טכניקת כימות תלת ממדית לניתוח פיזור שברי שומן בכבד באמצעות הדמיית תהודה מגנטית של דיקסון

Summary

מחקר זה מציג שיטת כימות תלת-ממדית ייחודית לפיזור מקטע שומן בכבד (LFF) באמצעות דימות תהודה מגנטית של דיקסון (Dixon MRI). מפות LFF, הנגזרות מתמונות בפאזה ובפאזה של מים, משולבות עם קווי מתאר תלת-ממדיים של הכבד כדי להבדיל בין דפוסי LFF בין כבד רגיל וסטאטוטי, ומאפשרות הערכה מדויקת של תכולת השומן בכבד.

Abstract

מחקר זה מציג מתודולוגיית כימות תלת ממדית להתפלגות מקטע שומן בכבד (LFF) באמצעות שימוש בניתוח תמונות MRI של דיקסון. המטרה המרכזית היא להציע אמצעי מדויק ביותר ולא פולשני להערכת תכולת השומן בכבד. התהליך כולל רכישה של תמונות בפאזה ובפאזת מים מרצף דיקסון. לאחר מכן מפות LFF מחושבות בקפידה על ידי ווקסל על ידי חלוקת תמונות הפאזה הליפידית בתמונות In-phase. בו-זמנית, קווי מתאר תלת-ממדיים של הכבד מופקים מתמונות In-phase. רכיבים חיוניים אלה משולבים בצורה חלקה כדי לבנות מודל הפצה מקיף של 3D-LFF. טכניקה זו אינה מוגבלת לכבדים בריאים, אלא מתרחבת לאלה הסובלים מסטטוזיס בכבד. התוצאות שהתקבלו מדגימות את היעילות יוצאת הדופן של גישה זו הן בהדמיה והן בכימות תכולת השומן בכבד. הוא מבחין בבירור בדפוסים המבדילים בין כבד רגיל לכבד סטאטוטי. על ידי רתימת Dixon MRI כדי לחלץ את המבנה התלת-ממדי של הכבד, שיטה זו מציעה הערכות LFF מדויקות המשתרעות על פני כל האיבר, ובכך טומנת בחובה הבטחה גדולה לאבחון של סטאטוזיס בכבד ביעילות יוצאת דופן.

Introduction

מחלת כבד שומני לא אלכוהולית (NAFLD) כוללת ספקטרום של מצבים פתולוגיים, החל מהצטברות חריגה של טריגליצרידים בתאי כבד (סטאטוזיס בכבד) ועד להתפתחות דלקת ונזק לתאי כבד, המכונה סטיאטוהפטיטיס לא אלכוהולית (NASH). במקרים מסוימים, NAFLD יכול להתקדם לשלבים חמורים יותר, כולל פיברוזיס, שחמת הכבד, מחלת כבד סופנית, או אפילו קרצינומה הפטוצלולרית (HCC)¹. נתונים שפורסמו על ידי ארגון הבריאות העולמי והנטל העולמי של מחלות מצביעים על כך שכ -1,235.7 מיליון אנשים ברחבי העולם מושפעים מ- NAFLD בכל קבוצות הגיל². NAFLD מדורגת כיום כאחד הגורמים הבולטים ביותר למחלות הקשורות לכבד ברחבי העולם וצפויה להפוך לגורם המוביל למחלות כבד סופניות בעשורים הקרובים³.

להערכה מדויקת של היקף סטאטוזיס בכבד יש חשיבות רבה לאבחון מדויק, בחירת טיפול מתאימה ומעקב יעיל אחר התקדמות המחלה. תקן הזהב להערכת תכולת השומן בכבד ממשיך להיות ביופסיית כבד. עם זאת, בשל אופיו הפולשני, הפוטנציאל לכאב, דימום וסיבוכים אחרים לאחר הניתוח, הוא אינו אופציה מעשית לבדיקות מעקב תכופות ^4,5,6. כתוצאה מכך, יש צורך דחוף בטכניקות הדמיה לא פולשניות שיכולות לכמת באופן אמין את שקיעת השומן בכבד. דימות תהודה מגנטית (MRI) מראה הבטחה בתחום זה בשל היעדר קרינה מייננת ויכולתו לזהות ברגישות תכולת שומן באמצעות השפעות שינוי כימי ^7,8.

מחקרים אחרונים התוו טכניקות MRI לכימות שומן בכבד, המבוססות על שיטות הד הדרגתיות של שינוי כימי כמו הדמיית דיקסון ^9,10. עם זאת, רוב הטכניקות הללו מסתמכות על ניתוח של אזורי עניין דו-ממדיים. ההערכה המקיפה של ההתפלגות התלת-ממדית של מקטע שומן בכבד (LFF) נותרה מוגבלת. במחקר הנוכחי מוצגת גישת כימות LFF תלת-ממדית ייחודית, המשלבת MRI של דיקסון עם הדמיה מבנית של הכבד. מודל LFF תלת ממדי המתקבל מאפשר הדמיה מדויקת ומדידה של התפלגות תכולת השומן בכל נפח הכבד. טכניקה זו מדגימה תועלת קלינית משמעותית לאבחון מדויק של סטאטוזיס בכבד.

Protocol

המחקר אושר, והחולה גויס מהמחלקה למחלות זיהומיות בבית החולים דונגז'ימן, אוניברסיטת בייג'ינג לרפואה סינית, בבייג'ינג, סין. המטופל עבר בדיקת MRI בטנית שגרתית לאחר מתן הסכמה מדעת. במחקר זה, נעשה שימוש בגישת מידול חלוקה תלת-ממדית כדי לשחזר את מקטע שומן הכבד (LFF) בחולה סטנדרטי עם סטאטוזיס כבד שאובחן רפואית. יתר על כן, המחקר מספק הערכה כמותית המשווה את הכבד של המטופל עם כבד בריא. כלי התוכנה המשמשים במחקר זה מפורטים בטבלת החומרים.

1. הכנה ואיסוף נתונים

הערה: השונות בפרמטרים אינה מושפעת מגישת המחקר. במחקר זה, נתוני DICOM מקוריים התקבלו מהדמיה קלינית. הנתונים נרכשו באמצעות מכשיר MRI עם עוצמת שדה של 1.5 טסלה. מערך הנתונים מורכב מארבעה שלבים נפרדים הנגזרים מרצף דיקסון, במיוחד בפאזה, מחוץ לפאזה, מים ושומן.

1. בדוק את רצף דיקסון עבור הבטן העליונה.
   1. העתק את כל נתוני DICOM לספריית עבודה מותאמת אישית.
      הערה: ספריית העבודה זהה הן במערכת ההפעלה והן ב- MATLAB.
   2. עברו אל הספרייה המאחסנת את הנתונים בספריית העבודה הנוכחית של MATLAB (כפי שמוצג באיור 1).
   3. ודא שנתוני DIXON מציגים רזולוציה אופקית של 520 פיקסלים על 704 פיקסלים, עם מרווח פיקסלים של 0.5682 מ"מ ועובי פרוסה של 5 מ"מ.
2. בדוק במהירות תמונות של דיקסון.
   1. שנה את הספרייה כדי לגשת לתיקיות עבור שלבים שונים, הכוללים שלבים בפאזה, מחוץ לפאזה, מים ושומן, שכל אחד מהם מאוחסן בתיקיות נפרדות עבור הדמיית דיקסון.
   2. השתמש בפונקציית Slice_View כדי להציג באופן חזותי את התמונות עבור כל שלב.
   3. ראו איור 2 כדי להציג תמונה של ממשק המשתמש הגרפי (GUI) האינטראקטיבי של רצף MRI-Dixon. השתמש בפס הגלילה הממוקם בתחתית ממשק המשתמש הגרפי כדי לנווט ביעילות בין הרצפים השונים.
   4. השתמש ברצף שלב MRI-Dixon כדי לשפר את התיאורים של גבולות רקמת הכבד.
      הערה: באיור 2 ניתן למצוא סמלים הממוקמים בפינה הימנית העליונה של ממשק המשתמש הגרפי. סמלים אלה מציעים פונקציות כגון הקטנת תצוגה, התקרבות, חזרה לתצוגה הכללית וסימון הקואורדינטות של הפיקסל שנבחר. השתמש בתכונת הזום כדי לבחון מקרוב תכונות נגע מקומיות.
   5. השתמש בתכונה 'סמן קואורדינטות פיקסלים' כדי לחשב את המרחק בין שתי נקודות, ובכך לסייע במדידת גדלי גושים.
   6. סרגל הצבע הראשוני משתמש במפת הצבעים jet, המסמלת שינוי צבע מכחול לאדום, המסמלת ערכים נמוכים לגבוהים בהתאמה. כדי לעבור למפת הצבעים האפורה הרגילה ולאפס את ממשק המשתמש הגרפי כולו, לחץ לחיצה ימנית על סרגל הצבע ובחר באפשרות מהתפריט הנפתח.
   7. אם חלון מסנן ברירת המחדל אינו מתאים, התאם אותו על-ידי גרירה למעלה ולמטה באמצע האיור באמצעות לחצן העכבר השמאלי כדי לשנות את רמת החלון. גרירה ימינה ושמאלה מתאימה את רוחב החלון, וטווח הסינון המדויק יוצג בסרגל הצבע.
      הערה: הפעולות הבאות יתמקדו בשימוש ברצף DIXON In-phase כדי לייצג את האזור התלת-ממדי של הכבד.

2. חילוץ האזור התלת ממדי של הכבד

הערה: כדי לחשב את מקטע שומן הכבד (LFF), כל ווקסל באזור הכבד התלת-ממדי פועל כנשא מרחבי, כאשר ערך שבר השומן שלו מתקבל מנתוני MRI-Dixon. לפני חישוב LFF, חיוני לחלץ את אזור הכבד התלת-ממדי. למרות ששיטות למידה עמוקה יכולות להשיג זאת בצורה יעילה יותר, ההתמקדות כאן היא בשימוש בכלי תוכנה בוגרים כמו MIMICS למיצוי אזור הכבד.

1. פתח את תוכנת MIMICS ובחר פרוייקט חדש. בתיבת הדו-שיח הבאה, אתרו את התיקייה הכוללת את התמונות מחוץ לשלב של DIXON. המשך על ידי לחיצה על הבא ואז לחץ להמיר כדי להיכנס למצב עריכת הרצף.
2. צור מסיכה ריקה על ידי לחיצה על חדש בתיבת הדו-שיח MASK הממוקמת בצד ימין, ובחר את הסף המרבי.
3. השתמשו בכלי עריכת מסיכות הממוקם תחת התווית "Segment" כדי לתחום את אזור הכבד בכל התצוגות האופקיות.
4. צור ייצוג מרחבי תלת-ממדי של הכבד על-ידי בחירת מסכת הכבד שתוארה קודם לכן ולחיצה על חשב חלק מהמסכה. אזור הכבד התלת-ממדי שנוצר יוצג (עיין באיור 3).
5. נווט אל קובץ, בחר יצא ובחר באפשרות DICOM . בתיבת הדו-שיח הנפתחת, בחרו במסיכת הכבד, ציינו את נתיב הקובץ ואת שמותיו, ולאחר מכן לחצו על OK לייצוא אזור הכבד התלת-ממדי לקובצי DICOM המיועדים.

3. יצירת מפת שברי שומן (FF-Map)

הערה: למפת שברי השומן (FF-Map) יש טווח ערכים של 0-1. במחקר זה, ה-FF של כל ווקסל מחושב על ידי חלוקת ערך הווקסל של In-phase פחות מים בלבד בזה של In-phase באמצעות Dixon MRI.

1. שנה את הספרייה לתיקייה של תמונות בפאזה ובחר את הפונקציה Volume_In כדי ליצור את אמצעי האחסון בפאזה.
2. שנה את הספרייה לתיקייה של תמונות מים בלבד ובחר את הפונקציה Volume_Water כדי ליצור את נפח המים בלבד.
3. בחר את פונקציית FF_Volume באמצעות שני אמצעי האחסון שנוצרו בשלב 3.1 ובשלב 3.2 כקלט כדי לקבל את נפח ה- FF של MRI הבטן, כפי שמוצג באיור 4.
4. מפת שבר השומן (FF) המוצגת באיור 4 מוצגת כתמונת RGB בצבע אמיתי עם מבנה נתונים של מטריצה בגודל 520 על 704 על 44. בייצוג זה, כל פיקסל מורכב משלושה ערכים, המייצגים את הערוצים אדום, ירוק וכחול. שימו לב לסרגל הצבע בצד שמאל, המספק התייחסות חזותית לערכי שברי השומן המשויכים לפיקסלים צבעוניים שונים.
   הערה: ממשק המשתמש הגרפי המוצג באיור 4 מאפשר התבוננות מקרוב בכבד של המטופל דרך כלי התקרבות בפינה הימנית העליונה וקבלת ערכי ה-FF המדויקים באמצעות כלי החיטוט. על-ידי גרירת פס הגלילה בתחתית, משתמשים יכולים לצפות במפות FF של כל מיקומי הסריקה במישור האופקי.

נפח 4. 3D של התפלגות שברי שומן בכבד

הערה: איור 4 מציג את מפת LFF המחושבת בהתבסס על תמונות MRI של Dixon של הבטן העליונה. בשילוב עם אזור הכבד התלת-ממדי באיור 3, ניתן לחשב בנפרד את נפח ה-3D-LFF של הכבד כולו.

1. נצלו את פונקציית LFF_Volume , וספקו לה את אזור הכבד התלת-ממדי (כפי שמתואר באיור 3) ואת מפת נוקשות הכבד (מוצגת באיור 4) כפרמטרי קלט. זה יביא ליצירת ייצוג תלת-ממדי של חלק השומן בכבד, כפי שמודגם באיור 5.
2. כדי לבחון את מפת הנוקשות של כל שכבת כבד, פשוט השתמשו בפס הגלילה הממוקם מתחת לממשק המשתמש הגרפי המוצג באיור 5.
   הערה: בתצוגה זו, רק רקמת הכבד מתוארת במדויק.
3. שימו לב לסמלים הממוקמים בפינה הימנית העליונה של ממשק המשתמש הגרפי (כפי שמוצג באיור 5). סמלים אלה מספקים פונקציות להקטנת התצוגה, התקרבות, חזרה לתצוגה הכללית וסימון הקואורדינטות של הפיקסל שנבחר.
   הערה: סרגל הצבעים המוגדר כברירת מחדל משתמש במפת הצבעים "jet", שבה הצבעים עוברים מכחול לאדום כדי לייצג ערכים משתנים (הנמדדים ביחידות של kPa) מנמוך לגבוה.
4. הפעל את פונקציית LFF_Distribution באמצעות פרמטרי קלט זהים כ- "LFF_Volume" כדי לייצר את ההתפלגות המרחבית של מקטע שומן הכבד התלת-ממדי (3D-LFF), כפי שמתואר באיור 6.

ניתוח כמותי 5. 3D-LFF

הערה: ווקסלים רגילים בכבד: LFF < 5%; ווקסלים קלים של כבד שומני: 5%-10%; ווקסלים מתונים של כבד שומני: 10%-20%; ווקסלים חמורים של כבד שומני: LFF ≥ 20%11,12,13,14,15. מוקד כמותי מרכזי של מחקר זה הוא קביעת שיעור הווקסלים בשלבי LFF שונים בכבד של המטופל. איור 6 מדגים את ההתפלגות המרחבית הלא אחידה של מקטע השומן בכבד אצל המטופל. היעדר תסמינים קליניים מובהקים מיוחס בעיקר לחלק ניכר מרקמת הכבד הרגילה. לכן, כימות מדויק של ההבדלים בין חולים לאנשים בריאים הוא הכרחי. זוהי תפיסה כמותית חיונית כאן.

1. חשב את התפלגות 3D-LFF עבור כבד בריא על ידי חזרה על שלבים 1-4.
   הערה: פונקציית סרגל MATLAB המובנית מאפשרת השוואה של התפלגות 3D-LFF עבור כבד בריא וכבד שומני (איור 7).

תוצאות

מחקר זה משתמש במערכי נתונים אמיתיים של מטופלים שנרכשו באמצעות סורק MRI זמין מסחרית כדי לאמת את מתודולוגיית הכימות התלת-ממדית של שברי שומן בכבד (איור 1). פרוטוקול ה-MRI כלל את ההדמיה הארבע-פאזית ^9,10 של דיקסון: בפאזה, מחוץ לפאזה, במים בלבד ובשומן בלב...

Discussion

מחקר זה מציג טכניקת כימות תלת-ממדית חדשנית לניתוח התפלגות מקטע השומן בכבד (LFF) באמצעות Dixon MRI ^9,10. על ידי שילוב מפות LFF, אשר מופקות מתמונות בפאזה ובפאזות מים, עם קווי מתאר תלת-ממדיים של הכבד, שיטה זו מבחינה בין דפוסי LFF בכבדים רגילים וסטאטוטיים⁶. כתוצ?...

Materials

Name	Company	Catalog Number	Comments
MATLAB	MathWorks	2022B	Computing and visualization
Mimics	Materialise	Mimics Research V20	Model format transformation
Tools for 3D_LFF	Intelligent Entropy	HepaticSteatosis V1.0	Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion