Name: 저자 스포트라이트: 3D Dixon MRI를 사용하여 간의 지방 패턴을 평가하고 구별하기 위한 비침습적 도구
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

이 간행물은 중국 국립 전통 의학 관리국이 주관하는 중국 전통 의학의 뛰어난 임상 인재 발굴을 위한 제5차 국가 프로그램의 지원을 받았습니다. 공식 네트워크 링크는 'http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.

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 정량?...

Dixon MRI를 사용한 포괄적인 3D-간 지방 기능 분포 모델

<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>

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.
<p class="jove_conte...

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 아닙니다 4,5,6. 결과적으로, 간 지방 침착을 신뢰할 수 있게 정량화할 수 있는 비침습적 이미징 기술에 대한 필요성이 시급합니다. 자기공명영상(MRI)은 이온화 방사선이 없고 화학적 이동 효과를 통해 지방 함량을 민감하게 감지할 수 있는 능력으로 인해 이 분야에서 유망한 것으로 보인다 7,8.
최근 연구에서는 Dixon 이미징 9,10과 같은 화학적 이동 구배 에코 방법을 기반으로 간 지방을 정량화하기 위한 MRI 기술을 설명했습니다. 그럼에도 불구하고 이러한 기술의 대부분은 2차원 관심 영역의 분석에 의존합니다. 간 지방 분율(LFF)의 3차원 분포에 대한 포괄적인 평가는 여전히 제한적입니다. 본 연구에서는 Dixon MRI와 간 구조 영상을 결합한 고유한 3D LFF 정량화 접근법을 도입했습니다. 그 결과 3D LFF 모델을 통해 간 전체 부피에 걸쳐 지방 함량 분포를 정밀하게 시각화하고 측정할 수 있습니다. 이 기술은 간 지방증의 정확한 진단을 위한 상당한 임상적 유용성을 보여줍니다.

<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

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.

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.

저자 스포트라이트: 3D Dixon MRI를 사용하여 간의 지방 패턴을 평가하고 구별하기 위한 비침습적 도구 

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

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.

이 조사는 3D 간 지방 분획 정량화 방법론을 검증하기 위해 상용 MRI 스캐너를 사용하여 획득한 실제 환자 데이터 세트를 활용합니다(그림 1). MRI 프로토콜에는 Dixon의 4상 이미징 9,10: 동상간, 위상차, 물만, 지방만(그림 2)이 포함되었습니다. 각 복셀의 지방 분율(FF)은 Dixon MRI를 사용하여 동상 내 복셀 신호에서 ...

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

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.

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

이 연구는 간 지방 분포를 정확하게 정량화하기 위해 3D Dixon MRI 기술을 개발하여 정상 간과 지방증 간의 지방 패턴을 평가하고 구별하기 위한 정확하고 비침습적인 도구로서의 효능을 검증하는 것을 목표로 했습니다. MRI 지방 정량화의 최근 발전에는 일반 3D 분포 모델링 접근 방식, Dixon Imaging을 간 구조 분할과 통합하여 간 지방 분획 패턴의 정확한 시각화 및 환경을 가능하게 하는 것이 포함됩니다. AI 기반 의료 영상, 딥 러닝, 3D 시각화 및 멀티모달 데이터 융합을 통합하면 전체 간 모델링 및 지방증 평가가 향상되어 정확한 임상 의사 결정이 가능합니다.현재 진행 중인 실험 과제에는 계산 워크플로우 표준화, 장비 및 프로토콜의 변동 해결, 간 지방증 연구에서 질병 진행 메커니즘 규명 등이 포함됩니다. 당사의 프로토콜은 2D 기술을 능가하는 3D 간 지방 분율 평가의 이점을 제공합니다. 이 연구 결과는 치료 결정 및 예후 평가에 중요한 지방간 질환의 여러 단계에 대한 포괄적이고 정확한 3D LFF 평가를 제공함으로써 우리 분야의 연구를 발전시킬 것입니다.

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.

연구

의학

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.

3D 간 지방 분획 정량화를 검증하기 위한 환자 간-MRI 데이터 세트의 데이터 수집

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.