Name: Pleins feux sur l’auteur : Un outil non invasif pour évaluer et différencier les modèles de graisse dans le foie à l’aide de l’IRM 3D Dixon
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

Cette publication a reçu le soutien du cinquième programme national d’identification des talents cliniques exceptionnels en médecine traditionnelle chinoise, organisé par l’Administration nationale de la médecine traditionnelle chinoise. Le lien officiel du réseau est le suivant : http ://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.

L’étude a été approuvée et le patient a été recruté au département des maladies infectieuses de l’hôpital Dongzhimen de l’Université de médecine chinoise de Pékin, à Pékin, en Chine. La patiente a subi une IRM abdominale Dixon de routine après avoir donné son consentement éclairé. Dans cette étude, une approche de modélisation de la distribution 3D est utilisée pour reconstruire la fraction de graisse hépatique (LFF) chez un patient standard présentant une stéatose hépatique médicalement d...

Un modèle complet de distribution de la fonction de la graisse hépatique en 3D à l’aide de l’IRM de Dixon

<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>

Cette recherche présente une technique innovante de quantification 3D pour l’analyse de la distribution de la fraction de graisse hépatique (LFF) à l’aide de l’IRMde Dixon 9,10. En intégrant des cartes LFF, qui sont générées à partir d’images en phase et en phase aqueuse, avec des contours hépatiques 3D, cette méthode permet de distinguer les modèles LFF dans les foies normaux et stéatotiques6. Par conséquent, il facil...

La stéatose hépatique non alcoolique (NAFLD) englobe un éventail d’affections pathologiques, allant de l’accumulation anormale de triglycérides dans les cellules hépatiques (stéatose hépatique) au développement d’une inflammation et de lésions des cellules hépatiques, connues sous le nom de stéatohépatite non alcoolique (NASH). Dans certains cas, la stéatose hépatique non alcoolique peut évoluer vers des stades plus graves, notamment la fibrose, la cirrhose, une maladie hépatique terminale ou même un carcinome hépatocellulaire (CHC)1. Les données publiées par l’Organisation mondiale de la santé et la charge mondiale de morbidité suggèrent qu’environ 1 235,7 millions de personnes dans le monde sont touchées par la stéatose hépatique non alcoolique dans tous les groupes d’âge2. La stéatose hépatique non alcoolique est actuellement l’une des principales causes de maladies hépatiques dans le monde et devrait devenir la principale cause de maladie hépatique terminale dans les décennies à venir3.
L’évaluation précise de l’étendue de la stéatose hépatique revêt une importance considérable pour un diagnostic précis, le choix d’un traitement approprié et une surveillance efficace de la progression de la maladie. La biopsie hépatique continue d’être l’étalon-or pour évaluer la teneur en graisse du foie. Cependant, en raison de sa nature invasive, du risque de douleur, de saignement et d’autres complications postopératoires, il ne s’agit pas d’une option pratique pour les examens de suivi fréquents 4,5,6. Par conséquent, il existe un besoin urgent de techniques d’imagerie non invasives capables de quantifier de manière fiable le dépôt de graisse hépatique. L’imagerie par résonance magnétique (IRM) est prometteuse dans ce domaine en raison de son absence de rayonnements ionisants et de sa capacité à détecter de manière sensible la teneur en graisse grâce aux effets de déplacement chimique 7,8.
Des études récentes ont décrit des techniques d’IRM pour quantifier la graisse hépatique, basées sur des méthodes d’écho de gradient de décalage chimique comme l’imagerie de Dixon 9,10. Néanmoins, la majorité de ces techniques reposent sur l’analyse de régions d’intérêt bidimensionnelles. L’évaluation complète de la distribution tridimensionnelle de la fraction lipidique hépatique (LFF) est restée limitée. Dans la présente étude, une approche unique de quantification 3D du LFF est introduite, combinant l’IRM de Dixon avec l’imagerie structurelle du foie. Le modèle 3D LFF qui en résulte permet une visualisation et une mesure précises de la répartition de la teneur en graisse dans l’ensemble du volume du foie. Cette technique démontre une utilité clinique substantielle pour le diagnostic précis de la stéatose hépatique.

<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

Cette étude présente une méthodologie de quantification 3D pour la distribution de la fraction de graisse hépatique (LFF) grâce à l’utilisation de l’analyse d’images IRM de Dixon. L’objectif principal est d’offrir un moyen très précis et non invasif d’évaluer la teneur en graisse du foie. Le procédé implique l’acquisition d’images en phase et en phase aqueuse à partir d’une séquence de Dixon. Les cartes LFF sont ensuite méticuleusement calculées voxel par voxel en divisant les images de la phase lipidique par les images en phase. Simultanément, les contours du foie en 3D sont extraits des images en phase. Ces composants cruciaux sont intégrés de manière transparente pour construire un modèle de distribution 3D-LFF complet. Cette technique ne se limite pas aux foies sains, mais s’étend à ceux atteints de stéatose hépatique. Les résultats obtenus démontrent l’efficacité remarquable de cette approche à la fois dans la visualisation et la quantification de la teneur en graisse hépatique. Il discerne distinctement les motifs qui différencient les foies normaux et stéatosiques. En exploitant l’IRM de Dixon pour extraire la structure 3D du foie, cette méthode offre des évaluations précises de la LFF couvrant l’ensemble de l’organe, ce qui est très prometteur pour le diagnostic de la stéatose hépatique avec une efficacité remarquable.

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.

Pleins feux sur l’auteur : Un outil non invasif pour évaluer et différencier les modèles de graisse dans le foie à l’aide de l’IRM 3D Dixon 

Une technique de quantification 3D pour l’analyse de la distribution de la fraction graisseuse du foie à l’aide de l’imagerie par résonance magnétique de Dixon

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.

Cette étude utilise des ensembles de données de patients réels acquis à l’aide d’un scanner IRM disponible dans le commerce pour valider la méthodologie de quantification 3D de la fraction de graisse hépatique (Figure 1). Le protocole d’IRM comprenait l’imagerie en quatre phasesde Dixon 9,10 : en phase, déphasée, à l’eau uniquement et à la graisse uniquement (Figure 2). La fraction gr...

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

Cette étude introduit une méthode unique de quantification 3D pour la distribution de la fraction de graisse hépatique (LFF) à l’aide de l’imagerie par résonance magnétique de Dixon (IRM de Dixon). Les cartes LFF, dérivées d’images en phase et en phase aqueuse, sont intégrées aux contours du foie en 3D pour différencier les modèles LFF entre les foies normaux et stéatosiques, permettant une évaluation précise de la teneur en graisse du foie.

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

Cette étude a développé une technique d’IRM 3D de Dixon pour quantifier avec précision la distribution de la graisse du foie, dans le but de valider son efficacité en tant qu’outil précis et non invasif pour évaluer et différencier les modèles de graisse dans les foies normaux par rapport aux foies stératiques. Les progrès récents dans la quantification des graisses par IRM comprennent des approches de modélisation de la distribution 3D normale, intégrant Dixon Imaging à la segmentation de la structure hépatique pour permettre une visualisation précise et un environnement des modèles de fraction de graisse hépatique. L’intégration de l’imagerie médicale basée sur l’IA, de l’apprentissage profond, de la visualisation 3D et d’une fusion de données multimodales améliore la modélisation du foie entier et l’évaluation stératique, facilitant ainsi la prise de décision clinique précise.Les défis expérimentaux actuels comprennent la normalisation des flux de travail informatiques, la prise en compte des variations dans l’équipement et les protocoles, et l’élucidation des mécanismes de progression de la maladie dans la recherche sur la stéatose hépatique. Notre protocole offre l’avantage de l’évaluation 3D de la fraction graisseuse du foie, surpassant les techniques 2D. Les résultats feront progresser la recherche dans notre domaine en offrant une évaluation 3D complète et précise des différents stades de la stéatose hépatique, ce qui est crucial pour les décisions de traitement et l’évaluation du pronostic.

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.

Recherche

Médecine

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.

Collecte de données à partir d’ensembles de données d’IRM hépatique de patients pour valider la quantification 3D de la fraction graisseuse du foie

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.