Uma Técnica de Quantificação 3D para Análise da Distribuição da Fração de Gordura no Fígado Usando a Ressonância Magnética de Dixon

Resumo

Este estudo introduz um método único de quantificação 3D para a distribuição da fração de gordura hepática (LFF) usando a Ressonância Magnética de Dixon (Dixon MRI). Os mapas de LFF, derivados de imagens em fase e em fase hídrica, são integrados com contornos hepáticos 3D para diferenciar os padrões de LFF entre fígados normais e esteatóticos, permitindo uma avaliação precisa do conteúdo de gordura hepática.

Resumo

Este estudo apresenta uma metodologia de quantificação 3D para a distribuição da fração de gordura hepática (LFF) através da análise de imagens de Dixon RM. O objetivo central é oferecer um meio altamente preciso e não invasivo de avaliar o conteúdo de gordura hepática. O processo envolve a aquisição de imagens em fase e em fase d'água a partir de uma sequência de Dixon. Os mapas LFF são então meticulosamente computados voxel por voxel, dividindo as imagens de fase lipídica pelas imagens em fase. Simultaneamente, os contornos hepáticos 3D são extraídos das imagens em fase. Esses componentes cruciais são perfeitamente integrados para construir um modelo de distribuição 3D-LFF abrangente. Esta técnica não se limita a fígados saudáveis, mas estende-se àqueles acometidos por esteatose hepática. Os resultados obtidos demonstram a notável eficácia desta abordagem na visualização e quantificação do conteúdo de gordura no fígado. Distingue padrões que diferenciam fígados normais e esteatóticos. Ao aproveitar a ressonância magnética de Dixon para extrair a estrutura 3D do fígado, este método oferece avaliações precisas da LFF abrangendo toda a extensão do órgão, sendo assim uma grande promessa para o diagnóstico de esteatose hepática com notável eficácia.

Introdução

A Doença Hepática Gordurosa Não Alcoólica (DHGNA) engloba um espectro de condições patológicas, que vão desde o acúmulo anormal de triglicerídeos nas células hepáticas (esteatose hepática) até o desenvolvimento de inflamação e danos às células hepáticas, conhecida como esteatohepatite não alcoólica (EHNA). Em alguns casos, a DHGNA pode evoluir para estágios mais graves, incluindo fibrose, cirrose, doença hepática terminal ou mesmo carcinoma hepatocelular (CHC)¹. Dados publicados da Organização Mundial da Saúde e da Carga Global de Doenças sugerem que aproximadamente 1.235,7 milhões de indivíduos no mundo são afetados pela DHGNA em todas as faixas etárias². Atualmente, a DHGNA é uma das causas mais proeminentes de doenças relacionadas ao fígado em todo o mundo e espera-se que se torne a principal causa de doença hepática terminal nas próximas décadas³.

A avaliação precisa da extensão da esteatose hepática tem importância substancial para o diagnóstico preciso, seleção adequada do tratamento e monitoramento efetivo da progressão da doença. O padrão-ouro para avaliar o conteúdo de gordura hepática continua sendo a biópsia hepática. No entanto, devido à sua natureza invasiva, ao potencial para dor, sangramento e outras complicações pós-operatórias, não é uma opção prática para exames de seguimento frequentes ^4,5,6. Consequentemente, há uma necessidade premente de técnicas de imagem não invasivas que possam quantificar de forma confiável a deposição de gordura hepática. A ressonância magnética (RM) mostra-se promissora nessa área devido à sua ausência de radiação ionizante e à sua capacidade de detectar sensivelmente o conteúdo de gordura por meio de efeitos de deslocamento químico ^7,8.

Estudos recentes têm delineado técnicas de RM para quantificação da gordura hepática, baseadas em métodos de eco com gradiente de deslocamento químico, como a imagem de Dixon9,10. No entanto, a maioria dessas técnicas baseia-se na análise de regiões bidimensionais de interesse. A avaliação abrangente da distribuição tridimensional da fração de gordura hepática (LFF) permaneceu limitada. No presente estudo, uma abordagem única de quantificação 3D de LFF é introduzida, combinando a RM de Dixon com imagens estruturais do fígado. O modelo 3D LFF resultante permite a visualização precisa e a medição da distribuição do conteúdo de gordura ao longo de todo o volume do fígado. Esta técnica demonstra substancial utilidade clínica para o diagnóstico preciso de esteatose hepática.

Protocolo

O estudo foi aprovado e o paciente foi recrutado no Departamento de Doenças Infecciosas do Hospital Dongzhimen, da Universidade de Medicina Chinesa de Pequim, em Pequim, na China. A paciente foi submetida a uma ressonância magnética de Dixon abdominal de rotina após consentimento informado. Nesta investigação, uma abordagem de modelagem de distribuição 3D é empregada para reconstruir a fração de gordura hepática (LFF) em um paciente padrão com esteatose hepática diagnosticada clinicamente. Além disso, o estudo fornece uma avaliação quantitativa comparando o fígado do paciente com um fígado saudável. As ferramentas de software utilizadas nesta pesquisa estão listadas na Tabela de Materiais.

1. Preparação e coleta de dados

NOTA: A variação nos parâmetros não é afetada pela abordagem de pesquisa. Nesta investigação, dados DICOM genuínos foram obtidos a partir de imagens clínicas. Os dados foram obtidos utilizando-se um aparelho de RM com intensidade de campo de 1,5 Tesla. O conjunto de dados compreende quatro fases distintas derivadas da sequência de Dixon, especificamente In-phase, Out-of-phase, Water e Fat.

1. Verifique a sequência de Dixon para o abdome superior.
   1. Copie todos os dados DICOM para um diretório de trabalho personalizado.
      Observação : o diretório de trabalho é o mesmo no sistema operacional e MATLAB.
   2. Vá para o diretório que abriga os dados dentro do diretório de trabalho atual do MATLAB (conforme mostrado na Figura 1).
   3. Confirme se os dados DIXON exibem uma resolução horizontal de 520 pixels por 704 pixels, com um espaçamento de pixels de 0,5682 mm e uma espessura de fatia de 5 mm.
2. Verifique rapidamente as imagens de Dixon.
   1. Altere o diretório para acessar pastas para diferentes fases, que incluem as fases In-phase, Out-phase, Water e Fat, cada uma armazenada em pastas distintas para imagens Dixon.
   2. Utilize a função Slice_View para visualizar as imagens de cada fase.
   3. Consulte a Figura 2 para visualizar uma imagem da interface gráfica do usuário (GUI) interativa da sequência MRI-Dixon. Utilize a barra de rolagem situada na parte inferior da GUI para navegar com eficiência pelas várias sequências.
   4. Empregar a sequência em fase MRI-Dixon para melhorar as descrições dos limites do tecido hepático.
      NOTA: Na Figura 2, é possível encontrar ícones localizados no canto superior direito da GUI. Esses ícones oferecem funções como reduzir o zoom, aumentar o zoom, retornar à visualização global e marcar as coordenadas do pixel selecionado. Faça uso do recurso de zoom para examinar de perto as características da lesão local.
   5. Use o recurso Marcar coordenadas de pixel para calcular a distância entre dois pontos, auxiliando na medição do tamanho dos nódulos.
   6. A barra de cores inicial usa o mapa de cores a jato, que significa uma mudança de cor de azul para vermelho, significando valores baixos para altos, respectivamente. Para alternar para o mapa de cores cinza padrão e redefinir toda a GUI, clique com o botão direito do mouse na Barra de cores e selecione a opção no menu pop-up.
   7. Se a janela de filtro padrão não for adequada, ajuste-a arrastando para cima e para baixo no meio da figura usando o botão esquerdo do mouse para modificar o nível da janela. Arrastar para a esquerda e para a direita ajusta a largura da janela, e o intervalo de filtragem preciso será mostrado na barra de cores.
      NOTA: As operações subsequentes se concentrarão na utilização da sequência em fase DIXON para representar a região 3D do fígado.

2. Extraindo a região 3D do fígado

NOTA: Para calcular a Fração de Gordura do Fígado (LFF), cada voxel dentro da região hepática 3D atua como um carreador espacial, com seu valor de fração de gordura obtido a partir de dados de MRI-Dixon. Antes de calcular o LFF, é crucial extrair a região hepática 3D. Embora os métodos de aprendizagem profunda possam conseguir isso de forma mais eficiente, o foco aqui é o uso de ferramentas de software maduras como MIMICS para extração da região do fígado.

1. Abra o software MIMICS e escolha Novo projeto. Na caixa de diálogo subsequente, localize a pasta que abriga as imagens da fase Externa do DIXON. Continue clicando em AVANÇAR e, em seguida, pressione Converter para entrar no modo de edição de sequência.
2. Gere uma máscara vazia clicando em Novo na caixa de diálogo MASK situada no lado direito e opte pelo limite máximo.
3. Use a ferramenta Editar máscaras localizada sob o rótulo "Segmento" para delinear a área do fígado em todas as exibições horizontais.
4. Crie uma representação espacial 3D do fígado escolhendo a máscara hepática descrita anteriormente e clicando em Calcular Parte da Máscara. A região hepática 3D resultante será apresentada (ver Figura 3).
5. Navegue até Arquivo, selecione Exportar e escolha a opção DICOM . Na caixa de diálogo pop-up, selecione a máscara de fígado, especifique o caminho e os nomes do arquivo e clique em OK para exportar a região do fígado 3D para os arquivos DICOM designados.

3. Gerando Mapa de Fração Gorda (FF-Map)

Observação : O mapa de fração de gordura (FF-Map) tem um intervalo de valores de 0-1. Neste estudo, a FF de cada voxel é calculada dividindo-se o valor do voxel de In-phase menos Water-only pelo valor de In-phase usando a RM de Dixon.

1. Altere o diretório para a pasta de imagens em fase e selecione a função Volume_In para gerar o volume em fase.
2. Altere o diretório para a pasta de imagens somente água e selecione a função Volume_Water para gerar o volume somente água.
3. Selecione a função FF_Volume usando os dois volumes gerados nas etapas 3.1 e 3.2 como entradas para obter o FF-Volume da RM abdominal, visualizado como mostrado na Figura 4.
4. O mapa de Fração Gorda (FF) mostrado na Figura 4 é apresentado como uma imagem RGB true-color com uma estrutura de dados de matriz 520 por 704 por 44. Nessa representação, cada pixel é composto por três valores, representando os canais vermelho, verde e azul. Anote a barra de cores no lado esquerdo, que fornece uma referência visual para os valores de fração de gordura associados a pixels de cores diferentes.
   NOTA: A GUI mostrada na Figura 4 permite uma observação mais próxima do fígado do paciente através da ferramenta de zoom no canto superior direito e a obtenção dos valores exatos de FF usando a ferramenta de sondagem. Ao arrastar a barra de rolagem na parte inferior, os usuários podem observar os mapas FF de todas as posições de digitalização no plano horizontal.

4. 3D volume de distribuição da fração de gordura hepática

NOTA: A Figura 4 mostra o mapa LFF calculado com base nas imagens de ressonância magnética de Dixon do abdome superior. Combinado com a região hepática 3D na Figura 3, o volume 3D-LFF de todo o fígado pode ser computado separadamente.

1. Utilize a função LFF_Volume , fornecendo-lhe a região hepática 3D (como mostrado na Figura 3) e o mapa de rigidez hepática (mostrado na Figura 4) como parâmetros de entrada. Isso resultará na criação da representação do volume 3D da fração de gordura do fígado, conforme ilustrado na Figura 5.
2. Para examinar o mapa de rigidez de cada camada hepática, basta usar a barra de rolagem localizada abaixo da GUI exibida na Figura 5.
   NOTA: Nesta vista, apenas o tecido hepático é descrito com precisão.
3. Preste atenção aos ícones localizados no canto superior direito da GUI (como mostrado na Figura 5). Esses ícones fornecem funcionalidades para reduzir, ampliar, retornar à visualização global e marcar as coordenadas do pixel selecionado.
   NOTA: A barra de cores padrão utiliza o mapa de cores "jato", onde as cores fazem a transição do azul para o vermelho para representar valores variáveis (medidos em unidades de kPa) de baixo para alto.
4. Execute a função LFF_Distribution usando os parâmetros de entrada idênticos como "LFF_Volume" para produzir a distribuição espacial da Fração de Gordura do Fígado 3D (3D-LFF), conforme ilustrado na Figura 6.

Análise quantitativa 5. 3D-LFF

NOTA: Voxels hepáticos normais: LFF < 5%; Voxels hepáticos gordurosos leves: 5%-10%; Voxels hepáticos gordurosos moderados: 10%-20%; Voxels gordurosos hepáticos graves: ≥ 20%11,12,13,14,15. Um dos principais focos quantitativos deste estudo é determinar a proporção de voxels em diferentes estágios da LFF no fígado do paciente. A Figura 6 demonstra a distribuição espacial desigual da fração de gordura hepática no paciente. A ausência de sintomas clínicos distintos é atribuída principalmente a uma proporção substancial de tecido hepático normal. Portanto, a quantificação precisa das diferenças entre pacientes e indivíduos saudáveis é imperativa. Isso representa um conceito quantitativo vital aqui.

1. Calcule a distribuição 3D-LFF para um fígado saudável repetindo os passos 1-4.
   NOTA: A função de barra MATLAB integrada permite a comparação das distribuições 3D-LFF para fígados saudáveis e gordurosos (Figura 7).

Resultados

Esta investigação utiliza conjuntos de dados reais de pacientes adquiridos usando um scanner de RM disponível comercialmente para validar a metodologia 3D de quantificação da fração de gordura do fígado (Figura 1). O protocolo de RM^{incluiu imagens de} Dixon em quatro ^fases9,10: em fase, fora de fase, somente água e somente gordura (Figura 2). A fração de gordura (FF) de cada voxel é calculada ...

Discussão

Esta pesquisa apresenta uma técnica inovadora de quantificação 3D para análise da distribuição da fração de gordura hepática (FLP) por meio da RM de Dixon9,10. Ao integrar mapas de LFF, que são gerados a partir de imagens em fase e em fase hídrica, com contornos hepáticos 3D, esse método distingue os padrões de LFF em fígados normais e esteatóticos6. Consequentemente, facilita uma avaliação precisa do conteúdo de gordura...

Materiais

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