Construction and Application of Cerebral Functional Region-Based Cerebral Blood Flow Atlas Using Magnetic Resonance Imaging-Arterial Spin Labeling

요약

이 연구는 자기 공명 영상-동맥 스핀 라벨링 이미지를 통합하여 대뇌 기능 영역에 대한 대뇌 혈류(CBF) 아틀라스를 도출했습니다. 전형적인 건강한 뇌허혈과 만성 뇌허혈 CBF 아틀라스를 비교한 결과, 지역별 CBF 분포에서 상당한 차이가 발견되어 기능적 CBF에 대한 신속한 비침습적 평가가 가능하여 진단과 치료제 평가를 지원할 수 있었습니다.

초록

뇌 상태는 종종 정확한 진단과 모니터링이 필요하므로 고급 이미징 기술이 필요합니다. 현재의 치료법은 가역적 조직 손상의 초기 징후를 적절하게 감지하지 못할 수 있으며, 이는 높은 특이성과 민감성으로 뇌혈류(CBF)의 변화를 정량화할 수 있는 혁신적인 진단 도구의 필요성을 강조합니다. 이 연구는 3차원 동맥 스핀 라벨링(3D-ASL)과 구조적 MRI를 통합하여 뇌의 모든 주요 기능 영역을 포괄하는 포괄적인 CBF 아틀라스를 개발합니다. 이 혁신적인 자기 공명 영상-동맥 스핀 라벨링(MRI-ASL) 방법론은 지역별 CBF를 정량화하는 빠르고 비침습적인 수단을 제공하여 다양한 기능 영역에서 CBF 수준에 대한 자세한 보기를 제공합니다. 만성 뇌허혈(CCI) 환자와 건강한 피험자를 비교한 결과, 전자에 대해 구성된 CBF 아틀라스에서 대뇌 기능 영역 전반에 걸쳐 CBF가 크게 감소한 것으로 나타났습니다. 이 접근법은 건강한 분포와 관련하여 중요한 영역에서 CBF의 동시 감소를 분석하여 CCI를 효율적으로 식별할 수 있을 뿐만 아니라 종적 CBF 아틀라스를 통해 치료 반응 및 재활 진행 상황을 추적할 수 있습니다. MRI-ASL 기법을 사용하여 개발된 CBF 아틀라스는 뇌 진단 및 환자 치료 분야의 새로운 발전을 나타냅니다. 이 방법은 지역별 CBF 수준을 규범 표준과 비교함으로써 진단 능력을 향상시켜 임상의가 뇌 질환이 있는 환자에게 개인화된 치료를 제공할 수 있도록 합니다.

서문

신경 영상 분야에서는 대뇌 기능과 병리학을 평가하기 위한 정밀하고 비침습적인 도구에 대한 탐구가 여전히 가장 중요합니다. 이 중 뇌혈류(CBF)는 뇌 조직의 대사 요구량과 건강 상태를 반영하는 중요한 지표입니다¹. 전통적인 접근법은 종종 경험적 평가를 수반하며, 이미지를 해석하고 병리학적 변화를 식별하기 위해 임상의의 전문 지식에 크게 의존합니다². 그러나 자기공명영상(MRI) 기술, 특히 동맥 스핀 라벨링(ASL)³의 발전은 CBF를 보다 정확하고 객관성있게 정량화할 수 있는 유망한 방법을 제공합니다 ^4,5.

이 연구는 3차원 ASL(3D-ASL)과 구조적 MRI를 통합하여 대뇌 기능 영역 전반에 걸친 포괄적인 CBF 아틀라스를 구성하는 선구적인 방법론을 제시합니다⁶. 이 새로운 접근법을 활용함으로써 임상의는 CBF에 대한 글로벌 관점을 얻을 수 있을 뿐만 아니라 특정 기능 영역을 탐구할 수 있어 대뇌 관류 패턴에 대한 미묘한 이해를 가능하게 합니다 ^7,8. 이러한 해상도 향상은 보간된 복셀의 사용보다는 이미징 장비의 기술 발전의 직접적인 결과입니다. 오늘날 시장에서 사용할 수 있는 대부분의 주류 MRI 장치는 일반적으로 1.5mm9 이상의 이미징 정밀도를 제공한다는 점에 주목할 가치가 있습니다. 이러한 이미징 기술의 발전은 보다 상세하고 정확한 CBF 평가를 위한 길을 열었습니다. 이는 초기 단계 병리학과 관련된 CBF의 미묘한 변화를 감지하기 위한 해상도가 부족한 경우가 많은 기존 이미징에서 패러다임 전환을 나타냅니다¹⁰.

이 방법론의 기원은 만성 뇌 허혈(CCI) 및 기타 신경 장애를 포함한 대뇌 질환으로 인해 제기되는 진단 문제를 해결해야 한다는 데 있습니다^11,12. 이러한 상태는 치료적 개입을 효과적으로 안내하기 위해 정확하고 시기적절한 평가를 필요로 한다 ^13,14. 이 연구는 건강한 개인과 CCI 환자 간의 CBF 아틀라스를 비교함으로써 지역별 CBF 분포의 상당한 불균형을 드러내고 질병 병리학 및 잠재적 치료 방법에 대한 통찰력을 제공합니다.

이 MRI-ASL 접근법의 유용성은 진단을 넘어 질병 진행의 치료 평가 및 모니터링을 포함한다¹⁵. 종적 CBF 아틀라스는 치료 반응 및 재활 결과를 추적하는 데 있어 유망하며, 임상의에게 개인화된 환자 관리를 위한 귀중한 도구를 제공합니다. 또한, 미묘한 CBF 변화를 식별할 수 있는 능력은 임박한 조직 이상에 대한 초기 바이오마커 역할을 할 수 있으며, 이를 통해 신경학적 손상이 돌이킬 수 없게 되기 전에 완화하기 위한 사전 예방적 개입을 가능하게 할 수 있습니다¹⁶.

이 방법론은 고급 도구이지만 개선 및 확장을 위한 몇 가지 방법을 고려할 가치가 있습니다. 스캐닝 프로토콜, CBF 정규화 기법을 표준화하고 다중 피험자 건강한 CBF 아틀라스를 구성하는 것은 진단 정확도와 임상적 유용성을 향상시키기 위한 중요한 단계입니다. 다양한 뇌 병리학에 걸친 공동 노력은 광범위한 임상 채택을 위해 이 접근 방식을 검증하고 개선하는 데 필수적입니다.

이 연구는 MRI 파생 CBF 아틀라스가 임상의에게 대뇌 기능 및 병리학에 대한 깊은 통찰력을 제공하는 새로운 접근 방식을 소개합니다. 이미징 그룹과 임상 해석 사이의 격차를 해소함으로써 이 방법론은 수많은 신경학적 상태의 진단 및 관리에 혁명을 일으킬 수 있는 잠재력을 가지고 있으며, 각 환자의 고유한 요구에 맞는 정밀 의학의 미래를 이끌 수 있습니다.

프로토콜

이 연구는 중국 베이징에 있는 Beijing Dongzhimen Hospital의 Institutional Review Board의 승인을 받았습니다. MRI 스캐너는 TR 4000 ms, TE 25 ms, bolus duration 700 ms, inversion time 1990 ms 매개변수를 사용하여 3D 동맥 스핀 라벨링(3D-ASL)을 위한 TGSE(Turbo Gradient Spin Echo)를 기반으로 하는 펄스 ASL(PASL) 시퀀스와 함께 사용되었습니다. 이 연구에 사용된 소프트웨어 도구는 재료 표에 나열되어 있습니다.

1. 데이터 수집 및 준비

참고: 매개변수의 분산은 연구 접근 방식의 영향을 받지 않습니다. DICOM 및 NIFTI 형식은 모두 디지털 의료 영상 데이터를 저장하는 데 사용되며 DICOM은 임상 영상 장치의 일반적인 출력입니다. 그러나 NIFTI 형식은 연구 활동의 계산 편의성을 위해 선호되는 경우가 많습니다. DICOM에서 NIFTI로 전환하는 것은 간단하고 일반적인 관행이다¹⁷. 이 연구에서는 실제 DICOM 데이터를 수집하여 NIFTI 형식으로 변환했습니다. 데이터는 1.5 Tesla MRI 스캐너를 사용하여 획득했습니다. 이 연구의 교차 이미지 정합 과정에서 FLAIR(Fluid-Attenuated Inversion Recovery) 시퀀스가 주로 사용되었으며 CBF 이미지와 융합되었습니다. 본 연구에서 사용된 CBF Atlas 도구(Table of Materials)는 상용 소프트웨어이다.

1. 지정된 작업 디렉토리에 데이터를 복사합니다.
   1. 모든 NIFTI 데이터를 사용자 정의된 작업 디렉토리에 복사합니다.
      참고: 작업 디렉토리는 운영 체제와 MATLAB에서 동일합니다. 이 연구는 RAS(Right Anterior Superior) 배향 표준을 따릅니다.
   2. MATLAB의 현재 작업 디렉터리에 있는 데이터가 들어 있는 디렉터리로 이동한 다음 niftiread 함수를 사용하여 FLAIR 데이터를 작업 공간으로 불러옵니다. size 함수를 사용하여 FLAIR 시퀀스의 치수를 확인합니다. Flair_Slice 명령을 호출하여 FLAIR 시퀀스를 봅니다( 그림 1 참조). 다음과 같이 특정 명령을 사용합니다.
      FLAIR_XLF = 니프티리드('FLAIR_XFL.nii');
      크기(FLAIR_XLF)
      Flair_Slice(FLAIR_XLF);
   3. FLAIR 시퀀스에 대한 대화형 그래픽 사용자 인터페이스(GUI)의 이미지는 그림 1 을 참조하십시오. 아래쪽 스크롤 막대를 사용하여 다른 시퀀스를 빠르게 찾아볼 수 있습니다.
2. CBF의 이미지를 빠르게 확인할 수 있습니다.
   1. niftiread 함수를 사용하여 CBF 데이터를 작업 공간으로 불러옵니다. size 함수를 사용하여 CBF 시퀀스의 차원을 확인합니다. CBF_Slice 명령을 호출하여 CBF 시퀀스를 확인합니다(그림 2 참조). 다음과 같이 특정 명령을 사용합니다.
      CBF_XLF = niftiread('CBF_XFL.nii');
      크기(CBF_XLF)
      CBF_Slice(CBF_XLF);
   2. CBF 시퀀스의 대화형 GUI 스크린샷은 그림 2 를 참조하십시오. 아래쪽 스크롤 막대를 사용하여 다른 시퀀스를 빠르게 찾아볼 수 있습니다.
      참고: 그림 2에서 CBF 값 범위는 일반적으로 0-120mL/100g/min입니다. 그림 2 는 색상 맵을 사용하여 다양한 색상으로 다양한 CBF 수준을 나타냅니다.

2. FLAIR 염기서열에서 대뇌 기능 영역의 세분화

참고: FLAIR 염기서열은 구조적 이미징 역할을 하며 탁월한 병리학적 진단 기능을 제공합니다. 따라서 FLAIR와 CBF를 융합하는 것은 임상에서 중요한 진단 가치를 지닙니다. 이 연구는 FLAIR 염기서열에서 주요 대뇌 기능 영역을 분할합니다.

1. 그림 3과 같이 작업 공간에서 FLAIR_Segment 함수를 호출하고 사전 훈련된 3차원 U-Net 기반 영상 분할 프로그램을 실행하여 대뇌 기능 영역 분할에 대한 삼면 보기를 자동으로 생성합니다. 그림 3의 각 색상은 고유한 기능 영역을 나타냅니다.
2. 다양한 대뇌 기능 영역을 실시간으로 검사하려면 십자선 상호 작용을 사용하십시오(그림 3). 십자선의 중심을 클릭하고 드래그하여 재구성된 뇌 해부학에 대한 임의의 3D 검사를 수행합니다.
   참고: 그림 3 의 GUI를 사용하면 triplanar view의 그레이스케일 강도 범위, 대비 및 밝기를 조정할 수도 있습니다.
3. 마우스 왼쪽 버튼을 이미지의 아무 영역이나 누르고 드래그하여 밝기와 대비 수준을 실시간으로 수정할 수 있습니다. 마우스 버튼을 놓아 조정을 확인하고 마무리합니다.

3. 대뇌 기능 영역 전반에 걸친 CBF 분포에 대한 삼면 보기

참고: 다양한 대뇌 기능 영역에 걸친 CBF 분포를 검사하면 환자 상태에 대한 정확한 임상적 판단을 용이하게 할 수 있습니다. 그림 3의 기능적 영역 프레임워크에서 CBF 염기서열의 정확한 CBF 값을 통합하고 이를 삼면 보기로 제시하면 포괄적인 의사 검사가 가능합니다.

1. CBF_triplanar 함수를 호출하여 그림 4와 같은 triplanar GUI 보기를 생성하고, 기능 영역 간의 CBF 공간 분포를 표시합니다. 관심 영역의 CBF 분포를 검사할 수 있도록 십자선을 이동합니다.
2. GUI의 오른쪽 상단 모서리에 있는 Data Tips 버튼을 클릭하여 임의의 위치에 CBF 값을 표시합니다.
3. 마우스 왼쪽 버튼을 이미지의 아무 영역이나 누르고 드래그하여 밝기와 대비 수준을 실시간으로 수정할 수 있습니다. 마우스 버튼을 놓아 조정을 확인하고 마무리합니다.

4. 주요 대뇌 기능 영역에 걸친 CBF 아틀라스

참고: 서로 다른 기능 영역에 걸친 CBF 확률 분포를 정규화하면 대뇌 기능 영역 CBF 아틀라스(Cerebral Functional Regions CBF Atlas)가 생성되어 피험자의 대뇌 기능 영역에 걸친 CBF 수준을 표현합니다.

1. CBF_Atlas 함수를 호출하여 그림 4에 표시된 CBF 공간 분포를 CBF Atlas로 변환합니다(그림 5 참조).
   참고: 그림 5에서 x축은 서로 다른 대뇌 기능 영역을 나타내고 y축은 서로 다른 CBF 수준을 나타냅니다. 다른 색상은 다른 확률 수준을 나타냅니다(색상이 빨간색일수록 더 많은 복셀이 존재함).
2. 그림 5와 같이 GUI의 오른쪽 상단에 있는 Zoom In/Out 버튼을 클릭하여 부분 이미지의 배율을 조정합니다.
   참고: 그림 5 의 곡선은 지역 간 평균 CBF를 연결합니다.

5. 건강한 피험자와 CCI 환자 간의 CBF_Atlas의 유의한 차이

참고: 섹션 1-4에 설명된 것과 동일한 프로세스를 사용하여 CCI 환자에 대해 다양한 대뇌 기능 영역에 걸친 평균 CBF 값을 얻을 수 있습니다.

1. CBF_Compare 함수를 활용하여 건강한 피험자와 CCI 환자의 CBF 곡선에 대한 비교 플롯을 생성합니다(그림 6).
2. 환자의 CBF 곡선(검은색)과 건강한 곡선(빨간색) 사이의 유의미한 차이를 관찰합니다(그림 6). 환자에서 CBF 감소가 더 뚜렷하게 나타나는 기능 영역을 식별합니다. 3.3단계를 통합하여 환자가 다른 지역에 비해 더 나쁜 결과를 보인 영역을 다시 검사합니다.
   참고: 3.3단계를 통해 3차원 공간에서 환자의 CBF 수치를 볼 수 있으며, 이는 의사가 그림 4 에 표시된 삼면 GUI 보기를 활용하여 환자의 모든 위치에서 CBF를 검사할 수 있음을 의미합니다. 여기서, CBF 감소 정도는 CCI 환자에 대한 위치에 따라 다릅니다. 의사는 그림 4 를 다시 확인하여 CBF가 현저히 감소하는 뇌 영역에 초점을 맞출 수 있습니다.
3. GUI의 오른쪽 상단 모서리에 있는 아이콘(그림 5)을 사용하여 축소, 확대, 전역 보기로 돌아가기, 선택한 픽셀의 좌표 표시와 같은 기능에 액세스합니다.
   참고: 동일한 원리를 사용하여 그림 6 의 접근 방식을 사용하여 동일한 환자의 치료 전 및 치료 후 결과를 비교하여 시간 경과에 따른 임상 효능을 평가할 수도 있습니다.

결과

이 연구는 1.5 T MRI 스캐너를 사용하여 획득한 실제 환자 데이터를 활용하여 뇌혈류(CBF) 정량화 및 아틀라스 구성 방법론을 검증합니다. 전처리 단계에는 FLAIR 구조 이미지(그림 1), CBF 이미지(그림 2) 및 삼면 융합 이미지(그림 3 및 그림 4)가 포함되었습니다.

대뇌 기능 영역은 사전 훈련된 ...

토론

주요 단계(섹션 3 및 4)는 CBF Atlas를 구성하기 위한 기초를 구성하여 대뇌 기능 영역 전반에 걸친 CBF 분포를 정량화합니다. 단계 4.2는 각 뇌 영역에 대한 CBF 수치를 명시적으로 설명하여 새로운 기술을 개척합니다. 이를 통해 의사는 환자 CBF에 대한 글로벌 관점을 얻을 수 있을 뿐만 아니라 개별 기능 영역에 대한 정량적 측정도 할 수 있습니다. 5.1단계는 CBF Atlas가 CCI를 건강한 대조군과 구별하는 상?...

자료

Name	Company	Catalog Number	Comments
CBF Atlas	Intelligent Entropy	CBF Atlas V1.0	Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for Thyroid Disease
MATLAB	MathWorks	2023B	Computing and visualization
MRI Device	Siemens	Amria 1.5 T	MRI scanner