Name: Författare Spotlight: Ett icke-invasivt verktyg för att bedöma och differentiera fettmönster i levern med hjälp av 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

Denna publikation fick stöd från det femte nationella programmet för identifiering av framstående kliniska talanger inom traditionell kinesisk medicin, organiserat av National Administration of Traditional Chinese Medicine. Den officiella nätverkslänken är'http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.

Studien godkändes och patienten rekryterades från avdelningen för infektionssjukdomar vid Dongzhimen Hospital, Beijing University of Chinese Medicine, i Peking, Kina. Patienten genomgick en rutinmässig Dixon MRT-undersökning av buken efter att ha gett informerat samtycke. I denna undersökning används en 3D-distributionsmodelleringsmetod för att rekonstruera leverfettfraktionen (LFF) hos en standardpatient med medicinskt diagnostiserad leversteatos. Vidare ger studien en kvantitativ bedömning som jämför patient...

En omfattande 3D-modell för fördelning av fettfunktionen i levern med hjälp av 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>

Denna forskning presenterar en innovativ 3D-kvantifieringsteknik för att analysera fördelningen av leverfettfraktion (LFF) med hjälp av Dixon MRI 9,10. Genom att integrera LFF-kartor, som genereras från infas- och vattenfasbilder, med 3D-leverkonturer, skiljer denna metod mellan LFF-mönster i normala och steatotiska lever6. Följaktligen underlättar det en exakt utvärdering av leverfetthalten.
Steg 3 repr...

Icke-alkoholisk fettleversjukdom (NAFLD) omfattar ett spektrum av patologiska tillstånd, allt från onormal ackumulering av triglycerider i leverceller (leversteatos) till utveckling av inflammation och skador på leverceller, känd som icke-alkoholisk steatohepatit (NASH). I vissa fall kan NAFLD utvecklas till allvarligare stadier, inklusive fibros, cirros, leversjukdom i slutstadiet eller till och med hepatocellulärt karcinom (HCC)1. Publicerade data från Världshälsoorganisationen och Global Burden of Disease tyder på att cirka 1 235,7 miljoner individer världen över är drabbade av NAFLD i alla åldersgrupper2. NAFLD rankas för närvarande som en av de mest framträdande orsakerna till leverrelaterade sjukdomar globalt och förväntas bli den ledande orsaken till leversjukdom i slutstadiet under de kommande decennierna3.
En korrekt bedömning av leversteatosens omfattning är av stor betydelse för exakt diagnos, lämpligt behandlingsval och effektiv övervakning av sjukdomsprogression. Guldstandarden för att bedöma leverfetthalten fortsätter att vara leverbiopsi. Men på grund av dess invasiva natur, risken för smärta, blödning och andra postoperativa komplikationer är det inte ett praktiskt alternativ för frekventa uppföljningsundersökningar 4,5,6. Följaktligen finns det ett stort behov av icke-invasiva avbildningstekniker som på ett tillförlitligt sätt kan kvantifiera fettinlagring i levern. Magnetisk resonanstomografi (MRT) är lovande inom detta område på grund av dess brist på joniserande strålning och dess förmåga att känsligt upptäcka fettinnehåll genom kemiska skifteffekter 7,8.
Nyligen genomförda studier har beskrivit MRI-tekniker för att kvantifiera leverfett, baserat på kemiska skiftgradientekometoder som Dixon-avbildning 9,10. Icke desto mindre bygger majoriteten av dessa tekniker på analys av tvådimensionella regioner av intresse. Den omfattande utvärderingen av den tredimensionella fördelningen av leverfettfraktion (LFF) har förblivit begränsad. I den aktuella studien introduceras en unik 3D LFF-kvantifieringsmetod, som kombinerar Dixon MRI med strukturell avbildning av levern. Den resulterande 3D LFF-modellen möjliggör exakt visualisering och mätning av fördelningen av fettinnehåll genom hela levervolymen. Denna teknik visar betydande klinisk användbarhet för korrekt diagnos av leversteatos.

<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

Denna studie presenterar en 3D-kvantifieringsmetod för fördelningen av leverfettfraktion (LFF) genom användning av Dixon MRI-bildanalys. Det centrala målet är att erbjuda ett mycket exakt och icke-invasivt sätt att utvärdera leverfetthalten. Processen innebär insamling av infas- och vattenfasbilder från en Dixon-sekvens. LFF-kartor beräknas sedan noggrant voxel för voxel genom att dividera lipidfasbilderna med fasbilderna. Samtidigt extraheras 3D-leverkonturer från bilderna i fasen. Dessa viktiga komponenter är sömlöst integrerade för att konstruera en omfattande 3D-LFF-distributionsmodell. Denna teknik är inte begränsad till friska lever, utan sträcker sig till dem som drabbats av leversteatos. De erhållna resultaten visar den anmärkningsvärda effektiviteten av detta tillvägagångssätt för att både visualisera och kvantifiera leverfetthalten. Den urskiljer tydligt mönster som skiljer mellan normala och steatotiska lever. Genom att utnyttja Dixon MRI för att extrahera 3D-strukturen i levern, erbjuder denna metod exakta LFF-bedömningar som spänner över hela organet, vilket är mycket lovande för diagnos av leversteatos med anmärkningsvärd 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.

Författare Spotlight: Ett icke-invasivt verktyg för att bedöma och differentiera fettmönster i levern med hjälp av 3D Dixon MRI 

En 3D-kvantifieringsteknik för analys av leverfettfraktionsfördelning med hjälp av Dixon magnetisk resonanstomografi

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.

Denna undersökning använder faktiska patientdata som förvärvats med hjälp av en kommersiellt tillgänglig MR-skanner för att validera 3D-metoden för kvantifiering av leverfettfraktion (figur 1). MRT-protokollet inkluderade Dixons fyrfasavbildning 9,10: In-phase, Out-of-phase, Water-only och Fat-only (figur 2). Fettfraktionen (FF) för varje voxel beräknas genom att dividera Voxelsignalen i fas mi...

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

Denna studie introducerar en unik 3D-kvantifieringsmetod för fördelning av leverfettfraktion (LFF) med hjälp av Dixon magnetisk resonanstomografi (Dixon MRI). LFF-kartor, härledda från bilder i fas- och vattenfas, är integrerade med 3D-leverkonturer för att skilja LFF-mönster mellan normala och steatotiska lever, vilket möjliggör exakt bedömning av leverfetthalten.

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

Denna studie utvecklade en 3D Dixon MRI-teknik för att exakt kvantifiera leverfettfördelningen, i syfte att validera dess effektivitet som ett exakt, icke-invasivt verktyg för att bedöma och differentiera fettmönster i normala kontra steatotiska lever. De senaste framstegen inom MR-fettkvantifiering inkluderar normala 3D-distributionsmodelleringsmetoder, som integrerar Dixon Imaging med leverstruktursegmentering för att möjliggöra exakt visualisering och miljö av leverfettfraktionsmönster. Integrering av AI-driven medicinsk bildbehandling, djupinlärning, 3D-visualisering och en multimodal datafusion förbättrar modellering av hela levern och steatotisk bedömning, vilket underlättar exakt beslutsfattande på kliniken.Aktuella experimentella utmaningar inkluderar standardisering av beräkningsarbetsflöden, hantering av variationer i utrustning och protokoll och klargörande av mekanismerna för sjukdomsprogression inom forskning om leversteatos. Vårt protokoll erbjuder fördelen med 3D-bedömning av leverfettfraktion, vilket överträffar 2D-teknikerna. Resultaten kommer att främja forskningen inom vårt område genom att erbjuda en omfattande och exakt 3D LFF-bedömning av olika stadier av fettleversjukdom, vilket är avgörande för behandlingsbeslut och prognosutvärdering.

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.

Datainsamling från patienternas lever-MRI-datauppsättningar för att validera 3D-kvantifieringen av leverfettfraktionen

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.