We would like to thank Mr. Nachum Stern and Ms. Fanny Attar for their excellent technical assistance. H.D. holds the Fred and Andrea Fallek Chair for Breast Cancer Research.

<html> NOTA: Tutti i protocolli sono stati approvati dal Consiglio di Meir Medical Center, Kfar-Saba, Israele Review interno e di un consenso informato firmato è stato ottenuto da tutti i soggetti. 1. Preparazione del paziente e Posizionamento nella RMN <ol><li> Inserire un catetere endovenoso nel braccio sinistro o destro per l&#39;iniezione di contrasto. </li><li> Assicurarsi che il paziente è sdraiato in posizione prona con entrambi i seni appesi liberamente nelle aperture bilaterali della bobina del seno, come mostrato in figura 5. </li><li> Assicurarsi che la testa sia posizionata su un cuscino per testa e collo il comfort del paziente e entrambe le braccia sono posti sopra la testa come mostrato in Figura 5. </li><li> Assicurarsi che ogni seno è in una posizione centrale, sciolti e più profondamente possibile entro la rispettiva apertura della bobina, come mostrato in figura 5. </li></ol>e 5 &quot;src =&quot; / files / ftp_upload / 52048 / 52048fig5highres.jpg &quot;/&gt; Figura 5: Posizionamento di una donna per la scansione MRI del seno. Notare la posizione prona e l&#39;impiccagione libera di entrambe le mammelle nelle aperture bilaterali della bobina del seno. <ol start="5"><li> Collegare la pompa di iniezione automatico al catetere endovenoso. </li></ol> 2. MRI Scansione <ol><li> Acquisire con lo scanner MRI un&#39;immagine pilota per la localizzazione entrambi i seni e determinare il campo visivo (FOV), il numero di fette e spessore dello strato di coprire completamente entrambi i seni con estensione per l&#39;ascella e alla parete toracica. </li><li> In tutte le seguenti sequenze di scansione eseguite con lo scanner MRI, mantenere lo stesso valore del FOV, numero fetta e spessore di taglio per ogni singolo caso. Ad esempio, l&#39;acquisizione 60 fette assiali con FOV di 360 mm nella direzione di lettura e di fase, spessore di strato compreso tra 2 a 3 mm, a seconda delle dimensioni del seno, e una direzione di codifica di fase L2;&gt; R o R &gt;&gt; L. Vary la risoluzione in piano nelle seguenti sequenze seconda dimensione matrice di acquisizione in funzione della sequenza come indicato nella Tabella 1. </li></ol><table border="0" cellpadding="0" cellspacing="0"><tbody><tr><td> Parametro sperimentale </td><td> 2D T2 ponderata </td><td> 2D DTI </td><td> Mappatura 2D GE Campo </td><td> 3D DCE </td></tr><tr><td> Tempo di ripetizione (TR) msec </td><td> 5.500 </td><td> 10.800 </td><td> 669 </td><td> 6.8 </td></tr><tr><td> Tempo Echo (TE) msec </td><td> 122 </td><td> 120 </td><td> 4.92 </td><td> 2.49 </td></tr><tr><td> TE (2) </td><td></td><td></td><td> 7.38 </td><td></td></tr><tr><td> Angolo di Flip, gradi </td><td></td><td></td><td> 60 </td><td> 18 </td></tr><tr><td> Matrix Acquisition </td><td> 640 x 428 </td><td> 192 x 192 </td><td> 64 x 192 </td&gt; <td> 428 x 428 </td></tr><tr><td> Medie </td><td> 1 </td><td> 1 </td><td> 1 </td><td> 1 </td></tr><tr><td> concatenazioni </td><td> 4 </td><td> 1 </td><td> 1 </td><td> 1 </td></tr><tr><td> Fattore Turbo </td><td> 21 </td><td></td><td></td><td></td></tr><tr><td> Numero di treni per fetta </td><td> 11 </td><td></td><td></td><td></td></tr><tr><td> Spaziatura Echo, msec </td><td> 10 </td><td> 0.79 </td><td></td><td></td></tr><tr><td> Larghezza di banda, Hz / pixel </td><td> 300 </td><td> 1860 </td><td> 1532 </td><td> 560 </td></tr><tr><td> In risoluzione di scansione aereo </td><td> 0.56 x 0.84 </td><td> 1.9 x 1.9 </td><td></td><td> 0,8 x 0,8 </td></tr><tr><td> In aereo risoluzione dell&#39;immagine </td><td> 0.56 x 0.56 </td><td> 1.9 x 1.9 </td><td> 1.9 x 1.9 </td><td> 0,8 x 0,8 </td></tr><tr><td> Tempo di acquisizione, min: sec </td><td> 04:26 </td><td> 6:09 </td><td> 01:28 </td><td> 01:06 (x9) </td></tr><tr><td> # Dei gradienti di diffusione </td><td></td><td> 30 </td><td></td><td></td></tr><tr><td> Soppressione del grasso </td><td> no </td><td> FAT-SAT / Spair 1 </td><td></td><td> no </td></tr><tr><td> b-valori, sec / mm 2 </td><td></td><td> 0, 700 </td><td></td><td></td></tr></tbody></table> Tabella 1:. Parametri sperimentali di sequenze utilizzate in questo studio 1 FAT-SAT: Fat saturazione. Spair: Spectral attenuata Inversion Recovery. <ol start="3"><li> Localizzare con il computer interfaccia utente dello scanner MRI una regione che comprende entrambe le mammelle e l&#39;ascella e definire una casella di spessoramento. Applicare una strategia shimming iterativo per ottimizzare il campo magnetico 29. <ol><li> Visualizzare lo spettro protonico sullo schermo del computer interfaccia utente e regolare la spessoramento centrando la frequenza sul tegli frequenza di risonanza acqua e poi sulla frequenza di risonanza grasso. Ripetere lo spessoramento fino a meglio separa i segnali di grassi e di acqua e ottimizza intensità di segnale massima e la forma come rivelato nello spettro dei protoni. Verificare che la frequenza di irradiazione è centrato sulla frequenza di risonanza dell&#39;acqua. </li></ol></li><li> Applicare attraverso il computer interfaccia utente 2D trasversale T2 turbo spin-echo sequenza di più slice ad alta risoluzione spaziale senza saturazione grasso con l&#39;acquisizione generalizzata auto-calibrazione parzialmente parallelo (grappa), con fattore di accelerazione 2. Fissare i parametri che si aprirà sullo schermo secondo i loro valori nella colonna &quot;2D ​​T2 pesata&quot; in Tabella 1. </li><li> Applicare attraverso il computer interfaccia utente trasversale 2D, grasso soppresso, spin-echo imaging del tensore di diffusione - DTI con il due volte riorientato eco sequenza di imaging planare 30, utilizzando GRAPPA, con fattore di accelerazione 2. Fissare i parametriche farà apparire sullo schermo in base ai loro valori nella colonna &quot;2D ​​DTI&quot; nella tabella 1. </li><li> Applicare attraverso il computer interfaccia utente una sequenza di mappatura campo per correggere le distorsioni geometriche in EPI (EPI), e ottenere immagini differenziali di fase come descritto da Jezzard e Balaban 31. Assicurarsi che la sequenza include acquisizione di 2D trasversali gradient echo (GE) immagini con due differenti in fase tempi di eco, e che la direzione di codifica di fase è la stessa della sequenza DTI (passo 2.5). Fissare i parametri che apparirà sullo schermo in base ai loro valori nella colonna &quot;mappatura 2D GE Field&quot; nella tabella 1. </li><li> Applicare attraverso il computer interfaccia utente un contrasto migliorato protocollo dinamico utilizzando un 3D gradiente veloce sequenza echo senza grassi-soppressione, con parametri ottimizzati in base al metodo di 32 a tre punti di tempo (3TP). Fissare i parametriapparirà sullo schermo in base ai loro valori nella colonna &quot;3D DCE&quot; nella tabella 1. <ol><li> Registra due immagini precontrasto iniziali secondo il protocollo al punto 2.7. </li></ol></li><li> Iniettare 15 sec prima della fine della seconda acquisizione pre-contrasto agente gadopentetatedimeglumine contrasto, alla dose di 0,1 mmol / kg di peso corporeo, utilizzando una pompa automatizzata ad una velocità di 2 ml / sec, seguiti da 20 ml di soluzione fisiologica, a 2 ml / sec. <ol><li> Continuare la registrazione sette set di dati 3D in sequenza secondo il protocollo al punto 2.7 a 54, 120, 186, 252 iniezione, 318, 384, e 450 sec dopo contrasto. </li></ol></li><li> Applicare attraverso il computer interfaccia utente trasversale 2D pesata in T2 grassi soppressi turbo spin-echo sequenza fetta più ad alta risoluzione spaziale con GRAPPA, con fattore di accelerazione 2. Utilizzare i dettagli sperimentali simili a quelli utilizzati per l&#39;imaging ponderata T2 descritto al punto 2.4 </strong&gt;. NOTA: Un corso di tempo che riassume i passaggi nel protocollo MRI è fornito in figura 6. </li></ol><img alt="Figura 6" src="/files/ftp_upload/52048/52048fig6highres.jpg" /> Figura 6: corso Tempo del protocollo MRI clinico. Elaborazione 3. Immagine <ol><li> Trasferire l&#39;intero set di dati ottenuti da tutte le sequenze di scansione (descritto nei punti 2,4-2,9) ad una stazione di lavoro a distanza o un personal computer ed elaborare l&#39;intero set di dati di immagini con software dedicati per analizzare la diffusione del seno tensore di imaging e DCE-MRI. <ol><li> Qui, effettuare le operazioni descritte di seguito utilizzando il pacchetto software autocostruito scritto in C ++ che è stata verificata utilizzando l&#39;ambiente di programmazione di MATLAB 19. In generale, gli scanner commerciali forniscono strumenti di elaborazione delle immagini per cerebrali esperimenti DTI che possono essere adattati per il seno, manon può avere tutte le funzioni di elaborazione applicate dal nostro pacchetto software autocostruito </li></ol></li><li> Eseguire elaborazione delle immagini delle serie di dati DTI con un DTI software di elaborazione delle immagini dedicato seguendo la procedura nel diagramma di flusso di figura 7. </li></ol><img alt="Figura 7" src="/files/ftp_upload/52048/52048fig7highres.jpg" /> Figura 7: Diagramma di flusso delle fasi del processo di lavorazione DTI. <ol style="margin-left: 40px;"><li> Utilizzare il programma software DTI per valutare il livello di rumore esterno del seno e il tessuto rimanente in 3 o 4 regioni di interesse (di circa 1 cm 2) e trovare il livello massimo di rumore. </li><li> Utilizzare il programma software DTI per calcolare pixel per pixel, in tutti i pixel sopra il livello massimo di rumore e in ciascuna delle fette 60, i coefficienti di diffusione sei, D xx, yy D, Dzz, D xy, D xz, yz D, del tensore simmetrico D descritto di seguito 33 (vedi figura 8) <img alt="Equazione 1" fo:content-width="2in" src="/files/ftp_upload/52048/52048eq1.jpg" /> Dove D = D xy yx, D zy = D yz, D = D zx xz. <ol><li> Per calcolare le componenti tensoriali utilizzano un programma raccordo di regressione non lineare in base all&#39;equazione Stejskal-Tanner: Si, j (b) = Si (0) exp (-bd), dove Si, j (b) è il segnale intensità di pixel i con un gradiente di diffusione nella direzione j e Si (0) è l&#39;intensità del segnale della stessa pixel a b = 0 mm 2 · s. Questo raccordo minimizzato la somma dei quadrati delle funzioni non lineari 30 per ogni direzione gradiente di diffusione nelsei tensore di diffusione componenti variabili di una modifica della Levenberg-Marquardt algoritmo 34 .Questo è stata eseguita dal cminpack software libero ( <a href="http://devernay.free.fr/hacks/cminpack/index.html" target="_blank">http://devernay.free.fr/hacks/cminpack/index.html</a> ). </li></ol></li></ol><img alt="Figura 8" src="/files/ftp_upload/52048/52048fig8highres.jpg" /> Figura 8: Schema dei passi di calcolo rendimento del tensore di diffusione simmetrica. <ol start="3" style="margin-left: 40px;"><li> Utilizzare il software DTI diagonalizzare tensore di diffusione simmetrica in ogni pixel, applicando analisi delle componenti principali (PCA) 35. NOTA: PCA è un metodo comunemente utilizzato per ridurre la dimensionalità dei dati e trovare una trasformazione lineare che mappa i parametri correlati pixel in un nuovo sistema di coordinate di assi ortogonali e non correlati. Questo process rendimenti per ciascun pixel tre autovettori (ν 1, 2 ν, ν 3), che definisce la direzione diffusione in tre assi ortogonali di una forma ellissoide che coincide con il telaio diffusione del tessuto, e dei corrispondenti tre autovalori diffusione, disposti dall&#39;alto a basso, che determinano tre coefficienti di diffusione direzionali (λ 1, λ 2, λ 3) (vedi figure 9 e 10). </li></ol><img alt="Figura 9" src="/files/ftp_upload/52048/52048fig9highres.jpg" /> Figura 9: Schema dei passi di calcolo cedevoli gli autovalori e autovettori coincidenti con la cornice diffusione del tessuto e la modellazione ellissoide. <img alt="Figura 10" src="/files/ftp_upload/52048/52048fig10highres.jpg" /> Figura 10: schematdisegno ic delle principali fasi di lavorazione che calcolano gli autovettori di diffusione e autovalori in normale tessuto duttale e nel tessuto del cancro. <ol start="4" style="margin-left: 40px;"><li> Utilizzare il programma software DTI per calcolare per ogni pixel il coefficiente di diffusione apparente (ADC) definita come la media dei tre autovalori &lt;λ&gt; = (λ 1 + λ 2 + λ 3) / 3. </li><li> Utilizzare il programma software DTI di calcolare per ogni pixel l&#39;indice di anisotropia assoluto massimo definito come la differenza (λ 1 - λ 3). </li><li> Utilizzare il programma software DTI per calcolare per ogni pixel dell&#39;indice anisotropia frazionaria (FA) che varia tra 0 (diffusione isotropica) a 1 (diffusione in una direzione) secondo la seguente equazione: <img alt="Equazione 2" fo:content-width="3in" src="/files/ftp_upload/52048/52048eq2.jpg" width="300" /></li><li> Utilizzare il programma software DTI a Display pixel per pixel in ogni fetta durante entrambi i seni una mappa vettoriale che mostra la direzione del primo autovettore, ν 1, ed una mappa codificata a colori con tre colori indica le direzioni principali della ν 1 e sovrapporre un&#39;immagine T2 ponderata della stessa slice (Figura 9). Questo passo è stata effettuata utilizzando il software gratuito gtk ( <a href="http://gtk.org" target="_blank">http://gtk.org</a> ) per la grafica. </li><li> Utilizzare il programma software DTI per costruire le mappe parametriche diffusione di imaging del tensore che visualizzano pixel per pixel in ogni fetta in entrambi i seni i valori di tutti i parametri del tensore di diffusione λ 1, λ 2, λ 3, ADC, λ 1 -λ 3, e FA e sovrapporre un&#39;immagine T2 ponderata della stessa porzione (Figura 11). </li></ol><img alt="Figura 11" src="/files/ftp_upload/52048/52048fig11highres.jpg" width="700" /> <strong&gt; Figura 11: Uscita di mappe DTI parametriche di una fetta centrale in seno di una 24enne volontario sano sovrapposta l&#39;immagine ponderata T2 della stessa porzione Dir.. - Direzione mappa con il rosso che indica da sinistra a destra, verde anteriori indicando a posteriore e testa verde che indica a piedi le direzioni. Si noti che i vettori nella mappa vettoriale sono assegnati in linee bianche. Tutti coefficienti di diffusione e l&#39;indice di anisotropia massima sono in unità di 10 -3 mm 2 / sec. FA è unit-less. La barra di scala nella mappa vettoriale riferisce ad una lunghezza di 20 mm e la barra di scala dell&#39;immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini rimanenti. <ol start="3"><li> Utilizzare il programma software DTI per correggere, se necessario, le distorsioni geometriche caricando la mappa differenza di fase ottenuto come descritto al punto 2.6. Spostare il raggio della mappa differenza di fase in tutti i pixel al di sopra del livello di rumore nell&#39;immagine eco sfumatura a una serie di -π per represe + πnting sfasamento Δɸ (x, y, z) in radianti (Figura 12). <ol><li> Utilizzare il programma software DTI per calcolare lo spostamento spaziale in pixel in base a: <img alt="Equazione 3" fo:content-width="1.5in" src="/files/ftp_upload/52048/52048eq3.jpg" width="150" /> ΔTE è la differenza di tempo tra i due echi uguale 2,46 x 10 -3 msec e BWP è la banda fase dell&#39;esperimento è pari 13,2 Hz / pixel. Sposta i pixel in base alla mappa del campo e ricalcolare i parametri del tensore di diffusione (Figura 12). </li></ol></li></ol><img alt="Figura 12" src="/files/ftp_upload/52048/52048fig12highres.jpg" /> Figura 12:. Esempio di correzione della distorsione geometrica utilizzando una carta Differenza di fase Le immagini sono state registrate da un vecchio volontario 47 anni con carcinoma lobulare invasivo. Nella prima colonna a sinistra dell&#39;immagine ponderata T2 e una mappa differenza di fase di una fettacon il cancro al seno sinistro vengono visualizzati. Nel secondo e 3 ° colonne λ 1 mappe prima di correzione vengono visualizzati nella prima riga e λ 1 mappe dopo la correzione vengono visualizzati nella seconda fila. I λ 1 mappe sono sovrapposte sull&#39;immagine ponderato relativo T2. Nella colonna 2 ° l&#39;intera gamma di coefficienti di diffusione di acqua (0,8-3,0) x10 -3 mm 2 / sec è utilizzato per la scala colorati e nella colonna 3 ° una gamma ridotta viene utilizzato con una soglia di 1,7 x 10 -3 mm 2 / sec che sottolinea il contrasto tra il tumore al seno sinistro e il normale tessuto mammario. La barra di scala dell&#39;immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini. <ol start="4"><li> Eseguire l&#39;elaborazione delle immagini delle serie di dati DCE-MRI usando un software che fornisce pixel per pixel mappe dei parametri cinetici di valorizzazione, come il software di elaborazione delle immagini 3TP 17. </li></ol>

<ol>
	<li>Turnbull, L. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamic+contrast-enhanced+MRI+in+the+diagnosis+and+management+of+breast+cancer.">Dynamic contrast-enhanced MRI in the diagnosis and management of breast cancer.</a> NMR Biomed. 22 (1), 28-39 (2009).</li><li>Sardanelli, F., 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=Magnetic+resonance+imaging+of+the+breast:+recommendations+from+the+EUSOMA+working+group.">Magnetic resonance imaging of the breast: recommendations from the EUSOMA working group.</a> Eur J Cancer. 46 (8), 1296-1316 (2010).</li><li>Lehman, C. D., 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=Accuracy+and+interpretation+time+of+computer-aided+detection+among+novice+and+experienced+breast+MRI+readers.">Accuracy and interpretation time of computer-aided detection among novice and experienced breast MRI readers.</a> AJR Am J Roentgenol. 200 (6), 683-689 (2013).</li><li>Riedl, C. C., 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=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.">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.</a> Clin Cancer Res. 13 (20), 6144-6152 (2007).</li><li>Heywang-K&#246;brunner, S. H., Hacker, A., Sedlacek, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Magnetic+resonance+imaging:+the+evolution+of+breast+imaging.">Magnetic resonance imaging: the evolution of breast imaging.</a> Breast. 22 (2), 77-82 (2013).</li><li>Peters, N. 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=Meta-analysis+of+MR+imaging+in+the+diagnosis+of+breast+lesions.">Meta-analysis of MR imaging in the diagnosis of breast lesions.</a> Radiology. 246 (1), 116-124 (2008).</li><li>Warner, E., 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=Systematic+review:+using+magnetic+resonance+imaging+to+screen+women+at+high+risk+for+breast+cancer.">Systematic review: using magnetic resonance imaging to screen women at high risk for breast cancer.</a> Ann Intern Med. 148 (9), 671-679 (2008).</li><li>Benndorf, 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=Breast+MRI+as+an+adjunct+to+mammography:+Does+it+really+suffer+from+low+specificity?+A+retrospective+analysis+stratified+by+mammographic+BI-RADS+classes.">Breast MRI as an adjunct to mammography: Does it really suffer from low specificity? A retrospective analysis stratified by mammographic BI-RADS classes.</a> Acta Radiol. 51 (7), 715-721 (2010).</li><li>Thomassin-Naggara, I., De Bazelaire, C., Chopier, J., Bazot, M., Marsault, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Trop+I+Diffusion-weighted+MR+imaging+of+the+breast:+advantages+and+pitfalls.">Trop I Diffusion-weighted MR imaging of the breast: advantages and pitfalls.</a> Eur J Radiol. 82 (3), 435-443 (2013).</li><li>Bogner, W., 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=Diffusion-weighted+MR+for+differentiation+of+breast+lesions+at+3.0+T:+how+does+selection+of+diffusion+protocols+affect+diagnosis.">Diffusion-weighted MR for differentiation of breast lesions at 3.0 T: how does selection of diffusion protocols affect diagnosis.</a> Radiology. 253 (2), 341-351 (2009).</li><li>Partridge, S. C., 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=Diffusion+tensor+imaging+of+the+breast:+preliminary+clinical+findings+[abstr].">Diffusion tensor imaging of the breast: preliminary clinical findings [abstr].</a> Proceedings of the Fourteenth Meeting of the International Society for Magnetic Resonance in Medicine. , (2006).</li><li>Partridge, S. C., 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=Diffusion+tensor+MRI:+preliminary+anisotropy+measures+and+mapping+of+breast+tumors.">Diffusion tensor MRI: preliminary anisotropy measures and mapping of breast tumors.</a> J Magn Reson Imaging. 31 (2), 339-347 (2010).</li><li>Partridge, S. C., 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=Diffusion+tensor+magnetic+resonance+imaging+of+the+normal+breast.">Diffusion tensor magnetic resonance imaging of the normal breast.</a> Magn Reson Imaging. 28 (3), 320-328 (2010).</li><li>Baltzer, P. 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=Diffusion+tensor+magnetic+resonance+imaging+of+the+breast:+a+pilot+study.">Diffusion tensor magnetic resonance imaging of the breast: a pilot study.</a> Eur Radiol. 21 (1), 1-10 (2011).</li><li>Wang, 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=Optimization+of+the+parameters+for+diffusion+tensor+magnetic+resonance+imaging+data+acquisition+for+breast+fiber+tractography+at+1.5.">Optimization of the parameters for diffusion tensor magnetic resonance imaging data acquisition for breast fiber tractography at 1.5.</a> T. Clin Breast Cancer. 14 (1), 61-67 (2014).</li><li>Eyal, E., Degani, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Method+and+apparatus+for+ductal+tube+tracking+imaging+for+breast+cancer+and+diagnosis+and+product.">Method and apparatus for ductal tube tracking imaging for breast cancer and diagnosis and product.</a> US Patent. , (2008).</li><li>Eyal, E., 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=Novel+MRI+method+for+breast+cancer+detection+based+on+diffusion+tensor+tracking+of+the+ductal+trees+[abstr].">Novel MRI method for breast cancer detection based on diffusion tensor tracking of the ductal trees [abstr].</a> , 362 (2010).</li><li>Furman-Haran, E., 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=Breast+cancer+detection+and+diagnosis+based+on+diffusion+tensor+imaging+[abstr].">Breast cancer detection and diagnosis based on diffusion tensor imaging [abstr].</a> , 515 (2011).</li><li>Eyal, E., 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=Parametric+diffusion+tensor+imaging+of+the+breast.">Parametric diffusion tensor imaging of the breast.</a> Invest Radiol. 47 (5), 284-291 (2012).</li><li>Tagliafico, 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=Diffusion+tensor+magnetic+resonance+imaging+of+the+normal+breast:+reproducibility+of+DTI-derived+fractional+anisotropy+and+apparent+diffusion+coefficient+at+3.0+T.">Diffusion tensor magnetic resonance imaging of the normal breast: reproducibility of DTI-derived fractional anisotropy and apparent diffusion coefficient at 3.0 T.</a> Radiol Med. 117 (6), 992-1003 (2012).</li><li>Cakir, O., 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=Comparison+of+the+diagnostic+performances+of+diffusion+parameters+in+diffusion+weighted+imaging+and+diffusion+tensor+imaging+of+breast+lesions.Eur.">Comparison of the diagnostic performances of diffusion parameters in diffusion weighted imaging and diffusion tensor imaging of breast lesions.Eur.</a> J Radiol. 82 (12), e801-e806 (2013).</li><li>Tsougos, I., 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+contribution+of+diffusion+tensor+imaging+and+magnetic+resonance+spectroscopy+for+the+differentiation+of+breast+lesions+at+3T.">The contribution of diffusion tensor imaging and magnetic resonance spectroscopy for the differentiation of breast lesions at 3T.</a> Acta Radiol. 55 (1), 14-23 (2014).</li><li>Wiederer, P. a. z. a. h. r. S., Leo, C., Nanz, D., Boss, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+breast+MRI:+2D+histogram+analysis+of+diffusion+tensor+parameters+in+normal+tissue.">Quantitative breast MRI: 2D histogram analysis of diffusion tensor parameters in normal tissue.</a> Magn Reson Mater Phy. 27, 185-193 (2014).</li><li>Nissan, N., Furman-Haran, E., Shapiro-Feinberg, M., Grobgeld, D., Degani, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Diffusion-tensor+MR+imaging+of+the+breast:+hormonal+regulation.">Diffusion-tensor MR imaging of the breast: hormonal regulation.</a> Radiology. 271 (3), 672-680 (2014).</li><li>Cooper, A. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> On the Anatomy of the breast. , (1840).</li><li>Ohtake, T., 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=Computer-assisted+complete+three-dimensional+reconstruction+of+the+mammary+ductal/lobular+systems:+implications+of+ductal+anastomoses+for+breast-conserving+surgery).">Computer-assisted complete three-dimensional reconstruction of the mammary ductal/lobular systems: implications of ductal anastomoses for breast-conserving surgery).</a> Cancer. 91 (12), 2263-2272 (2001).</li><li>Going, J. J., Moffat, D. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Escaping+from+Flatland:+clinical+and+biological+aspects+of+human+mammary+duct+anatomy+in+three+dimensions.">Escaping from Flatland: clinical and biological aspects of human mammary duct anatomy in three dimensions.</a> J Pathol. 203 (1), 538-544 (2004).</li><li>Hancu, I., Govenkar, A., Lenkinski, R. E., Lee, S. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=On+shimming+approaches+in+3T+breast+MRI.">On shimming approaches in 3T breast MRI.</a> Magn Reson Med. 69 (3), 862-867 (2013).</li><li>Basser, P. J., Jones, D. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Diffusion-tensor+MRI:+theory,+experimental+design+and+data+analysis+-+a+technical+review.">Diffusion-tensor MRI: theory, experimental design and data analysis - a technical review.</a> NMR Biomed. 15 (7-8), 465-467 (2002).</li><li>Reese, T. G., Heid, O., Weisskoff, R. M., Wedeen, V. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reduction+of+eddy-current-induced+distortion+in+diffusion+MRI+using+a+twice-refocused+spin+echo.">Reduction of eddy-current-induced distortion in diffusion MRI using a twice-refocused spin echo.</a> Magn Reson Med. 49 (1), 1771-1782 (2003).</li><li>Jezzard, P., Balaban, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Correction+for+geometric+distortion+in+echo+planar+images+from+B0+field+variations.">Correction for geometric distortion in echo planar images from B0 field variations.</a> Magn Reson Med. 34 (1), 65-73 (1995).</li><li>Kelcz, F., Furman-Haran, E., Grobgeld, D., Degani, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+testing+of+high-spatial+resolution+parametric+contrast-enhanced+MR+imaging+of+the+breast.">Clinical testing of high-spatial resolution parametric contrast-enhanced MR imaging of the breast.</a> AJR Am J Roentgenol. 179 (6), 1485-1492 (2002).</li><li>Le Bihan, D., 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=Diffusion+tensor+imaging:+concepts+and+applications.">Diffusion tensor imaging: concepts and applications.</a> J Magn Reson Imaging. 13 (4), 534-546 (2001).</li><li>Marquardt, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+Algorithm+for+Least-Squares+Estimation+of+Nonlinear+Parameter.">An Algorithm for Least-Squares Estimation of Nonlinear Parameter.</a> SIAM Journal on Applied Mathematics. 11 (2), 431-441 (1963).</li><li>Jolliffe, I. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Principal+Component+Analysis:+A+Beginner's+Guide+&#8212;+I.+Introduction+and+application.">Principal Component Analysis: A Beginner's Guide &#8212; I. Introduction and application.</a> Weather. 45 (10), 375-382 (1990).</li><li>Mayr, N. A., Staples, J. J., Robinson, R. A., Vanmetre, J. E., Hussey, D. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Morphometric+studies+in+intraductal+breast+carcinoma+using+computerized+image+analysis.">Morphometric studies in intraductal breast carcinoma using computerized image analysis.</a> Cancer. 67 (11), 2805-2812 (1991).</li><li>Ramsay, D. T., Kent, J. C., Hartmann, R. A., Hartmann, P. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Anatomy+of+the+lactating+human+breast+redefined+with+ultrasound+imaging.">Anatomy of the lactating human breast redefined with ultrasound imaging.</a> J Anat. 206 (6), 525-534 (2005).</li><li>Gooding, M. J., Mellor, M., Shipley, J. A., Broadbent, K. A., Goddard, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+mammary+duct+detection+in+3D+ultrasound.">Automatic mammary duct detection in 3D ultrasound.</a> Med Image Comput Comput Assist Interv. 8 (1), 434-441 (2005).</li><li>Reisert, M. M., Eyal, E., Grobgeld, D., Degani, H., Hennig, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Diffusion+tensor+based+reconstruction+of+the+ductal+tree+[abstr].">Diffusion tensor based reconstruction of the ductal tree [abstr].</a> , 3649 (2011).</li><li>Jezzard, P., Clare, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sources+of+distortion+in+functional+MRI+data.">Sources of distortion in functional MRI data.</a> Hum Brain Mapp. 8 (2-3), 80-85 (1999).</li><li>Jones, D. K., Cercignani, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Twenty-five+pitfalls+in+the+analysis+of+diffusion+MRI+data.">Twenty-five pitfalls in the analysis of diffusion MRI data.</a> NMR Biomed. 23 (7), 803-820 (2010).</li></ol>

Gli autori non hanno nulla da rivelare.

Questo lavoro dimostra la capacità di DTI, scandita ad 3 T ad alta risoluzione spaziale (~ 8 mm 3), per misurare in vivo i parametri del tensore di diffusione d&#39;acqua in tutto il tessuto fibroglandular di entrambi i seni. L&#39;insieme di algoritmi e software sviluppati nel corso di questa analisi consentito lo studio delle grandi serie di dati DTI e contemporaneamente visualizzare le mappe di diffusione parametriche dei vari coefficienti di diffusione, λ 1, λ 2, λ 3, indici ADC e anisotropia λ 1 -λ 3, e FA di tutte le sezioni del seno. Questo lavoro sottolinea anche il potenziale dei vari coefficienti di diffusione e indici anisotropia di rilevare e diagnosticare il cancro al seno. I risultati indicavano che il coefficiente di diffusione primaria, λ 1, è il parametro principale per individuare il cancro al seno, con una sostanziale capacità di differenziare maligna da tessuto mammario normale. A indi secondarioparametro dente, con elevata sensibilità, ma una specificità molto inferiore λ 1, è l&#39;indice massimo anisotropia che agisce per confermare il rilevamento da parte del primo coefficiente di diffusione. I risultati hanno anche dimostrato la capacità di risonanza magnetica per misurare in vivo la diffusione dell&#39;acqua direzionale e quantificare l&#39;anisotropia della diffusione nell&#39;intero duttale / sistema ghiandolare in entrambi i seni. Al fine di garantire un profilo di precisione uniforme delle misure anisotropi 30 diffusione indicazioni gradienti sono stati applicati. La selezione di alta eco-tempo di 120 msec, e l&#39;ottimizzazione della risoluzione spaziale rivelato la limitazione della diffusione dell&#39;acqua nei condotti. La dimensione media dei condotti normali è stata riportata essere di 90 micron, con ~ 70% nell&#39;intervallo di 40-100 micron 36. Secondo l&#39;equazione Einstein lo spostamento di diffusione dell&#39;acqua libera, x = (6DT) 1/2, dove D è il coefficiente di diffusione dell&#39;acqua libero medio e t diffusionetempo. Nel nostro esperimento x è di circa 25 micron, e quindi, solo una frazione di molecole d&#39;acqua duttale sono limitate dalle pareti duttali mammari, portando a valori relativamente bassi FA nella mammella (valori superiori ~ 0,3) rispetto ai valori trovati nella materia bianca del cervello (≥0.5). In Sir Astley Cooper studia 25 è stato rivelato che il tessuto mammario umano è organizzata in lobi separati, ciascuno composto da un albero duttale. Ecografie preliminari di un seno durante l&#39;allattamento 37 sono state tentate, nonché individuazione di strutture duttali sezionali con secondo ordine forma misurazioni 38. Tuttavia, nessun metodo di imaging è riuscito finora rivelando l&#39;intero sistema duttale in entrambi i seni in vivo. L&#39;algoritmo per ottenere l&#39;intero sistema ad albero duttale 3D dai risultati DTI è ancora in fase di sviluppo, ma il vettore mappe esibiscono chiaramente il potenziale per rivelare l&#39;anatomia dettagliata e altamente diversificata degli alberi mammarie. Recentemente un itentativo nitial di un monitoraggio completo 3D del seno in base alle nostre dataset DTI è stato segnalato 39. Nel corso di questo lavoro limitazioni tecniche sono stati notati a causa di soppressione del grasso inefficiente e distorsioni EPI. Soppressione del grasso è stato raggiunto da una sequenza di saturazione grassi (FAT-SAT), che di solito era efficiente in seno denso. Tuttavia, in seno grassi Spectral Selezione attenuato Inversion Recovery (Spair), che è più efficiente e meno sensibile alla disomogeneità B1, è stato applicato. I protocolli di diffusione basati EPI avuto ulteriori limitazioni dovute a gradiente correnti parassite indotte, B 0 campo disomogeneità e differenze di suscettibilità 40,41. Queste limitazioni sono state minimizzate utilizzando iterativo shimming automatica e manuale dei segnali di acqua e grassi e scegliendo la spaziatura eco più basso possibile. Inoltre, una correzione post-elaborazione di distorsioni geometriche stato occasionalmente applicata come descritto nel protocollo. Generale, Nel caso di seno denso con un forte segnale di acqua è stato possibile superare le limitazioni tecniche; Tuttavia, 5 casi in questo studio con seni altamente grassi non potrebbero essere analizzati a causa delle limitazioni di cui sopra. In sintesi, sono stati sviluppati un protocollo e di elaborazione delle immagini strumenti per tensore di diffusione seno MRI. Questa metodologia completamente sicuro, veloce, e non invasiva analizza con precisione l&#39;architettura del seno e può facilitare l&#39;individuazione del tumore al seno in clinica. Il coefficiente di diffusione prime, λ 1, e l&#39;indice di anisotropia massima, λ 1 -λ 3, sono stati trovati per servire come due parametri di diffusione indipendenti per il rilevamento del cancro. Studi clinici su pazienti affetti da cancro mammario hanno dimostrato che l&#39;efficienza di rivelazione di questi due parametri è paragonabile a quella di DCE MRI. Così, l&#39;emergere di questo metodo di conoscenza di base dell&#39;architettura seno e di sviluppo del cancro e la sua dipendenza da rivelarecambiamenti significativi quantificabili, così come il suo essere un metodo sicuro e veloce rendono un prezioso strumento per indagare i vari aspetti dello sviluppo che coinvolgono la proliferazione duttale, e per testare l&#39;impatto clinico per lo screening del cancro al seno in larga scala studi prospettici.

Il cancro al seno è la causa più comune di cancro tra le donne di tutto il mondo. La diagnosi precoce del cancro al seno ha un ruolo fondamentale nel miglioramento della qualità della vita e la sopravvivenza dei pazienti con cancro mammario. I metodi standard attuali per la diagnosi del cancro al seno sono basati sulla mammografia x-ray e ecografia. La sensibilità e la specificità di queste tecniche, in particolare per individuare le lesioni in seni densi insufficiente, ha stimolato lo sviluppo di altre tecniche, tra cui seno risonanza magnetica (MRI). Contrasto dinamico migliorato (DCE) MRI è stata stabilita come un potente strumento per l&#39;individuazione e la diagnosi del cancro al seno 1,2 ed è spesso facilitata da computer aided diagnosi significa 3. Attualmente è utilizzato per casi particolari, come pazienti ad alto rischio 4, ma non per lo screening di routine, presumibilmente a causa dei costi elevati, la necessità di utilizzare una iniezione di un agente di contrasto, la mancanza di standardizzazione unnd specificità variabili nel differenziare lesioni benigne da quelle maligne che vanno da valori bassi / moderati 5,6 a valori elevati che sono stati ottenuti utilizzando combinato mammografia e DCE-MRI 7,8. Più di recente, la diffusione ponderato MRI e le mappe risultanti di coefficiente di diffusione apparente (ADC) sono stati valutati come metodo complemento DCE-MRI e è stato dimostrato che i valori di ADC possono aiutare a distinguere tra tumori, lesioni benigne e normale tessuto mammario 9,10 . Inoltre, gli studi di petto di diffusione tensore di imaging (DTI) sono stati avviati in volontari sani e pazienti con lesioni mammarie a intensità di campo di 1.5 T 11-15 e 3 T 16-24. La maggior parte di questi studi hanno riportato ADC e anisotropia frazionaria (FA) valori 11,12,14,15,20-23 e trovato questi due parametri per essere riproducibili con i valori di ADC più riproducibili di FA 13,20. I risultati di questi studi hanno indicato che le lesioni maligne presentano bassi valori di ADC come bozzettoared a normali lesioni tessutali e benigne, però, contrastanti risultati sono stati riportati sui valori e capacità diagnostica di FA 11,12,14,20-23. In una serie di 3 T- studi DTI sono stati riportati i valori dei tre autovalori e autovettori tensore nel telaio tessuto mammario pure, ed i risultati sono stati presentati nelle mappe vettore del autovettore principale e mappe parametriche degli autovalori, ADC, FA e un indice di anisotropia massimo 16-19,24. In questi studi, il autovalore diffusione principale e l&#39;anisotropia massima hanno mostrato di fungere da parametri più sensibili indipendenti per l&#39;individuazione e la diagnosi delle lesioni tumorali Il seno è composto da tessuti fibroglandular e tessuto adiposo. Il tessuto è ulteriormente fibroglandular composto di molti lobi, che sono molto variabili per forma e dimensioni. Ogni microstruttura lobo comprende l&#39;albero funzionale mammaria e lobuli associati che formano il tessuto ghiandolare, e il circostante connettivo-fitessuto fibroso. La maggior parte delle neoplasie mammarie iniziano proliferazione aberrante di cellule epiteliali dei dotti o lobuli, sviluppo carcinoma in situ, che per infiltrazione nel tessuto circostante trasformarsi in carcinoma invasivo. Pertanto, i duttale / lobulare strutture sono un&#39;area fondamentale di ricerca della trasformazione maligna della mammella. Le caratteristiche strutturali degli alberi duttale stati indagati ex vivo nel 1840 da Sir Astley Cooper con iniezione di cera colorata per i condotti di esemplari mastectomia 25. Recentemente, computer derivato il monitoraggio di interi allattamento alberi duttale è stato raggiunto in pochi petti umani utilizzando campioni mastectomia 26,27. Il lavoro qui presentato dimostra che i parametri ottenuti in vivo imaging del tensore di diffusione forniscono informazioni associate con il tessuto mammario caratteristiche microstrutturali distinte, consentendo anche il rilevamento non invasivo il cancro al seno. Il pprincipi alla base hysical diffusione seno imaging del tensore si basano sulla capacità di risonanza magnetica per misurare e quantificare la diffusione di acqua anisotropico in ambienti ristretti 28. In generale, diffusione dell&#39;acqua in soluzioni omogenee è libero e isotropo, tuttavia, se il movimento dell&#39;acqua viene interrotta a causa di restrizione pareti impermeabili diffusione diventa anisotropa con un facile diffusione parallela libera alle pareti ed una diffusione lenta ristretto perpendicolari alle pareti ( Figura 1). Diffusione dell&#39;acqua nei tessuti è complessa e dipende caratteristiche strutturali e fisiologiche del intra e compartimenti extracellulari compreso &#39;dimensioni, cellule&#39; cellule densità, tortuosità extracellulare e scambio di acqua attraverso le membrane, nonché la presenza di reti vascolari e linfatici (Figura 2). <img alt="Figura 1" src="/files/ftp_upload/52048/52048fig1highres.jpg" /> Figura 1: diffusione gratuita e limitata Schema di una libera diffusione molecola d&#39;acqua (a sinistra) e la diffusione limitata da mura impermeabili (a destra).. <img alt="Figura 2" src="/files/ftp_upload/52048/52048fig2highres.jpg" /> Figura 2: diffusione Complex in un tessuto Schema di diffusione dell&#39;acqua in un sistema cellulare che mostra il movimento delle molecole d&#39;acqua nei compartimenti extracellulari ed intracellulari e scambio di acqua (frecce) tra queste due compartimenti.. A causa delle caratteristiche architettoniche specifiche del seno diffusione delle molecole d&#39;acqua nei condotti mammari e lobuli presentano un particolare esempio di movimento limitato e anisotropo: In parallelo alle pareti dei condotti e lobuli la diffusione è vicina a quella di diffusione libera ma nelle direzioni perpendicolari alle pareti è limitato dalle pareti, composto di duestrati di membrana cellulare e cantina. Di conseguenza la diffusione nel sistema duttale / ghiandolare è relativamente veloce ed anisotropa. D&#39;altra parte, la diffusione nel tessuto fibroso connettivo circostante i condotti è veloce e isotropo a causa dell&#39;elevato contenuto di acqua e bassa densità cellulare in questo tessuto (figure 3 e 4). In presenza di malignità, blocco dei dotti e lobuli dalle cellule tumorali aumenta la tortuosità e limitare il movimento dell&#39;acqua, causando una riduzione dei coefficienti di diffusione in tutte le direzioni e in movimento anisotropo (Figure 3 e 4). <img alt="Figura 3" src="/files/ftp_upload/52048/52048fig3highres.jpg" /> Figura 3: Diffusione in lobuli della mammella Disegno schematico di un taglio attraverso i lobuli e la diffusione di acqua all&#39;interno di una lobulo.. A sinistra: la diffusione di acqua limitata da mura lobuli &#39;mostrano velocediffusione parallelo alle pareti e diffusione limitata perpendicolari alle pareti. A destra: diffusione in lobuli con cellule tumorali. La diffusione nel compartimento extracellulare è fortemente ostacolata ma simile in tutte le direzioni e, quindi, quasi isotropo. <img alt="Figura 4" src="/files/ftp_upload/52048/52048fig4highres.jpg" /> Figura 4:. Diffusione dell&#39;acqua nel sistema ad albero duttale Sinistra: dotti mammari iniettati con cera colorata, mostrando loro direzione irradiato, e la loro inter-ramificazione 25. Middle: Disegno schematico di un normale albero duttale con vettori che indicano la diffusione all&#39;interno dei condotti (frecce nere) e nel tessuto connettivo (frecce verdi). Destra: Disegno schematico di un albero duttale con due loci di cellule tumorali (viola). Frecce rosse mostrano la diffusione nei tumori. Questo articolo descrive in dettaglio il metodo di scansione tensore di diffusione e la pralgoritmi ocessing e software di analisi delle serie di dati DTI che hanno permesso la rilevazione malignità seno. Tutti i tumori sono stati confermati da rilievi istopatologici di biopsia mammaria e / o campioni chirurgici. Abbiamo anche descrivono il protocollo di scansione T2 ponderati per ottenere le caratteristiche anatomiche del seno, così come il protocollo di scansione DCE che è servito come un metodo di riferimento per valutare la sensibilità di rilevamento DTI. <a href="https://www.jove.com/files/ftp_upload/52048/52048fig4large.jpg" target="_blank">Cliccate qui per vedere una versione più grande di questa figura.</a>

<table border="0" cellpadding="0" cellspacing="0" width="1079">
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:364px;">Material/Equipment&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;</td>
			<td style="width:180px;">Company/ Catalog No.&#160;&#160;&#160;&#160;&#160;&#160;&#160;&#160;</td>
			<td style="width:180px;"></td>
			<td style="width:355px;">Comments/ Description</td>
		</tr>
		<tr height="20">
			<td height="41" rowspan="2" style="height:41px;width:364px;">Magnetol-Gadopentetatedimeglumine</td>
			<td rowspan="2" style="width:180px;">Soreq, Yavne, Israel</td>
			<td rowspan="2" style="width:180px;"></td>
			<td rowspan="2" style="width:355px;">0.5M</td>
		</tr>
		<tr height="21">
		</tr>
		<tr height="20">
			<td height="41" rowspan="2" style="height:41px;width:364px;">3 Tesla MRI scanner,&#160; MAGNETON Trio&#160;&#160;</td>
			<td rowspan="2" style="width:180px;">Siemens, Erlangn, Germany</td>
			<td rowspan="2" style="width:180px;"></td>
			<td rowspan="2" style="width:355px;">120</td>
		</tr>
		<tr height="21">
		</tr>
		<tr height="22">
			<td height="22" style="height:22px;width:364px;">Bilateral breast&#160; array coil&#160;&#160;</td>
			<td style="width:180px;">Siemens, Erlangn, Germany</td>
			<td style="width:180px;"></td>
			<td style="width:355px;">4-channel</td>
		</tr>
		<tr height="22">
			<td height="22" style="height:22px;width:364px;">Bilateral breast&#160; array coil&#160;&#160;</td>
			<td style="width:180px;">In-Vivo, Orlando FA</td>
			<td style="width:180px;"></td>
			<td style="width:355px;">7.channel</td>
		</tr>
		<tr height="20">
			<td height="41" rowspan="2" style="height:41px;">Automated pump, Spectris Solaris MR Injector&#160;&#160;</td>
			<td rowspan="2" style="width:180px;">Medrad, Indianola , PA&#160;&#160;&#160;&#160;&#160;&#160;&#160;</td>
			<td rowspan="2" style="width:180px;"></td>
			<td rowspan="2" style="width:355px;"></td>
		</tr>
		<tr height="21">
		</tr>
		<tr height="20">
			<td height="61" rowspan="3" style="height:61px;width:364px;">DTI Image processing software&#160;&#160;&#160;&#160;&#160;&#160;&#160;</td>
			<td rowspan="3" style="width:180px;">Home-built</td>
			<td rowspan="3" style="width:180px;"></td>
			<td rowspan="3" style="width:355px;">Property of Yeda Research and Development Co.&#160; Ltd http://www.yedarnd.com/ContactUs.asp&#160;</td>
		</tr>
		<tr height="20">
		</tr>
		<tr height="21">
		</tr>
		<tr height="43">
			<td height="43" style="height:43px;width:364px;">3TP Image processing software</td>
			<td style="width:180px;">Home-built</td>
			<td style="width:180px;"></td>
			<td style="width:355px;">Property of Yeda Research and Development Co.&#160; Ltd http://www.yedarnd.com/ContactUs.asp&#160;</td>
		</tr>
	</tbody>
</table>

tracking the mammary architectural features and detecting breast cancer with magnetic resonance diffusion tensor imaging

Breast cancer is the most common cause of cancer among women worldwide. Early detection of breast cancer has a critical role in improving the quality of life and survival of breast cancer patients. In this paper a new approach for the detection of breast cancer is described, based on tracking the mammary architectural elements using diffusion tensor imaging (DTI). 
The paper focuses on the scanning protocols and image processing algorithms and software that were designed to fit the diffusion properties of the mammary fibroglandular tissue and its changes during malignant transformation. The final output yields pixel by pixel vector maps that track the architecture of the entire mammary ductal glandular trees and parametric maps of the diffusion tensor coefficients and anisotropy indices. 
The efficiency of the method to detect breast cancer was tested by scanning women volunteers including 68 patients with breast cancer confirmed by histopathology findings. Regions with cancer cells exhibited a marked reduction in the diffusion coefficients and in the maximal anisotropy index as compared to the normal breast tissue, providing an intrinsic contrast for delineating the boundaries of malignant growth. Overall, the sensitivity of the DTI parameters to detect breast cancer was found to be high, particularly in dense breasts, and comparable to the current standard breast MRI method that requires injection of a contrast agent. Thus, this method offers a completely non-invasive, safe and sensitive tool for breast cancer detection.

Il metodo è stato inizialmente testato e dimostrato scansionando volontari normali in varie fasi ormonali. Figura 11 dimostrato le mappe parametriche e vettoriale ottenuti utilizzando il software di una fetta centrale di una giovane volontario sano con relativamente elevata frazione di tessuto fibroglandular, come si vede chiaramente sull&#39;immagine ponderata T2 (tutte le zone grigie sono tessuti fibroglandular e le aree luminose sono grasso). La direzione del coefficiente di diffusione prime λ 1 è indicata nel vettore mappa v1 con una grande frazione di pixel che punta verso il capezzolo. Come previsto, i valori dei coefficienti di diffusione tensoriali diminuiscono dal λ 1 a λ 2 a λ 3. Utilizzando questi tre coefficienti di diffusione calcolo della ADC media diffusività abilitati, l&#39;anisotropia frazionaria (FA) e l&#39;anisotropia massima, λ 1 - λ 3. Avviso nelle mappe di FA e λ 1 - λ <sub&gt; 3 l&#39;alta congruenza nella distribuzione spaziale dei valori di questi due indici. In donne in post-menopausa il seno sono solitamente meno denso come mostrato nell&#39;esempio in figura 13 per un 63 anni volontario normale. I coefficienti di diffusione sono inferiori in volontari anziani ma gli indici di anisotropia sono più elevati, probabilmente a causa del diametro inferiore dei condotti e lobuli e quindi, maggiore restrizione imposta sulla diffusione nelle direzioni ortogonali alle pareti duttali. Un altro esempio che illustra la sensibilità del tensore alle dimensioni dei condotti è mostrato nell&#39;esempio di un volontario allattamento in Figura 14. Poiché il latte è un colloide di globuli di grasso in un liquido acquoso contenente carboidrati disciolti e aggregati proteici con minerali , la viscosità del latte è superiore a quello della normale fluido acqua nelle condotte, e quindi, i coefficienti di diffusione dell&#39;acqua di seni in lattazione sono lower di quelli delle donne in premenopausa 24. Inoltre, i condotti vicino al capezzolo sono grandi e la restrizione nelle direzioni ortogonali ai condotti è inferiore al seno non in lattazione, e di conseguenza gli indici anisotropia sono inferiori. Tuttavia nelle regioni -posterior lobulare della mammella allattamento anisotropia è ancora alto. In pazienti con neoplasie il principale cambiamento nei parametri tensore di diffusione è esposta in una significativa riduzione nei tre coefficienti di diffusione. Le variazioni di λ 1 sono stati trovati per fornire il massimo contrasto rumore 19. Questo studio ha incluso 68 pazienti con patologia confermata tra cui 33 pazienti con diagnosi di carcinoma duttale invasivo (IDC), 19 con carcinoma duttale in situ (DCIS), 13 con carcinoma invasivo lobulare (ILC) e 3 con altri tumori maligni. Diversi pazienti avevano più focale o il cancro al seno più centric. La dimensione dei tumori Varied 3-95 mm con mediana di 14 mm e interquartile gamma da 10 a 30 mm. In tutti questi pazienti il ​​tasso di rilevamento di DCE e DTI erano paragonabili. Tuttavia, 5 casi che hanno mostrato il miglioramento in DCE e confermati dalla patologia in quanto i tumori non sono stati inclusi nell&#39;analisi DTI a causa di problemi tecnici in seno grassi, principalmente legati a campo disomogeneità e soppressione del grasso insufficiente causando distorsioni e artefatti. Figure 15, 16 e 17 dimostrano le mappe parametriche tipiche dei due parametri di diffusione principali λ 1 e λ 1 - λ 3 che vengono utilizzati per rilevare tumori al seno. Questa figura mostra, oltre a T2 pesate, i risultati dell&#39;analisi DCE utilizzando il metodo codice colore 3TP. Come spiegato nell&#39;introduzione presenza di cellule maligne nei dotti o lobuli e la loro circostante impedire la diffusione nel compartimento extracellulare riducendo significativamente tegli DIFFUSION coefficienti. Inoltre, l&#39;anisotropia dovuto alle strutture duttali sta scomparendo come le cellule tumorali diffuse in tutte le direzioni in modo caotico senza una direzione particolare. La FA non è un parametro adeguato per il rilevamento del cancro al seno poiché la normalizzazione di questo parametro per la diffusività media porta ad elevati valori di FA nei tumori simili a quelli in tessuto normale 19. Tuttavia, l&#39;anisotropia massima fornisce un mezzo per rilevare il cancro (Figure 15-17). Tuttavia, perché il tessuto fibroso connettivo è anche vicino a isotropo e presentare valori bassi di anisotropia massima, questo parametro è meno specifico rispetto alla λ coefficiente di diffusione 1 e agisce come un parametro secondario per λ 1. Figura 17 dimostra anche la capacità di DTI di caratterizzare la risposta alla chemioterapia neoadiuvante. In questo esempio, il paziente pienamente risposto al trattamento (4 cicli di annuncioriamycin + Cycloxane -, seguiti da 4 cicli di Taxol). Infatti, la risposta alla terapia ha causato un significativo aumento dei coefficienti di diffusione per valori tipici al tessuto mammario normale, suggerendo la presenza di tessuto connettivo riparativo che ha sostituito le cellule tumorali. Risultati simili sono stati ottenuti in 4 altri pazienti che hanno risposto alla terapia. <img alt="Figura 13" src="/files/ftp_upload/52048/52048fig13highres.jpg" /> Figura 13: Uscita di mappe DTI parametriche di una fetta centrale del seno di un 63 anni volontario sano sovrapposta l&#39;immagine ponderata T2 della stessa porzione Dir.. - Direzione mappa con il rosso che indica da sinistra a destra, verde anteriori indicando a posteriore e testa verde che indica a piedi le direzioni. Si noti che i vettori sono assegnati in linee bianche. Tutti i coefficienti di diffusione e l&#39;indice di anisotropia massima sono in unità di 1 x10 -3 mm 2 / sec. FA è unit-less. La barra di scala nel vettore rifERS ad una lunghezza di 20 mm e la barra di scala dell&#39;immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini rimanenti. <img alt="Figura 14" src="/files/ftp_upload/52048/52048fig14highres.jpg" /> Figura 14: Uscita di mappe DTI parametriche di una fetta centrale del seno di un 40 anni di volontariato in allattamento sovrapposizione all&#39;immagine ponderata T2 della stessa porzione Dir.. - Direzione mappa con il rosso che indica da sinistra a destra, verde anteriori indicando a posteriore e testa verde che indica a piedi le direzioni. Tutti i coefficienti di diffusione e l&#39;indice di anisotropia massima sono in unità di 1 x10 -3 mm 2 / sec. FA è unit-less. Nota in direzione mappa e mappa vettoriale che la maggior parte i pixel sono allineati verso il capezzolo. Si noti inoltre i coefficienti di diffusione inferiori rispetto ai valori delle figure 7 e 10 volontari sani. La barra di scala nella mappa vettoriale riferisce ad una lunghezza di 20 mm e labarra della scala dell&#39;immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini rimanenti. <img alt="Figura 15" src="/files/ftp_upload/52048/52048fig15highres.jpg" /> Figura 15:. Mappe parametriche di λ 1 e λ 1 - λ 3 in un paziente di 38 anni con il multi focale carcinoma duttale invasivo Nel 1 ° prima i parametri DTI sono presentati con una soglia di 1,7 x 10 -3 mm 2 / sec per λ 1 e 0,6 mm 2 / sec per λ 1 -λ 3 (tutti i valori al di sopra delle soglie sono colorati in viola). Nelle prime 2 °, valori superiori alla soglia non sono colorati e mostrare l&#39;immagine ponderata T2 sottostante. La figura include anche nella colonna 1 v sull&#39;immagine ponderata lasciato un T2 e una mappa parametrica DCE, ottenuti con il metodo 3TP, della stessa porzione le mappe parametriche DTI. La barra di scala dell&#39;immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini. Si noti che la risoluzione delle immagini DCE in piano spaziale è circa due volte superiore a quello di DTI, tuttavia, vi è un elevato congruenza visiva nella posizione e le dimensioni della 3TP e le λ 1 mappe parametriche. <img alt="Figura 16" src="/files/ftp_upload/52048/52048fig16highres.jpg" /> Figura 16: mappe parametriche di λ 1 e λ 1 -λ 3 in un paziente di 60 anni con basso grado CDIS Il dato include anche nella colonna 1 ° a sinistra un&#39;immagine ponderato T2 e una mappa parametrica DCE, ottenuto dalla. Metodo 3TP, della stessa porzione come le mappe parametriche DTI. La barra di scala dell&#39;immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini. Nota la capacità di DTI per rilevare il cancro in un seno molto grassa. <img alt="Figura 17" src="/files/ftp_upload/52048/52048fig17highres.jpg" /> Figura 17: mappe parametriche di λ 1 e λ 1 - λ 3 in un paziente di 39 anni con carcinoma lobulare invasivo prima e dopo la chemioterapia neoadiuvante Il paziente è stato sottoposto a scansione due volte, una volta prima della terapia e una volta prima di un intervento chirurgico, dopo 4 cicli di Adryamicin +. cicli Cycloxan e 4 di Taxol. Nota l&#39;aumento λ 1 e λ 1 in -λ 3 nelle regioni tumorali che hanno risposto al trattamento. 1 ° mostra prime immagini ottenute prima della terapia e il 2 spettacoli prime immagini di circa stessa regione, come nel 1 ° fila, ottenute prima dell&#39;intervento chirurgico. Prima regioni cancro trattamento esposti λ 1 e λ 1 -λ 3 valori di sotto della loro soglia, e dopo il trattamento di questi due parametri sono aumentati a valori sopra la soglia. Il dato include anche nella colonna 1 st sulle T2 pesate sinistra; nella colonna 2 nd MuImmagine ltiple Proiezione-MIP, ottenuto sottraendo le immagini pre-contrasto delle immagini successive di contrasto 2 min; nella colonna 3 rd mappe parametriche DCE ottenuti con il metodo 3TP. La barra di scala dell&#39;immagine in T2 si riferisce ad una lunghezza di 20 mm in tutte le immagini

Watch this Scientific Journal Video about Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging at JoVE.com

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

We describe how to obtain parametric and vector maps of the diffusion tensor of the breast using magnetic resonance imaging. The protocol and final output following imaging processing are tailored for tracking breast architectural features and detecting breast malignancy.

Monitoraggio delle mammarie caratteristiche architettoniche e Rilevamento cancro al seno con risonanza magnetica del tensore di diffusione Imaging

Breast cancer is the most common cause of cancer among women worldwide. Early detection of breast cancer has a critical role in improving the quality of ...

tracking-mammary-architectural-features-detecting-breast-cancer-with

Research

JoVE Journal

Medicine

22.2K Views.  Weizmann Institute of Science. We describe how to obtain parametric and vector maps of the diffusion tensor of the breast using magnetic resonance imaging. The protocol and final output following imaging processing are tailored for tracking breast architectural features and detecting breast malignancy. 

Video: Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

Magnetic Resonance Derived Myocardial Strain Assessment Using Feature Tracking

Purpose: An accurate and practical method to measure parameters like strain in myocardial tissue is of great clinical value, since it has been shown, that strain is a more sensitive and earlier marker for contractile dysfunction than the frequently used parameter EF. Current technologies for CMR are time consuming and difficult to implement in clinical practice. Feature tracking is a technology that can lead to more automization and robustness of quantitative analysis of medical images with less time consumption than comparable methods.
Methods: An automatic or manual input in a single phase serves as an initialization from which the system starts to track the displacement of individual patterns representing anatomical structures over time. The specialty of this method is that the images do not need to be manipulated in any way beforehand like e.g. tagging of CMR images.
Results: The method is very well suited for tracking muscular tissue and with this allowing quantitative elaboration of myocardium and also blood flow.
Conclusions: This new method offers a robust and time saving procedure to quantify myocardial tissue and blood with displacement, velocity and deformation parameters on regular sequences of CMR imaging. It therefore can be implemented in clinical practice.

An accurate and practical method to measure parameters like strain in myocardial tissue is of great clinical value, since it has been shown, that strain is a more sensitive and earlier marker for contractile dysfunction than the frequently used parameter EF.

Risonanza Magnetica Derivato valutazione di deformazione miocardica Utilizzo del rilevamento delle caratteristiche

Purpose: An accurate and practical method to measure parameters like strain in myocardial tissue is of great clinical value, since it has been shown, that ...

Ricerca

Medicina

Probing the Brain in Autism Using fMRI and Diffusion Tensor Imaging

Newly emerging theories suggest that the brain does not function as a cohesive unit in autism, and this discordance is reflected in the behavioral symptoms displayed by individuals with autism. While structural neuroimaging findings have provided some insights into brain abnormalities in autism, the consistency of such findings is questionable. Functional neuroimaging, on the other hand, has been more fruitful in this regard because autism is a disorder of dynamic processing and allows examination of communication between cortical networks, which appears to be where the underlying problem occurs in autism. Functional connectivity is defined as the temporal correlation of spatially separate neurological events1. Findings from a number of recent fMRI studies have supported the idea that there is weaker coordination between different parts of the brain that should be working together to accomplish complex social or language problems2,3,4,5,6. One of the mysteries of autism is the coexistence of deficits in several domains along with relatively intact, sometimes enhanced, abilities. Such complex manifestation of autism calls for a global and comprehensive examination of the disorder at the neural level. A compelling recent account of the brain functioning in autism, the cortical underconnectivity theory,2,7 provides an integrating framework for the neurobiological bases of autism. The cortical underconnectivity theory of autism suggests that any language, social, or psychological function that is dependent on the integration of multiple brain regions is susceptible to disruption as the processing demand increases. In autism, the underfunctioning of integrative circuitry in the brain may cause widespread underconnectivity. In other words, people with autism may interpret information in a piecemeal fashion at the expense of the whole. Since cortical underconnectivity among brain regions, especially the frontal cortex and more posterior areas 3,6, has now been relatively well established, we can begin to further understand brain connectivity as a critical component of autism symptomatology.
A logical next step in this direction is to examine the anatomical connections that may mediate the functional connections mentioned above. Diffusion Tensor Imaging (DTI) is a relatively novel neuroimaging technique that helps probe the diffusion of water in the brain to infer the integrity of white matter fibers. In this technique, water diffusion in the brain is examined in several directions using diffusion gradients. While functional connectivity provides information about the synchronization of brain activation across different brain areas during a task or during rest, DTI helps in understanding the underlying axonal organization which may facilitate the cross-talk among brain areas. This paper will describe these techniques as valuable tools in understanding the brain in autism and the challenges involved in this line of research.

Neuroimaging techniques, such as functional MRI and Diffusion Tensor Imaging have become increasingly useful in characterizing the cognitive and neural deficits in autism. An examination of brain connectivity in autism at a network level along with adaptations for scanning children with developmental disabilities is presented.

Probing the Brain in Autismo Utilizzando fMRI e imaging del tensore di diffusione

Newly emerging theories suggest that the brain does not function as a cohesive unit in autism, and this discordance is reflected in the behavioral ...

Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound

Angiogenesis is an essential feature of cancer growth and metastasis formation. In bone metastasis, angiogenic factors are pivotal for tumor cell proliferation in the bone marrow cavity as well as for interaction of tumor and bone cells resulting in local bone destruction. Our aim was to develop a model of experimental bone metastasis that allows in vivo assessment of angiogenesis in skeletal lesions using non-invasive imaging techniques.
For this purpose, we injected 105 MDA-MB-231 human breast cancer cells into the superficial epigastric artery, which precludes the growth of metastases in body areas other than the respective hind leg1. Following 25-30 days after tumor cell inoculation, site-specific bone metastases develop, restricted to the distal femur, proximal tibia and proximal fibula1. Morphological and functional aspects of angiogenesis can be investigated longitudinally in bone metastases using magnetic resonance imaging (MRI), volumetric computed tomography (VCT) and ultrasound (US).
MRI displays morphologic information on the soft tissue part of bone metastases that is initially confined to the bone marrow cavity and subsequently exceeds cortical bone while progressing. Using dynamic contrast-enhanced MRI (DCE-MRI) functional data including regional blood volume, perfusion and vessel permeability can be obtained and quantified2-4. Bone destruction is captured in high resolution using morphological VCT imaging. Complementary to MRI findings, osteolytic lesions can be located adjacent to sites of intramedullary tumor growth. After contrast agent application, VCT angiography reveals the macrovessel architecture in bone metastases in high resolution, and DCE-VCT enables insight in the microcirculation of these lesions5,6. US is applicable to assess morphological and functional features from skeletal lesions due to local osteolysis of cortical bone. Using B-mode and Doppler techniques, structure and perfusion of the soft tissue metastases can be evaluated, respectively. DCE-US allows for real-time imaging of vascularization in bone metastases after injection of microbubbles7.
In conclusion, in a model of site-specific breast cancer bone metastases multi-modal imaging techniques including MRI, VCT and US offer complementary information on morphology and functional parameters of angiogenesis in these skeletal lesions.

In the pathogenesis of bone metastasis, angiogenesis is a crucial process and therefore represents a target for imaging and therapy. Here, we present a rat model of site-specific breast cancer bone metastasis and describe strategies to non-invasively image angiogenesis in vivo using magnetic resonance imaging, volumetric computed tomography and ultrasound.

Multi-modal Imaging di angiogenesi in un modello di ratto Nudo di metastasi ossee cancro al seno utilizzando la risonanza magnetica, tomografia computerizzata volumetrica e Ultrasuoni

Angiogenesis is an essential feature of cancer growth and metastasis formation. In bone metastasis, angiogenic factors are pivotal for tumor cell ...

Time-lapse Imaging of Primary Preneoplastic Mammary Epithelial Cells Derived from Genetically Engineered Mouse Models of Breast Cancer

Time-lapse imaging can be used to compare behavior of cultured primary preneoplastic mammary epithelial cells derived from different genetically engineered mouse models of breast cancer. For example, time between cell divisions (cell lifetimes), apoptotic cell numbers, evolution of morphological changes, and mechanism of colony formation can be quantified and compared in cells carrying specific genetic lesions. Primary mammary epithelial cell cultures are generated from mammary glands without palpable tumor. Glands are carefully resected with clear separation from adjacent muscle, lymph nodes are removed, and single-cell suspensions of enriched mammary epithelial cells are generated by mincing mammary tissue followed by enzymatic dissociation and filtration. Single-cell suspensions are plated and placed directly under a microscope within an incubator chamber for live-cell imaging. Sixteen 650 &mu;m x 700 &mu;m fields in a 4x4 configuration from each well of a 6-well plate are imaged every 15 min for 5 days. Time-lapse images are examined directly to measure cellular behaviors that can include mechanism and frequency of cell colony formation within the first 24 hr of plating the cells (aggregation versus cell proliferation), incidence of apoptosis, and phasing of morphological changes. Single-cell tracking is used to generate cell fate maps for measurement of individual cell lifetimes and investigation of cell division patterns. Quantitative data are statistically analyzed to assess for significant differences in behavior correlated with specific genetic lesions.

Time-lapse imaging is used to assess behavior of primary preneoplastic mammary epithelial cells derived from genetically engineered mouse models of breast cancer risk to determine if there are correlations between specific behavioral parameters and distinct genetic lesions.

Time-lapse imaging di primaria preneoplastiche cellule epiteliali mammarie Derivato da modelli murini geneticamente modificati di cancro al seno

Time-lapse  imaging can be used to compare behavior of cultured primary preneoplastic  mammary epithelial cells derived from different genetically ...

Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases

Diffusion tensor imaging (DTI) techniques provide information on the microstructural processes of the cerebral white matter (WM) in vivo. The present applications are designed to investigate differences of WM involvement patterns in different brain diseases, especially neurodegenerative disorders, by use of different DTI analyses in comparison with matched controls. 	
DTI data analysis is performed in a variate fashion, i.e. voxelwise comparison of regional diffusion direction-based metrics such as fractional anisotropy (FA), together with fiber tracking (FT) accompanied by tractwise fractional anisotropy statistics (TFAS) at the group level in order to identify differences in FA along WM structures, aiming at the definition of regional patterns of WM alterations at the group level. Transformation into a stereotaxic standard space is a prerequisite for group studies and requires thorough data processing to preserve directional inter-dependencies. The present applications show optimized technical approaches for this preservation of quantitative and directional information during spatial normalization in data analyses at the group level. On this basis, FT techniques can be applied to group averaged data in order to quantify metrics information as defined by FT. Additionally, application of DTI methods, i.e. differences in FA-maps after stereotaxic alignment, in a longitudinal analysis at an individual subject basis reveal information about the progression of neurological disorders. Further quality improvement of DTI based results can be obtained during preprocessing by application of a controlled elimination of gradient directions with high noise levels.	
In summary, DTI is used to define a distinct WM pathoanatomy of different brain diseases by the combination of whole brain-based and tract-based DTI analysis.

Diffusion tensor imaging (DTI) basically serves as an MRI-based tool to identify in vivo the microstructure of the brain and pathological processes due to neurological disorders within the cerebral white matter. DTI-based analyses allow for application to brain diseases both at the group level and in single subject data.

Diffusion Tensor Imaging a risonanza magnetica in Analisi delle Malattie Neurodegenerative

Diffusion tensor imaging (DTI) techniques provide information on the microstructural processes of the cerebral white matter (WM) in vivo. The present ...

Orthotopic Injection of Breast Cancer Cells into the Mammary Fat Pad of Mice to Study Tumor Growth.

Breast cancer growth can be studied in mice using a plethora of models. Genetic manipulation of breast cancer cells may provide insights into the functions of proteins involved in oncogenic progression or help to discover new tumor suppressors. In addition, injecting cancer cells into mice with different genotypes might provide a better understanding of the importance of the stromal compartment. Many models may be useful to investigate certain aspects of disease progression but do not recapitulate the entire cancerous process. In contrast, breast cancer cells engraftment to the mammary fat pad of mice better recapitulates the location of the disease and presence of the proper stromal compartment and therefore better mimics human cancerous disease. In this article, we describe how to implant breast cancer cells into mice orthotopically and explain how to collect tissues to analyse the tumor milieu and metastasis to distant organs. Using this model, many aspects (growth, angiogenesis, and metastasis) of cancer can be investigated simply by providing a proper environment for tumor cells to grow.

Cancer is a complex disease that is influenced by the tissue surrounding the tumor as well as local pro- and anti-inflammatory mediators. Therefore, orthotropic injection models, rather than subcutaneous models may be useful to study cancer progression in a manner that better mimics human pathology.

Iniezione ortotopico di cellule di carcinoma mammario nel mammaria Fat Pad di Mice per studiare la crescita del tumore.

Breast cancer growth can be studied in mice using a plethora of models. Genetic manipulation of breast cancer cells may provide insights into the ...

Dynamic Contrast Enhanced Magnetic Resonance Imaging of an Orthotopic Pancreatic Cancer Mouse Model

Dynamic contrast enhanced magnetic resonance imaging (DCE-MRI) has been limitedly used for orthotopic pancreatic tumor xenografts due to severe respiratory motion artifact in the abdominal area. Orthotopic tumor models offer advantages over subcutaneous ones, because those can reflect the primary tumor microenvironment affecting blood supply, neovascularization, and tumor cell invasion. We have recently established a protocol of DCE-MRI of orthotopic pancreatic tumor xenografts in mouse models by securing tumors with an orthogonally bent plastic board to prevent motion transfer from the chest region during imaging. The pressure by this board was localized on the abdominal area, and has not resulted in respiratory difficulty of the animals. This article demonstrates the detailed procedure of orthotopic pancreatic tumor modeling using small animals and DCE-MRI of the tumor xenografts. Quantification method of pharmacokinetic parameters in DCE-MRI is also introduced. The procedure described in this article will assist investigators to apply DCE-MRI for orthotopic gastrointestinal cancer mouse models.

The goal of this protocol is to apply dynamic contrast enhanced magnetic resonance imaging (DCE-MRI) for orthotopic pancreatic tumor xenografts in mice. DCE-MRI is a non-invasive method to analyze microvasculature in a target tissue, and useful to assess vascular response in a tumor following a novel therapy.

Contrasto dinamico migliorato risonanza magnetica di un modello ortotopico cancro del pancreas mouse

Dynamic contrast enhanced magnetic resonance imaging (DCE-MRI) has been limitedly used for orthotopic pancreatic tumor xenografts due to severe ...

Simultaneous PET/MRI Imaging During Mouse Cerebral Hypoxia-ischemia

Dynamic changes in tissue water diffusion and glucose metabolism occur during and after hypoxia in cerebral hypoxia-ischemia reflecting a bioenergetics disturbance in affected cells. Diffusion weighted magnetic resonance imaging (MRI) identifies regions that are damaged, potentially irreversibly, by hypoxia-ischemia. Alterations in glucose utilization in the affected tissue may be detectable by positron emission tomography (PET) imaging of 2-deoxy-2-(18F)fluoro-&#7429;-glucose ([18F]FDG) uptake. Due to the rapid and variable nature of injury in this animal model, acquisition of both modes of data must be performed simultaneously in order to meaningfully correlate PET and MRI data. In addition, inter-animal variability in the hypoxic-ischemic injury due to vascular differences limits the ability to analyze multi-modal data and observe changes to a group-wise approach if data is not acquired simultaneously in individual subjects. The method presented here allows one to acquire both diffusion-weighted MRI and [18F]FDG uptake data in the same animal before, during, and after the hypoxic challenge in order to interrogate immediate physiological changes.

The method presented here uses simultaneous positron emission tomography and magnetic resonance imaging. In the cerebral hypoxia-ischemia model, dynamic changes in diffusion and glucose metabolism occur during and after injury. The evolving and irreproducible damage in this model necessitates simultaneous acquisition if meaningful multi-modal imaging data are to be acquired.

Simultanea Imaging PET / MRI Durante mouse cerebrale ipossia-ischemia

Dynamic changes in tissue water diffusion and glucose metabolism occur during and after hypoxia in cerebral hypoxia-ischemia reflecting a bioenergetics ...

Cardiac Magnetic Resonance Imaging at 7 Tesla

CMR at an ultra-high field (magnetic field strength B0&#160;&#8805; 7 Tesla) benefits from the signal-to-noise ratio (SNR) advantage inherent at higher magnetic field strengths and potentially provides improved signal contrast and spatial resolution. While promising results have been achieved, ultra-high field CMR is challenging due to energy deposition constraints and physical phenomena such as transmission field non-uniformities and magnetic field inhomogeneities. In addition, the magneto-hydrodynamic effect renders the synchronization of the data acquisition with the cardiac motion difficult. The challenges are currently addressed by explorations into novel magnetic resonance technology. If all impediments can be overcome, ultra-high field CMR may generate new opportunities for functional CMR, myocardial tissue characterization, microstructure imaging or metabolic imaging. Recognizing this potential, we show that multi-channel radio frequency (RF) coil technology tailored for CMR at 7 Tesla together with higher order B0 shimming and a backup signal for cardiac triggering facilitates high fidelity functional CMR. With the proposed setup, cardiac chamber quantification can be accomplished in examination times similar to those achieved at lower field strengths. To share this experience and to support the dissemination of this expertise, this work describes our setup and protocol tailored for functional CMR at 7 Tesla.

The sensitivity gain inherent to ultrahigh field magnetic resonance holds promise for high spatial resolution imaging of the heart. Here, we describe a protocol customized for functional cardiovascular magnetic resonance (CMR) at 7 Tesla using an advanced multi-channel radio-frequency coil, magnetic field shimming and a triggering concept.

Risonanza magnetica cardiaca a 7 Tesla

CMR at an ultra-high field (magnetic field strength B0&#160;&#8805; 7 Tesla) benefits from the signal-to-noise ratio (SNR) advantage inherent at higher ...

Phase Contrast Magnetic Resonance Imaging in the Rat Common Carotid Artery

Phase contrast magnetic resonance imaging (PC-MRI) is a noninvasive approach that can quantify flow-related parameters such as blood flow. Previous studies have shown that abnormal blood flow may be associated with systemic vascular risk. Thus, PC-MRI can facilitate the translation of data obtained from animal models of cardiovascular diseases to pertinent clinical investigations. In this report, we describe the procedure for measuring blood flow in the common carotid artery (CCA) of rats using cine-gated PC-MRI and discuss relevant analysis methods. This procedure can be performed in a live, anesthetized animal and does not require euthanasia after the procedure. The proposed scanning parameters yield repeatable measurements for blood flow, indicating excellent reproducibility of the results. The PC-MRI procedure described in this article can be used for pharmacological testing, pathophysiological assessment, and cerebral hemodynamics evaluation.

The overall goal of this procedure is to measure the blood flow in the rat common carotid artery by using noninvasive phase contrast magnetic resonance imaging.

Fase di contrasto risonanza magnetica nell'arteria carotica comune ratto

Phase contrast magnetic resonance imaging (PC-MRI) is a noninvasive approach that can quantify flow-related parameters such as blood flow. Previous ...