Dixon 자기 공명 영상을 사용한 간 지방 분획 분포 분석을 위한 3D 정량화 기법

요약

이 연구는 Dixon MRI(Dixon Magnetic Resonance Imaging)를 사용하여 간 지방 분율(LFF) 분포에 대한 고유한 3D 정량화 방법을 소개합니다. 동상 및 수상 이미지에서 파생된 LFF 맵은 3D 간 윤곽과 통합되어 정상 간과 지방계 간 간의 LFF 패턴을 구별하여 간 지방 함량을 정확하게 평가할 수 있습니다.

초록

이 연구는 Dixon MRI 이미지 분석을 활용하여 간 지방 분율(LFF)의 분포에 대한 3D 정량화 방법론을 제시합니다. 중심 목표는 간 지방 함량을 평가하는 매우 정확하고 비침습적인 수단을 제공하는 것입니다. 이 프로세스에는 Dixon 시퀀스에서 동상 및 수상 이미지를 획득하는 작업이 포함됩니다. 그런 다음 LFF 맵은 지질상 이미지를 동상 이미지로 나누어 복셀별로 꼼꼼하게 계산됩니다. 동시에 3D 간 윤곽이 동상 이미지에서 추출됩니다. 이러한 중요한 구성 요소는 포괄적인 3D-LFF 배포 모델을 구성하기 위해 완벽하게 통합됩니다. 이 기술은 건강한 간에만 국한되지 않고 간 지방증으로 고통받는 사람들에게까지 확장됩니다. 얻어진 결과는 간 지방 함량을 시각화하고 정량화하는 데 이 접근법의 놀라운 효과를 보여줍니다. 정상 간과 지방간 간을 구별하는 패턴을 뚜렷하게 구분합니다. Dixon MRI를 활용하여 간의 3D 구조를 추출함으로써 이 방법은 장기 전체에 걸친 정확한 LFF 평가를 제공하여 놀라운 효과로 간 지방증 진단에 큰 가능성을 제공합니다.

서문

비알코올성 지방간 질환(NAFLD)은 간세포에 트리글리세라이드가 비정상적으로 축적되는 것(간 지방증)부터 비알코올성 지방간염(NASH)으로 알려진 간세포의 염증 및 손상에 이르기까지 다양한 병리학적 상태를 포괄합니다. 경우에 따라 NAFLD는 섬유증, 간경변, 말기 간 질환 또는 간세포 암종(HCC^)을 포함한 더 심각한 단계로 진행될 수 있습니다1. 세계보건기구(WHO)와 세계질병부담기구(Global Burden of Disease)에서 발표한 자료에 따르면 전 세계적으로 약 12억 3,570만 명이 모든 연령대에서 NAFLD의 영향을 받고 있습니다². NAFLD는 현재 전 세계적으로 간 관련 질환의 가장 두드러진 원인 중 하나로 꼽히고 있으며 향후 수십 년 동안 말기 간 질환의 주요 원인이 될 것으로 예상됩니다³.

간 지방증의 정도에 대한 정확한 평가는 정확한 진단, 적절한 치료법 선택 및 효과적인 질병 진행 모니터링에 매우 중요합니다. 간 지방 함량을 평가하기 위한 황금 표준은 여전히 간 생검입니다. 그러나 침습적 특성, 통증, 출혈 및 기타 수술 후 합병증의 가능성으로 인해 빈번한 후속 검사에는 실용적인 옵션이....

프로토콜

이 연구는 승인되었고, 환자는 중국 베이징에 있는 베이징 중의과대학 둥즈먼 병원의 전염병과에서 모집되었습니다. 환자는 정보에 입각한 동의를 제공한 후 정기 복부 Dixon MRI 스캔을 받았습니다. 이 조사에서는 의학적으로 진단된 간 지방증이 있는 표준 환자의 간 지방 분율(LFF)을 재구성하기 위해 3D 분포 모델링 접근 방식을 사용합니다. 또한 이 연구는 환자의 간을 건강한 간과 비교하는 정량적 평가를 제공합니다. 이 연구에 사용된 소프트웨어 도구는 재료 표에 나열되어 있습니다.

1. 준비 및 데이터 수집

참고: 매개변수의 분산은 연구 접근 방식의 영향을 받지 않습니다. 이 조사에서는 임상 영상에서 실제 DICOM 데이터를 얻었습니다. 데이터는 전계 강도가 1.5 Tesla인 MRI 장치를 사용하여 획득했습니다. 데이터 세트는 Dixon 시퀀스에서 파생된 4개의 개별 단계, 특히 동상, 위상차, 물 및 지방으로 구성됩니다.

1. 상복부에 대한 Dixon 시퀀스를 확인하십시오.
   1. 모든 DICOM 데이터를 사용자 지정된 작업 디렉터리에 복사합니다.
      참고: 작업 디렉터리는 운영 체제와 MATLAB 모두에서 ....

토론

이 연구는 Dixon MRI ^9,10을 사용하여 간 지방 분획(LFF)의 분포를 분석하기 위한 혁신적인 3D 정량화 기술을 제시합니다. 이 방법은 동위상 및 수단계 이미지에서 생성된 LFF 맵을 3D 간 윤곽과 통합함으로써 정상 간과 지방계 간의 LFF 패턴을 구별합니다⁶. 결과적으로, 그것은 간 지방 함량의 정확한 평가를 용이하게합니다.

자료

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