Name: Forfatter Spotlight: Et ikke-invasivt verktøy for å vurdere og differensiere fettmønstre i leveren ved hjelp av 3D Dixon MR
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

Denne publikasjonen mottok støtte fra det femte nasjonale programmet for identifisering av fremragende kliniske talenter i tradisjonell kinesisk medisin, organisert av National Administration of Traditional Chinese Medicine. Den offisielle nettverkslenken er'http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.

Studien ble godkjent, og pasienten ble rekruttert fra infeksjonsmedisinsk avdeling ved Dongzhimen sykehus, Beijing University of Chinese Medicine, i Beijing, Kina. Pasienten gjennomgikk en rutinemessig abdominal Dixon MR-skanning etter informert samtykke. I denne undersøkelsen brukes en 3D-distribusjonsmodelleringstilnærming for å rekonstruere leverfettfraksjonen (LFF) hos en standardpasient med medisinsk diagnostisert leverstatose. Videre gir studien en kvantitativ vurdering som sammenligner pasientens lever med en s...

En omfattende 3D-leverfettfunksjonsdistribusjonsmodell ved bruk av Dixon MR

<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>

Denne forskningen presenterer en innovativ 3D-kvantifiseringsteknikk for å analysere fordelingen av leverfettfraksjon (LFF) ved bruk av Dixon MR 9,10. Ved å integrere LFF-kart, som genereres fra fase- og vannfasebilder, med 3D-leverkonturer, skiller denne metoden mellom LFF-mønstre i normal og steatotisk lever6. Følgelig letter det en presis evaluering av leverfettinnhold.
Trinn 3 representerer et viktig sta...

Ikke-alkoholholdig fettleversykdom (NAFLD) omfatter et spekter av patologiske forhold, alt fra unormal akkumulering av triglyserider i leverceller (hepatisk steatose) til utvikling av betennelse og skade på leverceller, kjent som ikke-alkoholisk steatohepatitt (NASH). I noen tilfeller kan NAFLD utvikle seg til mer alvorlige stadier, inkludert fibrose, skrumplever, leversykdom i sluttstadiet eller til og med hepatocellulært karsinom (HCC)1. Publiserte data fra Verdens helseorganisasjon og Global Burden of Disease antyder at omtrent 1,235.7 millioner individer over hele verden er rammet av NAFLD i alle aldersgrupper2. NAFLD er for tiden rangert som en av de mest fremtredende årsakene til leverrelaterte sykdommer globalt, og forventes å bli den ledende årsaken til leversykdom i sluttstadiet i de kommende tiårene3.
Den nøyaktige vurderingen av leversteatosens omfang har stor betydning for presis diagnose, passende behandlingsvalg og effektiv sykdomsprogresjonsovervåking. Gullstandarden for å vurdere leverfettinnhold fortsetter å være leverbiopsi. På grunn av sin invasive natur, potensialet for smerte, blødning og andre postoperative komplikasjoner, er det imidlertid ikke et praktisk alternativ for hyppige oppfølgingsundersøkelser 4,5,6. Følgelig er det et presserende behov for ikke-invasive bildebehandlingsteknikker som på en pålitelig måte kan kvantifisere leverfettavsetning. Magnetic resonance imaging (MR) viser løfte i dette området på grunn av mangel på ioniserende stråling og dets evne til følsomt å oppdage fettinnhold gjennom kjemiske skifteffekter 7,8.
Nylige studier har skissert MR-teknikker for kvantifisering av leverfett, basert på kjemiske skiftgradientekkometoder som Dixon imaging 9,10. Ikke desto mindre er flertallet av disse teknikkene avhengige av analysen av todimensjonale regioner av interesse. Den omfattende evalueringen av den tredimensjonale fordelingen av leverfettfraksjon (LFF) har vært begrenset. I denne studien introduseres en unik 3D LFF-kvantifiseringstilnærming, som kombinerer Dixon MR med leverstrukturell avbildning. Den resulterende 3D LFF-modellen muliggjør presis visualisering og måling av fordelingen av fettinnhold gjennom hele volumet av leveren. Denne teknikken demonstrerer betydelig klinisk nytte for nøyaktig diagnose av leverstatose.

<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

Denne studien presenterer en 3D-kvantifiseringsmetodikk for distribusjon av leverfettfraksjon (LFF) gjennom bruk av Dixon MR-bildeanalyse. Det sentrale målet er å tilby en svært nøyaktig og ikke-invasiv måte å evaluere leverfettinnhold på. Prosessen innebærer oppkjøp av fase- og vannfasebilder fra en Dixon-sekvens. LFF-kart beregnes deretter omhyggelig voxel for voxel ved å dele lipidfasebildene med fasebildene. Samtidig ekstraheres 3D-leverkonturer fra innfasebildene. Disse viktige komponentene er sømløst integrert for å konstruere en omfattende 3D-LFF distribusjonsmodell. Denne teknikken er ikke begrenset til sunne lever, men strekker seg til de som er rammet av leverstatose. De oppnådde resultatene viser den bemerkelsesverdige effektiviteten av denne tilnærmingen i både visualisering og kvantifisering av leverfettinnhold. Det skiller tydelig mønstre som skiller mellom normale og steatotiske lever. Ved å utnytte Dixon MR for å trekke ut 3D-strukturen i leveren, gir denne metoden presise LFF-vurderinger som spenner over hele organet, og holder dermed stort løfte om diagnosen leverstatose med bemerkelsesverdig effektivitet.

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.

Forfatter Spotlight: Et ikke-invasivt verktøy for å vurdere og differensiere fettmønstre i leveren ved hjelp av 3D Dixon MR 

En 3D-kvantifiseringsteknikk for leverfettfraksjonsfordelingsanalyse ved bruk av Dixon magnetisk resonansavbildning

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.

Denne undersøkelsen benytter faktiske pasientdatasett anskaffet ved hjelp av en kommersielt tilgjengelig MR-skanner for å validere kvantifiseringsmetodikken for 3D-leverfettfraksjon (figur 1). MR-protokollen inkluderte Dixons firefaseavbildning 9,10: In-phase, Out-of-phase, Water-only og Fat-only (figur 2). Fettfraksjonen (FF) av hver voxel beregnes ved å dele det in-fase minus vann-bare voxel-signale...

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

Denne studien introduserer en unik 3D-kvantifiseringsmetode for distribusjon av leverfettfraksjon (LFF) ved bruk av Dixon Magnetic Resonance Imaging (Dixon MR). LFF-kart, avledet fra fase- og vannfasebilder, er integrert med 3D-leverkonturer for å skille LFF-mønstre mellom normale og steatotiske lever, noe som muliggjør presis vurdering av leverfettinnhold.

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

Denne studien utviklet en 3D Dixon MR-teknikk for nøyaktig kvantifisering av leverfettfordeling, med sikte på å validere effekten som et nøyaktig, ikke-invasivt verktøy for å vurdere og differensiere fettmønstre i normale versus steatotiske lever. Nylige fremskritt innen MR-fettkvantifisering inkluderer normale 3D-distribusjonsmodelleringsmetoder, integrering av Dixon Imaging med segmentering av leverstruktur for å muliggjøre presis visualisering og miljø av leverfettfraksjonsmønstre. Integrering av AI-drevet medisinsk bildebehandling, dyp læring, 3D-visualisering og en multimodal datafusjon forbedrer hele levermodellering og steatotisk vurdering, noe som letter presis klinisk beslutningstaking.Nåværende eksperimentelle utfordringer inkluderer standardisering av beregningsmessige arbeidsflyter, adressering av variasjoner i utstyr og protokoller, og belyse mekanismene for sykdomsprogresjon i leverstatoseforskning. Vår protokoll gir fordelen av 3D-vurdering av leverfettfraksjon, som overgår 2D-teknikkene. Funnene vil fremme forskning på vårt felt ved å tilby en omfattende og nøyaktig 3D LFF-vurdering av ulike stadier av fettleversykdom, noe som er avgjørende for behandlingsbeslutninger og prognoseevaluering.

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.

Datainnsamling fra pasient lever-MR datasett for å validere 3D leverfettfraksjonskvantifisering

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.