumpe bei einer Geschwindigkeit von 2 ml / sec, gefolgt von 20 ml Kochsalzspülung, bei 2 ml / sec.
    1. Aufnahme fortsetzen sieben aufeinanderfolgenden 3D-Datensätzen nach dem Protokoll in Schritt 2.7 bei 54, 120, 186, 252, 318, 384 und 450 Sekunden nach der Kontrastmittelinjektion.
  7. Bewerben über die Benutzeroberfläche Computer ein 2D transversalen T2-gewichteten Fett unterdrückt Turbo-Spin-Echo-Mehrschichtfolge mit hoher räumlicher Auflösung mit GRAPPA, mit Beschleunigungsfaktor 2. Mit den experimentellen Details ähnlich wie bei T2-gewichteten Bildgebung in Schritt 2.4 beschrieben HINWEIS: Ein Zeitverlauf, das die Schritte in der MRI-Protokoll ist in 6 vorgesehen.

Figur 6
Figur 6: Zeitverlauf der klinischen MRI-Protokoll.

3. Bildverarbeitung

  1. Übertragen Sie die von allen Scansequenzen erhalten gesamten Datenbestand (in Schritten 2.4 - 2.9) zu einer Remote-Workstation oder einem PC und Verarbeitung der gesamten Datensätze der Bilder mit Software-Programmen gewidmet Brust Diffusions-Tensor-Bildgebung und DCE-MRI analysieren.
    1. Hier führen Sie die folgenden am selbstgebauten Softwarepaket in C ++ geschrieben, die mithilfe der Programmierumgebung MATLAB 19 verifiziert wurde beschrieben vor. Im Allgemeinen kommerziellen Scanner liefern Bildverarbeitungswerkzeuge für die Gehirn DTI Experimente, die für die Brust angepasst werden können, aberkönnen alle Bearbeitungsfunktionen von unseren selbstgebauten Softwarepaket angewendet keine
  2. Führen Bildverarbeitung der DTI-Datensätze unter Verwendung eines dedizierten DTI Bildverarbeitungssoftware nach den Schritten in dem Flussdiagramm von 7.

7
Abbildung 7: Flussdiagramm der Schritte in DTI Verarbeitung beteiligt.

  1. Verwenden Sie die DTI Software-Programm, um den Geräuschpegel außerhalb der Brust und das verbleibende Gewebe in 3-4 Bereichen (von ca. 1 cm 2) zu bewerten und finden Sie die maximale Lärmpegel.
  2. Benutze das DTI Softwareprogramm pixel Berechnung aller Pixel über dem Maximalpegel und in jedem der 60 Scheiben, die sechs Diffusionskoeffizienten D xx, D yy, Dzz, D xy, xz D, D yz des symmetrischen Tensor D unter 33 beschrieben (siehe 8)
    Gleichung 1
    Wo D xy = yx D, D zy = D yz, zx D = D xz.
    1. Zur Berechnung der Tensor-Komponenten verwenden einen nicht-linearen Regressionsanpassungsprogramm auf der Grundlage der Stejskal-Tanner-Gleichung: Si, j (b) = Si (0) exp (-bD), wobei Si, (b) j das Signal Intensität des Pixels i mit einer Diffusionsgefälle in Richtung j und Si (0) die Signalintensität des gleichen Pixels bei b = 0 mm 2 · s. Diese Armatur minimiert die Summe der Quadrate der 30 nichtlineare Funktionen für jede Diffusions Gradientenrichtung in dersechs Diffusions-Tensor-variable Bestandteile durch eine Modifikation des Levenberg-Marquardt-Algorithmus 34 .Dieses Schritt wurde von der freien Software cminpack geführt ( http://devernay.free.fr/hacks/cminpack/index.html ).

8
Abbildung 8: Schematische Darstellung der Rechenschritte ergibt die symmetrische Diffusions-Tensor.

  1. Verwenden Sie die DTI Software, um den symmetrischen Diffusions-Tensor in jedem Pixel durch die Anwendung der Hauptkomponentenanalyse (PCA) 35 diagonalisieren.
    HINWEIS: PCA ist ein häufig verwendetes Verfahren, um die Dimensionalität der Daten zu verringern und finden eine lineare Transformation, die die korrelierten Pixelparameter in ein neues Koordinatensystem von unkorrelierten und orthogonalen Achsen zuordnet. Diese process Ausbeuten für jedes Pixel drei Eigenvektoren (ν 1, ν 2, ν 3) Definieren der Diffusionsrichtung in drei orthogonalen Achsen einer Ellipsoidform, der mit dem Diffusionsrahmen des Gewebes übereinstimmt, und den entsprechenden drei Diffusionseigenwerte aus hoch angeordnet zu niedrig ist, die bestimmen, drei Richtungsdiffusionskoeffizienten (λ 1, λ 2, λ 3) (siehe Figuren 9 und 10).

9
Abbildung 9: Schematische Darstellung der Rechenschritte ergeben die Eigenwerte und Eigenvektoren zeitgleich mit der Diffusions Rahmen des Gewebes und der Modellierung bis elliptisch.

10
Abbildung 10: Schematic Zeichnung der Hauptverarbeitungsschritte, die die Diffusionseigenvektoren und Eigenwerte im normalen duktalen Gewebe und in Krebsgewebe zu berechnen.

  1. Benutze das DTI Softwareprogramm für jede definiert als Durchschnitt der drei Eigenwerte <λ> = (λ 1 + λ 2 + λ 3) / 3 Pixel der scheinbare Diffusionskoeffizient (ADC) zu berechnen.
  2. Verwenden Sie die DTI Software-Programm für die Berechnung für jedes Pixel die maximale absolute Anisotropieindex definiert als die Differenz (λ 1 - λ 3).
  3. Benutze das DTI Softwareprogramm zur Berechnung für jeden Pixel die fraktionierte Anisotropie (FA) Index, der zwischen 0 (isotrope Diffusion) bis 1 (freie Diffusion in einer Richtung) im Bereich nach der folgenden Gleichung:
    Gleichung 2
  4. Verwenden Sie die DTI Software-Programm, um Anzy Pixel für Pixel in jeder Scheibe in ganz beiden Brüsten eine Vektorkarte, die die Richtung der Haupteigenvektor, ν 1 und eine farbkodierte Karte mit drei Farben anzeigt, die Hauptrichtungen der ν 1 und überziehe sie auf einer T2-gewichteten Bild des gleichen Scheibe (Bild 9). Dieser Schritt wurde durchgeführt mit der kostenlosen Software-gtk ( http://gtk.org ) für Grafiken.
  5. Verwenden Sie die DTI Software-Programm, um die Diffusions-Tensor-Bildgebung parametrischen Karten, die Pixel in jeder Scheibe in ganz beiden Brüsten die Werte aller Diffusionstensors Parameter λ 1, λ 2, λ 3, ADC Anzeige für Pixel, λ 13 zu konstruieren, und FA und überziehe sie auf einer T2-gewichteten Bild der gleichen Scheibe (Abbildung 11).

11
-3 mm 2 / sec. FA ist einheitenlose. Der Balken in der Vektorkarte bezieht sich auf eine Länge von 20 mm und dem Balken in der T2-Bild bezieht sich auf eine Länge von 20 mm in allen verbleibenden Bilder.

  1. Benutze das DTI Softwareprogramm um, falls notwendig, geometrische Verzerrungen, die durch das Laden des Phasendifferenzkennfeld erhalten, wie in Schritt 2.6 beschrieben. Verschieben Sie den Bereich der Phasendifferenz Karte in alle Pixel über dem Rauschpegel in der Gradienten-Echo-Bild auf eine Reihe von -π bis + π representing die Phasenverschiebung Δɸ (x, y, z) im Bogenmaß (Abbildung 12).
    1. Verwenden Sie die DTI Software-Programm, um die räumliche Verschiebung der Pixel nach berechnen:
      Gleichung 3
      & Dgr; Te die Zeitdifferenz zwischen den beiden Echos entspricht 2,46 x 10 -3 ms und BWP die Phasen Bandbreite im Experiment gleich 13,2 Hz / Pixel. Verschieben Sie die Pixel entsprechend der Feldkarte und Neuberechnung der Diffusions-Tensor-Parameter (Abbildung 12).

12
Abb. 12: Beispiel für geometrische Verzerrungskorrektur mit einer Phasendifferenz Karte Die Bilder wurden von einem 47 Jahre alten Freiwilligen mit invasiven lobulären Karzinom aufgezeichnet. In der ersten Spalte auf der linken T2 gewichtete Bild und einem Phasendifferenzabbildung einer Scheibemit Krebs in der linken Brust dargestellt. In der zweiten und 3. Spalten λ 1 Karten vor der Korrektur in der ersten Zeile angezeigt und λ 1 Karten nach der Korrektur in der zweiten Zeile angezeigt. Die λ 1 Karten werden auf den entsprechenden T2-gewichtetes Bild überlagert. In der 2. Spalte die gesamte Palette der Diffusionskoeffizienten von Wasser (0,8 bis 3,0) x10 -3 mm 2 / s ist für den farbcodierten Skala und in der 3. Spalte ein reduzierter Bereich wird mit einem Schwellenwert von 1,7 × 10 eingesetzt -3 mm 2 / s, das den Kontrast zwischen dem Krebs in der linken Brust und der normalen Brustgewebe betont. Der Balken in der T2-Bild bezieht sich auf eine Länge von 20 mm in allen Bildern.

  1. Führen Bildverarbeitung der DCE-MRI-Datensätze unter Verwendung einer Software, die Pixel enthält, indem Pixel abbildet der kinetischen Parameter der Verstärkung wie der Bildverarbeitungssoftware 3TP 17.

Representative Results

Das Verfahren wurde zunächst getestet und durch Abtasten normalen Freiwilligen bei verschiedenen hormonalen Stufen gezeigt. Figur 11 gezeigt, die parametrische und Vektorkarten mit unserer Software einer zentralen Scheibe von einem jungen gesunden Freiwilligen mit einem relativ hohen Anteil von fibroglandular Gewebe erhalten wird, wie deutlich zu erkennen ist auf der T2-gewichteten Bild (alle Grauzonen sind fibroglandular Gewebe und hellen Bereichen Fett). Die Richtung der Kraftdiffusionskoeffizient λ 1 ist in der Vektorkarte v1 mit einem großen Bruchteil der Pixel in Richtung des Nippels gezeigt. Wie erwartet die Werte der Diffusions-Tensor-Koeffizienten zurück von λ 1 bis λ 2 bis λ 3. Unter Verwendung dieser drei Diffusionskoeffizienten aktiviert Berechnung der durchschnittlichen Diffusions ADC, der Bruch Anisotropie (FA) und die maximale Anisotropie, λ 1 - λ 3. Unsere in den Karten der FA und λ 1 - λ

Bei postmenopausalen Frauen sind die Brüste in der Regel weniger dicht ist wie in dem Beispiel in 13 für eine 63jährige normalen Freiwilligen gezeigt. Die Diffusionskoeffizienten sind niedriger bei älteren Freiwilligen aber die Anisotropie Indizes höher, möglicherweise wegen des geringeren Durchmessers der Leitungen und Läppchen und daher höhere Beschränkung der Diffusion in den Richtungen orthogonal zu den auferlegten duktalen Wänden. Ein weiteres Beispiel, welches die Empfindlichkeit des Tensors der Größe der Kanäle wird in dem Beispiel einer laktierenden Freiwilligen in 14 gezeigt ist. Da die Milch ein Kolloid von Fettkügelchen in einer auf Wasser basierenden Flüssigkeit, die gelöste Kohlenhydrate und Proteinaggregate mit Mineralien enthält höher als die des normalen Wasserflüssigkeit in den Kanälen, und somit ist die Viskosität der Milch, die Wasserdiffusionskoeffizienten von laktierenden Brüste lower als bei prämenopausalen Frauen 24. Ferner sind die Kanäle in der Nähe der Brustwarze sind groß und die Beschränkung in den Richtungen orthogonal zu den Kanälen ist niedriger als in der nicht-laktierenden Brust und folglich die Anisotropie Indizes niedriger als gut. Doch in den lobulären -posterior Regionen der stillenden Brust die Anisotropie ist immer noch hoch.

Bei Patienten mit malignen Erkrankungen der Hauptänderung Diffusionstensors Parametern zu einer signifikanten Verringerung in den drei Diffusionskoeffizienten zeigten. Die Änderungen in λ 1 wurde gefunden, dass die höchste Kontrast-Rausch-Verhältnis 19 ist. Diese Studie umfasste 68 Patienten mit bestätigter Pathologie darunter 33 Patienten mit invasiven duktalen Karzinom (IDC) diagnostiziert, 19 mit duktale Carcinoma in situ (DCIS), 13 mit invasive lobuläre Karzinom (ILC) und 3 mit anderen Malignomen. Einige Patienten hatten mehrere Schwer oder Mehr centric Brustkrebs. Die Größe der Tumoren varied 3-95 mm mit Median von 14 mm und Interquartilbereich von 10 bis 30 mm. Bei all diesen Patienten ist die Erkennungsrate von DCE und DTI waren vergleichbar. Jedoch 5 Fällen, die Verbesserung zeigte in DCE und wurden von Pathologie bestätigt, wie Krebserkrankungen wurden nicht in die DTI-Analyse aufgrund technischer Probleme in Fett Brüste, in erster Linie auf Inhomogenität und unzureichende Fettunterdrückung, was zu Verzerrungen und Artefakte im Zusammenhang enthalten.

Die Figuren 15, 16 und 17 zeigen typische Parameterkarten der beiden Hauptdiffusionsparameter λ 1 und λ 1 - λ 3, die zum Erfassen von Brustkrebs Malignitäten verwendet werden. Diese Figur zeigt zusätzlich zu den gewichteten Bildern T2, die Ergebnisse der Analyse unter Verwendung der DCE 3TP farblich Methode. Wie in der Einleitung erklärt das Vorhandensein von malignen Zellen in den Kanälen oder Läppchen und ihrer Umgebung behindern die Diffusion in dem extrazellulären Raum reduziert deutlich ter Diffusionskoeffizienten. Zusätzlich ist die Anisotropie aufgrund Gangstrukturen wie die Krebszellen in allen Richtungen in einer chaotischen ohne deutliche Richtung verteilt verschwinden. Der FA ist ein ausreichender Parameter zur Erkennung von Brustkrebs, da die Normalisierung dieses Parameters auf die durchschnittliche Diffusionsvermögen führt zu hohen Werten von FA in Krebs ähnlich denen im Normalgewebe 19. Jedoch ist die maximale Anisotropie bildet jedoch eine Einrichtung zum Nachweis von Krebs (Figuren 15-17). Dennoch, da der Bindefasergewebe ist auch nahe isotrop und weisen niedrige Werte der maximalen Anisotropie ist dieser Parameter weniger spezifisch ist als die Diffusionskoeffizienten λ 1 und wirkt als ein sekundärer Parameter λ 1.

Figur 17 zeigt auch die Fähigkeit zur Reaktion auf DTI neoadjuvante Chemotherapie charakterisieren. In diesem Beispiel ist der Patient vollständig auf die Behandlung reagiert (4 Zyklen Adriamycin + Cycloxane -, gefolgt von 4 Zyklen Taxol). Tatsächlich ist die Reaktion auf die Behandlung zu einer signifikanten Erhöhung der Diffusionskoeffizienten zu typischen normalen Brustgewebewerte, was auf die Anwesenheit von reparative Bindegewebes, das die Krebszellen ersetzt. Ähnliche Ergebnisse wurden in 4 weiteren Patienten, die auf die Therapie reagierten, erhalten.

13
Abbildung 13: Ausgabe von parametrischen DTI Karten eines zentralen Brust Scheibe eines 63 Jahre alt gesunden Freiwilligen überlagert auf der T2-gewichteten Bild der gleichen Scheibe Dir.. - Richtung Karte mit rot, um anzuzeigen, um die Füße Richtung von links nach rechts, grün und zeigt vorne nach hinten und grün und zeigt den Kopf. Man beachte, dass die Vektoren in weißen Linien markiert. All die Diffusionskoeffizienten und der maximalen Anisotropie-Index sind in Einheiten von 1 x10 -3 mm 2 / sec. FA ist einheitenlose. Der Balken in der Vektorkarte refers auf eine Länge von 20 mm und dem Balken in der T2-Bild bezieht sich auf eine Länge von 20 mm in allen verbleibenden Bilder.

14
Abbildung 14: Ausgangs parametrischer DTI Karten einer zentralen Brust Scheibe eines 40 Jahre alt laktierenden Freiwilligen auf dem T2-gewichteten Bild der gleichen Scheibe Dir lagert.. - Richtung Karte mit rot, um anzuzeigen, um die Füße Richtung von links nach rechts, grün und zeigt vorne nach hinten und grün und zeigt den Kopf. All die Diffusionskoeffizienten und der maximalen Anisotropie-Index sind in Einheiten von 1 x10 -3 mm 2 / sec. FA ist einheitenlose. Hinweis in Richtung Karte und Vektorkarte, die die meisten Punkte in Richtung der Brustwarze ausgerichtet. Beachten Sie auch die geringere Diffusionskoeffizienten, bezogen auf die Werte in den Figuren 7 und 10 gesunden Probanden. Der Balken in der Vektorkarte bezieht sich auf eine Länge von 20 mm, und dieMaßstabsbalken in der T2-Bild bezieht sich auf eine Länge von 20 mm in allen verbleibenden Bilder.

15
Abb. 15: Parametrische Karten von λ 1 und λ 1 - λ 3 in einem 38 Jahre alten Patienten mit Multifokus invasive duktale Carcinoma In der 1. Roh- die DTI-Parameter werden mit einem Schwellenwert von 1,7 × 10 -3 mm 2 / s vorgestellt für λ 1 und 0,6 mm 2 / s bei λ 13 (alle Werte oberhalb der Schwellenwerte sind in lila gefärbt). In der 2. Roh-, Werte oberhalb des Schwellenwerts nicht gefärbt sind und zeigen die zugrundeliegenden T2-gewichteten Bild. Hierunter sind auch in der 1. Säule auf der linken Seite einer T2-gewichteten Bild und einem DCE parametrische Karte, von der 3TP Verfahren der DTI parametrischen Karten erhalten, aus dem gleichen Stück. Der Balken in der T2-Bild bezieht sich auf eine Länge von 20 mm in alle Bilder. Beachten Sie, dass die in der Ebene liegende räumliche Auflösung der Bilder DCE etwa doppelt so hoch wie die des DTI, gibt es jedoch eine hohe visuelle Übereinstimmung mit der Lage und Größe der 3TP und λ 1 Parameterkarten.

16
Abbildung 16: Parametrische Karten von λ 1 und λ 13 in einem 60 Jahre alten Patienten mit low grade DCIS Hierunter sind auch in der 1. Säule auf der linken Seite einer T2-gewichteten Bild und einem DCE parametrische Karte, durch die erhaltene. 3TP Verfahrens, der gleichen Schicht wie die DTI parametrischen Karten. Der Balken in der T2-Bild bezieht sich auf eine Länge von 20 mm in allen Bildern. Beachten Sie die Fähigkeit des DTI, um Krebs in einem sehr fetthaltige Brust erkennen.

17
Abbildung 17: Parametrische Karten von λ 1 und λ 1 - λ 3 in einem 39 Jahre alten Patienten mit invasiven lobulären Karzinom vor und nach neoadjuvante Chemotherapie Der Patient wurde zweimal nach 4 Zyklen Adryamicin gescannt, einmal vor und einmal Therapie vor der Operation, +. Cycloxan und 4 Zyklen von Taxol. Beachten Sie die Erhöhung λ 1 und in λ 13 in Krebsbereichen, die auf die Behandlung reagiert. Die 1. Roh- zeigt Bilder vor der Therapie erhalten, und die 2. Roh- zeigt Bilder von rund der Region in der 1. Reihe, vor der Operation erhalten. Vor der Behandlung von Krebs Regionen ausgestellt λ 1 und λ 13 Werte unter ihrer Schwelle, und nach der Behandlung mit diesen beiden Parametern erhöht auf Werte über die Schwelle. Hierunter sind auch in der 1. Spalte links T2 gewichtete Bilder; in der 2. Kolonne Multiple Bild-Projektion-MIP, durch Subtraktion der Vor-Kontrast-Bildern aus den 2 min nach Kontrastbilder erhalten werden; in der 3. Spalte DCE Parameterkarten vom 3TP Verfahren erhalten. Der Balken in der T2-Bild bezieht sich auf eine Länge von 20 mm in allen Bildern,

Discussion

Diese Arbeit zeigt die Fähigkeit von DTI, mit hoher räumlicher Auflösung (~ 8 mm 3), in vivo zu messen die Wasser Diffusions-Tensor-Parameter im gesamten fibroglandular Gewebe beider Brüste gescannt bei 3 T. Das Ensemble von Algorithmen und Software im Verlauf dieser Studie konnten Analyse der große DTI Datensätze entwickelt und gleichzeitig die Diffusionsparameterkarten der verschiedenen Diffusionskoeffizienten λ 1, λ 2, λ 3 zu sehen, ADC und Anisotropie Indizes λ 13 und FA aller Bruststreifen. Diese Arbeit geht auch das Potential der verschiedenen Diffusionskoeffizienten und Anisotropie Indizes zu erkennen und zu diagnostizieren Brustkrebs. Die Ergebnisse deuteten darauf hin, dass die Hauptdiffusionskoeffizient, λ 1 ist der Hauptparameter für die Erkennung von Brustkrebs, die ein wesentliches Fähigkeit von normalem Brustgewebe differen bösartig. Eine Sekundär unabdent Parameter mit hoher Empfindlichkeit, aber viel niedriger Spezifität als λ 1 ist, die maximale Anisotropie Index, der die Erfassung durch die prime Diffusionskoeffizient bestätigen wirkt.

Die Ergebnisse zeigten auch die Fähigkeit der MRI in vivo Messung der gerichteten Diffusion von Wasser und Quantifizierung der Anisotropie der Diffusion in der gesamten duktalen / Drüsensystem in beiden Brüsten. Um eine gleichbleibende Präzision Profil der anisotrope Messungen 30 Diffusionsgradient Richtungen zu gewährleisten wurden angewendet. Die Auswahl von hochEchoZeit von 120 ms und die Optimierung der räumlichen Auflösung ergab die Beschränkung der Diffusion von Wasser in den Kanälen. Die durchschnittliche Größe der Normalkanäle berichtet wurde, 90 & mgr; m im Bereich von 40-100 & mgr; m 36 ist, mit ~ 70%. Nach Einsteins Gleichung die mittlere Verschiebung der freien Wasserdiffusion, x = (6DT) 1/2, wobei D für den freien Wasserdiffusionskoeffizienten und t die DiffusionsZeit. In unserem Experiment x ist etwa 25 & mgr; m, und daher wird nur ein Bruchteil der duktalen Wassermoleküle von den Brustmilchgangwände begrenzt, die zu den relativ niedrigen FA Werte in der Brust (Oberwerte ~ 0,3) im Vergleich zu den Werten gefunden in der weißen Substanz des Gehirns (≥0.5). In A. Cooper studiert 25 bekannt wurde, dass die menschliche Brustgewebe in einzelne Lappen organisiert, die jeweils aus einem duktalen Baum zusammen. Vorläufige Ultraschall-Untersuchungen eines laktierenden Brust 37 versucht wurden, sowie Erkennung von Schnittgangstrukturen mit zweiter Ordnung Formmessungen 38. Es wurde jedoch keine bildgebende Methode gelang es bis jetzt hat man den gesamten duktalen Systeme in beiden Brüsten in vivo. Der Algorithmus für den Erhalt der gesamten 3D-duktale Baumsystem von den DTI Ergebnisse noch in der Entwicklung, aber der Vektor-Karten deutlich zeigen das Potenzial, die detaillierte und breit diversifizierter Anatomie der Brust Bäume zu offenbaren. Vor kurzem wurde ein initial Versuch einer vollständigen 3D-Tracking der Brust auf der Grundlage unserer DTI Datensätzen wurde 39 ausgewiesen.

Im Zuge dieser Arbeiten wurden technische Beschränkungen aufgrund ineffizienter Fettunterdrückung und EPI Verzerrungen bemerkt worden. Fettunterdrückung wurde von einer Fettsättigung Sequenz (FAT-TV), die in der Regel in dichtem Brustgewebe effizient war erreicht. Jedoch in Fett Brüste Spektralauswahl Attenuated Inversion Recovery (SPAIR), die effizienter ist und weniger von B1 Inhomogenität ist, aufgetragen. Die EPI basiert Diffusions Protokolle mussten zusätzliche Einschränkungen durch induzierte Wirbelströme Gradienten, B0 Inhomogenität und Suszeptibilitätsunterschiede 40,41. Diese Beschränkungen wurden mit iterativen automatische und manuelle Shim auf die Wasser und Fett-Signale und die Wahl der unteren möglich Echoabstand minimiert. Darüber hinaus wurde eine Nachbearbeitung Korrektur geometrischer Verzerrungen gelegentlich angewendet, wie im Protokoll beschrieben. Insgesamt, Im Falle von dichtem Brustgewebe mit einem starken Wassersignal es möglich, die technischen Einschränkungen zu überwinden war; jedoch konnte 5 Fälle in dieser Studie mit hochFett Brüste nicht auf die obigen Einschränkungen analysiert werden.

Zusammenfassend, ein Protokoll und einen Bildverarbeitungswerkzeuge für Brust Diffusionstensors MRI entwickelt. Diese völlig sichere, schnelle und nicht-invasive Methode genau seziert Brust Architektur und Erkennung von Brustkrebs in der Klinik zu erleichtern. Die prime Diffusionskoeffizienten λ 1, und die maximale Anisotropie-Index λ 13 wurden in Form von zwei unabhängigen Diffusionsparameter für die Krebserkennung dienen. Klinische Studien von Brustkrebs-Patienten zeigten, daß die Detektionseffizienz mit diesen beiden Parametern ist vergleichbar mit der DCE MRI. Somit wird die Schwellen dieser Methode aus grundlegendes Verständnis der Brust Architektur und der Krebsentstehung und die Abhängigkeit von enthülltquantifizierbare wesentliche Änderungen sowie seine ein sicheres und schnelles Verfahren machen es ein wertvolles Instrument für die Untersuchung von verschiedenen Entwicklungsaspekte duktale Proliferation, die, und zur Prüfung ihrer klinischen Auswirkungen für Brustkrebs-Screening in großem Maßstab prospektiven Studien.

Disclosures

Die Autoren haben nichts zu offenbaren.

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