פרסום זה קיבל תמיכה מהתוכנית הלאומית החמישית לזיהוי כישרונות קליניים מצטיינים ברפואה סינית מסורתית, שאורגנה על ידי המנהל הלאומי לרפואה סינית מסורתית. הקישור הרשמי לרשת הוא'http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.

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.
<ol><li>בדוק את רצף דיקסון עבור הבטן העליונה.<ol><li>העתק את כל נתוני DICOM לספריית עבודה מותאמת אישית. הערה: ספריית העבודה זהה הן במערכת ההפעלה והן ב- MATLAB.</li>
		<li>עברו אל הספרייה המאחסנת את הנתונים בספריית העבודה הנוכחית של MATLAB (כפי שמוצג באיור 1).</li>
		<li>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.</li>
	</ol></li>
	<li>בדוק במהירות תמונות של דיקסון.<ol><li>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.</li>
		<li>השתמש בפונקציית Slice_View כדי להציג באופן חזותי את התמונות עבור כל שלב.</li>
		<li>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.</li>
		<li>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.</li>
		<li>השתמש בתכונה 'סמן קואורדינטות פיקסלים' כדי לחשב את המרחק בין שתי נקודות, ובכך לסייע במדידת גדלי גושים.</li>
		<li>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.</li>
		<li>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.</li>
	</ol></li>
</ol>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.
<ol><li>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.</li>
	<li>צור מסיכה ריקה על ידי לחיצה על חדש בתיבת הדו-שיח MASK הממוקמת בצד ימין, ובחר את הסף המרבי.</li>
	<li>השתמשו בכלי עריכת מסיכות הממוקם תחת התווית "Segment" כדי לתחום את אזור הכבד בכל התצוגות האופקיות.</li>
	<li>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).</li>
	<li>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.</li>
</ol>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.
<ol><li>שנה את הספרייה לתיקייה של תמונות בפאזה ובחר את הפונקציה Volume_In כדי ליצור את אמצעי האחסון בפאזה.</li>
	<li>שנה את הספרייה לתיקייה של תמונות מים בלבד ובחר את הפונקציה Volume_Water כדי ליצור את נפח המים בלבד.</li>
	<li>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.</li>
	<li>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.</li>
</ol>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.
<ol><li>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.</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
</ol>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.
<ol><li>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).</li>
</ol>

מודל תלת-ממדי מקיף לפיזור תפקודי שומן בכבד באמצעות Dixon MRI

<ol>
	<li>Pouwels, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Non-alcoholic+fatty+liver+disease+(NAFLD):+a+review+of+pathophysiology,+clinical+management+and+effects+of+weight+loss.">Non-alcoholic fatty liver disease (NAFLD): a review of pathophysiology, clinical management and effects of weight loss.</a> BMC Endocr Disord. 22 (1), 63 (2022).</li><li>Younossi, Z. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+global+burden+of+liver+disease.">The global burden of liver disease.</a> Clin Gastroenterol Hepatol. 21 (8), 1978-1991 (2023).</li><li>Younossi, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Global+burden+of+NAFLD+and+NASH.+Trends,+predictions,+risk+factors+and+prevention.">Global burden of NAFLD and NASH. Trends, predictions, risk factors and prevention.</a> Nat Rev Gastroenterol Hepatol. 15 (1), 11-20 (2018).</li><li>Boyum, J. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Incidence+and+risk+factors+for+adverse+events+related+to+image-guided+liver+biopsy.">Incidence and risk factors for adverse events related to image-guided liver biopsy.</a> Mayo Clin Proc. 91 (3), 329-335 (2016).</li><li>Khalifa, A., Rockey, D. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+utility+of+liver+biopsy+in+2020.">The utility of liver biopsy in 2020.</a> Curr Opin Gastroenterol. 36 (3), 184-191 (2020).</li><li>Sumida, Y., Nakajima, A., Itoh, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Limitations+of+liver+biopsy+and+non-invasive+diagnostic+tests+for+the+diagnosis+of+nonalcoholic+fatty+liver+disease/nonalcoholic+steatohepatitis.">Limitations of liver biopsy and non-invasive diagnostic tests for the diagnosis of nonalcoholic fatty liver disease/nonalcoholic steatohepatitis.</a> World J Gastroenterol. 20 (2), 475-485 (2014).</li><li>Ajmera, V., Loomba, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Imaging+biomarkers+of+NAFLD,+NASH,+and+fibrosis.">Imaging biomarkers of NAFLD, NASH, and fibrosis.</a> Mol Metab. 50, 101167 (2021).</li><li>Castera, L., Friedrich-Rust, M., Loomba, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Noninvasive+assessment+of+liver+disease+in+patients+with+nonalcoholic+fatty+liver+disease.">Noninvasive assessment of liver disease in patients with nonalcoholic fatty liver disease.</a> Gastroenterology. 156 (5), 1264-1281 (2019).</li><li>Jiang, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Application+of+multi-echo+Dixon+and+MRS+in+quantifying+hepatic+fat+content+and+staging+liver+fibrosis.">Application of multi-echo Dixon and MRS in quantifying hepatic fat content and staging liver fibrosis.</a> Sci Rep. 13 (1), 12555 (2023).</li><li>Yang, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+accuracy+and+clinical+relevance+of+the+multi-echo+dixon+technique+for+evaluating+changes+to+hepatic+steatosis+in+patients+with+non-alcoholic+fatty+liver+disease+treated+with+formulated+food.">The accuracy and clinical relevance of the multi-echo dixon technique for evaluating changes to hepatic steatosis in patients with non-alcoholic fatty liver disease treated with formulated food.</a> Magn Reson Med Sci. 22 (2), 263-271 (2023).</li><li>Peng, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fat-water+separation+based+on+Transition+REgion+Extraction+(TREE).">Fat-water separation based on Transition REgion Extraction (TREE).</a> Magn Reason Med. 82 (1), 436-448 (2019).</li><li>Hines, C. D. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=T(1)+independent,+T(2)(*)+corrected+chemical+shift+based+fat-water+separation+with+multi-peak+fat+spectral+modeling+is+an+accurate+and+precise+measure+of+hepatic+steatosis.">T(1) independent, T(2)(*) corrected chemical shift based fat-water separation with multi-peak fat spectral modeling is an accurate and precise measure of hepatic steatosis.</a> Magn Reason Imaging. 33 (1), 873-881 (2011).</li><li>Tang, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nonalcoholic+fatty+liver+disease:+MR+imaging+of+liver+proton+density+fat+fraction+to+assess+hepatic+steatosis.">Nonalcoholic fatty liver disease: MR imaging of liver proton density fat fraction to assess hepatic steatosis.</a> Radiology. 267 (2), 422-431 (2013).</li><li>Caussy, C., Reeder, S. B., Sirlin, C. B., Loomba, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Noninvasive,+quantitative+assessment+of+liver+fat+by+MRI-PDFF+as+an+endpoint+in+NASH+Trials.">Noninvasive, quantitative assessment of liver fat by MRI-PDFF as an endpoint in NASH Trials.</a> Hepatology. 68 (2), 763-772 (2018).</li><li>Reeder, S. B., Cruite, I., Hamilton, G., Sirlin, C. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+assessment+of+liver+fat+with+magnetic+resonance+imaging+and+spectroscopy.">Quantitative assessment of liver fat with magnetic resonance imaging and spectroscopy.</a> Magn Reson Imaging. 34 (4), 729-749 (2011).</li></ol>

כלי התוכנה לכימות סטאטוזיס בכבד, המופיע בטבלת החומרים של מחקר זה כ- HepaticSteatosis V1.0, הוא תוצר של Beijing Intelligent Entropy Science &; Technology Co., Ltd. זכויות הקניין הרוחני של כלי תוכנה זה שייכות לחברה.

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?...

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.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>MATLAB</td>
			<td>MathWorks&#160;</td>
			<td>2022B</td>
			<td>Computing and visualization&#160;</td>
		</tr>
		<tr>
			<td>Mimics</td>
			<td>Materialise</td>
			<td>Mimics Research V20</td>
			<td>Model format transformation</td>
		</tr>
		<tr>
			<td>Tools for 3D_LFF</td>
			<td>Intelligent Entropy</td>
			<td>HepaticSteatosis V1.0</td>
			<td>Beijing Intelligent Entropy Science &#38; Technology Co Ltd. 
			Modeling for CT/MRI fusion</td>
		</tr>
	</tbody>
</table>

a 3d quantification technique for liver fat fraction distribution analysis using dixon magnetic resonance imaging

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.

Non-Alcoholic Fatty Liver Disease (NAFLD) encompasses a spectrum of pathological conditions, ranging from the abnormal accumulation of triglycerides in liver cells (hepatic steatosis) to the development of inflammation and damage to liver cells, known as non-alcoholic Steatohepatitis (NASH). In some cases, NAFLD can progress to more severe stages, including fibrosis, cirrhosis, end-stage liver disease, or even Hepatocellular carcinoma (HCC)1. Published data from the World Health Organization and the Global Burden of Disease suggest that approximately 1,235.7 million individuals worldwide are affected by NAFLD across all age groups2. NAFLD currently ranks as one of the most prominent causes of liver-related diseases globally and is expected to become the leading cause of end-stage liver disease in the coming decades3.
The accurate assessment of hepatic steatosis&#39;s extent holds substantial importance for precise diagnosis, appropriate treatment selection, and effective disease progression monitoring. The gold standard for assessing liver fat content continues to be liver biopsy. However, due to its invasive nature, the potential for pain, bleeding, and other postoperative complications, it is not a practical option for frequent follow-up examinations4,5,6. Consequently, there is a pressing need for noninvasive imaging techniques that can reliably quantify hepatic fat deposition. Magnetic resonance imaging (MRI) shows promise in this area due to its lack of ionizing radiation and its ability to sensitively detect fat content through chemical shift effects7,8.
Recent studies have outlined MRI techniques for quantifying hepatic fat, based on chemical shift gradient echo methods like Dixon imaging9,10. Nonetheless, the majority of these techniques rely on the analysis of two-dimensional regions of interest. The comprehensive evaluation of the three-dimensional distribution of liver fat fraction (LFF) has remained limited. In the present study, a unique 3D LFF quantification approach is introduced, combining Dixon MRI with liver structural imaging. The resulting 3D LFF model allows for precise visualization and measurement of the distribution of fat content throughout the entire volume of the liver. This technique demonstrates substantial clinical utility for the accurate diagnosis of hepatic steatosis.

Author Spotlight: כלי לא פולשני להערכה והבחנה של דפוסי שומן בכבד באמצעות 3D Dixon MRI 

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

This study developed a 3D Dixon MRI technique to precisely quantify liver fat distribution, aiming to validate its efficacy as an accurate, non-invasive tool for assessing and differentiating fat patterns in normal versus steatotic livers. Recent advances in MRI fat quantification include normal 3D distribution modeling approaches, integrating Dixon Imaging with liver structure segmentation to enable precise visualization and environment of liver fat fraction patterns. Integrating AI-driven medical imaging, deep learning, 3D visualization, and a multimodal data fusion enhances whole liver modeling and steatotic assessment, facilitating precise clinic decision-making.Current experimental challenges include standardizing computational workflows, addressing variations in equipment and protocols, and elucidating the mechanisms of disease progression in hepatic steatosis research. Our protocol offers the advantage of 3D liver fat fraction assessment, surpassing the 2D techniques. The findings will advance research in our field by offering a comprehensive and accurate 3D LFF assessment of different stages of fatty liver disease, which is crucial for treatment decisions and prognosis evaluation.

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...

Watch this Scientific Journal Video about A Non-Invasive Tool to Assess and Differentiate Fat Patterns in Liver Using 3D Dixon MRI at JoVE.com

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.

This study presents a 3D quantification methodology for the distribution of liver fat fraction (LFF) through the utilization of Dixon MRI image analysis. ...

מחקר זה פיתח טכניקת MRI תלת ממדית של דיקסון לכימות מדויק של פיזור השומן בכבד, במטרה לאמת את יעילותו ככלי מדויק ולא פולשני להערכה והבחנה של דפוסי שומן בכבד תקין לעומת סטאטוטי. ההתקדמות האחרונה בכימות שומן MRI כוללת גישות מידול נורמליות של התפלגות תלת-ממדית, המשלבות את Dixon Imaging עם פילוח מבנה הכבד כדי לאפשר הדמיה מדויקת וסביבה של דפוסי שברי שומן בכבד. שילוב של הדמיה רפואית מבוססת בינה מלאכותית, למידה עמוקה, הדמיה תלת-ממדית ואיחוי נתונים רב-מודאלי משפר את מידול הכבד כולו ואת ההערכה הסטאטוטית ומקל על קבלת החלטות קלינית מדויקת.אתגרי הניסוי הנוכחיים כוללים סטנדרטיזציה של זרימות עבודה חישוביות, התייחסות לשינויים בציוד ובפרוטוקולים, והבהרת מנגנוני התקדמות המחלה במחקר סטאטוזיס בכבד. הפרוטוקול שלנו מציע את היתרון של הערכת שבר שומן בכבד תלת מימדית, העולה על הטכניקות הדו-ממדיות. הממצאים יקדמו את המחקר בתחום שלנו על ידי הצעת הערכה תלת ממדית מקיפה ומדויקת של שלבים שונים של מחלת כבד שומני, שהיא קריטית להחלטות טיפול והערכת פרוגנוזה.

a-3d-quantification-technique-for-liver-fat-fraction-distribution

Research

JoVE Journal

Medicine

A 3D Quantification Technique for Liver Fat Fraction Distribution Analysis Using Dixon Magnetic Resonance Imaging

889 Views.  Beijing University of Chinese Medicine. מחקר זה פיתח טכניקת MRI תלת ממדית של דיקסון לכימות מדויק של פיזור השומן בכבד, במטרה לאמת את יעילותו ככלי מדויק ולא פולשני להערכה והבחנה של דפוסי שומן בכבד תקין לעומת סטאטוטי. ההתקדמות האחרונה בכימות שומן MRI כוללת גישות מידול נורמליות של התפלגות תלת-ממדית, המשלבות את Dixon Imaging ע?...

Video: Author Spotlight: כלי לא פולשני להערכה והבחנה של דפוסי שומן בכבד באמצעות 3D Dixon MRI 

This study presents a 3D quantification methodology for the distribution of liver fat fraction (LFF) through the utilization of Dixon MRI image analysis. The central aim is to offer a highly accurate and non-invasive means of evaluating liver fat content. The process involves the acquisition of In-phase and Water-phase images from a Dixon sequence. LFF maps are then meticulously computed voxel by voxel by dividing the Lipid Phase images by the In-phase images. Simultaneously, 3D liver contours are extracted from the In-phase images. These crucial components are seamlessly integrated to construct a comprehensive 3D-LFF distribution model. This technique is not limited to healthy livers but extends to those afflicted by hepatic steatosis. The results obtained demonstrate the remarkable effectiveness of this approach in both visualizing and quantifying liver fat content. It distinctly discerns patterns that differentiate between normal and steatotic livers. By harnessing Dixon MRI to extract the 3D structure of the liver, this method offers precise LFF assessments spanning the entirety of the organ, thereby holding great promise for the diagnosis of hepatic steatosis with remarkable effectiveness.

This study introduces a unique 3D quantification method for liver fat fraction (LFF) distribution using Dixon Magnetic Resonance Imaging (Dixon MRI). LFF maps, derived from in-phase and water-phase images, are integrated with 3D liver contours to differentiate LFF patterns between normal and steatotic livers, enabling precise assessment of liver fat content.

Data Collection from Patient Liver-MRI Datasets to Validate the 3D Liver Fat Fraction Quantification

To begin checking the Dixon sequence for the upper abdomen, create a customized working directory and copy all DICOM data to the created directory. Then go to the directory housing the data within MATLAB's current working directory. Change the directory to access folders for different phases, like in-phase, out-phase, water and fat phases.Utilize the Slice_View function to view the image for each phase. Use the MRI Dixon in-phase sequence to enhance descriptions of liver tissue boundaries. Right-click on the color bar and select the option from the pop-up menu to switch to the standard gray color map and reset the entire GUI.After zooming the image appropriately, Use the Mark Pixel Coordinates feature to calculate the distance between two points, aiding in the measurement of nodule sizes. Employ the scroll bar situated at the bottom of the graphic user interface, or GUI, to navigate through the various sequences efficiently. If the default filter window is not suitable, adjust it by dragging it up and down in the middle of the figure, using the left mouse button to modify the window level.

איסוף נתונים ממערכי נתונים של MRI כבד של מטופלים כדי לאמת את כימות מקטע השומן בכבד בתלת ממד

Extracting the 3D Region of the Liver and Computing Liver Fat Fraction Using MRI-Dixon Data

To begin extracting the 3D region of the liver from the Dixon MRI data, open the Mimics software and choose new project. In the subsequent dialogue box, locate the folder housing the Dixon out phase images. Click on next, then click on continue, and then hit convert to enter the sequence editing mode.Click on new within the mask dialogue box situated on the right hand side to generate an empty mask and opt for the maximum threshold. Use the edit masks tool located under the segment label to delineate the liver area in all horizontal views. Choose the liver mask depicted earlier and click on calculate part from the mask to create a 3D spatial representation of the liver.Navigate to file, then select export, and choose the DICOM option. In the pop-up dialogue box, select the liver mask, specify the file path and names, and then click on OK to export the 3D liver region to the designated DICOM files. Change the directory to the folder of in phase images and select the Volume_In function to generate the in phase volume.Change the directory to the folder of water only images and select the Volume_Water function to generate the water only volume. Select the FF volume function and use the two volumes previously generated as inputs to obtain the FF volume of the abdominal MRI. Utilize the LFF function, providing it with the 3D liver region and the liver stiffness map as input parameters.Run the LFF distribution function using the identical input parameters as LFF volume to produce the spatial distribution of the 3D liver fat fraction. Fusing the 3D liver contour with the 2D FF map generated an integrated 3D FF distribution model. This revealed fat fraction values at different liver positions, enabling precise measurement of the proportion of the liver at various steatosis levels.Comparison between a normal and fatty liver validated the technique's ability to discern different 3D LFF distribution patterns.