文献速递神经头颈MR

高级别胶质瘤患者全脑毫米分辨率动态对比增强MRI的伪重测评估

Pseudo Test-Retest Evaluation of Millimeter-Resolution Whole-Brain Dynamic Contrast-enhanced MRI in Patients with High-Grade Glioma.
PubMed 文献 · Radiology · 2021-06-08

本研究回顾性纳入13例高级别胶质瘤患者,评估全自动30倍稀疏欠采样全脑DCE MRI的重复性。健康组织中Ktrans中位数最大变异系数小于57%,大且低强化组织的重复性系数最大为0.06 min⁻¹,小而强强化组织小于0.48 min⁻¹。

要点

  • 全自动稀疏采样全脑DCE MRI可在0.9 mm×1 mm×2 mm空间分辨率和5秒时间分辨率下获得全脑覆盖。
  • 健康组织中Ktrans中位数的最大变异系数小于57%。
  • 大且低强化组织(如肌肉和脂肪)的Ktrans中位数最大重复性系数为0.06 min⁻¹,小而强强化组织小于0.48 min⁻¹。

核心结论

  • 全自动稀疏采样DCE MRI重建结合患者特异性血管输入函数可提供高空间和时间分辨率及全脑覆盖。
  • 健康组织中Ktrans中位数在大且低强化组织区域的重复性系数最大为0.06 min⁻¹,在小或更强强化组织区域小于0.48 min⁻¹。

研究设计与样本

  • 回顾性研究,纳入13例高级别胶质瘤患者(平均年龄61岁±10,9例女性),来自32例患者的持续影像研究。
  • 使用单台临床3.0-T MRI(MR750,GE Healthcare)和12通道头颈脊柱接收线圈,于2016年8月至2019年4月在Seaman Family MR Research Centre, Foothills Medical Centre采集。
  • 患者接受三次连续标准诊疗检查(检查间平均间隔64天,范围35–231天),使用第二次至第四次检查数据。
  • 采用30倍稀疏欠采样,空间分辨率0.94×1.0×2.0 mm³,时间分辨率5秒,视野240×240×240 mm³。
  • 重建方法包括模型一致性约束(MOCCO)和稀疏敏感度编码(SPSENSE),并以自动估计血管输入函数扩展。

关键影像表现/征象

  • 在代表性病例中,MOCCO和SPSENSE两种方法均检测到颈内静脉、横窦和乙状窦硬脑膜静脉窦。
  • MOCCO估计的血管输入函数曲线下面积均值为247.5 mM,SPSENSE为209.6 mM。
  • MOCCO估计的血管输入函数峰值浓度均值为3.1 mM,SPSENSE为2.1 mM。
  • SPSENSE估计的鼻黏膜、颞肌和头皮脂肪Ktrans中位数分别为0.46 min⁻¹、0.05 min⁻¹和0.05 min⁻¹,MOCCO分别为0.41 min⁻¹、0.04 min⁻¹和0.38 min⁻¹。

诊断标准与关键数值

  • 血管输入函数特征变异系数:MOCCO为0.18,SPSENSE为0.13。
  • 健康组织中Ktrans中位数变异系数:MOCCO为31%–91%,SPSENSE为29%–57%。
  • 两个最大组织感兴趣区(颞肌和头皮脂肪)中,Ktrans中位数变异系数两法均为31%–50%,第95百分位数变异系数为22%–32%。
  • 脉络丛或鼻黏膜Ktrans第95百分位数等薄结构或高渗透性测量中,变异系数高达60%–91%。
  • SPSENSE法健康组织Ktrans中位数在大且低强化组织区域最大重复性系数为0.06 min⁻¹,在小或更强强化组织区域高达0.48 min⁻¹。

临床应用与阅片要点

  • 全脑高空间分辨率DCE MRI保证视野内存在大血管结构,最小流入增强和部分容积污染极大促进血管输入函数估计的自动化。
  • 自动化有望加速DCE MRI标准化和临床转化,类似于卒中MRI全自动软件包标准化后处理。
  • DCE MRI因缺乏体内金标准主要用于纵向监测,偏倚可抵消但需高精度评估。
  • 已知方法的重复性系数是确定纵向研究中可检测效应大小的关键第一步。

局限性

  • 缺乏示踪动力学参数的金标准验证,这是大多数DCE MRI流程评估的常见局限。
  • 研究使用参考区域而非脑肿瘤组织;在患病患者中进行对比剂重测研究因需额外非标准诊疗检查而难以开展。
全文中译14 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:Radiology. 2021 Jun 8;300(2):410–20. doi: 10.1148/radiol.2021203628

摘要

对纵向毫米分辨率全脑动态对比增强MRI的评估表明,健康组织区域中中位容积转运常数的变异系数上限小于57%。

关键结果

■ 在这项纳入13名参与者的前瞻性研究中,一种自动化、稀疏采样的动态对比增强(DCE)MRI重建方法提供了0.9 mm × 1 mm × 2 mm的空间分辨率、5秒时间分辨率及全脑覆盖。

■ 在健康组织中,稀疏采样DCE MRI的伪重测信度估计容积转运常数(Ktrans)的中位数,在大面积低强化组织区域中最大可重复性系数(RC)为0.06 min–1,在较小或强化更明显的组织区域中最大RC小于0.48 min–1。

■ 毫米分辨率全脑DCE MRI在健康组织中实现的中位Ktrans最大变异系数小于57%。

引言

动态对比增强(DCE)MRI通过监测注射对比剂后组织的强化模式,能够评估神经血管参数。这些参数可为高级别胶质瘤患者的肿瘤分级提供标志物(1,2),也可为脑肿瘤对抗血管生成治疗的早期反应提供标志物(3)。脑病变通常表现为大片空间异质性区域或坏死核心周围的薄层强化边缘;此外,多灶性转移瘤可能遍布整个脑部(4)。因此,有效的标志物需要高时空分辨率全脑DCE MRI协议,以及准确且可重复的示踪动力学参数(3,5,6)。

为实现理想的空间分辨率和覆盖范围,同时保持对对比剂动力学时间演变的快速采样,已有许多尝试。尽管存在从欠采样MRI原始数据直接估计示踪动力学参数的方法(7,8),但更常见的是,约束重建算法在中间步骤重建图像时间序列(9–11),或与示踪动力学估计同时进行(12)。这可能具有优势,因为它在估计 nuisance 参数(如血管输入函数(VIF))方面提供了很大的灵活性,而VIF通常基于图像数据进行估计。

北美放射学会定量成像生物标志物联盟DCE MRI工作组及其他团队的广泛努力,已实现了Nyquist采样DCE MRI的标准化和特征描述(13)。尽管大量研究致力于获得20至50倍欠采样的并行成像技术(9–12),但尚未对采用稀疏采样的高时空分辨率全脑DCE MRI系统进行类似的特征描述。

测量不确定度的表征依赖于受控重测设置下的可重复性研究。此类研究往往耗时、耗费资源,且在伦理上难以论证其合理性。高级别胶质瘤患者的招募还因疾病严重程度而进一步复杂化,这降低了门诊患者接受非标准诊疗的重测DCE MRI检查所带来的不便的意愿。这种不愿意接受的态度阻碍了用于个体化治疗和临床试验的候选标志物的充分开发和表征(3,14,15)。为确定内在方法不确定度并由此确定更大规模临床试验所需的样本量(15),使用临床治疗后数据可能是获取真实重测数据的替代方案。通过将重点放在参数幅度各异的稳定组织类型上,可以推断目标脑肿瘤组织中参数不确定度的最坏情况估计。

在本研究中,我们展示了一个全自动、高时空分辨率、全脑DCE MRI流程,具有30倍稀疏欠采样且无需用户交互。我们基于脑肿瘤患者多个治疗后时间点稳定组织类型的参考区域,评估了该拟议流程的可重复性。

材料与方法

参与者

在一项回顾性研究中,我们在接受三次连续标准诊疗检查的高级别胶质瘤参与者中评估了所提出流程的可重复性(检查间平均间隔64天;范围35–231天)。所有数据均于2016年8月至2019年4月期间在Seaman Family MR研究中心、Foothills Medical Centre(加拿大艾伯塔省卡尔加里)使用单台临床3.0-T MRI机器(MR750,GE Healthcare)配合12通道头颈脊柱接收线圈采集。参与者从Tom Baker癌症中心招募并提供书面知情同意。数据根据相关当地机构审查委员会批准的方案采集。

参与者选自一项正在进行的高级别胶质瘤影像学研究。本研究纳入了总队列32名参与者中前13名至少有五次纵向MRI检查的参与者;本研究使用了第二次至第四次检查。MRI检查少于五次的参与者被排除。图1显示了参与者招募和排除标准的流程图。参与者在三个时间点接受了异质性且经常变化的药物治疗。药物包括地塞米松、替莫唑胺和氯巴占。

图1:参与者及排除标准流程图。2016年8月至2019年4月期间,共招募32名脑肿瘤患者参与稀疏采样动态对比增强(DCE)MRI方案。在排除该时间段内所有DCE MRI检查少于五次的参与者后,第二次、第三次和第四次DCE MRI检查的数据被用于模型一致性约束(MOCCO)和稀疏灵敏度编码(SPSENSE)方法的重建。 查看原图 ↗

稀疏DCE MRI数据采集

在9.6分钟的时间窗内连续采集三维k空间数据(视野,240×240×240 mm3;体素大小,0.94×1.0×2.0 mm3;回波时间毫秒/重复时间毫秒,1.9/5)。在该时间窗内,静脉注射剂量为0.1 mL/kg体重的对比剂(Gadovist,Bayer AG)。读出维度完全采样,而相位编码维度沿光栅化螺旋向内轨迹采集。B1+图由供应商提供的Bloch-Siegert方法估计(16)。在MRI检查的前170秒内,翻转角以七个对数间隔步长从1.5°依次递增至15°,以获得用于高时空分辨率全脑T1成像的可变翻转角测量值(17)。可变翻转角数据与校准B1+图一起用于生成对比剂注射前的T1和M0图。团注到达后最后一部分k空间数据被分箱至5秒时间分辨率,以监测对比增强并允许估计血管输入函数和示踪剂动力学参数图。图2展示了数据采集和重建步骤。

图2:图像显示流程示意图。A,三维k空间数据在约10分钟的时间窗内随时间连续采集(立方240-mm3视野,体素大小为0.94×1.0×2.0 mm3,回波时间为1.9毫秒,重复时间为5毫秒)。在检查的第一部分,翻转角以七个对数间隔步长从1.5°依次递增至15°,以获得用于高分辨率全脑T1成像的可变翻转角(VFA)测量值。VFA数据与B,校准B1+图一起用于生成C,给予对比剂前的T1和M0图。D,血管输入函数(VIF)感兴趣区(ROI)、VIF以及血浆容积分数(vp)和容积转运常数(Ktrans)的示踪剂动力学(TK)参数图由k空间数据的第二部分(A中)估计,该部分以5秒时间分辨率监测对比增强。DCE=动态对比增强。 查看原图 ↗

稀疏DCE-MRI重建方法

Lebel等人(10)证明了从高度欠采样的原始k空间数据重建高空间分辨率全脑DCE MRI时间序列,用于示踪剂动力学参数估计。Guo等人(12)证明了示踪剂动力学参数图与患者特异性VIF的联合估计。在本研究中,我们扩展了Lebel等人(10)的稀疏SENSE(SPSENSE)框架和Guo等人(12)的模型一致性约束(MOCCO)方法,基于文献中常见的图像/时间序列特征(即达峰时间、80%最大值处的全宽、血管性[空间结构的管状性]以及相对于造影剂给药前时期的强化程度)自动勾画脑血管(此步骤由Y.B.完成,其为具有4年脑DCE MRI经验的MR科学家)(18–21)。我们选择最大的连通血管作为VIF感兴趣区(ROI)。然后我们修剪最外层的体素以去除可能的部分容积平均效应。最终的VIF由Y.B.从VIF ROI内图像体素的幅度联合估计(22)。基线质子密度和T1图在匹配的空间分辨率和覆盖范围下,从稀疏采样的B1校正可变翻转角T1映射中估计(此步骤由R.M.L.完成,其为具有10年脑DCE MRI经验的MR科学家)(17)。对于图像强度到浓度-时间曲线的转换,我们采用快速交换极限近似,固定弛豫率(r1 = 4.5 mM–1 s–1)和血细胞比容值(45%)。假设浓度-时间曲线遵循Patlak或扩展Tofts-Kety模型(23,24),其中适当的示踪剂动力学模型基于赤池信息准则选择(此步骤由Y.B.完成)(25,26)。为考虑团注通过延迟,我们对每个体素拟合三个VIF:一个为提取的VIF,另外两个为分别偏移加和减一个时间bin的函数。对每个体素,保留最佳拟合的参数。

数据重建和分析的源代码可在GitHub上找到(https://github.com/usc-mrel/dcemri_pseudo_test_retest;修订版b2b3e4b)。

统计分析

为确定VIF估计的可重复性,我们确定了相关VIF特征的组内变异系数(COV)(27,28)和可重复性系数(RC)(27)(此步骤由Y.B.完成)(28–30)。具体而言,我们确定了(a)峰值浓度和(b)曲线下面积,两者对准确的示踪剂动力学估计均至关重要,以及(c)首过曲线下面积,其对脑血流量测量很重要。

高空间分辨率DCE MRI方案的出现在增加了对直方图分析和直方图衍生统计量分析肿瘤异质性的兴趣(31)。为确定示踪剂动力学参数直方图分析的可重复性,在五种不同的强化组织类型上手动绘制ROI:表现正常的白质、鼻黏膜的黏膜表面、脉络丛、头皮脂肪和颞肌(由Y.B.和J.A.完成,J.A.为委员会认证的神经放射学家,具有9年头、颈和脊柱成像经验)。由于切除后不确定性及可能的肿瘤进展,未在肿瘤组织上绘制ROI。

为了确定潜在标志物以及示踪剂动力学参数——血浆容积分数(vp)和容积转移常数(Ktrans)——的底层直方图的可重复性,我们计算了中位数和第95百分位数稳健直方图统计量的变异系数(COV)和重复性系数(RC)(此步骤由Y.B.完成)(13,15)。统计分析在Matlab R2018a版本(MathWorks)中进行。

结果

参与者特征

我们使用13名高级别胶质瘤参与者的DCE MRI检查评估了所提出流程的可重复性(平均年龄±标准差,61岁±10;9名女性)。表E1(在线)总结了参与者的人口学特征、肿瘤类型以及连续检查之间的时间间隔。图1显示了说明32名脑肿瘤患者招募情况以及19名参与者被排除出本研究的标准的流程图。

DCE MRI检查

图3展示了一名59岁女性中一个代表性肿瘤病例的全自动DCE MRI流程的输出结果。它包括B1+、对比剂前T1和质子密度M0图的空间分布图;血管输入函数(VIF)感兴趣区位置;以及示踪剂动力学参数。B1+、T1和M0图在两种方法中相同。MOCCO和SPSENSE估计方法在VIF估计以及vp和Ktrans的估计参数图方面存在差异。使用两种方法均检测到了颈内静脉、横窦和乙状窦硬脑膜静脉窦。

图3:一名59岁女性动态对比增强MRI检查在轴位、冠状位和矢状位视图中的代表性参数图,分别对应模型一致性约束(MOCCO)和稀疏敏感度编码(SPSENSE)框架。A,射频不均匀性(B1+)、基线T1和质子密度图M0的基线图。B、C,给予对比剂后获得的图像,分别显示MOCCO和SPSENSE的颈内静脉、横窦和乙状窦硬脑膜静脉窦血管输入函数感兴趣区(红色)、血浆容积分数(vp)和容积转移常数(Ktrans)。 查看原图 ↗

患者特异性VIF估计的可重复性

图4显示了3名参与者在各自3次访视时的代表性VIF。VIF通过MOCCO测量,并从SPSENSE图像时间序列数据中导出。表1列出了峰值浓度、曲线下面积和首过曲线下面积的平均值、COV和重复性系数。在MOCCO框架中估计的VIF在幅度上大于基于SPSENSE的VIF估计,平均曲线下面积MOCCO为247.5 mM,而SPSENSE为209.6 mM。VIF特征的COV在MOCCO中为0.18,在SPSENSE中为0.13,表明MOCCO和SPSENSE在测量VIF能力方面具有相似的可重复性。如图4和表1所示,基于MOCCO方法估计的VIF总体上导致更大的初始强化峰值,平均峰值浓度MOCCO为3.1 mM,而SPSENSE为2.1 mM。

图4:图表显示不同参与者、访视和方法下的代表性血管输入函数(VIF)。每行对应不同的参与者。左列显示模型一致性约束(MOCCO)重建,右列显示从稀疏敏感度编码(SPSENSE)图像时间序列估计的VIF。所有VIF均显示血药浓度。 查看原图 ↗
表1:血管输入函数衍生特征的平均值、患者内变异系数和可重复性系数 查看原表 ↗

感兴趣区放置

图5展示了用于计算直方图统计量并评估其可重复性的全部五个三维感兴趣区。除鼻黏膜外,所有感兴趣区均绘制在病灶对侧。所有感兴趣区均跨越至少三个矢状面层面。为说明构成每个感兴趣区各自直方图的数据点数量,各组织类型感兴趣区大小的平均值和标准差列于表2。

图5:用于评估示踪剂动力学参数估计可重复性的三维感兴趣区示意图。每个感兴趣区展示三个层面中的一个代表性层面。除鼻黏膜外,所有感兴趣区均绘制在病灶对侧。 查看原图 ↗
表2:图5所示各组织类型感兴趣区的平均体积及相应体素数 查看原表 ↗

vp估计的可重复性

图6显示了由MOCCO和SPSENSE估计的每个感兴趣区vp中位数的时间演变。表3列出了vp直方图统计量中位数和第95百分位数的平均值、COV和RC。如图6所示,两种方法在三次访视中对三个最大感兴趣区(即颞肌、头皮脂肪和白质)的vp中位数均呈现相似的时间变化趋势。患者内跨时间变异与不同参与者之间的患者间变异相似。MOCCO在健康组织中vp中位数的COV为87%–117%,而SPSENSE的vp中位数COV为53%–95%。MOCCO和SPSENSE的vp中位数RC分别低于0.04和0.07。该最大值出现在血管化最强的鼻黏膜中。

图6:各图显示图5所示五个感兴趣区中不同病灶和访视时血浆容积分数(vp)中位数的时间演变。每行对应不同组织。左列为模型一致性约束重建结果,右列为稀疏敏感度编码重建结果。每条线对应不同参与者。误差棒表示每个参与者、每次访视和每个组织感兴趣区的四分位距(第25至第75百分位数)。 查看原图 ↗
表3:血浆容积分数直方图统计量的可重复性 查看原表 ↗

Ktrans估计的可重复性

图7显示了由MOCCO和SPSENSE估计的每个区域Ktrans中位数的时间演变。表4列出了Ktrans中位数和第95百分位直方图统计量的均值、COV和RC。在鼻黏膜、颞肌和头皮脂肪中,SPSENSE方法估计的Ktrans中位值(分别为0.46 min–1、0.05 min–1和0.05 min–1)平均高于MOCCO估计值(分别为0.41 min–1、0.04 min–1和0.38 min–1),这与SPSENSE较低的VIF峰值振幅一致。MOCCO在健康组织中实现的中位Ktrans的COV为31%–91%。SPSENSE实现的中位Ktrans的COV为29%–57%。对于Ktrans不可忽略的两个最大组织ROI(即颞肌和头皮脂肪),两种方法估计的中位Ktrans的COV均为31%–50%,较高值的第95百分位的COV为22%–32%。对于较薄的结构,如脉络丛,或高渗透性测量,如鼻黏膜中Ktrans的第95百分位,COV高达60%–91%。同样,RC估计值随参数幅度增加或 underlying 组织结构纤细而增加。使用SPSENSE方法时,该方案估计健康组织中位Ktrans在大型、低强化组织区域(如肌肉和脂肪)的最大RC为0.06 min–1。然而,在较小或强化更强的组织区域(如脉络丛或鼻黏膜)中,中位Ktrans的最大重复性系数高达0.48 min–1。

血管外-细胞外体积分数估计的重复性结果见图E1和表E2(均在线提供)。

图7:图表显示图5所示五个感兴趣区域中不同病灶和访视的中位体积转移常数(Ktrans)演变。每行对应不同组织。左列为模型一致性约束重建结果,右列为稀疏敏感度编码重建结果。每条线对应不同参与者。误差条显示每位参与者、每次访视和每个组织感兴趣区域的四分位距(第25至第75百分位)。 查看原图 ↗
表4:体积转移常数直方图统计量的重复性 查看原表 ↗

讨论

亚奈奎斯特采样动态对比增强(DCE)MRI的进展使得能够以毫米空间分辨率和全脑覆盖、5秒时间分辨率监测脑肿瘤。这些新特征需要评估DCE MRI测量中可达到的重测重复性。我们估计,毫米分辨率全脑DCE MRI可用于估计健康组织中的中位体积转移常数,在大型、低强化组织区域(如肌肉和脂肪)中最大重复性系数(RC)为0.06 min–1,在较小或强化更强的组织区域(如脉络丛或鼻黏膜)中最大RC小于0.48 min–1。

我们估计,在使用SPSENSE和MOCCO时,毫米分辨率全脑DCE MRI在健康组织中对于中位Ktrans可达到的最大COV分别小于57%和91%。在更大、可能更均匀的结构中(例如颞肌或头皮脂肪),两种方法对于中位Ktrans的COV估计为30%–50%。作为参考,当前北美放射学会定量成像生物标志物联盟的DCE规范规定,在直径至少2 cm的肿瘤ROI中,平均Ktrans的可达到COV为20%,这要求Ktrans的纵向变化达到40%才具有统计学意义(13)。如果在更大队列中得到证实,那么本研究中发现的COV将意味着,即使是最好的方法也可能无法产生足够敏感的参量来监测脑肿瘤的细微纵向变化。估计COV的差异可能归因于示踪动力学模型使用的差异(规范中规定为标准Tofts模型)、在可能具有不同渗透性强度的组织(即肿瘤组织与健康组织)中估计COV的差异,或重复测量之间的时间间隔。

高空间分辨率全脑DCE MRI保证了视野内存在大血管结构。血管区域内最小的流入增强和部分容积污染极大地促进了VIF估计的自动化。自动化一直是DCE MRI标准化的主要瓶颈,所提出的方法有助于促进自动化。我们预期这种自动化可以加速转化,类似于卒中MRI分析的完全自动化软件包为标准化后处理提供了强大途径并为临床部署铺平道路的方式(32)。

DCE MRI的偏倚和线性无法在体内评估,因为缺乏金标准值。因此,DCE MRI主要适用于纵向监测,在这种情况下偏倚会抵消,但评估需要高度已知的精确度(15)。我们分析并表征了自动化DCE MRI方法在几种具有不同强化特征的不同组织中的可重复性。了解给定方法的RC是确定纵向研究中可检测效应量的关键第一步,例如治疗反应评估(15)。

我们的研究存在若干局限性。首先,缺乏用于验证的示踪剂动力学参数金标准。这一局限性在大多数DCE MRI流程评估中普遍存在。血管输入函数(VIF)的估计是一个关键的中间步骤,可在体模中通过CT测量进行交叉验证(33)。对于乳腺DCE MRI,一种部分替代方案是利用Stewart-Hamilton定理,通过独立的心输出量测量来验证初始峰值下面积(28)。其次,本研究使用的是参考区域,而非脑肿瘤组织。在患病患者(例如高级别胶质瘤患者)中进行重测研究并涉及使用对比剂的程序是众所周知的困难,因为这需要患者额外接受非标准诊疗的MRI检查。尽管这类研究是通往临床部署道路上不可或缺的一部分,但它们很少被实施。通常,临床研究从初步研究逐级推进至随机临床试验。出于这一原因,我们采用了一种伪重测研究设计,选择在常规治疗随访检查中被认为稳定的组织。这依赖于所选组织在各时间点之间无变化或变化可忽略的假设,若该假设不成立,则会错误地增大估计的可重复性指标。然而,由于缺乏金标准和标准参考方法,这一假设可能难以通过非放射学手段严格验证。由于疾病的严重性和侵袭性,这些组织类型不包括实际的肿瘤靶组织,因为后者无法排除肿瘤生长和变化的可能性。未来需要研究来证明,少数具有不同强化程度的代表性(健康)组织类型是否能准确代表并捕捉像脑肿瘤这样异质性病变中可重复性的潜在多样特征。最后,我们的研究依赖于若干简化的模型假设。这些假设包括恒定的弛豫率和血细胞比容值。已知血细胞比容在治疗过程中会发生变化(28)。我们未对水交换(34)、对比剂扩散(35)或手术后组织损伤(可能导致额外渗漏)进行建模。

我们展示了一套全自动动态对比增强(DCE)MRI重建与建模流程,提供高空间和时间分辨率并覆盖全脑。这包括对比剂给药前的快速T1估计、自动血管输入函数提取以及基于模型的示踪剂动力学参数映射。我们进一步展示了伪重测作为一种可能的替代方案来评估患病患者的可重复性。基于本研究中各组织类型所覆盖的容量转移常数的大参数范围,我们认为这些组织中的可重复性可为未来涉及高时空分辨率DCE MRI的研究设计提供指导。

引用

  1. Bliesener Y, Lebel RM, Acharya J, et al. Pseudo Test-Retest Evaluation of Millimeter-Resolution Whole-Brain Dynamic Contrast-enhanced MRI in Patients with High-Grade Glioma. Radiology. 2021. PMID: 34100683. doi:10.1148/radiol.2021203628
  2. 全文:PMC8328086(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8328086/

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。