Summary

IRM structurelle pulmonaire à l’aide de l’imagerie à temps d’écho ultra-court en respiration libre et auto-fermée

Published: September 06, 2024
doi:

Summary

Un protocole est décrit pour générer des images structurelles à haute résolution des poumons à l’aide de l’imagerie par résonance magnétique (IRM) à temps d’écho ultra-court (UTE). Ce protocole permet d’acquérir des images à l’aide d’une simple séquence d’impulsions IRM pendant la respiration libre.

Abstract

L’IRM de haute qualité des poumons est mise à l’épreuve par la faible densité tissulaire, la relaxation rapide du signal IRM et les mouvements respiratoires et cardiaques. Pour ces raisons, l’imagerie structurelle des poumons est réalisée presque exclusivement à l’aide de la tomodensitométrie (TDM). Cependant, l’imagerie par tomodensitométrie émet des rayonnements ionisants et est donc moins bien adaptée à certaines populations vulnérables (par exemple, la pédiatrie) ou aux applications de recherche. L’IRM utilisant des temps d’écho ultra-courts (UTE) suscite également de l’intérêt. Cette technique peut être réalisée en respiration libre au cours d’un balayage de ~5 à 10 minutes. Les informations sur les mouvements respiratoires sont codées en même temps que les images ; Ces informations peuvent être utilisées pour « auto-gate » des images. L’auto-déclenchement élimine ainsi la nécessité d’une programmation avancée de la séquence d’impulsions IRM ou de l’utilisation de soufflets respiratoires, ce qui simplifie l’acquisition d’images. Dans ce protocole, des méthodes simples, robustes et efficaces en termes de calcul pour l’acquisition d’une IRM UTE des poumons de haute qualité sont présentées. Ce protocole a été développé pour être utilisé sur un scanner IRM 3T, mais les mêmes principes peuvent être mis en œuvre à une intensité de champ magnétique plus faible. Le protocole comprend des paramètres recommandés pour l’acquisition d’images 3D radiales UTE ainsi que des instructions pour la reconstruction d’images auto-fermées afin de générer des images à des phases respiratoires distinctes. Grâce à la mise en œuvre de ce protocole, les utilisateurs peuvent générer des images UTE haute résolution des poumons avec des artefacts de mouvement minimes, minimes ou nuls. Ces images peuvent être utilisées pour évaluer la structure pulmonaire, ce qui peut être mis en œuvre pour la recherche dans une variété de conditions pulmonaires.

Introduction

L’imagerie à haute résolution de la structure pulmonaire est un élément essentiel des bilans diagnostiques pour de nombreuses affections pulmonaires. En règle générale, cela est effectué à l’aide de l’imagerie par tomodensitométrie (TDM), qui est parfaitement adaptée pour générer des images à haute résolution des poumons1. Cependant, l’imagerie par tomodensitométrie délivre une dose non négligeable de rayonnement ionisant, ce qui la rend mal adaptée à l’imagerie répétée régulière, à l’imagerie à plusieurs phases respiratoires différentes ou à l’imagerie de certaines populations (par exemple, les enfants). L’imagerie par résonance magnétique (IRM) ne comporte pas le même risque de rayonnement ionisant et se prête donc à de telles tâches d’imagerie. Cependant, il est difficile d’imager les poumons à l’aide de l’IRM en raison de la faible densité tissulaire, des mouvements respiratoires et cardiaques et de la relaxation très rapide du signal 2,3,4.

Une technique d’IRM capable d’atténuer ces défis est l’IRM à temps d’écho ultra-court (UTE) 4,5,6. Dans l’IRM UTE, le signal IRM est échantillonné immédiatement après l’excitation du signal, ce qui réduit l’impact de la relaxation rapide du signal. De plus, cette technique échantillonne l’espace k du centre vers l’extérieur, ce qui conduit à un suréchantillonnage important au centre de l’espace k. Ce suréchantillonnage au centre de l’espace k rend cette technique d’imagerie robuste au mouvement. En plus de cette robustesse inhérente au mouvement, l’échantillonnage répété du centre de l’espace k encode des informations sur le mouvement respiratoire, ce qui permet l’auto-déclenchement des images 7,8,9. Cet auto-gate peut être utilisé pour générer des images à diverses phases respiratoires. Étant donné que les humains passent la majorité de la phase respiratoire à l’expiration, il est courant de générer une image pour la fin de l’expiration, car cette phase contient le plus de données d’imagerie acquises.

Il existe une variété de stratégies d’auto-déclenchement respiratoire dans l’IRM pulmonaire. La première distinction à faire est basée sur l’image vs. Porte10 basée sur l’espace k (Figure 1). Dans le gate basé sur l’image, un ensemble d’images à haute résolution temporelle est généré en reconstruisant de petits sous-ensembles temporels des données d’imagerie. Par la suite, la position du diaphragme dans ces images est utilisée pour identifier la phase respiratoire pour un ensemble donné de projections d’images10,11. Dans le gating basé sur l’espace k, les données du centre de l’espace k (« k0 ») sont examinées 8,9,12. L’intensité du signal de l’image est codée en k0, et donc, l’intensité du point k0 varie avec la respiration. Les projections peuvent ainsi être regroupées en différentes phases respiratoires en fonction de l’intensité de k0. Dans le gating basé sur l’image et dans l’espace k, les projections avec des phases de respiration similaire sont regroupées pour la reconstruction de l’image. Il a été suggéré que le déclenchement basé sur l’image offre une meilleure fidélité dans l’estimation de la phase respiratoire, fournissant ainsi des images avec un flou réduit10,13.

Figure 1
Figure 1 : Techniques d’auto-déclenchement basées sur l’image et l’espace k. (A) Dans le gate basé sur l’image, des images à faible résolution spatiale et à haute résolution temporelle montrant le diaphragme sont générées à partir de sous-ensembles temporels des données globales. À l’aide d’une ligne sur le diaphragme, le mouvement respiratoire peut être visualisé et regroupé pour la reconstruction de l’image. (B) Dans le gating basé sur l’espace k, le premier point d’une projection centrée de l’espace k (« k0 ») est utilisé pour visualiser le mouvement respiratoire. Après lissage de k0, les différences d’intensité du signal en fonction du cycle respiratoire sont clairement visibles et peuvent être utilisées pour identifier différentes phases respiratoires. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Le gating basé sur l’image et l’espace k peut être effectué à l’aide du gating dur ou du gating doux11,14. En hard gating, seules les projections correspondant à la phase respiratoire souhaitée sont reconstruites. Cependant, cette élimination des projections indésirables peut entraîner une réduction du rapport signal/bruit (SNR) de l’image et une augmentation des artefacts de sous-échantillonnage. Ces effets indésirables peuvent être atténués en utilisant des portes douces. Dans le cadre du gating doux, toutes les projections sont utilisées pour la reconstruction de l’image, mais les projections provenant d’une phase respiratoire indésirable sont pondérées de manière à avoir un impact moindre sur l’image finale. Ce faisant, les images peuvent être reconstruites avec un minimum d’artefacts et un rapport signal/bruit élevé tout en supprimant l’impact des mouvements respiratoires.

Grâce à la combinaison de l’acquisition de l’IRM UTE et de l’auto-déclenchement post-acquisition, il est possible de générer des images de haute qualité qui, bien que n’étant pas équivalentes à la TDM, ont un contraste et une résolution proches de ceux de l’imagerie CT 6,15,16,17,18,19. Ici, un protocole simple est fourni pour collecter et reconstruire des images IRM UTE afin de générer des images de haute qualité de la structure pulmonaire.

Ce protocole est écrit principalement pour les scanners IRM 3T ; 3T est l’intensité de champ la plus couramment utilisée pour l’IRM de recherche. Des intensités de champ magnétique plus faibles telles que 1,5T ou 0,55 T20 récemment disponible peuvent améliorer la qualité d’image et l’intensité du signal dans les poumons, car la relaxation du signal dans les poumons est plus lente à ces intensités de champ.

Bien que tous les efforts aient été faits pour apporter clarté et simplicité à ce protocole et au code de reconstruction d’image fourni, le protocole nécessitera probablement un physicien IRM dédié (ou un expert en IRM similaire) pour établir une séquence d’IRM UTE appropriée sur le scanner IRM. La séquence IRM doit mettre en œuvre une stratégie d’encodage 3D non cartésienne avec des trajectoires d’espace k centrées vers l’extérieur. Il s’agit par exemple de séquences d’imagerie 3D radiales ou spirales 3D (par exemple, « FLORET »)21,22. Il est important de noter que l’ordre des projections doit avoir une bonne stabilité temporelle : sur un sous-ensemble de temps donné, les projections doivent couvrir toute la gamme de l’espace k23. Des exemples de stratégies d’ordonnancement de projection avec une bonne stabilité temporelle sont les moyennes d’or ou la spirale d’Archimède randomisée de Halton. Si un ordre de projection avec une faible stabilité temporelle est utilisé, l’auto-déclenchement post-acquisition omettra de grandes régions de l’espace k, conduisant à des artefacts d’image. Enfin, la séquence doit être capable d’atteindre un temps d’écho (TE) de <100 μs. Le temps de relaxation de T2* dans les poumons à 3T est de <1 ms24, l’utilisation d’un TE très court est donc essentielle pour générer des images de haute qualité.

Protocol

Toutes les images de sujets humains ont été réalisées avec l’approbation de l’IRB du KUMC. Un consentement éclairé écrit a été obtenu de tous les participants. Les images de cette étude ont été obtenues dans le cadre d’un protocole de développement technique générique, et les critères d’inclusion/exclusion étaient délibérément larges. Critères d’inclusion : Âge ≥ 18 ans. Critère d’exclusion : L’IRM est contre-indiquée sur la base des réponses au questionnaire de dépistage par IRM et de la grossesse. Les accessoires et l’équipement utilisés pour cette étude sont énumérés dans la Table des matériaux. 1. Acquisition d’images UTE Préparez la séquence d’imagerie. Préparez la séquence d’imagerie une fois et utilisez cette même séquence pour tous les participants.Réglez les paramètres conformément au tableau 1. Placez un fantôme d’IRM au centre de l’IRM et exécutez la séquence d’imagerie.REMARQUE : Étant donné que cette séquence nécessite des performances de gradient rapides et de nombreuses impulsions RF, il est important de vérifier que la configuration du protocole peut être exécutée avant de procéder à un test sur un humain. Préparez le participant à l’IRM. Utilisez un dépistage de sécurité par IRM standard pour vous assurer que le participant peut entrer en toute sécurité dans l’IRM. Placez le participant sur le lit d’IRM et placez une bobine thoracique sur le torse du participant. Positionnez la bobine près du menton du participant afin d’assurer une couverture complète des apex pulmonaires. Déplacez le participant dans le scanner IRM. Placez le repère de positionnement juste en dessous du sternum du participant. Effectuer un balayage d’alignement de piste pour s’assurer que les poumons du participant sont dans le champ de vision de l’examen de l’UTE. Ne déplacez pas la géométrie du balayage UTE. Si les poumons du participant ne sont pas dans le champ de vision, déplacez-le et collectez des scans d’alignement de piste supplémentaires jusqu’à ce que les poumons soient complètement dans le champ de vision. Exécutez la séquence UTE. Pendant cette séquence, le participant peut respirer normalement. Exportez les données brutes du scanner. Selon la séquence d’imagerie utilisée, le scanner peut ou non reconstruire des images sur le scanner. Pour la reconstruction rétrospective proposée du gate, des données d’imagerie brutes sont nécessaires pour déterminer si des images sont générées ou non sur le scanner. Notez que les données brutes seront volumineuses (>10 Go). Exporter ou calculer les trajectoires de l’espace k (c’est-à-dire l’emplacement dans l’espace k de chaque point de données brutes).REMARQUE : Pour certaines séquences d’imagerie, les trajectoires de l’espace k peuvent être stockées avec les données brutes sur le scanner IRM et peuvent être directement exportées. Pour d’autres séquences d’imagerie, les trajectoires de l’espace k devront être calculées en fonction des paramètres d’imagerie. Paramètre Paramètres génériques recommandés Paramètres mis en œuvre dans le présent document Séquence d’imagerie 3D non cartésienne avec trajectoires d’espace k centrées vers l’extérieur 3D Radial avec Ordre de projection des moyens d’or Champ de vision 400 x 400 x 400 millimètre3 400 x 400 x 400 millimètre3 Taille de la matrice Comme souhaité pour la résolution cible 320 x 320 x 320 (résolution isotrope de 1,25 mm) Bande passante Selon les besoins pour une durée de lecture < 1,0 ms 888 Hz/pixel TE < 0,1 ms 0,07 ms TR Minimum (cible 3 à 4 ms) 3,5 ms Angle de retournement Environ 5° 4.8° Nombre de projections Minimum 100 000 1,35,386 Durée de l’image Minimum 5 min 7 min 54 s Tableau 1 : Paramètres recommandés pour l’imagerie UTE Des paramètres génériques recommandés sont fournis et peuvent être utilisés pour guider la configuration du protocole. Les paramètres spécifiques recommandés qui ont été utilisés pour les données sont également fournis, comme indiqué sous forme de résultats représentatifs. Les spécifications des paramètres sont génériques chez tous les fournisseurs, à l’exception de la bande passante. Certains grands fournisseurs d’IRM spécifient la bande passante en Hz/pixel. D’autres grands fournisseurs d’IRM spécifient une bande passante absolue. La bande passante recommandée (888 Hz/pixel) correspond à une bande passante absolue de 284,160 Hz. 2. Reconstruction d’image UTE à l’aide d’un soft-gating respiratoire basé sur l’image REMARQUE : le code MATLAB permettant d’effectuer les étapes suivantes est fourni à l’https://github.com/pniedbalski3/UTE_Reconstruction. Importez des données et des trajectoires k-space dans MATLAB. Le code d’importation des données IRM brutes est disponible pour tous les principaux fournisseurs d’IRM. Ignorez les 1000 premières projections pour vous assurer que les données sont à l’état d’aimantation stable.REMARQUE : Si la séquence d’imagerie utilisée comprend des balayages factices avant l’acquisition des données, cette étape peut être ignorée. Reconstruisez une image basse résolution à l’aide d’un très petit sous-ensemble de données.Reconstruisez l’image à l’aide d’une transformée de Fourier rapide non uniforme jusqu’à une taille de matrice de 96 x 96 x 96. Utilisez environ 200 projections, ce qui correspond à 0,6 à 0,8 s de données. Reconstruisez et stockez des images de tous les éléments de la bobine ainsi qu’une image finale combinée à la bobine. Dans l’image résultante combinée à la bobine, sélectionnez une tranche coronale qui montre clairement le diaphragme.REMARQUE : Le code fourni invitera l’utilisateur à sélectionner une tranche contenant le diaphragme. Une fois cette tranche sélectionnée, affichez les images de bobine individuelles de cette tranche et sélectionnez un ou deux éléments de bobine qui représentent le mieux le diaphragme (Figure 2).REMARQUE : Le code fourni invitera l’utilisateur à sélectionner des éléments de bobine. Reconstruisez des images à l’aide d’une fenêtre coulissante pour générer des images avec une résolution temporelle de ~0,5 s (Figure 2).Reconstruisez uniquement les données des éléments de bobine sélectionnés à l’étape 2.4.REMARQUE : Bien que tous les éléments de la bobine puissent être reconstruits, seuls les éléments les plus proches du diaphragme sont nécessaires pour visualiser le diaphragme à des fins d’auto-déclenchement respiratoire. En reconstruisant uniquement les éléments de bobine les plus proches du diagramme, le temps de reconstruction et la charge de calcul sont considérablement réduits. Utilisez les 200 premières projections pour reconstruire une image à l’aide d’une transformée de Fourier rapide non uniforme (Figure 2). Ne stockez que la tranche montrant le diaphragme (comme indiqué à l’étape 2.4).REMARQUE : En fin de compte, jusqu’à 1500 images seront générées ; seule une tranche 2D est nécessaire pour visualiser la position du diaphragme, et le stockage d’images 3D pour chacune des étapes de la fenêtre coulissante serait prohibitif. Décalage de 100 projections (c’est-à-dire que la première image est reconstruite à l’aide des projections 1-200. La seconde est reconstruite à l’aide de projections 101 – 300) et reconstruit une image supplémentaire, en stockant la tranche sélectionnée à l’étape 2.4. Continuez jusqu’à ce que toutes les projections aient été utilisées pour générer des images. Sélectionnez une ligne sur le diaphragme dans la première des images de la fenêtre coulissante. Assurez-vous que la ligne est suffisamment longue pour s’étendre dans les poumons de 5 à 10 voxels et dans le diaphragme de 5 à 10 voxels. Visualisez le mouvement respiratoire en consultant ce navigateur respiratoire pour toutes les projections. Déterminez l’emplacement du diaphragme pour tous les navigateurs respiratoires. Il existe plusieurs façons de le faire, mais une méthode simple consiste à utiliser la méthode25 d’Otsu pour diviser le côté le plus sombre (poumon) du côté le plus lumineux (diaphragme). Utilisez l’emplacement du diaphragme pour étiqueter les projections comme appartenant à une cellule respiratoire donnée. Si un navigateur respiratoire donné montre le diaphragme en « position 1 », alors les 200 projections utilisées pour générer l’image de ce navigateur appartiendraient au « bac 1 ».REMARQUE : Étant donné que les images ont été générées à l’aide d’une fenêtre coulissante avec un chevauchement de 100 projections, certaines projections peuvent être étiquetées comme appartenant à plusieurs bacs. La résolution spatiale grossière des images de fenêtre coulissante conduit à un total de ~4 à 6 bacs qui couvrent toute la gamme de l’inspiration jusqu’à l’expiration. Sélectionnez l’emplacement à reconstruire en déterminant quel emplacement contient le plus grand nombre de projections, ce qui doit correspondre à l’expiration finale.Alternativement, reconstruisez des images pour les phases respiratoires souhaitées sur la base d’une inspection visuelle du navigateur respiratoire. Générer des poids pour le soft-gating14.Utilisez un filtre exponentiel pour fournir un poids de 1 aux projections à l’intérieur du bac primaire et un poids fortement réduit aux projections à l’intérieur de différents bacs respiratoires. Utilisez la boîte à outils Berkely Advanced Reconstruction Toolbox (BART ; https://mrirecon.github.io/bart/)26,27 pour reconstruire une image haute résolution à la poubelle respiratoire souhaitée.REMARQUE : BART est une boîte à outils disponible gratuitement pour la reconstruction d’images IRM.Calculez les poids de compensation de densité à l’aide d’une combinaison de densité itérative. Mettez à l’échelle les poids de compensation de densité en fonction des poids de soft-gate. Données de balance basées sur la compensation de densité et les poids de soft-gating Effectuer une transformée de Fourier rapide non uniforme (NUFFT) de base pour faciliter la combinaison des bobines. Convertissez l’image NUFFT en k-space quadrillé à utiliser pour la combinaison de bobines. Générez une matrice de combinaison de bobines et utilisez-la pour combiner des bobines à la fois pour les données brutes et l’espace k maillé. Estimez la sensibilité des bobines. Effectuez une reconstruction de détection compressée par imagerie parallèle à l’aide de la compensation de densité pondérée, des données combinées de bobine et des cartes de sensibilité de bobine. Enregistrez l’image finale. Le format NIFTI est facile à mettre en œuvre. Si l’image doit être téléchargée sur un système PAC, un format DICOM peut être requis. Figure 2 : Auto-contrôle basé sur l’image. (1) À l’aide d’une image basse résolution reconstruite à partir d’un petit nombre de projections (pour l’efficacité de calcul), identifiez une coupe coronale qui montre clairement le diaphragme. (2) En examinant les images de chaque élément de bobine, sélectionnez les éléments de bobine les plus proches du diaphragme. (3) Effectuer une reconstruction de fenêtre coulissante uniquement des éléments de la bobine les plus proches du diaphragme (pour l’efficacité de calcul). Les images peuvent être générées à partir de sous-ensembles de 200 projections (correspondant à ~0,8 s) ; En superposant les projections, une résolution pseudo-temporelle de ~0,5 s peut être obtenue dans les images. (4) Identifier une ligne perpendiculaire au diaphragme à utiliser comme navigateur respiratoire. (5) La visualisation des données d’image sur cette ligne montre le mouvement respiratoire, qui peut être utilisé pour regrouper les images. Veuillez cliquer ici pour voir une version agrandie de cette figure. 3. Reconstruction d’images UTE à l’aide du soft-gating respiratoire basé sur l’espace k Effectuez les étapes 2.1 à 2.4 de manière à ce que l’élément de bobine le plus proche de la membrane puisse être identifié. Générez une trace de série chronologique k0 en utilisant la valeur absolue du premier point de la projection pour toutes les projections de l’élément de bobine sélectionné. Cela fournira une visualisation d’une forme d’onde respiratoire. Par pas de 5000 projections, normalisez k0 par l’intensité moyenne du signal de ces mêmes k0 points28. Cela atténue la dérive de l’intensité du signal au fil du temps et offre une meilleure capacité à établir des projections quantitatives de groupes. Étiquetez chaque point k0 comme s’étant produit pendant l’inspiration ou l’expiration.Lissez la série chronologique k0 et prenez la dérivée pour évaluer la pente de chaque point de la trace de porte. Étiquetez les points d’inspiration en fonction du signe de la pente. Une pente positive correspond à l’expiration, tandis qu’une pente négative correspond à l’inspiration. Projections de groupes basées sur l’intensité du signal. Comme la profondeur de la respiration peut varier, les projections de bac sont basées sur l’amplitude du signal plutôt que sur l’emplacement dans la phase respiratoire.REMARQUE : Une méthode simple et rapide pour y parvenir consiste à mettre en œuvre le regroupement k-moyennes pour identifier différents niveaux d’intensité du signal. Pour les bacs intermédiaires entre l’inspiration finale et l’expiration finale, identifiez les projections comme se produisant pendant l’inspiration et l’expiration en fonction de l’étape 3.4. Terminez la reconstruction de l’image en suivant les étapes fournies aux étapes 2.10 à 2.13. Si vous le souhaitez, reconstruisez des images pour tous les bacs respiratoires plutôt qu’uniquement à la fin de l’expiration.

Representative Results

Des résultats représentatifs (figure 3) ont été générés à l’aide des paramètres indiqués dans le tableau 1. La durée d’imagerie utilisée permet d’obtenir des images de haute qualité qui sont tolérables par la plupart des participants. Figure 3</str…

Discussion

Lors de l’imagerie UTE des poumons, de nombreuses variantes de l’acquisition et de la reconstruction peuvent être utilisées pour générer des images des poumons. Ce protocole met l’accent sur la facilité de mise en œuvre et l’efficacité de calcul. L’imagerie à l’aide de l’UTE radiale 3D est relativement simple, les séquences d’imagerie étant généralement disponibles auprès des principaux fournisseurs d’IRM. Des outils basés sur MATLAB sont fournis pour la g…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Le développement de ce protocole et les images présentées comme résultats représentatifs ont été soutenus par la Fondation nationale de la sclérodermie.

Materials

Chest MRI Coil Siemens, GE, Philips,, Other Clinical MRI Imaging Coil Vendor N/A A 26 – 32 channel Chest coil should be used
High Performance Workstation HP, Apple, or other Computer Hardware company N/A A computer with a minimum of 64 GB of Memory is needed for image reconstruction
Matlab Mathworks R2016A or newer A Matlab license is needed to run the provided computer code
MRI Phantom Siemens, GE, Philips, or Other MRI Phantom Vendor N/A Any Phantom can be used to test the MRI sequence prior to its use in human subjects.
MRI Scanner Siemens, GE, Philips, or Other Clinical MRI Scanner Vendor N/A The protocol was developed on a 3T scanner, but 1.5T or 0.55T would also work with minimal adaptation

References

  1. Raju, S., Ghosh, S., Mehta, A. C. Chest ct signs in pulmonary disease: A pictorial review. Chest. 151 (6), 1356-1374 (2017).
  2. Biederer, J., et al. MRI of the lung (2/3). Why, when, how. Insights Imaging. 3 (4), 355-371 (2012).
  3. Biederer, J., et al. MRI of the lung (3/3)-current applications and future perspectives. Insights Imaging. 3 (4), 373-386 (2012).
  4. Johnson, K. M., Fain, S. B., Schiebler, M. L., Nagle, S. Optimized 3D ultrashort echo time pulmonary MRI. Magn Reson Med. 70 (5), 1241-1250 (2013).
  5. Ma, W., et al. Ultra-short echo-time pulmonary MRI: Evaluation and reproducibility in COPD subjects with and without bronchiectasis. J Magn Reson Imaging. 41 (5), 1465-1474 (2015).
  6. Roach, D. J., et al. Ultrashort echo-time magnetic resonance imaging is a sensitive method for the evaluation of early cystic fibrosis lung disease. Ann Am Thorac Soc. 13 (11), 1923-1931 (2016).
  7. Tibiletti, M., et al. Multistage three-dimensional UTE lung imaging by image-based self-gating. Magn Reson Med. 75 (3), 1324-1332 (2016).
  8. Weick, S., et al. Dc-gated high-resolution three-dimensional lung imaging during free-breathing. J Magn Reson Imaging. 37 (3), 727-732 (2013).
  9. Fischer, A., et al. Self-gated non-contrast-enhanced functional lung imaging (SENCEFUL) using a quasi-random fast low-angle shot (FLASH) sequence and proton MRI. NMR Biomed. 27 (8), 907-917 (2014).
  10. Tibiletti, M., et al. Respiratory self-gated 3D UTE for lung imaging in small animal MRI. Magn Reson Med. 78 (2), 739-745 (2017).
  11. Jiang, W., et al. Motion robust high resolution 3D free-breathing pulmonary MRI using dynamic 3D image self-navigator. Magn Reson Med. 79 (6), 2954-2967 (2018).
  12. Higano, N. S., et al. Retrospective respiratory self-gating and removal of bulk motion in pulmonary UTE MRI of neonates and adults. Magn Reson Med. 77 (3), 1284-1295 (2016).
  13. Metze, P., et al. Non-uniform self-gating in 2D lung imaging. Front Phys. 10, (2022).
  14. Gandhi, D. B., et al. Comparison of weighting algorithms to mitigate respiratory motion in free-breathing neonatal pulmonary radial UTE-MRI. Biomed Phys Eng Express. 10 (3), 035030 (2024).
  15. Fauveau, V., et al. Performance of spiral UTE-MRI of the lung in post-covid patients. Magn Reson Imaging. 96, 135-143 (2023).
  16. Metz, C., et al. Comparison of diagnostic quality of 3D ultrashort-echo-time techniques for pulmonary magnetic resonance imaging in free-breathing. Acta Radiologica. 64 (5), 1851-1858 (2023).
  17. Periaswamy, G., et al. Comparison of ultrashort TE lung MRI and HRCT lungs for detection of pulmonary nodules in oncology patients. Indian J Radiol Imaging. 32 (04), 497-504 (2022).
  18. Darçot, E., et al. Comparison between magnetic resonance imaging and computed tomography in the detection and volumetric assessment of lung nodules: A prospective study. Frontiers in Medicine. 9, 858731 (2022).
  19. Dournes, G., et al. 3D ultrashort echo time MRI of the lung using stack-of-spirals and spherical k-space coverages: Evaluation in healthy volunteers and parenchymal diseases. J Magn Reson Imaging. 48 (6), 1489-1497 (2018).
  20. Campbell-Washburn, A. E. 2019 American Thoracic Society Bear Cage winning proposal: Lung imaging using high-performance low-field magnetic resonance imaging. Am J Respir Crit Care Med. 201 (11), 1333-1336 (2020).
  21. Robison, R. K., Anderson, A. G., Pipe, J. G. Three-dimensional ultrashort echo-time imaging using a FLORET trajectory. Magn Reson Med. 78 (3), 1038-1049 (2017).
  22. Willmering, M. M., Robison, R. K., Wang, H., Pipe, J. G., Woods, J. C. Implementation of the FLORET sequence for lung imaging. Magn Reson Med. 82 (3), 1091-1100 (2019).
  23. Chan, R. W., Ramsay, E. A., Cunningham, C. H., Plewes, D. B. Temporal stability of adaptive 3D radial MRI using multidimensional golden means. Magn Reson Med. 61 (2), 354-363 (2009).
  24. Yu, J., Xue, Y., Song, H. K. Comparison of lung T2* during free-breathing at 1.5 T and 3.0 T with ultrashort echo time imaging. Magn Reson Med. 66 (1), 248-254 (2011).
  25. Otsu, N. A threshold selection method from gray-level histograms. IEEE Trans Syst Man Cybern. 9 (1), 62-66 (1979).
  26. Martin Uecker, F. O., et al. Berkely advanced reconstruction toolbox. Proc Intl Soc Magn Reson Med. 23, 2486 (2015).
  27. . . Bart Toolbox for Computational Magnetic Resonance Imaging. , (2024).
  28. Munidasa, S. . Treatment monitoring of pediatric cystic fibrosis lung disease using free breathing lung MRI. , (2024).
  29. Zhu, X., Chan, M., Lustig, M., Johnson, K. M., Larson, P. E. Z. Iterative motion-compensation reconstruction ultra-short TE (IMOCO UTE) for high-resolution free-breathing pulmonary MRI. Magn Reson Med. 83 (4), 1208-1221 (2020).
  30. Tan, F., et al. Motion-compensated low-rank reconstruction for simultaneous structural and functional UTE lung MRI. Magn Reson Med. 90 (3), 1101-1113 (2023).
  31. Bhattacharya, I., et al. Oxygen-enhanced functional lung imaging using a contemporary 0.55 T MRI system. NMR Biomed. 34 (8), e4562 (2021).
  32. Kim, M., et al. Feasibility of dynamic T2*-based oxygen-enhanced lung MRI at 3T. Magn Reson Med. 91 (3), 972-986 (2024).
  33. Klimeš, F., et al. 3D phase-resolved functional lung ventilation MR imaging in healthy volunteers and patients with chronic pulmonary disease. Magn Reson Med. 85 (2), 912-925 (2021).
This article has been published
Video Coming Soon
Keep me updated:

.

Citer Cet Article
Niedbalski, P. J. Pulmonary Structural MRI using Free-Breathing, Self-Gated Ultra-short Echo Time Imaging . J. Vis. Exp. (211), e67294, doi:10.3791/67294 (2024).

View Video