La Fondazione Fisica di risonanza magnetica Imaging

I sistemi di rilevamento del polso e del grado di resistenza magnetica (MRI) sono stati a lungo un punto di riferimento per la diagnostica medica, offrendo immagini ad alta risoluzione, non invasivi dei tessuti molli. Al suo nucleo, la risonanza magnetica sfrutta la proprietà meccanica quantistica di rotazione posseduta da nuclei di idrogeno (protoni longitudinali) in acqua e grasso.

Nonostante la sua potenza, la risonanza magnetica convenzionale è in gran parte qualitativa. Il contrasto dell'immagine dipende dai parametri di scansione (tempo di ripetizione TR, tempo di eco TE, angolo di capovolto), che sono scelti per sottolineare le differenze in T1, T2, o densità di protone (PD). Le immagini che ne risultano contengono intensità di segnale relativa che non sono riproducibili attraverso scanner, siti o tempo.

Limitazioni di MRI qualitativa

I radiologi si affidano al riconoscimento del modello e all'interpretazione soggettiva delle differenze di contrasto. I cambiamenti subti nella malattia, come l'edema, l'infiammazione o la fibrosi precoce, possono essere manchi se il contrasto non è ottimizzato. Inoltre, la variabilità inter-osservatore è un problema noto.

Cos'è la stampa della risonanza magnetica?

Il modello di rendimento fisico più intrinseco che viene descritto per la prima volta da Ma et al. nel 2013 (Nature, 2013), riimmagina MRI come un problema di riconoscimento del modello piuttosto che un problema di formazione dell'immagine. Invece di produrre immagini con un contrasto fisso, MRF genera un segnale temporale unico, un'impronta digitale, per ogni voxel applicando una sequenza di pseudo-variante di impulsi,

Il nome "fingerprinting" riflette l'idea che l'evoluzione del segnale sia unica come un'impronta digitale umana— tessuti diversi (ad esempio, materia grigia, materia bianca, liquido cerebrospinale) producono modelli temporali distinti che possono essere riconosciuti e classificati.

Progettazione di sequenze di impulso azionate dalla fisica

Il cuore di MRF è nella fisica delle dinamiche di rotazione. L'acquisizione utilizza una sequenza di impulsi RF variabili (angolo di scorrimento da zero a 180 gradi) con tempi di ripetizione variabili (TR) e ordini di codifica gradiente. Questa irregolarità deliberata garantisce che la magnetizzazione non raggiunga mai uno stato costante, causando l'evoluzione del segnale dipendere non-lineamente dai parametri del tessuto sottostante.

Le equazioni Bloch, le equazioni differenziali fondamentali che descrivono la magnetizzazione nucleare in un campo magnetico, sono utilizzate per simulare l'evoluzione del segnale per ogni possibile combinazione di parametri. Questo dizionario può contenere milioni di voci. Il modello fisico incorpora effetti come forme di impulso RF, rilassamento, diffusione e anche flusso di sangue se si desidera perfusione.

Codifica Multi-Parametro simultanea

Poiché l'impronta digitale integra T1, T2, e PD in una singola evoluzione, MRF può produrre tutte e tre le mappe da un'acquisizione. Questo è un grande vantaggio rispetto alla mappatura quantitativa convenzionale, che richiede tipicamente sequenze separate per ogni parametro (ad esempio, la scansione inversione-recupero per T1, multi-eco spin echo per T2).

Come MRF Quanta le proprietà del tessuto

Dopo l'acquisizione, i dati k-spaziali grezzi vengono ricostruiti in una serie temporale di immagini utilizzando una finestra scorrevole o una ricostruzione del rilevamento compresso (a causa di dati sottocampo). Ogni voxel ora ha una serie di valori del segnale, tipicamente 100-1000 punti di tempo. Questo segnale misurato è normalizzato e rispetto ad ogni voce del dizionario. La corrispondenza è solitamente valutata dal prodotto dot o coefficiente di correlazione.

Poiché il dizionario è generato da simulazioni fisiche, i valori sono assoluti e riproducibili. Ad esempio, T1 di materia bianca sana a 3T è di circa 1000–1100 ms, T2 intorno a 60–70 ms. Un tumore con T1 prolungata e T2 cambierà l'impronta di conseguenza. Le mappe parametriche vengono visualizzate come immagini a colori o a scala di grigi, permettendo ai medici di vedere la distribuzione spaziale di ogni proprietà.

Gli studi hanno dimostrato che l'MRF può differenziarsi tra il normale tessuto cerebrale e lesioni nella sclerosi multipla, tra i gradi tumorali in gliomas, e tra il sano e fibrotico miocardio nell'imaging cardiaco. Poiché i valori sono assoluti, possono essere confrontati tra i pazienti e il tempo, facilitando il monitoraggio delle malattie e la valutazione della risposta del trattamento.

Esempio di Fingerprint Matching

Considerare un voxel contenente puro liquido cerebrospinale (CSF). CSF ha molto lungo T1 (~3000–4000 ms a 3T) e lungo T2 (~2000 ms). L'evoluzione del segnale sotto la sequenza MRF mostrerà un lento recupero dopo ogni impulso di inversione, e il modello di picchi e trote sarà diverso da quello della materia grigia (più breve T1, più breve T2).

Applicazioni e vantaggi clinici

Imaging cerebrale

MRF è stato ampiamente studiato in neuroimaging, può generare T1, T2, e mappe PD di tutto il cervello in meno di un minuto, con risoluzione sub-millimetro.

  • Multiple Sclerosis:[] Le leoni mostrano valori elevati di T1 e T2 rispetto alla materia bianca normale. MRF può quantificare il peso della lesione e differenziare attivo dalle lesioni croniche.
  • I tumori della pancia:[ Glioblastoma multiforme spesso dimostra T1 prolungato e T2, mentre gli ipomi di bassa qualità possono avere firme diverse. MRF aiuta a sfumare e a distinguere la ricorrenza tumorale dalla necrosi delle radiazioni.
  • Malattie nadegenerative:[] Cambiamenti in T1 e T2 nei nuclei di materia grigia profonda possono essere correlati con declino cognitivo nella malattia di Alzheimer.

Imaging cardiac

Nel cuore, la T1 e la T2 miocardica sono marcatori di fibrosi, edema e sovraccarico di ferro. La risonanza cardiaca convenzionale richiede lunghe prese di respiro e acquisizioni multiple. MRF può mappare il miocardio in un unico punto di ristoro (circa 15-20 battiti cardiaci), fornendo mappe T1 e T2 simultanee.

Abdominal e Pelvic Imaging

Il rilevamento del cancro alla prostata può trarre beneficio dalle mappe della texture MRF che distinguono il tumore dal tessuto benigno. L'MRF è stato applicato a 3T e 1,5T e gli sforzi sono in corso per standardizzare i protocolli tra i fornitori.

Il vantaggio principale di MRF in tutte le applicazioni è la riproducibilità, poiché l'uscita della sequenza è indipendente dalle impostazioni dell'operatore e dalla variazione giornaliera dello scanner, MRF consente prove cliniche a più livelli e monitoraggio del paziente longitudinale.

Sfide e limitazioni

Nonostante la sua promessa, MRF affronta diversi ostacoli. Il dizionario può diventare enorme quando includendo più parametri (ad esempio, T1, T2, PD, B0, B1). Un dizionario 5D ingenuo con 100 valori ciascuno contenerebbe 10^10 voci, che è la ricostruzione computazionalmente intrattabile Metodo di implementazione riduce la dimensionalità utilizzando l'acquisizione di sparsity (ad esempio, solo un sottoinsieme di combinazioni è fisiologicamente bassa plausible).

Se il dizionario non tiene conto delle non idee del sistema (ad esempio, le correnti esorbitanti, le non linearità di gradiente, le imperfezioni di impulso RF), l'abbinamento può produrre stime biased. Le calibrazioni specifiche del venditore e l'ottimizzazione della sequenza sono necessarie. Inoltre, l'algoritmo di corrispondenza è sensibile al rumore; a bassissimo rapporto segnale-to-noise (SNmbiR), le impronte digitali diventano un'introvaso.

La standardizzazione rimane un'area attiva. Sebbene MRF sia intrinsecamente quantitativa, i valori esatti ottenuti possono variare con il design delle sequenze (ad esempio, il numero di punti di tempo, i modelli di angolo di rotazione). Esistono differenze inter-vendor, ma iniziative di consenso come la Quantitative Imaging Biomarkers Alliance (QIBA) stanno lavorando per standardizzare i protocolli MRF. Infine, il rimborso e l'approvazione normativa per i nuovi biomarginatori quantitativi ancora in ritardo alla ricerca clinica.

Le direzioni future

MRF non è una tecnologia statica, continua ad evolversi rapidamente. L'apprendimento approfondito ha cominciato a sostituire il passo corrispondente del dizionario con una rete neurale che prevede direttamente le proprietà dei tessuti dall'evoluzione del segnale. Questo riduce il tempo di calcolo da minuti a millisecondi e può incorporare la conoscenza precedente. Un'altra direzione è "compressa sensibilizzare MRF", dove i fattori di undersampling di 20–50 sono raggiunti utilizzando precedenti di sparsity.

Sono in corso di esplorazione di estensioni multi-parametriche: MRF con codifica di diffusione (D-MRF) può simultaneamente mappare T1, T2, e coefficiente di diffusione apparente (ADC). Il trasferimento di saturazione di scambio chimico (CEST) può essere integrato per misurare le concentrazioni di pH o metaboliti.

A livello hardware, la risonanza ultra-alto campo 7T offre una maggiore omogeneità SNR e risoluzione, ma anche una maggiore omogeneità B1. La robustezza intrinseca della MRF all’omogeneità B1 (tramite la stima dei parametri) lo rende un candidato ideale per applicazioni 7T.

Conclusioni

Per la creazione di una tecnologia di risonanza magnetica, MRF e MRFT sono in grado di fornire una tecnologia di analisi e di analisi dei dati.