Eine 3D-Quantifizierungstechnik für die Analyse der Verteilung des Leberfettanteils mit Dixon-Magnetresonanztomographie
Summary
In dieser Studie wird eine einzigartige 3D-Quantifizierungsmethode für die Verteilung der Leberfettfraktion (LFF) unter Verwendung der Dixon-Magnetresonanztomographie (Dixon-MRT) vorgestellt. LFF-Karten, die aus In-Phase- und Wasserphasenbildern abgeleitet werden, werden in 3D-Leberkonturen integriert, um LFF-Muster zwischen normaler und steatotischer Leber zu unterscheiden und eine präzise Beurteilung des Leberfettgehalts zu ermöglichen.
Abstract
In dieser Studie wird eine 3D-Quantifizierungsmethodik für die Verteilung der Leberfettfraktion (LFF) unter Verwendung der Dixon-MRT-Bildanalyse vorgestellt. Zentrales Ziel ist es, eine hochgenaue und nicht-invasive Methode zur Bestimmung des Leberfettgehalts anzubieten. Das Verfahren beinhaltet die Aufnahme von In-Phase- und Wasserphasenbildern aus einer Dixon-Sequenz. LFF-Karten werden dann akribisch Voxel für Voxel berechnet, indem die Lipidphasenbilder durch die In-Phase-Bilder dividiert werden. Gleichzeitig werden 3D-Leberkonturen aus den In-Phase-Bildern extrahiert. Diese wichtigen Komponenten sind nahtlos integriert, um ein umfassendes 3D-LFF-Verteilungsmodell zu erstellen. Diese Technik ist nicht auf gesunde Lebern beschränkt, sondern erstreckt sich auch auf diejenigen, die von Lebersteatose betroffen sind. Die erzielten Ergebnisse zeigen die bemerkenswerte Wirksamkeit dieses Ansatzes sowohl bei der Visualisierung als auch bei der Quantifizierung des Leberfettgehalts. Es erkennt deutlich Muster, die zwischen normaler und steatotischer Leber unterscheiden. Durch die Nutzung der Dixon-MRT zur Extraktion der 3D-Struktur der Leber bietet diese Methode präzise LFF-Beurteilungen, die sich über das gesamte Organ erstrecken, und ist damit vielversprechend für die Diagnose von Lebersteatose mit bemerkenswerter Effektivität.
Introduction
Die nicht-alkoholische Fettlebererkrankung (NAFLD) umfasst ein Spektrum von pathologischen Zuständen, die von der abnormen Anhäufung von Triglyceriden in Leberzellen (hepatische Steatose) bis hin zur Entwicklung von Entzündungen und Schäden an Leberzellen, der sogenannten nicht-alkoholischen Steatohepatitis (NASH), reichen. In einigen Fällen kann sich die NAFLD zu schwereren Stadien entwickeln, darunter Fibrose, Zirrhose, Lebererkrankungen im Endstadium oder sogar hepatozelluläres Karzinom (HCC)1. Veröffentlichte Daten der Weltgesundheitsorganisation und der Global Burden of Disease deuten darauf hin, dass weltweit etwa 1.235,7 Millionen Menschen in allen Altersgruppen von NAFLD betroffen sind2. NAFLD gilt derzeit weltweit als eine der wichtigsten Ursachen für Lebererkrankungen und wird voraussichtlich in den kommenden Jahrzehnten zur Hauptursache für Lebererkrankungen im Endstadium werden3.
Die genaue Beurteilung des Ausmaßes der Lebersteatose ist von wesentlicher Bedeutung für eine präzise Diagnose, eine geeignete Behandlungsauswahl und eine effektive Überwachung des Krankheitsverlaufs. Der Goldstandard zur Beurteilung des Leberfettgehalts ist nach wie vor die Leberbiopsie. Aufgrund seines invasiven Charakters, des Potenzials für Schmerzen, Blutungen und andere postoperative Komplikationen ist es jedoch keine praktikable Option für häufige Nachuntersuchungen 4,5,6. Folglich besteht ein dringender Bedarf an nicht-invasiven bildgebenden Verfahren, die die Fettablagerung in der Leber zuverlässig quantifizieren können. Die Magnetresonanztomographie (MRT) ist in diesem Bereich vielversprechend, da sie keine ionisierende Strahlung aufweist und den Fettgehalt durch chemische Verschiebungseffekte empfindlich nachweisen kann 7,8.
Neuere Studien haben MRT-Techniken zur Quantifizierung von Leberfett beschrieben, die auf chemischen Shift-Gradient-Echo-Methoden wie der Dixon-Bildgebungbasieren 9,10. Nichtsdestotrotz beruhen die meisten dieser Techniken auf der Analyse zweidimensionaler Interessenregionen. Eine umfassende Auswertung der dreidimensionalen Verteilung der Leberfettfraktion (LFF) ist bisher nur begrenzt möglich. In der vorliegenden Studie wird ein einzigartiger 3D-LFF-Quantifizierungsansatz vorgestellt, der die Dixon-MRT mit der strukturellen Bildgebung der Leber kombiniert. Das resultierende 3D-LFF-Modell ermöglicht eine präzise Visualisierung und Messung der Verteilung des Fettgehalts über das gesamte Volumen der Leber. Diese Technik zeigt einen erheblichen klinischen Nutzen für die genaue Diagnose der hepatischen Steatose.
Protocol
Representative Results
Discussion
Diese Forschung stellt eine innovative 3D-Quantifizierungstechnik zur Analyse der Verteilung der Leberfettfraktion (LFF) mit Dixon MRT 9,10 vor. Durch die Integration von LFF-Karten, die aus In-Phase- und Wasserphasenbildern generiert werden, mit 3D-Leberkonturen unterscheidet diese Methode zwischen LFF-Mustern in normaler und steatotischer Leber6. Folglich ermöglicht es eine genaue Beurteilung des Leberfettgehalts.
<p class="jove_con…Disclosures
The authors have nothing to disclose.
Acknowledgements
Diese Veröffentlichung wurde durch das fünfte nationale Programm zur Identifizierung herausragender klinischer Talente in der Traditionellen Chinesischen Medizin unterstützt, das von der Nationalen Verwaltung für Traditionelle Chinesische Medizin organisiert wird. Der offizielle Netzwerklink lautet”http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html.
Materials
| 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).
