文献速递神经MR

加速3D全脑T1、T2及质子密度定量成像在胶质瘤临床MR成像中的可行性

Accelerated 3D whole-brain T1, T2, and proton density mapping: feasibility for clinical glioma MR imaging.
PubMed 文献 · Neuroradiology · 2021-04-09

本研究纳入9例不同分级和治疗史的胶质瘤患者,评估新型全3D定量瞬态成像(QTI)技术(扫描时间6分25秒)的临床可行性。结果表明,3D QTI可生成高各向同性分辨率的T1、T2和质子密度参数图,并合成T1加权、T2加权和FLAIR对比图像;肿瘤及瘤周区域的T1和T2值高于对侧白质,且具有较高的受试者间一致性。

要点

  • 3D QTI可在6分25秒内完成全脑T1、T2和质子密度定量成像,并合成临床常用对比加权图像。
  • 胶质瘤肿瘤核心和瘤周水肿区的T1、T2值均高于对侧正常白质,可用于组织定量区分。
  • 基于T1-T2参数空间的高斯混合模型可细分坏死/非强化肿瘤核心为实质性和液性成分。

关键影像表现/征象

  • 肿瘤核心和瘤周水肿在常规T2加权和FLAIR上呈高信号,在T1加权上呈低信号,相应区域的T1和T2值高于健康组织。
  • 从T1、T2和质子密度参数图合成的T1加权、T2加权和FLAIR对比图像与临床参考采集图像相对应。
  • 在坏死/非强化肿瘤核心的T1-T2参数空间中,高斯混合模型识别出两种体素类型:实质性肿瘤(坏死/非强化肿瘤核心I)和液性组织(坏死/非强化肿瘤核心II),并映射回解剖空间。
  • 伪影敏感性分析显示,严重头动可降低参数图及合成图像质量;生理性运动(如血流和脑脊液搏动)可影响T2估计及T2加权图像合成,尤其在大血管和脑干周围脑脊液搏动区域。

临床应用与阅片要点

  • 3D QTI可在不增加额外扫描时间的情况下合成T1加权、T2加权和FLAIR对比图像,有望整合到脑肿瘤常规MR协议中。
  • 肿瘤及瘤周区域的T1、T2值升高可作为定量生物标志物,辅助区分肿瘤亚结构和健康组织。
  • 基于T1-T2参数空间的无监督分类可补充人工ROI标注,帮助识别坏死/非强化肿瘤核心中的实质性和液性成分。
  • 需注意头动和生理性运动(血流、脑脊液搏动)对参数定量和合成图像质量的影响,尤其在脑干和大血管附近。

局限性

  • 样本量小(仅9例患者),为初步可行性研究。
  • 单中心研究,使用单一设备型号和线圈。
  • 缺乏组织病理学对照验证定量参数与肿瘤亚结构的对应关系。
全文中译18 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Neuroradiology. 2021 Apr 9;63(11):1831–51. doi: 10.1007/s00234-021-02703-0

引言

胶质瘤是成人中最常见的原发性脑肿瘤。这一类脑肿瘤包括胶质母细胞瘤、星形细胞瘤、少突胶质细胞瘤和室管膜瘤 [1]。尽管胶质瘤研究已取得巨大进展,且治疗随着新方法和新策略不断演进,胶质瘤仍然是预后较差的疾病 [2]。目前最先进的胶质瘤治疗包括多学科综合治疗,即结合手术切除、化疗和放射治疗 [3]。每个病例的治疗策略和预后取决于肿瘤分级,分级根据2016年WHO标准依据组织病理学表现和分子特征来定义 [4]。高级别胶质瘤(IV级),即所谓的胶质母细胞瘤,是侵袭性强、生长迅速的肿瘤类型,需要立即治疗。对于较低级别胶质瘤(II级、III级),包括各种类型的星形细胞肿瘤、少突胶质细胞肿瘤和室管膜肿瘤,广泛治疗通常尽可能推迟 [5]。

对于所有类型的胶质瘤,综合多模态神经影像学是疾病表征的基础 [6, 7]。它还可指导个体化治疗计划,并且是监测治疗反应和疾病进展所必需的。在此,MRI已成为评估和表征脑肿瘤的关键诊断手段:常规结构MRI的多种图像对比度有助于更好地检测肿瘤浸润区域,而先进的基于图像的生理学和分子生物标志物已被证明能够提供关于肿瘤类型和肿瘤亚结构生物学特征的全面定量信息 [8]。为了实现尽可能精确治疗的最终目标 [9],定量MRI因此可以提供多方面的组织表征 [10]。这反过来对于更好地理解复杂的增殖和侵袭行为、以可靠且可重复的方式识别和描述感兴趣结构(如强化肿瘤结构)或关键阈值至关重要,从而更好地预测治疗反应和治疗结局。

然而,此类常规定量MR技术通常采集时间较长,阻碍了其在临床实践中的应用。因此,常规影像方案迄今主要依赖定性信息。此外,视觉检查和定性解读在基于MRI的临床诊断中占主导地位,因为对复杂多参数、多模态甚至多时间点图像数据集的分析仍然是一项重大挑战。这些问题,加上缺乏MRI方案标准化 [11],妨碍了对肿瘤亚结构的可靠识别,使得浸润模式的精确定量成为不可能,并使随访检查中治疗反应的监测变得复杂。

为满足快速采集定量MR生物标志物的临床需求,已有先进的multiparametric MRI方案被提出,可提供可重复且准确的诊断信息,且受系统和解读偏倚的影响较小 [12–16]。它们都有一个共同目标,即在临床可行的扫描时间内揭示标准定性MRI未能适当捕捉的临床相关组织特征。

为实现T1和T2联合成像,基于(欠采样)k空间数据采用不同的采集和数据处理策略以获得最优的多参数估计[12–15, 17]。在本研究中,我们展示了一种新型全三维多参数定量瞬态成像(QTI)技术[18]的可行性,该技术可同时成像T1和T2弛豫时间及相对质子密度(PD),用于临床常规胶质瘤成像。通过3D QTI,我们展示了具有高等 isotropic 分辨率的三维采集,使我们能够超越其他近期提出的基于二维(多)层采集的定量MRI方法的分辨率。与稳态磁化技术相比,我们采用概念上不同的方法,在瞬态状态下采集信号演化。与笛卡尔读出方案不同,高效螺旋k空间(欠)采样与3D QTI中瞬态成像的结合,使其成为在严格临床时间限制下快速多参数MRI的有吸引力的候选方案。

作为3D QTI的一种临床应力测试形式,我们选择了多种疾病状态和治疗史各异的胶质瘤患者(II–IV级),以证明该技术的可行性。在本研究中,我们聚焦于两个主要方面:I. 3D QTI的初步临床经验:我们展示了这种快速、多参数序列在全脑覆盖和高各向同性分辨率下用于常规脑肿瘤成像方案的可行性。我们考察了3D QTI在其临床相关扫描时间6:25分钟下的适用性,重点关注其图像重建和参数估计方法。基于定量参数图,我们合成了定性图像对比度并探索其临床相关性。我们还评估了3D QTI方案在患者运动(即刚性头部运动和非刚性生理运动)存在时的表现。

应用于肿瘤亚结构的定量表征:我们识别了由T1和T2值所捕获的肿瘤组织异质性,以提供肿瘤亚结构的全面组织评估和健康组织的可量化区分。因此,我们在不同疾病阶段和治疗史的各异胶质瘤患者中表征T1和T2成分。我们旨在深入了解3D QTI在假性进展、假性治疗反应或放射性坏死使随访评估复杂化的情况下的潜在益处[19]。

材料与方法

受试者

在本研究过程中,我们收集了九名已安排进行随访临床成像的胶质瘤患者的MR数据及相应的人口学和临床数据(表1)。该研究纳入了最初诊断为胶质母细胞瘤(间变性和低级别)、星形细胞瘤(移行细胞型和间变性)或少突胶质细胞瘤的各类患者。既往治疗策略包括手术切除、化疗、放射治疗或其联合方案。

表1 患者人口学特征、诊断和治疗史 查看原表 ↗

MR成像

临床对比加权MRI

所有MRI数据均在3T MR750系统(GE Healthcare,Milwaukee,WI)上使用16通道头、颈、脊柱阵列线圈采集。多模态MRI方案包括增强前T1加权快速扰相梯度回波(FSPGR)序列(T1w)、T2加权PROPELLER序列(T2w)和液体衰减反转恢复(FLAIR)序列,随后进行钆(Gd)增强T1加权FSPGR序列(T1c)。所有成像参数见表2。

表2 MR序列参数 查看原表 ↗

3D QTI采集与重建

除临床序列外,在给予对比剂之前,患者还接受了所提出的3D QTI采集扫描,反转时间TI = 18 ms,重复时间TR = 7.8 ms,回波时间TE = 1.8 ms。翻转角(0.8° ≤ ɑ ≤ 70°)遵循递增/递减模式,共包含880次重复。在瞬态状态下[16, 20],使用螺旋读出(22.5 × 22.5 × 22.5 cm3 FOV,1.125 × 1.125 × 1.125 mm3各向同性体素大小)采集高度欠采样的k空间数据(880个3D k空间体积中每一个的欠采样因子为628),并进行平面内和球形旋转以实现完整3D覆盖。3D QTI采集的总扫描时间为6:25 min。

3D QTI数据使用压缩感知(CS)方法重建,采用空间和时间联合正则化,称为低秩与全变分(LRTV)方法[21]。为展示这种迭代k空间处理所实现的抗混叠效果,我们将该重建与朴素零填充和k空间加权视图共享[22]进行了比较。图1a示意性地展示了步骤➁中采用这三种k空间处理替代方案的3D QTI重建流程。在所有情况下,我们通过SVD子空间投影(步骤➂)进行降维,将完整的时间信号演化压缩为其前十个奇异图像。SVD投影之后,使用gpuNUFFT [23]进行网格化到笛卡尔网格,并进行3D快速傅里叶逆变换(IFFT,步骤➃)。在步骤➄中,使用自适应线圈组合[24]计算线圈灵敏度图。

对于步骤➅中的参数映射,重建的复数SVD图像被输入到一个紧凑的多路径神经网络中,用于体素级T1、T2和PD推断,该网络已被证明是传统字典匹配的一种时间和内存高效的替代方案[25, 26]。请注意,神经网络推断和字典匹配可以独立于先前执行的k空间处理而应用。

如图1b所示,所提出的神经网络架构接收SVD压缩QTI信号x的前十个奇异分量作为输入,并输出 underlying 组织参数T1、T2和PD相关缩放因子,包含在输出向量θ中,最终PD估计为 潜在空间输入信号经过相位对齐[18],将复数信号转换为实值信号,并在后续层中进行归一化。然后模型分成单独的通路,每条通路由三个隐藏层组成,具有修正线性单元(ReLU)激活和200、100和1个节点,最终形成拼接的参数输出θ。

为了训练神经网络,我们使用扩展相位图形式[27]生成了合成QTI信号数据集,范围涵盖10 ms ≤ T1 ≤ 5000 ms和10 ms ≤ T2 ≤ 2000 ms。T1值在10 ms ≤ T1 ≤ 2000 ms范围内以10 ms为步长采样,在2100 ms ≤ T1 ≤ 5000 ms范围内以100 ms为步长采样。T2值在10 ms ≤ T2 ≤ 300 ms范围内以5 ms为步长递增,在310 ms ≤ T2 ≤ 2000 ms范围内以10 ms为步长递增。该数据集还用于获取字典匹配参考。对于模型训练,我们使用了模拟数据集中80%的样本,并向生成的信号时间序列中添加了白色复高斯噪声。网络最多训练1000个epoch,采用平均绝对百分比误差损失和随机梯度下降优化,学习率为1e-4,dropout率为0.8。我们保留了在剩余20%信号上达到最佳验证损失的模型状态。

利用获得的T1、T2和PD估计值,我们将各自的体素级信号方程应用于估计的参数图,生成了合成的T1加权、T2加权和T2加权FLAIR图像对比,其动机来源于[18, 28]。为评估合成图像的质量,我们将其与临床方案中相应的采集图像进行了对比评估。

图1 3D QTI数据处理。a 重建与处理。采集后(➀),原始k空间数据通过朴素零填充(虚线)、k空间加权视图共享(短划线)或压缩感知LRTV技术(实线)进行处理。➁中的所有方法均随后在时间域通过SVD子空间投影进行降维(➂),网格化到笛卡尔网格后进行3D IFFT(➃),以及线圈灵敏度估计与合并(➄)。重建的图像序列随后被输入神经网络或与预计算的字典进行匹配,以输出T1、T2和PD的参数图(➅)。我们随后利用参数图合成临床图像对比(➆)。b 用于参数推断的神经网络架构。模型接收SVD子空间x中的复数体素级信号,并推断包含T1、T2和PD相关缩放因子的底层组织参数向量θ。输入信号x经相位对齐(绿线)将复数转换为实值信号,随后经过归一化层(紫线)。模型随后分为独立通路,每条通路包含三个ReLU激活隐藏层,分别有200、100和1个节点,最终产生拼接的参数输出向量θ 查看原图 ↗

肿瘤亚结构的标注与定量分析

为了根据T1和T2参数值对肿瘤亚结构进行定量分析,如图2示意所示,由一名受过训练的放射科医师使用ITK SNAP [29]在每个患者数据集中基于临床对比加权MRI数据标注了瘤内结构——瘤周水肿、坏死/非强化肿瘤核心和强化肿瘤核心。因此,T1加权、T2加权、FLAIR和Gd增强T1加权图像使用ANTs [30]变换至3D QTI图像空间。

除肿瘤标注外,我们使用FSL FAST算法[31]获得了白质(WM)和灰质(GM)组织分割,并将其应用于合成的T1加权图像数据。对于胶质瘤患者,我们仅考虑对侧WM和GM。如果肿瘤或其瘤周组织累及双侧半球,则在肿瘤受累体积较小的半球中勾画表现正常的WM和GM区域。

随后针对各感兴趣区(ROI)确定体素级T1-T2分布。我们还比较了个体患者之间基于ROI的平均T1和T2。为初步探索所获得的T1和T2信息是否能使我们超越手动分割,我们对队列中所有坏死/非强化体素的T1-T2空间拟合了高斯混合模型,以了解我们是否能识别出其中两种明显的组织类型,我们将其归因于实质性肿瘤(坏死/非强化肿瘤核心I)和液性组织体素(坏死/非强化肿瘤核心II)。随后将拟合模型应用于个体患者数据集,以将坏死/非强化ROI中的体素分为两类。然后将由此获得的坏死/非强化体素亚分类映射回解剖背景,以补充基于定性视觉MRI对比的临床基线标注。

图2 应用于肿瘤亚结构的定量表征。为对肿瘤亚结构进行定量分析,由训练有素的专家基于临床对比加权MR数据标注瘤内结构,即瘤周水肿、坏死/非强化肿瘤核心和强化肿瘤。随后针对各ROI推导体素级T1-T2分布。使用高斯混合模型,我们探索是否能识别出坏死/非强化肿瘤区域T1-T2空间中两种明显的体素类别,随后将其映射回图像空间。 查看原图 ↗

结果

我们首先介绍并评估3D QTI方法及其模块化数据处理流程。3D QTI采集和重建要素的准确性和精密度已在[18, 21, 32]中评估。本文工作的重点是在重建性能和多参数图图像质量方面评估3D QTI用于临床常规成像的适用性。然后我们使用3D QTI的多参数输出识别肿瘤组织异质性,并了解这是否能够在癌症患者中实现对肿瘤亚结构和健康组织的可量化区分。

3D QTI的初步临床经验

图9展示了我们从三个重建模块获得的T1、T2和PD各向同性3D图谱,并随后对一名代表性患者病例和一名健康志愿者进行了字典匹配。本研究中所有后续结果均依赖于基于LRTV的图像重建。图10展示了通过基于神经网络的推断和传统字典匹配对代表性患者数据集和健康志愿者获得的参数定量结果。从估计的T1、T2和PD图谱中,我们利用各自的MR信号方程合成了常见的MRI对比度。在图3和图11中,我们将T1加权、T2加权和FLAIR图像对比度的合成图像与作为临床方案一部分采集的图像进行了比较。作为对刚性头部运动和生理运动敏感性分析的一部分,图4和图12展示了一个患者运动明显的示例病例,其中运动相关伪影降低了参数图谱的图像质量,从而影响了合成的MRI对比度。从图5和图12中,我们观察到生理运动(如血流和脑脊液搏动效应)如何影响参数定量及后续的对比度加权图像合成。

图3 代表性患者病例的对比度加权图像合成。从T1、T2和PD图谱中,我们生成了临床相关的、完全3D的定性图像信息,具有高各向同性分辨率且无需额外扫描时间。从轴位视图和考虑整个图像体积的基于直方图的比较可以看出,合成的T1加权、T2加权和FLAIR MRI对比度与临床参考采集相对应。相应的矢状位和冠状位视图见图11 查看原图 ↗
图4 对刚性头部运动的敏感性。剧烈的头部运动可影响瞬态状态下的图像采集,导致参数图谱(a)和合成图像对比度(b)相较于临床对比度加权采集出现图像质量下降。增强后T1加权MRI表明,在此病例中,最先进的常规MRI无法完全弥补明显的头部运动。相应的矢状位和冠状位视图见图12 查看原图 ↗
图5 对生理运动的敏感性。搏动性血流以及由此引起的脑脊液(CSF)搏动可影响T2估计(a)及后续T2加权图像对比度的合成(b),如在大血管和高CSF搏动区域(例如沿脑干,白色箭头所示)所观察到的 查看原图 ↗

应用于肿瘤亚结构的定量表征

图6概述了所有患者的肿瘤ROI标注以及临床对比加权MRI和获得的T1、T2图。在所有病例中,肿瘤核心(红色标注)和瘤周水肿区域(绿色标注)相对于表现正常的组织,在常规T2加权和FLAIR图像上呈高信号,在T1加权图像上呈低信号。在这些区域获得的T1和T2值高于健康组织区域。患者1至4和6的对比增强后T1加权图像还识别出Gd增强区域(黄色标注)。患者3、4和6是具有清晰可见大体肿瘤体积的病例。对于患者1和8,对比加权MRI未显示切除腔周围肿瘤复发。在患者8的病例中,胼胝体和侧脑室左侧前角存在疑似肿瘤的小病灶,但在对比增强后T1加权MRI上无高信号。在患者1的病例中,对比增强后MRI显示Gd增强阳性的小病灶。对于患者2,存在小的、离散的Gd增强区域,可能提示弥漫性肿瘤生长,周围被水肿包围。对于患者病例5、7和9,切除后没有明确的肿瘤复发迹象。在这些病例中,肿瘤ROI仅包括瘤周水肿和胶质增生区域。

图7展示了患者病例4和6的示例性结果,这些结果是我们从高斯混合模型获得的,该模型在患者数据集中所有标记为坏死/非增强肿瘤组织的体素上进行训练。在T1-T2参数空间中识别出的两种体素类型,即坏死/非增强肿瘤I(红色)和坏死/非增强肿瘤核心II(品红色),被投影回解剖背景以补充手动ROI分割。图8和表3定量总结了基于ROI的肿瘤亚结构分析。在健康志愿者中获得的定量T1和T2成像结果报告于表4。

图6 肿瘤患者病例的定性比较。专家ROI(绿色:瘤周水肿,红色:坏死核心/非增强肿瘤,黄色:增强肿瘤)与临床T1加权FSPGR、T2加权、FLAIR、Gd增强T1加权FSPGR图像以及定量T1和T2图一同展示 查看原图 ↗
图7 基于手动ROI标注的定性T1-T2分析,以及两个代表性患者病例的额外探索性参数驱动肿瘤亚分类。基于定量T1和T2值对坏死/非增强组织体素进行分类可以更深入地了解异质性结构,我们将其归因于大体肿瘤区域内的液性成分(坏死/非增强肿瘤核心II,品红色)和实性成分(坏死/非增强肿瘤核心I,红色)(右图)。两个亚成分的预期空间相关性得以保持,因为基于T1-T2的坏死和实性组织分类的反向投影产生了连通的标注(左图) 查看原图 ↗
图8 基于ROI的定量参数分析。患者个体T1和T2参数空间的箱线图(a)以及各自平均T1和T2值的散点图(b)表明,与健康对侧白质(WM)和灰质(GM)区域相比,病变肿瘤区域的T1和T2值升高,具有高受试者间一致性和小方差。为清晰起见,箱线图中的离群值已省略 查看原图 ↗
表3 肿瘤ROI及对侧白质和灰质区域的T1和T2值定量汇总(均值、标准差) 查看原表 ↗

讨论

本研究旨在评估三维定量瞬态成像(3D QTI)用于胶质瘤患者临床成像的可行性。首先,我们展示了基于QTI的全三维多参数MRI的可行性分析,以整合到对采集时间和稳健性有严格要求的先进临床常规脑肿瘤方案中。其次,我们表明3D QTI能够在多种脑肿瘤患者中对健康和病变组织提供全面的表征。尽管患者队列具有异质性,该方法仍能基于可量化的T1和T2参数捕捉肿瘤亚结构中的组织异质性。

3D QTI的初步临床经验

多参数定量成像

3D QTI在胶质瘤患者中的初步经验表明,全定量、多参数MR定量成像具有高各向同性分辨率,采集时间为6分25秒,使其在紧张的临床时间限制下可行。我们观察到,参数定量在3D QTI流程提供的不同重建方法之间保持一致,即零填充、视图共享和LRTV方法(图9)。这与先前的研究结果一致[18, 21]。与朴素零填充相比,视图共享和LRTV重建可以改善重建SVD图像序列的空间一致性,这反映在推断参数图的图像质量提高上。具有联合时空正则化的迭代LRTV重建实现了对混叠伪影的最佳抑制。它提供了最佳图像质量,并保留了肿瘤和瘤周区域内临床上重要的组织变化和关键组织界面。也就是说,将快速3D QTI采集与具有联合时空正则化的压缩感知重建相结合,已证明具有令人信服的抑制混叠伪影的能力,可生成高质量的参数图。在3D QTI中,采集和重建良好对齐,能够成功缓解螺旋采样固有的实际关注问题,如梯度不完美或由于大规模欠采样k空间导致的螺旋伪影。因此,我们利用螺旋轨迹的高扫描效率,将其用于临床常规成像,作为普遍使用的笛卡尔读出方案的替代。基于此处呈现的初步结果,我们相信可以进一步推进3D QTI,例如实现更小的体素尺寸或更快的扫描时间。

基于神经网络的推断与字典匹配的比较(图10)表明,两种方法产生的T1、T2和PD图在定量准确性和图像质量方面基本一致,如先前Gómez等人所展示的[18]。因此,神经网络提供的髙分辨率图在定量准确性和图像质量方面与字典匹配相当。这一观察结果适用于健康组织,即志愿者扫描和胶质瘤患者中表现正常组织区域,以及组织微结构发生改变的肿瘤区域。

通过将基于压缩感知的LRTV重建与基于神经网络的参数推断相结合,我们因此提出了一种内存高效、无需字典的重建流程。

合成MRI

在尽可能缩短成像协议这一前提之下,我们已经证明,基于多参数3D QTI输出的对比度加权图像合成能够产生完全三维的、高质量的、具有临床相关性的定性信息,而不会延长扫描时间(图3)。因此,它提供了一个有吸引力的特性,有潜力替代传统的对比度加权采集,包括T1加权、T2加权和FLAIR对比,从而有可能缩短常规脑部成像协议所需的扫描时间(表2)。需要注意的是,合成的对比度加权MRI自然是在相同的图像空间中获得的。也就是说,昂贵的处理步骤,即图像体积的配准和重采样,通常是多模态研究中为了使各数据集均一化的一项关键要求,变得不再需要。迄今为止,基于T1、T2和PD估计的图像合成仅限于原生图像对比度,即增强前图像对比度,因此尚不能替代Gd增强采集。鉴于目前将对比剂使用降至绝对最低水平的研究努力,已有初步研究表明,T1弛豫测量有可能提供与定性增强后信息等效的组织特征信息[33]。然而,基于我们的结果,我们无法仅凭原生T1和T2参数得出此类结论,即在不纳入扩散信息的情况下(扩散信息也是近期研究工作的一部分[34–37])。

运动敏感性

已知受试者运动会影响重建的瞬态图像时间序列的质量,进而传播至组织参数的估计[38, 39]。研究发现3D QTI对轻微头部运动具有耐受性,因此我们获得的参数图图像质量可与定性、最先进方案相媲美。我们将此归因于基于欠采样螺旋读出方案的快速采集,该方案反复采样k空间中心,因此从一开始就对运动更为稳健。这对于在长时间扫描过程中难以保持静止的严重疾病患者尤为有利。然而,初步经验也表明,更明显的患者运动可能降低重建图像时间序列的图像质量,并使估计的参数图产生偏差(图4)。轴位、矢状位和冠状位视图显示,根据实际运动模式的不同,图像质量并非在所有空间方向上均匀下降。例如,尽管存在运动导致的图像模糊,受运动影响的合成T2加权图像在矢状方向上的图像质量仍可与临床T2加权PROPELLER采集相媲美,后者原生层厚为3 mm,因此在该方向上的空间分辨率更低。此外,从增强后T1加权MRI中可见的图像伪影可以清楚地看出,患者运动也是最先进常规MRI中的主要挑战。在螺旋3D QTI读出方案中,患者运动表现为弥漫性图像模糊,而在临床增强后T1加权扫描的笛卡尔读出方案中,由于频率和相位编码方向的特殊性,我们观察到典型的鬼影伪影。先前研究表明,将3D QTI框架与运动校正算法相结合可提高其稳健性并能校正患者运动[38]。目前,该方法仅能校正7秒时间尺度上的运动,无法充分解决本研究中受运动影响患者病例的图像退化问题。

与刚性头部运动类似,搏动性血流及由此引起的脑脊液(CSF)搏动也会影响参数估计(图5)。这在大型血管和CSF搏动强烈的区域尤为明显,例如沿脑干区域。在此处,流动血液中的T2值被低估,从而反映为合成T2加权MRI中信号强度低于临床采集。

鉴于这些发现,在更快的时间尺度上(如连续刚性头部运动)解决运动问题,以及降低对血流和/或脑搏动所致生理运动的敏感性,是我们当前和未来工作的方向。

应用于肿瘤亚结构的定量表征

当前最先进技术

先进的定量MR技术与对比加权MRI的结合已被证明可提供临床相关的组织信息,是精确肿瘤诊断的关键特征:迄今为止,最先进的临床常规MRI方案采集时间为20至60分钟,通常包括增强前和增强后T1加权、T2加权和FLAIR序列,并可通过T2*加权或磁敏感加权对比进行扩展。定性成像由先进定量MRI[40, 41]补充,以捕捉肿瘤形态和功能,即扩散加权成像和灌注MRI[10]。此外,MR波谱也用于改善脑肿瘤诊断和分级,尽管通常不作为常规成像的一部分。扩散张量成像和功能MRI为手术规划提供重要信息并指导肿瘤切除,因为它们有助于识别肿瘤边界以及定位关键功能区和神经束。

除了上述已进入临床常规的定量MRI方案外,多项研究表明,MR弛豫测量可提供关于胶质瘤中关键组织变化的额外临床相关信息,而这些变化在对比加权MRI中不可见[42–44]。在其他发现中,定量T1和T2映射已被证明有助于比标准对比加权MR成像更早地检测肿瘤进展,这是由于复发性胶质母细胞瘤中T1和T2值升高[45, 46]。研究还表明,瘤周区域组织变化的检测可受益于定量T1和T2映射,因为与对比加权MRI相比它们更早敏感[47]。

尽管上述方法已被证明可为疾病表征和预后提供关键指标,但它们通常需要昂贵的离线处理、涉及针对具体病例的序列设置调整,或无法满足临床时间限制,这些都挑战了其在临床脑肿瘤成像方案中的标准使用。

多种先进的多参数弛豫测量技术[12, 13, 48],包括MR指纹(MRF)的开创性工作[14, 28],已被证明可提供快速、稳健且用户友好的定量MRI,易于整合到放射学实践中。其在扫描时间方面的吸引力以及高度可重复性[32, 49, 50]使这些技术成为在日常脑肿瘤诊断中提供基于弛豫测量的生物标志物的有吸引力的候选方案。

尽管近期关注基于瞬态态的弛豫测量技术的工作越来越多,但仅有少量研究探讨其在疾病特异性设置(如胶质瘤成像)中的可行性[51–53]。这些工作例如已证明MRF用于脑肿瘤表征的可行性。虽然这些研究基于将离散层面置于肿瘤区域的2D采集,但我们在一个具有真实、异质性临床图景(就疾病和治疗史而言)的患者队列中的结果(表1,图6)展示了对T1和T2估计中所捕获肿瘤信息的完全3D全脑定量分析。

肿瘤病例的定性比较

我们对多种胶质瘤患者的可行性研究表明,3D QTI可用于组织表征与区分。在定性方面,基于感兴趣区(ROI)的体素级T1和T2关系分析显示,瘤周水肿和强化肿瘤区域呈均匀分布。对于坏死/非强化肿瘤组织,T1-T2参数空间似乎由两类组成,我们将其归因于大体肿瘤内的液性组织和实性组织成分。在临床专家标注的基础上,我们旨在更深入地了解坏死/非强化肿瘤组织,并探索高斯混合模型能否区分这两类体素(图7)。将由此识别的组织亚类映射到解剖空间后,显示出空间上连接良好的标注。在临床常规肿瘤标注中,坏死/非强化肿瘤区域内的实性部分和液性部分通常不加区分,合并为一个整体ROI。因此我们没有参考标注来比较高斯混合模型的结果。尽管如此,我们相信我们的探索性分析是一个说明性示例,展示了基于弛豫时间的定量多参数测量如何补充通常基于对比加权MR图像数据中定性视觉异常的肿瘤标注。

肿瘤亚结构的定量分析

定量分析(图8和表3)证实并补充了这些定性发现。我们观察到,肿瘤组织,即强化肿瘤、坏死/非强化肿瘤核心I+II以及瘤周水肿,其T1和T2值均高于对侧健康白质(WM),这与图6的定性提示一致。这些发现与MR指纹识别的初步临床结果[51]一致,支持3D QTI作为胶质瘤诊断影像生物标志物的潜力。

图8还提示,在患者队列中健康白质和灰质(GM)区域具有明确的参数空间,仅存在较小的个体间差异。此外,如表3和表4所示,非病变组织中的T1和T2定量图与我们的健康志愿者数据结果吻合良好,且与既往报道值[18, 38, 54, 55]一致。此外,两个大体肿瘤亚类的平均T1和T2值区分良好。也就是说,我们归因于液性亚成分的坏死/非强化肿瘤核心II的平均T1和T2值持续高于坏死肿瘤/非强化核心I。这一发现与T1和T2弛豫时间对组织组成和微观结构敏感的事实[56, 57]一致。

总体而言,T1和T2值提示瘤周水肿与对侧白质之间存在明显区分(图8b)。此外,在所有患者中,瘤周水肿的平均T2值均高于对侧灰质。瘤周水肿的平均T1值低于坏死/非强化肿瘤区域。对于平均T2值,仅在患者4和8中观察到这一现象。如图8b所示,在T1-T2空间中,强化肿瘤与瘤周水肿及坏死/非强化肿瘤核心I存在重叠。强化肿瘤被分割为大体肿瘤内在Gd增强T1加权MRI中表现为阳性Gd强化的区域。因此,平扫预对比T1定量图不一定能捕捉到这一区分。

由于观察到健康和病变组织的T1和T2值具有受试者间一致性和稳定性,这与先前进行的可重复性研究[32, 58, 59]一致,我们认为不仅诊断,而且治疗计划和监测以及预后、纵向评估都可能受益于将三维定量瞬态成像(3D QTI)整合到标准临床成像中。

虽然传统对比加权MRI也能捕捉肿瘤纹理中的组织异质性,但它始终代表的是弛豫和组织参数组合的加权信息。此外,定性MRI信息已知依赖于实际扫描仪设置,这些设置可能因不同的预扫描条件或增益调谐而逐日变化,妨碍了纵向或受试者间比较。

尽管快速多参数映射技术具有上述优点,我们强调定量和定性MRI通常都局限于宏观体素尺寸。由此产生的部分容积效应,例如在不同组织类型的边界处,已知会掩盖潜在的细胞组织特征,仅提供相应生物标志物的有效体素值。然而,如3D QTI那样以高各向同性分辨率和足够信噪比为目标,首先就能最小化部分容积效应。将3D QTI扫描生成的合成T2加权MRI与图3中具有更高层厚的临床2D参考进行比较,说明了这种分辨率优势,例如对于肿瘤勾画。

尽管如此,3D QTI产生可靠、可重复的定量图像数据,它可能是协调成像数据的有价值工具,有机会使多时间点、多受试者、多供应商和多中心研究更加容易。因此,它可以提供丰富的标准化、全面的图像数据集,有潜力推动基于人工智能的决策支持大范围内的方法学发展,即分割算法或肿瘤生长建模。

局限性

本研究的一个明显局限性是样本量较小。我们旨在呈现一项初步临床病例研究,证明3D QTI整合到常规胶质瘤成像方案的可行性。因此,这个虽小但异质性的研究队列,包括术前和术后治疗阶段以及不同肿瘤级别,使我们仍然能够覆盖临床放射学实践中的患者病例带宽。

展望

鉴于我们初步的临床结果,我们希望将3D QTI也用于胶质瘤患者的纵向随访,以评估其在个体受试者中监测和量化治疗反应的潜力,从而支持以个性化医疗为目标的个体化治疗决策。我们还计划研究基于深度学习的图像分割和解读[60, 61]如何能从定量成像生物标志物(例如3D QTI所提供的)补充甚至替代迄今主要为定性的数据库中获得益处。此外,我们认为,将该方法扩展为如[37]中所提出的联合编码弛豫和扩散参数,并具备完全三维、高等向分辨率和全脑覆盖,可进一步增强其融入临床胶质瘤成像的吸引力,因此这是我们当前工作的主题。我们还旨在进一步提高瞬态编码方案的运动稳健性。在先前提出的回顾性运动校正[38]基础上,我们乐观地认为可以进一步发展该方法,以在更快的时间尺度上考虑和校正头部运动。我们也可能受益于前瞻性运动校正的最新进展[62]。为了首先降低对非刚性运动(如血流和/或脑搏动)的敏感性,研究序列设计中潜在的改进是我们未来工作的内容。3D QTI在神经应用中的经验也促使我们将目标投向脑外的潜在诊断场景以及与对比增强联合应用[63, 64]。

结论

3D QTI被证明能够在严格的临床时间限制下可靠地识别组织和因此捕获于T1和T2弛豫时间中的肿瘤异质性。因此,它提供了对肿瘤亚结构的全面组织评估,具有改善脑肿瘤患者疾病表征的潜力。这对于寻找最佳治疗策略和在疾病过程中监测治疗反应至关重要。

引用

  1. Pirkl CM, Nunez-Gonzalez L, Kofler F, et al. Accelerated 3D whole-brain T1, T2, and proton density mapping: feasibility for clinical glioma MR imaging. Neuroradiology. 2021. PMID: 33835238. doi:10.1007/s00234-021-02703-0
  2. 全文:PMC8528802(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8528802/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。