Name: Auteur in de schijnwerpers: een niet-invasief hulpmiddel om vetpatronen in de lever te beoordelen en te differentiëren met behulp van 3D Dixon MRI
Uploaded: 2023-10-20T15:00:00
Description: Watch this Scientific Journal Video about A Non-Invasive Tool to Assess and Differentiate Fat Patterns in Liver Using 3D Dixon MRI at JoVE.com

Deze publicatie kreeg steun van het vijfde nationale programma voor de identificatie van uitmuntende klinische talenten in de traditionele Chinese geneeskunde, georganiseerd door de National Administration of Traditional Chinese Medicine. De officiële netwerklink is'http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.

De studie werd goedgekeurd en de patiënt werd gerekruteerd van de afdeling Infectieziekten van het Dongzhimen Hospital, Beijing University of Chinese Medicine, in Beijing, China. De patiënt onderging een routinematige Dixon MRI-scan van de buik na het geven van geïnformeerde toestemming. In dit onderzoek wordt een 3D-distributiemodelleringsbenadering gebruikt om de levervetfractie (LFF) te reconstrueren bij een standaardpatiënt met medisch gediagnosticeerde leversteatose. Bovendien biedt de studie een kwantitatieve b...

Een uitgebreid 3D-model voor de verdeling van de vetfunctie in de lever met behulp van Dixon MRI

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

Dit onderzoek presenteert een innovatieve 3D-kwantificeringstechniek voor het analyseren van de verdeling van levervetfractie (LFF) met behulp van Dixon MRI 9,10. Door LFF-kaarten, die worden gegenereerd op basis van in-fase- en waterfasebeelden, te integreren met 3D-levercontouren, maakt deze methode onderscheid tussen LFF-patronen in normale en steatotische levers6. Bijgevolg vergemakkelijkt het een nauwkeurige evaluatie van het levervet...

Niet-alcoholische leververvetting (NAFLD) omvat een spectrum van pathologische aandoeningen, variërend van de abnormale accumulatie van triglyceriden in levercellen (leversteatose) tot de ontwikkeling van ontsteking en schade aan levercellen, bekend als niet-alcoholische steatohepatitis (NASH). In sommige gevallen kan NAFLD zich ontwikkelen tot ernstigere stadia, waaronder fibrose, cirrose, leverziekte in het eindstadium of zelfs hepatocellulair carcinoom (HCC)1. Gepubliceerde gegevens van de Wereldgezondheidsorganisatie en de Global Burden of Disease suggereren dat wereldwijd ongeveer 1,235.7 miljoen mensen worden getroffen door NAFLD in alle leeftijdsgroepen2. NAFLD geldt momenteel als een van de meest prominente oorzaken van levergerelateerde ziekten wereldwijd en zal naar verwachting de komende decennia de belangrijkste oorzaak van leverziekte in het eindstadiumworden3.
De nauwkeurige beoordeling van de omvang van leversteatose is van groot belang voor een nauwkeurige diagnose, de juiste selectie van behandelingen en effectieve monitoring van ziekteprogressie. De gouden standaard voor het beoordelen van het levervetgehalte blijft leverbiopsie. Vanwege het invasieve karakter, de kans op pijn, bloedingen en andere postoperatieve complicaties is het echter geen praktische optie voor frequente vervolgonderzoeken 4,5,6. Bijgevolg is er een dringende behoefte aan niet-invasieve beeldvormingstechnieken die de afzetting van levervet betrouwbaar kunnen kwantificeren. Magnetic Resonance Imaging (MRI) is veelbelovend op dit gebied vanwege het ontbreken van ioniserende straling en het vermogen om het vetgehalte gevoelig te detecteren door middel van chemische verschuivingseffecten 7,8.
Recente studies hebben MRI-technieken geschetst voor het kwantificeren van levervet, gebaseerd op chemische verschuivingsgradiënt-echomethoden zoals Dixon-beeldvorming 9,10. Desalniettemin zijn de meeste van deze technieken gebaseerd op de analyse van tweedimensionale interessegebieden. De uitgebreide evaluatie van de driedimensionale verdeling van de levervetfractie (LFF) is beperkt gebleven. In de huidige studie wordt een unieke 3D LFF-kwantificeringsbenadering geïntroduceerd, waarbij Dixon MRI wordt gecombineerd met structurele beeldvorming van de lever. Het resulterende 3D LFF-model maakt een nauwkeurige visualisatie en meting van de verdeling van het vetgehalte over het gehele volume van de lever mogelijk. Deze techniek toont een aanzienlijk klinisch nut voor de nauwkeurige diagnose van leversteatose.

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

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

Deze studie presenteert een 3D-kwantificeringsmethodologie voor de verdeling van levervetfractie (LFF) door gebruik te maken van Dixon MRI-beeldanalyse. Het centrale doel is om een zeer nauwkeurige en niet-invasieve manier te bieden om het levervetgehalte te evalueren. Het proces omvat het verkrijgen van beelden in de in- en waterfase van een Dixon-sequentie. LFF-kaarten worden vervolgens voxel voor voxel nauwkeurig berekend door de lipidefasebeelden te delen door de infasebeelden. Tegelijkertijd worden 3D-levercontouren geëxtraheerd uit de In-phase beelden. Deze cruciale componenten zijn naadloos geïntegreerd om een uitgebreid 3D-LFF-distributiemodel te construeren. Deze techniek is niet beperkt tot gezonde levers, maar strekt zich uit tot leversteatose. De verkregen resultaten tonen de opmerkelijke effectiviteit van deze aanpak aan bij zowel het visualiseren als het kwantificeren van het levervetgehalte. Het onderscheidt duidelijk patronen die onderscheid maken tussen normale en steatotische levers. Door gebruik te maken van Dixon MRI om de 3D-structuur van de lever te extraheren, biedt deze methode nauwkeurige LFF-beoordelingen die het hele orgaan bestrijken, waardoor het veelbelovend is voor de diagnose van leversteatose met opmerkelijke effectiviteit.

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

Auteur in de schijnwerpers: een niet-invasief hulpmiddel om vetpatronen in de lever te beoordelen en te differentiëren met behulp van 3D Dixon MRI 

Een 3D-kwantificeringstechniek voor analyse van de verdeling van levervetfracties met behulp van Dixon magnetische resonantiebeeldvorming

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

Dit onderzoek maakt gebruik van werkelijke patiëntdatasets die zijn verkregen met behulp van een in de handel verkrijgbare MRI-scanner om de 3D-methode voor het kwantificeren van levervetfracties te valideren (Figuur 1). Het MRI-protocol omvatte Dixon's vierfasige beeldvorming 9,10: In-fase, Out-of-phase, Water-only en Fat-only (Figuur 2). De vetfractie (FF) van elke voxel wordt berekend door het in-fas...

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

Deze studie introduceert een unieke 3D-kwantificeringsmethode voor de verdeling van levervetfractie (LFF) met behulp van Dixon Magnetic Resonance Imaging (Dixon MRI). LFF-kaarten, afgeleid van in-fase- en waterfasebeelden, zijn geïntegreerd met 3D-levercontouren om LFF-patronen te onderscheiden tussen normale en steatotische levers, waardoor een nauwkeurige beoordeling van het levervetgehalte mogelijk is.

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

Deze studie ontwikkelde een 3D Dixon MRI-techniek om de verdeling van levervet nauwkeurig te kwantificeren, met als doel de werkzaamheid ervan te valideren als een nauwkeurig, niet-invasief hulpmiddel voor het beoordelen en differentiëren van vetpatronen in normale versus steatotische levers. Recente ontwikkelingen op het gebied van kwantificering van MRI-vet omvatten normale 3D-distributiemodelleringsbenaderingen, waarbij Dixon Imaging wordt geïntegreerd met segmentatie van de leverstructuur om nauwkeurige visualisatie en omgeving van levervetfractiepatronen mogelijk te maken. De integratie van AI-gestuurde medische beeldvorming, deep learning, 3D-visualisatie en een multimodale datafusie verbetert de modellering van de hele lever en de steatotische beoordeling, waardoor nauwkeurige besluitvorming in de kliniek wordt vergemakkelijkt.Huidige experimentele uitdagingen zijn onder meer het standaardiseren van computationele workflows, het aanpakken van variaties in apparatuur en protocollen, en het ophelderen van de mechanismen van ziekteprogressie in onderzoek naar leversteatose. Ons protocol biedt het voordeel van 3D-levervetfractiebeoordeling, die de 2D-technieken overtreft. De bevindingen zullen het onderzoek in ons vakgebied bevorderen door een uitgebreide en nauwkeurige 3D LFF-beoordeling van verschillende stadia van leververvetting aan te bieden, wat cruciaal is voor behandelingsbeslissingen en prognose-evaluatie.

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

Research

JoVE Journal

Medicine

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

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

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

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

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

Gegevensverzameling van lever-MRI-datasets van patiënten om de 3D-kwantificering van levervetfractie te valideren

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

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