Summary

Construction et application d’un atlas de débit sanguin cérébral basé sur une région fonctionnelle cérébrale à l’aide de l’imagerie par résonance magnétique et du marquage du spin artériel

Published: May 31, 2024
doi:

Summary

Cette étude a intégré l’imagerie par résonance magnétique et les images de marquage du spin artériel pour obtenir un atlas du débit sanguin cérébral (CBF) pour les régions fonctionnelles cérébrales. La comparaison des atlas typiques de l’ischémie cérébrale saine et chronique a révélé des différences significatives dans les distributions régionales de la CBF, ce qui a permis des évaluations rapides et non invasives de la CBF fonctionnelle pour aider au diagnostic et à l’évaluation des traitements.

Abstract

Les affections cérébrales nécessitent souvent un diagnostic et une surveillance précis, ce qui nécessite des techniques d’imagerie avancées. Les modalités actuelles peuvent ne pas détecter de manière adéquate les signes précoces de lésions tissulaires réversibles, ce qui souligne la nécessité de disposer d’outils de diagnostic innovants capables de quantifier les changements du débit sanguin cérébral (FBC) avec une spécificité et une sensibilité élevées. Cette étude intègre le marquage tridimensionnel du spin artériel (3D-ASL) à l’IRM structurelle pour développer des atlas CBF complets qui couvrent toutes les principales régions fonctionnelles du cerveau. Cette méthodologie innovante d’imagerie par résonance magnétique et de marquage de spin artériel (IRM-ASL) fournit un moyen rapide et non invasif de quantifier le CBF spécifique à une région, offrant une vue détaillée des niveaux de CBF dans différentes régions fonctionnelles. La comparaison entre les patients atteints d’ischémie cérébrale chronique (ICC) et les sujets sains a révélé une diminution significative de la CBF dans les régions fonctionnelles cérébrales dans les atlas CBF construits pour les premiers. Cette approche permet non seulement d’identifier efficacement les ICC en analysant les diminutions simultanées de la FBC dans les zones critiques par rapport aux distributions saines, mais permet également de suivre les réponses au traitement et les progrès de la réadaptation au moyen d’atlas longitudinaux de la FBC. L’atlas CBF développé à l’aide de la technique IRM-ASL représente une nouvelle avancée dans le domaine du diagnostic cérébral et des soins aux patients. En comparant les niveaux régionaux de CBF aux normes normatives, cette méthode améliore les capacités de diagnostic, permettant aux cliniciens de fournir des soins personnalisés aux patients atteints de maladies cérébrales.

Introduction

Dans le domaine de la neuroimagerie, la recherche d’outils précis et non invasifs pour évaluer la fonction cérébrale et la pathologie reste primordiale. Parmi ceux-ci, le débit sanguin cérébral (FBC) est un indicateur vital, reflétant les besoins métaboliques et l’état de santé des tissus cérébraux1. Les approches traditionnelles impliquent souvent des évaluations empiriques, s’appuyant fortement sur l’expertise des cliniciens pour interpréter les images et discerner les changements pathologiques2. Cependant, les progrès des techniques d’imagerie par résonance magnétique (IRM), en particulier le marquage de spin artériel (ASL)3, offrent une voie prometteuse pour quantifier le CBF avec une précision et une objectivitéaccrues4,5.

Cette étude présente une méthodologie pionnière qui intègre l’ASL tridimensionnelle (3D-ASL) à l’IRM structurelle pour construire un atlas CBF complet à travers les régions fonctionnelles cérébrales6. En tirant parti de cette nouvelle approche, les cliniciens peuvent non seulement obtenir une perspective globale de la FBC, mais aussi se plonger dans des domaines fonctionnels spécifiques, ce qui permet une compréhension nuancée des modèles de perfusion cérébrale 7,8. Cette amélioration de la résolution est le résultat direct des progrès technologiques dans l’équipement d’imagerie plutôt que de l’utilisation de voxels interpolés. Il convient de noter que la majorité des appareils d’IRM grand public disponibles sur le marché aujourd’hui offrent généralement une précision d’imagerie supérieure à 1,5 mm9. Ces progrès dans la technologie d’imagerie ont ouvert la voie à des évaluations CBF plus détaillées et plus précises. Il s’agit d’un changement de paradigme par rapport à l’imagerie conventionnelle, qui manque souvent de résolution pour détecter les changements subtils de la FBC associés à des pathologies à un stadeprécoce10.

La genèse de cette méthodologie réside dans l’impératif de relever les défis diagnostiques posés par les affections cérébrales, y compris l’ischémie cérébrale chronique (ICC) et d’autres troubles neurologiques11,12. Ces conditions nécessitent des évaluations précises et opportunes pour guider efficacement les interventions thérapeutiques13,14. En comparant les atlas CBF entre des individus en bonne santé et des patients atteints d’ICC, cette étude révèle des disparités significatives dans la distribution régionale des CBF, offrant un aperçu de la pathologie de la maladie et des pistes de traitement potentielles.

L’utilité de cette approche IRM-ASL va au-delà du diagnostic, englobant l’évaluation thérapeutique et le suivi de la progression de la maladie15. Les atlas longitudinaux CBF sont prometteurs pour suivre les réponses au traitement et les résultats de la réadaptation, fournissant aux cliniciens des outils inestimables pour une prise en charge personnalisée des patients. De plus, la capacité de discerner des changements subtils de la FBC peut servir de biomarqueur précoce des anomalies tissulaires imminentes, permettant des interventions proactives pour atténuer les dommages neurologiques avant qu’ils ne deviennent irréversibles16.

Bien que cette méthodologie représente un outil avancé, plusieurs pistes de perfectionnement et d’expansion méritent d’être prises en considération. La normalisation des protocoles de balayage, des techniques de normalisation CBF et la construction d’atlas CBF sains multi-sujets sont des étapes cruciales pour améliorer la précision du diagnostic et l’utilité clinique. Les efforts de collaboration entre diverses pathologies cérébrales sont essentiels pour valider et affiner cette approche en vue d’une adoption clinique généralisée.

Cette étude introduit une nouvelle approche selon laquelle les atlas CBF dérivés de l’IRM offrent aux cliniciens des informations approfondies sur la fonction cérébrale et la pathologie. En comblant le fossé entre l’imagerie de groupe et l’interprétation clinique, cette méthodologie a le potentiel de révolutionner le diagnostic et la prise en charge d’une myriade de maladies neurologiques, ouvrant la voie à un avenir de médecine de précision adapté aux besoins uniques de chaque patient.

Protocol

Cette étude a été approuvée par le Conseil d’examen institutionnel de l’hôpital Dongzhimen de Pékin, à Pékin, en Chine. Un scanner IRM a été utilisé avec une séquence ASL pulsée (PASL) basée sur l’écho de spin à gradient turbo (TGSE) pour le marquage 3D du spin artériel (3D-ASL) avec les paramètres suivants : TR 4000 ms, TE 25 ms, durée du bolus 700 ms, temps d’inversion 1990 ms. Les outils logiciels utilisés dans cette recherche sont énumérés dans la Table des matières. 1. Collecte et préparation des données REMARQUE : La variance des paramètres n’est pas affectée par l’approche de recherche. Les formats DICOM et NIFTI sont tous deux utilisés pour stocker les données d’imagerie médicale numérique, DICOM étant la sortie habituelle des appareils d’imagerie clinique. Cependant, le format NIFTI est souvent préféré pour des raisons de commodité de calcul dans les activités de recherche. La conversion de DICOM en NIFTI est une pratique simple et courante17. Dans cette étude, des données DICOM authentiques ont été acquises et converties au format NIFTI. Les données ont été acquises à l’aide d’un scanner IRM de 1,5 Tesla. Dans le processus de recalage d’images croisées de cette étude, la séquence de récupération par inversion atténuée par fluide (FLAIR) a été principalement utilisée et fusionnée avec des images CBF. L’outil CBF Atlas (Table of Materials) utilisé dans cette étude est un logiciel commercial. Copiez les données dans le répertoire de travail désigné.Copiez toutes les données NIFTI dans un répertoire de travail personnalisé.REMARQUE : le répertoire de travail est le même dans le système d’exploitation que dans MATLAB. La recherche suit la norme d’orientation antérieure supérieure droite (RAS). Accédez au répertoire hébergeant les données dans le répertoire de travail actuel de MATLAB et utilisez la fonction niftiread pour charger les données FLAIR dans l’espace de travail. Utilisez la fonction de taille pour vérifier les dimensions de la séquence FLAIR. Appelez la commande Flair_Slice pour afficher la séquence FLAIR (comme illustré à la figure 1). Utilisez les commandes spécifiques comme suit :FLAIR_XLF = niftiread(‘FLAIR_XFL.nii’) ;Taille(FLAIR_XLF)Flair_Slice(FLAIR_XLF) ; Reportez-vous à la figure 1 pour obtenir une image de l’interface utilisateur graphique interactive (GUI) de la séquence FLAIR. Utilisez la barre de défilement inférieure pour parcourir rapidement les différentes séquences. Vérifiez rapidement les images de CBF.Utilisez la fonction niftiread pour charger des données CBF dans l’espace de travail. Utilisez la fonction de taille pour vérifier les dimensions de la séquence CBF. Appelez la commande CBF_Slice pour afficher la séquence CBF (comme illustré à la figure 2). Utilisez les commandes spécifiques comme suit :CBF_XLF = niftiread(‘CBF_XFL.nii’) ;Taille(CBF_XLF)CBF_Slice(CBF_XLF) ; Reportez-vous à la figure 2 pour une capture d’écran interactive de l’interface graphique de la séquence CBF. Utilisez la barre de défilement inférieure pour parcourir rapidement les différentes séquences.REMARQUE : Dans la figure 2, la plage de valeurs CBF est généralement de 0 à 120 mL/100 g/min. La figure 2 utilise une carte de couleurs pour représenter différents niveaux de CBF dans différentes couleurs. 2. Segmentation des régions fonctionnelles cérébrales à partir de la séquence FLAIR REMARQUE : La séquence FLAIR sert à la fois d’imagerie structurelle et offre d’excellentes capacités de diagnostic pathologique. Par conséquent, la fusion de FLAIR et de CBF a une valeur diagnostique importante dans les cliniques. Cette étude segmente les principales régions fonctionnelles cérébrales de la séquence FLAIR. Dans l’espace de travail, appelez la fonction FLAIR_Segment et exécutez le programme de segmentation d’images 3D U-Net pré-entraîné pour générer automatiquement des vues triplanaires de la segmentation des régions fonctionnelles cérébrales, comme illustré à la figure 3. Chaque couleur de la figure 3 représente une région fonctionnelle distincte. Pour l’inspection en temps réel de différentes régions fonctionnelles cérébrales, utilisez l’interaction en croix (Figure 3). Cliquez et faites glisser le centre du réticule pour un examen 3D arbitraire de l’anatomie cérébrale reconstruite.REMARQUE : L’interface graphique de la Figure 3 permet également de régler la plage d’intensité des niveaux de gris, le contraste et la luminosité des vues triplanaires. Appuyez et faites glisser le bouton gauche de la souris sur n’importe quelle région des images pour modifier en temps réel les niveaux de luminosité et de contraste. Relâchez le bouton de la souris pour confirmer et finaliser les réglages. 3. Vues triplanaires de la distribution du CBF dans les régions fonctionnelles cérébrales REMARQUE : L’examen de la distribution du CBF dans différentes régions fonctionnelles cérébrales facilite les jugements cliniques précis sur l’état des patients. Dans le cadre de la région fonctionnelle de la figure 3, l’incorporation des valeurs exactes de la FBC de la séquence CBF et leur présentation dans des vues triplanaires permettent une inspection complète par le médecin. Appelez la fonction CBF_triplanar pour générer la vue triplanaire de l’interface graphique illustrée à la figure 4, qui affiche la distribution spatiale CBF entre les régions fonctionnelles. Déplacer le réticule pour permettre l’examen de la distribution du CBF dans les régions d’intérêt. Cliquez sur le bouton Data Tips dans le coin supérieur droit de l’interface graphique pour afficher les valeurs CBF à n’importe quelle position. Appuyez et faites glisser le bouton gauche de la souris sur n’importe quelle région des images pour modifier en temps réel les niveaux de luminosité et de contraste. Relâchez le bouton de la souris pour confirmer et finaliser les réglages. 4. Atlas CBF à travers les principales régions fonctionnelles cérébrales REMARQUE : La normalisation des distributions de probabilité CBF dans différentes régions fonctionnelles génère l’Atlas CBF des régions fonctionnelles cérébrales, exprimant les niveaux CBF dans les régions fonctionnelles cérébrales du sujet. Appelez la fonction CBF_Atlas pour convertir la distribution spatiale CBF illustrée à la figure 4 en un atlas CBF (comme illustré à la figure 5).REMARQUE : Dans la figure 5, l’axe des x représente différentes régions fonctionnelles cérébrales, et l’axe des y représente différents niveaux de CBF ; Les différentes couleurs dénotent différents niveaux de probabilité (plus la couleur est rouge, plus il y a de voxels présents). Cliquez sur le bouton Zoom avant/arrière en haut à droite de l’interface graphique illustrée à la Figure 5 pour mettre à l’échelle des images partielles.REMARQUE : La courbe de la figure 5 relie le CBF moyen entre les régions. 5. Différences significatives de CBF_Atlas entre les sujets sains et les patients atteints d’ICC REMARQUE : En utilisant le même processus décrit dans les sections 1 à 4, les valeurs moyennes de CBF dans différentes régions fonctionnelles cérébrales peuvent être obtenues pour les patients atteints d’ICC. Utilisez la fonction CBF_Compare pour générer un graphique comparatif de la courbe CBF d’un sujet sain par rapport à un patient CCI (Figure 6). Observez les différences significatives entre la courbe CBF du patient (colorée en noir) et la courbe saine (colorée en rouge) (Figure 6). Identifier les régions fonctionnelles avec des baisses de CBF plus prononcées chez le patient. En intégrant l’étape 3.3, réexaminez les régions où le patient a obtenu de moins bons résultats par rapport aux autres régions.REMARQUE : L’étape 3.3 permet de visualiser les niveaux de CBF du patient dans un espace tridimensionnel, ce qui signifie que les médecins peuvent utiliser la vue triplanaire de l’interface graphique illustrée à la figure 4 pour examiner le CBF à n’importe quelle position du patient. Ici, le degré de déclin de la FBC varie selon les endroits pour les patients atteints d’ICC. Les médecins peuvent revoir la figure 4 pour se concentrer sur les régions du cerveau où le déclin significatif de la FBC est important. Utilisez les icônes dans le coin supérieur droit de l’interface graphique (Figure 5) pour accéder à des fonctions telles que le zoom arrière, le zoom avant, le retour à la vue globale et le marquage des coordonnées du pixel sélectionné.REMARQUE : En utilisant le même principe, les résultats avant et après traitement d’un même patient peuvent également être comparés à l’aide de l’approche de la figure 6 pour évaluer l’efficacité clinique au fil du temps.

Representative Results

Cette étude utilise des données réelles sur les patients acquises à l’aide d’un scanner IRM de 1,5 T pour valider la quantification du débit sanguin cérébral (CBF) et la méthodologie de construction de l’atlas. Les étapes de prétraitement comprenaient des images structurelles FLAIR (Figure 1), des images CBF (Figure 2) et des images fusionnées triplanaires (Figure 3 et Figure 4). <p…

Discussion

Les étapes clés (sections 3 et 4) constituent la base de la construction de l’Atlas CBF, quantifiant la distribution CBF dans les régions fonctionnelles cérébrales. L’étape 4.2 délimite explicitement les niveaux de CBF pour chaque zone du cerveau, inaugurant ainsi une nouvelle technique. Cela fournit aux médecins non seulement une vue globale de la FCC du patient, mais aussi des mesures quantitatives de différentes régions fonctionnelles. L’étape 5.1 démontre que l’Atlas CBF présente une utilité dia…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Cette étude a bénéficié d’un soutien important et d’une assistance à la modélisation de la part du département R&D de Beijing Intelligent Entropy Science & Technology Co Ltd., Pékin, Chine.

Materials

CBF Atlas Intelligent Entropy CBF Atlas V1.0 Beijing Intelligent Entropy Science & Technology Co Ltd.
Modeling for Thyroid Disease
MATLAB MathWorks 2023B Computing and visualization
MRI Device Siemens Amria 1.5 T MRI scanner

References

  1. Rodriguez, G., et al. Regional cerebral blood flow in chronic stroke patients. Stroke. 24 (1), 94-99 (1993).
  2. Kwok, C. H. R., et al. Cognition and cerebral blood flow after extracranial carotid revascularization for carotid atherosclerosis: A systematic review. Clin Ther. 45 (11), 1069-1076 (2023).
  3. Togao, O., et al. Arterial spin labeling-based MR angiography for cerebrovascular diseases: Principles and clinical applications. J Magn Reson Imaging. , (2023).
  4. Haidar, H., Majzoub, R. E., Hajeer, S., Abbas, L. A. Arterial spin labeling (ASL-MRI) versus fluorodeoxyglucose-PET (FDG-PET) in diagnosing dementia: a systematic review and meta-analysis. BMC Neurol. 23 (1), 385 (2023).
  5. Xu, Y., Tan, G., Chen, D., Liu, J., Zhou, Z., Liu, L. Arterial spin labeling perfusion MRI applications in drug-resistant epilepsy and epileptic emergency. Acta Epileptol. 5, 23 (2023).
  6. Xie, H., et al. Abnormalities of cerebral blood flow and the regional brain function in Parkinson’s disease: a systematic review and multimodal neuroimaging meta-analysis. Front Neurol. 14, 1289934 (2023).
  7. Tenberg, A., et al. Dysautonomia and activity in the early stroke recovery period. Neurol Sci. 45 (6), 2505-2521 (2024).
  8. Joshi, D., Prasad, S., Saini, J., Ingalhalikar, M. Role of arterial spin labeling (ASL) images in Parkinson’s disease (PD): A systematic review. Acad Radiol. 30 (8), 1695-1708 (2023).
  9. Mohamed, A. Z., Kwiatek, R., Fante, P. D., Calhoun, V. D., Lagopoulos, J., Shan, Z. Y. Functional MRI of the brainstem for assessing its autonomic functions: From imaging parameters and analysis to functional atlas. J Magn Reson Imaging. , (2024).
  10. Vanherle, L., Matuskova, H., Don-Doncow, N., Uhl, F. E., Meissner, A. Improving cerebrovascular function to increase neuronal recovery in neurodegeneration associated to cardiovascular disease. Front Cell Dev Biol. 8, 53 (2020).
  11. Fujimura, M., Tominaga, T. Significance of cerebral blood flow analysis in the acute stage after revascularization surgery for Moyamoya disease. Neurol Med Chir (Tokyo). 55 (10), 775-781 (2015).
  12. Østergaard, L., et al. The role of the microcirculation in delayed cerebral ischemia and chronic degenerative changes after subarachnoid hemorrhage. J Cereb Blood Flow Metab. 33 (12), 1825-1837 (2013).
  13. Mankoo, A., et al. The role of the autonomic nervous system in cerebral blood flow regulation in stroke: A review. Auton Neurosci. 246, 103082 (2023).
  14. Yang, X., Qiang, Q., Li, N., Feng, P., Wei, W., Hölscher, C. Neuroprotective mechanisms of glucagon-like peptide-1-based therapies in ischemic stroke: An update based on preclinical research. Front Neurol. 13, 844697 (2022).
  15. Ho, M. -. L. Arterial spin labeling: Clinical applications. J Neuroradiol. 45 (5), 276-289 (2018).
  16. Sforza, M., Bianchini, E., Alivernini, D., Salvetti, M., Pontieri, F. E., Sette, G. The impact of cerebral vasomotor reactivity on cerebrovascular diseases and cognitive impairment. J Neural Transm (Vienna). 129 (11), 1321-1330 (2022).
  17. Elhadad, A., Jamjoom, M., Abulkasim, H. Reduction of NIFTI files storage and compression to facilitate telemedicine services based on quantization hiding of downsampling approach. Sci Rep. 14 (1), 5168 (2024).
  18. Gonzalez-Ortiz, F., Kac, P. R., Brum, W. S., Zetterberg, H., Blennow, K., Karikari, T. K. Plasma phospho-tau in Alzheimer’s disease: towards diagnostic and therapeutic trial applications. Mol Neurodegener. 18 (1), 18 (2023).
  19. Magliozzi, R., et al. CSF parvalbumin levels reflect interneuron loss linked with cortical pathology in multiple sclerosis. Ann Clin Transl Neurol. 8 (5), 534-547 (2021).
  20. Kawano, H., et al. Aging and sex differences in brain volume and cerebral blood flow. Aging Dis. , (2023).
  21. Jia, R., Solé-Guardia, G., Kiliaan, A. J. Blood-brain barrier pathology in cerebral small vessel disease. Neural Regen Res. 19 (6), 1233-1240 (2023).

Play Video

Citer Cet Article
Tan, Z., Xing, F., Zhang, L. Construction and Application of Cerebral Functional Region-Based Cerebral Blood Flow Atlas Using Magnetic Resonance Imaging-Arterial Spin Labeling. J. Vis. Exp. (207), e66853, doi:10.3791/66853 (2024).

View Video