Summary
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.
Abstract
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.
Introduction
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.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
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 diagnostiquée. De plus, l’étude fournit une évaluation quantitative comparant le foie du patient à un foie sain. Les outils logiciels utilisés dans cette recherche sont énumérés dans le tableau des matériaux.
1. Préparation et collecte des données
REMARQUE : La variance des paramètres n’est pas affectée par l’approche de recherche. Dans cette étude, des données DICOM authentiques ont été obtenues à partir de l’imagerie clinique. Les données ont été acquises à l’aide d’un appareil d’IRM avec une intensité de champ de 1,5 Tesla. L’ensemble de données comprend quatre phases distinctes dérivées de la séquence de Dixon, à savoir la phase in, la déphasée, l’eau et la graisse.
- Vérifiez la séquence de Dixon pour la partie supérieure de l’abdomen.
- Copiez toutes les données DICOM dans un répertoire de travail personnalisé.
REMARQUE : le répertoire de travail est le même dans le système d’exploitation et dans MATLAB. - Accédez au répertoire contenant les données dans le répertoire de travail actuel de MATLAB (comme illustré à la Figure 1).
- Vérifiez que les données DIXON affichent une résolution horizontale de 520 pixels sur 704 pixels, avec un espacement des pixels de 0,5682 mm et une épaisseur de tranche de 5 mm.
- Copiez toutes les données DICOM dans un répertoire de travail personnalisé.
- Vérifiez rapidement les images de Dixon.
- Modifiez le répertoire pour accéder aux dossiers des différentes phases, notamment les phases In-phase, Out-phase, Water et Fat, chacune stockée dans des dossiers distincts pour l’imagerie Dixon.
- Utilisez la fonction Slice_View pour visualiser les images de chaque phase.
- Reportez-vous à la figure 2 pour afficher une image de l’interface utilisateur graphique interactive (GUI) de la séquence MRI-Dixon. Utilisez la barre de défilement située en bas de l’interface graphique pour naviguer efficacement dans les différentes séquences.
- Utiliser la séquence en phase IRM-Dixon pour améliorer les descriptions des limites des tissus hépatiques.
REMARQUE : Dans la figure 2, on peut trouver des icônes situées dans le coin supérieur droit de l’interface graphique. Ces icônes offrent des fonctions telles que le zoom arrière, le zoom avant, le retour à la vue globale et le marquage des coordonnées du pixel sélectionné. Utilisez la fonction de zoom pour examiner de près les caractéristiques locales de la lésion. - Utilisez la fonction Marquer les coordonnées des pixels pour calculer la distance entre deux points, ce qui facilite la mesure de la taille des nodules.
- La barre de couleur initiale utilise la palette de couleurs du jet, qui signifie un changement de couleur du bleu au rouge, signifiant respectivement des valeurs faibles à élevées. Pour passer à la palette de couleurs grise standard et réinitialiser l’ensemble de l’interface graphique, cliquez avec le bouton droit de la souris sur la barre de couleurs et sélectionnez l’option dans le menu contextuel.
- Si la fenêtre de filtre par défaut ne convient pas, ajustez-la en la faisant glisser vers le haut et vers le bas au milieu de la figure à l’aide du bouton gauche de la souris pour modifier le niveau de la fenêtre. Faites glisser vers la gauche et la droite pour ajuster la largeur de la fenêtre, et la plage de filtrage précise sera affichée sur la barre de couleurs.
REMARQUE : Les opérations subséquentes se concentreront sur l’utilisation de la séquence en phase DIXON pour représenter la région 3D du foie.
2. Extraction de la région 3D du foie
REMARQUE : Pour calculer la fraction de graisse hépatique (LFF), chaque voxel dans la région hépatique 3D agit comme un transporteur spatial, avec sa valeur de fraction grasse obtenue à partir des données IRM-Dixon. Avant de calculer le LFF, il est crucial d’extraire la région hépatique en 3D. Bien que les méthodes d’apprentissage profond puissent y parvenir plus efficacement, l’accent est mis ici sur l’utilisation d’outils logiciels matures comme MIMICS pour l’extraction de la région hépatique.
- Ouvrez le logiciel MIMICS et choisissez Nouveau projet. Dans la boîte de dialogue suivante, localisez le dossier contenant les images DIXON Out-phase. Continuez en cliquant sur SUIVANT, puis appuyez sur Convertir pour entrer dans le mode d’édition de séquence.
- Générez un masque vide en cliquant sur Nouveau dans la boîte de dialogue MASQUE située sur le côté droit, et optez pour le seuil maximum.
- Utilisez l’outil Modifier les masques situé sous l’étiquette « Segment » pour délimiter la zone du foie dans toutes les vues horizontales.
- Créez une représentation spatiale 3D du foie en choisissant le masque de foie représenté précédemment et en cliquant sur Calculer la partie à partir du masque. La région hépatique 3D résultante sera présentée (voir Figure 3).
- Accédez à Fichier, puis sélectionnez Exporter, puis choisissez l’option DICOM . Dans la boîte de dialogue contextuelle, sélectionnez le masque de foie, spécifiez le chemin d’accès et les noms des fichiers, puis cliquez sur OK pour exporter la région du foie 3D vers les fichiers DICOM désignés.
3. Génération d’une carte de fraction de graisse (FF-Map)
REMARQUE : La carte des fractions grasses (FF-Map) a une plage de valeurs comprise entre 0 et 1. Dans cette étude, la FF de chaque voxel est calculée en divisant la valeur du voxel en phase moins l’eau seule par celle de la phase en phase à l’aide de l’IRM de Dixon.
- Remplacez le répertoire par le dossier des images en phase et sélectionnez la fonction Volume_In pour générer le volume en phase.
- Remplacez le répertoire par le dossier des images d’eau uniquement et sélectionnez la fonction Volume_Water pour générer le volume d’eau uniquement.
- Sélectionnez la fonction FF_Volume en utilisant les deux volumes générés à l’étape 3.1 et à l’étape 3.2 comme entrées pour obtenir le volume FF de l’IRM abdominale, visualisé comme indiqué à la figure 4.
- La carte de la fraction de graisse (FF) illustrée à la figure 4 est présentée sous la forme d’une image RVB en couleurs vraies avec une structure de données de 520 x 704 x 44 matrices. Dans cette représentation, chaque pixel est composé de trois valeurs, représentant les canaux rouge, vert et bleu. Notez la barre de couleur sur le côté gauche, qui fournit une référence visuelle pour les valeurs de fraction grasse associées à différents pixels colorés.
REMARQUE : L’interface graphique illustrée à la figure 4 permet d’observer de plus près le foie du patient grâce à l’outil de zoom dans le coin supérieur droit et d’obtenir les valeurs FF exactes à l’aide de l’outil de sondage. En faisant glisser la barre de défilement en bas, les utilisateurs peuvent observer les cartes FF de toutes les positions de numérisation dans le plan horizontal.
4. 3D-volume de la répartition de la fraction lipidique hépatique
REMARQUE : La figure 4 montre la carte LFF calculée à partir des images IRM Dixon de la partie supérieure de l’abdomen. Combiné avec la région hépatique 3D de la figure 3, le volume 3D-LFF de l’ensemble du foie peut être calculé séparément.
- Utilisez la fonction LFF_Volume , en lui fournissant la région hépatique 3D (comme illustrée à la figure 3) et la carte de rigidité du foie (illustrée à la figure 4) comme paramètres d’entrée. Cela se traduira par la création de la représentation 3D-Volume de la fraction de graisse hépatique, comme illustré à la figure 5.
- Pour examiner la carte de rigidité de chaque couche hépatique, il suffit d’utiliser la barre de défilement située sous l’interface graphique illustrée à la figure 5.
REMARQUE : Dans cette vue, seul le tissu hépatique est représenté avec précision. - Faites attention aux icônes situées dans le coin supérieur droit de l’interface graphique (comme illustré à la Figure 5). Ces icônes offrent des fonctionnalités permettant d’effectuer un zoom arrière, un zoom avant, de revenir à la vue globale et de marquer les coordonnées du pixel sélectionné.
REMARQUE : La barre de couleurs par défaut utilise la palette de couleurs « jet », où les couleurs passent du bleu au rouge pour représenter des valeurs variables (mesurées en unités de kPa) de faible à élevée. - Exécutez la fonction LFF_Distribution en utilisant les mêmes paramètres d’entrée que « LFF_Volume » pour produire la distribution spatiale de la fraction de graisse hépatique 3D (3D-LFF), comme illustré à la figure 6.
Analyse quantitative 5. 3D-LFF
REMARQUE : Voxels hépatiques normaux : LFF < 5 % ; Voxels de stéatose hépatique légère : 5 % à 10 % ; Voxels de stéatose hépatique modérée : 10 % à 20 % ; Voxels de stéatose hépatique sévère : LFF ≥ 20 %11,12,13,14,15. L’un des principaux objectifs quantitatifs de cette étude est de déterminer la proportion de voxels à différents stades de la LFF dans le foie du patient. La figure 6 montre la distribution spatiale inégale de la fraction de graisse hépatique chez le patient. L’absence de symptômes cliniques distincts est principalement attribuée à une proportion importante de tissu hépatique normal. Par conséquent, il est impératif de quantifier précisément les différences entre les patients et les individus en bonne santé. Il s’agit là d’un concept quantitatif essentiel.
- Calculez la distribution 3D-LFF pour un foie sain en répétant les étapes 1 à 4.
REMARQUE : La fonction de barre MATLAB intégrée permet de comparer les distributions 3D-LFF pour les foies sains et les foies gras (Figure 7).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
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 grasse (FF) de chaque voxel est calculée en divisant le signal de voxel en phase moins l’eau uniquement par le signal de voxel en phase à l’aide de l’IRM de Dixon. Ce modèle numérique permet un calcul précis du pourcentage de teneur en matières grasses dans chaque voxel.
Bien que les méthodes d’apprentissage profond puissent extraire l’anatomie hépatique en 3D, elles comportent des erreurs algorithmiques inhérentes. Pour assurer une quantification précise, des outils logiciels matures tels que MIMICS ont été utilisés pour extraire un contour du foie 3D précis combiné à des conseils d’experts (Figure 3).
La fusion du contour du foie 3D avec la carte FF 2D de la figure 4 génère un modèle de distribution 3D-FF intégré dans la figure 5. Cela permet de surmonter les limites des cartes FF 2D et de visualiser le dépôt de graisse dans l’ensemble du volume hépatique. Les médecins peuvent désormais localiser avec précision la teneur en graisse dans l’espace hépatique 3D au lieu d’une vague empreinte.
Comme le montre la figure 6 , la distribution 3D-FF révèle les valeurs de la fraction grasse à différentes positions hépatiques. En comparant cela aux seuils FF standard, il est possible de quantifier le pourcentage de voxels tombant dans différents stades de la stéatose hépatique. Cela permet une mesure précise de la proportion de foie à différents niveaux de stéatose.
La comparaison entre un foie normal et une stéatose hépatique (Figure 7) valide la capacité de la technique à discerner différents modèles de distribution 3D-LFF. Le flux de travail proposé démontre une valeur clinique dans la visualisation, la quantification et le diagnostic 3D de la stéatose hépatique sur la base des données d’IRM Dixon du patient.
Figure 1 : Dossiers de séquence MRI-Dixon. Une liste de noms de dossiers correspondant aux séquences d’IRM de Dixon utilisées dans l’étude. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 2 : Navigateur de coupes d’IRM de Dixon. Interface utilisateur graphique (GUI) affichant les tranches de chaque séquence de phase de l’IRM Dixon. L’IRM de Dixon est précieuse pour améliorer la qualité de l’image et l’interprétabilité, en particulier lorsqu’une séparation précise de la graisse et de l’eau est essentielle. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 3 : Extraction 3D de la région hépatique. Visualisation de l’étendue spatiale tridimensionnelle du foie à partir d’images en phase acquises lors de l’IRM. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 4 : Carte de la fraction graisseuse du foie. Une représentation visuelle de la fraction de graisse hépatique (LFF) dans chaque voxel, en utilisant des couleurs distinctes pour indiquer les variations de la teneur en graisse. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 5 : Tranches de fraction de graisse hépatique. Coupes haute résolution affichant la carte de la fraction lipidique du foie, offrant une vue détaillée de la distribution du LFF dans l’ensemble du foie. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 6 : Distribution 3D-LFF du foie entier. Une figure illustrant la distribution numérique de la probabilité de la fraction de graisse hépatique (LFF) sur l’ensemble du foie, présentée dans un format tridimensionnel. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 7 : Comparaison de la distribution 3D-LFF. Comparaison de la distribution 3D-LFF entre un foie sain et une stéatose hépatique typique, mettant en évidence les différences de teneur et de distribution des graisses. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
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 facilite une évaluation précise de la teneur en graisse du foie.
L’étape 3 représente une étape essentielle dans le calcul de la carte FF pour quantifier la teneur en graisse de chaque voxel. L’étape 4 intègre les données FF au contour du foie 3D pour construire un modèle de distribution 3D-LFF intégré. L’étape 5 valide l’efficacité de l’approche 3D-LFF pour une quantification précise de la stéatose hépatique13.
En ce qui concerne les modifications futures, la vision industrielle pourrait améliorer l’efficacité de la segmentation 3D du foie. La compilation d’un atlas des distributions 3D-LFF pour les foies sains et les différents grades de stéatose pourrait faciliter le diagnostic clinique et le typage.
L’une des limites est que, bien que la méthode puisse établir quantitativement la statose précoce, elle n’élucide pas les mécanismes sous-jacents à la progression de la maladie. Les variations dans l’équipement et les protocoles peuvent entraîner des résultats incohérents. La standardisation du flux de travail informatique reste un défi permanent.
Cette technique introduit et met en œuvre le concept de distribution 3D-LFF, fournissant aux cliniciens des informations complètes sur les modèles de dépôt de graisse et la gravité de la maladie dans l’ensemble de l’organe hépatique. Cela revêt une importance significative pour un diagnostic précis, des décisions de traitement et un suivi de l’efficacité thérapeutique. L’approche revêt également une grande importance pour le dépistage et la prévention de la santé dans la population générale.
La méthode présente un vaste potentiel dans de multiples domaines de recherche, notamment : (1) la validation à grande échelle de la technique sur des cohortes hétérogènes ; (2) étude des variations 3D-LFF entre différentes étiologies de stéatose ; (3) corrélation de la distribution 3D-LFF avec les paramètres cliniques et les facteurs de risque ; (4) l’application de modèles 3D-LFF pour construire des modèles de diagnostic, de pronostic et de réponse au traitement ; (5) la comparaison de la quantification 3D avec les évaluations d’imagerie bidimensionnelle. De nombreuses pistes de recherche existent pour traduire cette méthodologie en utilité clinique.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
L’outil logiciel pour la quantification de la stéatose hépatique, répertorié dans le tableau des matériaux de cette étude sous le nom de Stéatose hépatique V1.0, est un produit de Beijing Intelligent Entropy Science & Technology Co., Ltd. Les droits de propriété intellectuelle de cet outil logiciel appartiennent à la société.
Acknowledgments
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.
Materials
| Name | Company | Catalog Number | Comments |
| MATLAB | MathWorks | 2022B | Computing and visualization |
| Mimics | Materialise | Mimics Research V20 | Model format transformation |
| Tools for 3D_LFF | Intelligent Entropy | HepaticSteatosis V1.0 | Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion |
References
- Pouwels, S., et al. Non-alcoholic fatty liver disease (NAFLD): a review of pathophysiology, clinical management and effects of weight loss. BMC Endocr Disord. 22 (1), 63 (2022).
- Younossi, Z. M., et al. The global burden of liver disease. Clin Gastroenterol Hepatol. 21 (8), 1978-1991 (2023).
- Younossi, Z., et al. Global burden of NAFLD and NASH. Trends, predictions, risk factors and prevention. Nat Rev Gastroenterol Hepatol. 15 (1), 11-20 (2018).
- Boyum, J. H., et al. Incidence and risk factors for adverse events related to image-guided liver biopsy. Mayo Clin Proc. 91 (3), 329-335 (2016).
- Khalifa, A., Rockey, D. C. The utility of liver biopsy in 2020. Curr Opin Gastroenterol. 36 (3), 184-191 (2020).
- Sumida, Y., Nakajima, A., Itoh, Y. Limitations of liver biopsy and non-invasive diagnostic tests for the diagnosis of nonalcoholic fatty liver disease/nonalcoholic steatohepatitis. World J Gastroenterol. 20 (2), 475-485 (2014).
- Ajmera, V., Loomba, R. Imaging biomarkers of NAFLD, NASH, and fibrosis. Mol Metab. 50, 101167 (2021).
- Castera, L., Friedrich-Rust, M., Loomba, R. Noninvasive assessment of liver disease in patients with nonalcoholic fatty liver disease. Gastroenterology. 156 (5), 1264-1281 (2019).
- Jiang, Y., et al. Application of multi-echo Dixon and MRS in quantifying hepatic fat content and staging liver fibrosis. Sci Rep. 13 (1), 12555 (2023).
- Yang, Y., et al. 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. Magn Reson Med Sci. 22 (2), 263-271 (2023).
- Peng, H., et al. Fat-water separation based on Transition REgion Extraction (TREE). Magn Reason Med. 82 (1), 436-448 (2019).
- Hines, C. D. G., et al. 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. Magn Reason Imaging. 33 (1), 873-881 (2011).
- Tang, A., et al. Nonalcoholic fatty liver disease: MR imaging of liver proton density fat fraction to assess hepatic steatosis. Radiology. 267 (2), 422-431 (2013).
- Caussy, C., Reeder, S. B., Sirlin, C. B., Loomba, R. Noninvasive, quantitative assessment of liver fat by MRI-PDFF as an endpoint in NASH Trials. Hepatology. 68 (2), 763-772 (2018).
- Reeder, S. B., Cruite, I., Hamilton, G., Sirlin, C. B. Quantitative assessment of liver fat with magnetic resonance imaging and spectroscopy. Magn Reson Imaging. 34 (4), 729-749 (2011).
