Deze studie introduceert een unieke 3D-kwantificeringsmethode voor de verdeling van levervetfractie (LFF) met behulp van Dixon Magnetic Resonance Imaging (Dixon MRI). LFF-kaarten, afgeleid van in-fase- en waterfasebeelden, zijn geïntegreerd met 3D-levercontouren om LFF-patronen te onderscheiden tussen normale en steatotische levers, waardoor een nauwkeurige beoordeling van het levervetgehalte mogelijk is.
Deze studie presenteert een 3D-kwantificeringsmethodologie voor de verdeling van levervetfractie (LFF) door gebruik te maken van Dixon MRI-beeldanalyse. Het centrale doel is om een zeer nauwkeurige en niet-invasieve manier te bieden om het levervetgehalte te evalueren. Het proces omvat het verkrijgen van beelden in de in- en waterfase van een Dixon-sequentie. LFF-kaarten worden vervolgens voxel voor voxel nauwkeurig berekend door de lipidefasebeelden te delen door de infasebeelden. Tegelijkertijd worden 3D-levercontouren geëxtraheerd uit de In-phase beelden. Deze cruciale componenten zijn naadloos geïntegreerd om een uitgebreid 3D-LFF-distributiemodel te construeren. Deze techniek is niet beperkt tot gezonde levers, maar strekt zich uit tot leversteatose. De verkregen resultaten tonen de opmerkelijke effectiviteit van deze aanpak aan bij zowel het visualiseren als het kwantificeren van het levervetgehalte. Het onderscheidt duidelijk patronen die onderscheid maken tussen normale en steatotische levers. Door gebruik te maken van Dixon MRI om de 3D-structuur van de lever te extraheren, biedt deze methode nauwkeurige LFF-beoordelingen die het hele orgaan bestrijken, waardoor het veelbelovend is voor de diagnose van leversteatose met opmerkelijke effectiviteit.
Niet-alcoholische leververvetting (NAFLD) omvat een spectrum van pathologische aandoeningen, variërend van de abnormale accumulatie van triglyceriden in levercellen (leversteatose) tot de ontwikkeling van ontsteking en schade aan levercellen, bekend als niet-alcoholische steatohepatitis (NASH). In sommige gevallen kan NAFLD zich ontwikkelen tot ernstigere stadia, waaronder fibrose, cirrose, leverziekte in het eindstadium of zelfs hepatocellulair carcinoom (HCC)1. Gepubliceerde gegevens van de Wereldgezondheidsorganisatie en de Global Burden of Disease suggereren dat wereldwijd ongeveer 1,235.7 miljoen mensen worden getroffen door NAFLD in alle leeftijdsgroepen2. NAFLD geldt momenteel als een van de meest prominente oorzaken van levergerelateerde ziekten wereldwijd en zal naar verwachting de komende decennia de belangrijkste oorzaak van leverziekte in het eindstadiumworden3.
De nauwkeurige beoordeling van de omvang van leversteatose is van groot belang voor een nauwkeurige diagnose, de juiste selectie van behandelingen en effectieve monitoring van ziekteprogressie. De gouden standaard voor het beoordelen van het levervetgehalte blijft leverbiopsie. Vanwege het invasieve karakter, de kans op pijn, bloedingen en andere postoperatieve complicaties is het echter geen praktische optie voor frequente vervolgonderzoeken 4,5,6. Bijgevolg is er een dringende behoefte aan niet-invasieve beeldvormingstechnieken die de afzetting van levervet betrouwbaar kunnen kwantificeren. Magnetic Resonance Imaging (MRI) is veelbelovend op dit gebied vanwege het ontbreken van ioniserende straling en het vermogen om het vetgehalte gevoelig te detecteren door middel van chemische verschuivingseffecten 7,8.
Recente studies hebben MRI-technieken geschetst voor het kwantificeren van levervet, gebaseerd op chemische verschuivingsgradiënt-echomethoden zoals Dixon-beeldvorming 9,10. Desalniettemin zijn de meeste van deze technieken gebaseerd op de analyse van tweedimensionale interessegebieden. De uitgebreide evaluatie van de driedimensionale verdeling van de levervetfractie (LFF) is beperkt gebleven. In de huidige studie wordt een unieke 3D LFF-kwantificeringsbenadering geïntroduceerd, waarbij Dixon MRI wordt gecombineerd met structurele beeldvorming van de lever. Het resulterende 3D LFF-model maakt een nauwkeurige visualisatie en meting van de verdeling van het vetgehalte over het gehele volume van de lever mogelijk. Deze techniek toont een aanzienlijk klinisch nut voor de nauwkeurige diagnose van leversteatose.
Dit onderzoek presenteert een innovatieve 3D-kwantificeringstechniek voor het analyseren van de verdeling van levervetfractie (LFF) met behulp van Dixon MRI 9,10. Door LFF-kaarten, die worden gegenereerd op basis van in-fase- en waterfasebeelden, te integreren met 3D-levercontouren, maakt deze methode onderscheid tussen LFF-patronen in normale en steatotische levers6. Bijgevolg vergemakkelijkt het een nauwkeurige evaluatie van het levervet…
The authors have nothing to disclose.
Deze publicatie kreeg steun van het vijfde nationale programma voor de identificatie van uitmuntende klinische talenten in de traditionele Chinese geneeskunde, georganiseerd door de National Administration of Traditional Chinese Medicine. De officiële netwerklink is’http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.
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 |