前臨床イメージングモダリティのマルチモーダルクロスデバイスおよびマーカーフリー同時登録
Summary
病態生理学を包括的に理解するためには、複数のイメージングモダリティの組み合わせがしばしば必要となります。このアプローチでは、ファントムを使用して 2 つのモダリティの座標系間の微分変換を生成し、それを共レジストレーションに適用します。この方法により、プロダクションスキャンでのフィデューシャルが不要になります。
Abstract
X線コンピュータ断層撮影法(CT)と陽電子放出断層撮影法(PET)の組み合わせ、または磁気共鳴画像法(MRI)とPETの組み合わせなど、統合された前臨床マルチモーダルイメージングシステムは広く利用可能であり、通常、堅牢に共登録されたボリュームを提供します。ただし、スタンドアロンのMRIを既存のPET-CTと組み合わせたり、光断層撮影や高解像度X線マイクロトモグラフィーからの追加データを組み込んだりするには、多くの場合、別のデバイスが必要になります。これには、マルチモーダルマウスベッドの設計、フィデューシャルマーカーのインクルージョン、画像再構成、ソフトウェアベースの画像融合などの複雑な側面を含む画像の共レジストレーションが必要です。フィデューシャルマーカーは、ダイナミックレンジの問題、イメージング視野の制限、マーカー配置の困難さ、または時間の経過に伴うマーカーシグナルの損失(乾燥や崩壊など)により、in vivoデータに問題を引き起こすことがよくあります。これらの課題は、画像の同時登録を必要とする各研究グループが理解し、対処する必要があり、その結果、関連する詳細が既存の出版物で説明されることはめったにないため、繰り返しの努力が必要になります。
このプロトコルは、これらの問題を克服する一般的なワークフローの概要を示しています。微分変換は、最初は基準マーカーまたは視覚構造を使用して作成されますが、プロダクションスキャンではそのようなマーカーは必要ありません。再構築ソフトウェアによって生成されるボリュームデータとメタデータの要件は詳細です。この議論では、各モダリティについて個別に要件の達成と検証について説明します。ファントムベースのアプローチについて説明し、2つのイメージングモダリティの座標系間で差分変換を生成します。この方法では、フィデューシャルマーカーなしでプロダクションスキャンを同時登録する方法を示します。各ステップは、市販のファントムの推奨事項とともに、利用可能なソフトウェアを使用して示されています。さまざまなサイトに設置されたイメージングモダリティのさまざまな組み合わせによるこのアプローチの実現可能性が紹介されています。
Introduction
前臨床イメージングモダリティが異なれば、それぞれ異なる長所と短所があります。たとえば、X線コンピューター断層撮影(CT)は、骨や肺など、さまざまな電波密度の解剖学的構造を調べるのに適しています。これは、その高速な取得速度、高い3次元解像度、画像評価の比較的容易さ、および造影剤1,2,3の有無にかかわらず汎用性のために広く使用されています。磁気共鳴画像法(MRI)は、電離放射線を伴わずに最も汎用性の高い軟部組織造影剤を提供します4。一方、陽電子放出断層撮影法(PET)、単一光子放出型コンピュータ断層撮影法(SPECT)、蛍光媒介断層撮影法(FMT)、磁性粒子イメージング法(MPI)などのトレーサーベースのモダリティは、放射性標識診断用または治療用化合物の分子プロセス、代謝、生体内分布を高感度で定量的に評価するための確立されたツールです。しかし、それらは解像度と解剖学的情報5,6を欠いています。したがって、より解剖学指向のモダリティは、通常、トレーサー検出に強みを持つ高感度のモダリティと組み合わされます7。これらの組み合わせにより、特定の関心領域内のトレーサー濃度の定量が可能になります8,9。複合イメージングデバイスの場合、通常、モダリティの共登録が組み込み機能です。ただし、異なるデバイスからのスキャンを同時登録することも便利です(たとえば、デバイスが個別に購入された場合や、ハイブリッドデバイスが利用できない場合など)。
本稿では、基礎研究や創薬に不可欠な小動物イメージングにおけるクロスモダリティ融合に着目します。以前の研究10 では、これは特徴認識、等高線マッピング、または基準マーカー(指標)を使用して達成できることが指摘されています。フィデューシャルは、さまざまなイメージングモダリティからの画像を正確に位置合わせし、相関させるための基準点です。特別な場合には、フィデューシャルはヌードマウス11の皮膚上の中国のインクの点でさえあり得る。ただし、多くの場合、基準マーカーが組み込まれたイメージングカートリッジが使用されます。これは堅牢で十分に開発された方法10ですが、すべてのスキャンに使用すると実際的な問題が発生します。MRIで検出可能な基準は、多くの場合、液体ベースであり、保管中に乾燥する傾向があります。PETには放射性マーカーが必要であり、その信号はエミッターの半減期(通常は生物医学用途では短い)に従って減衰するため、スキャンの直前に準備する必要があります。また、基準マーカーと検査対象物からの信号のダイナミックレンジの不一致など、 in vivo イメージングに強い影響を与える問題もあります。ダイナミックコントラストの範囲が広いため、マーカーの信号強度を検査対象物に頻繁に適合させる必要があります。したがって、弱いマーカー信号は解析で検出されない可能性がありますが、強いマーカー信号は画像品質を損なうアーティファクトを生成する可能性があります。さらに、マーカーを一貫して含めるには、多くのアプリケーションで視野を不必要に大きくする必要があり、放射線被曝の増加、データ量の増加、スキャン時間の延長、場合によっては解像度の低下につながる可能性があります。これは、実験動物の健康状態や生成されるデータの品質に影響を与える可能性があります。
変換と微分変換
画像データセットは、ボクセル データとメタデータで構成されます。各ボクセルは強度値に関連付けられています(図 1A)。メタデータには、イメージング デバイスの座標系でのデータセットの配置 (図 1B) と、座標系のスケーリングに使用されるボクセル サイズを指定する変換が含まれています。デバイスの種類やスキャン日などの追加情報は、オプションでメタデータに保存できます。前述の変換は、数学的には剛体変換と呼ばれます。リジッドボディトランスフォームは、各ポイントペア間の距離を維持しながら、画像または幾何学的空間内のオブジェクトの向きや位置を変更するために使用されます。つまり、トランスフォームされたオブジェクトは、空間内で回転および平行移動される間、そのサイズと形状を保持します。このような一連の変換は、回転とそれに続く平行移動で構成される 1 つの変換として説明できます。ソフトウェアがデータ座標からメートル法のターゲット座標に移動するために使用する式を図 1C に示します (ここで、R は正規直交回転行列、d と v はボクセル インデックスとサイズ、t は 3 x 1 の平行移動ベクトル12)。回転の詳細については、図 1D を参照してください。
図 1: 画像データセットの構造とグローバル座標系での配置の 2D 表現 (A) 画像データセットは、ボクセル データとメタデータで構成されます。配置とボクセル サイズを指定する変換は、重要なメタデータ コンポーネントです。(B) 画像はデバイスの座標系にレンダリングされます。オブジェクトを配置するために必要な変換は、回転 (青) とそれに続く平行移動 (緑) で構成されます。(C) データ座標からターゲット座標に移動するには、R が正規直交回転行列、d と v がボクセル インデックスとサイズ、t が 3 x 1 の平行移動ベクトルである次の式を使用します。(D)回転行列(平面Aの青)は、回転点の線形変換を表します。ポイントの座標にこの行列を掛けると、新しい回転座標が得られます。 この図の拡大版を表示するには、ここをクリックしてください。
微分変換は、PETからX線マイクロトモグラフィー(μCT)など、ある座標系から別の座標系に座標を変換する剛体変換であり、基準マーカーを使用して計算できます。少なくとも 3 つの共通点 (フィデューシャル) が両方の座標系で選択されます。それらの座標から、座標を変換する数学的変換を導き出すことができます。このソフトウェアは、最小二乗法を使用しており、測定データに誤差やノイズがある連立方程式に最適なソリューションを提供します。これはプロクラステス問題13 と呼ばれ、特異値分解を使用して解かれます。この分析法は、ユニークで明確に定義された解が得られるため、信頼性と堅牢性に優れています(少なくとも3つの非共線マーカーが与えられている場合)。6つのフリーパラメータが計算されます:3つは平行移動用、3つは回転用です。以下では、技術的には回転行列と並進ベクトルで構成されていますが、変換行列という用語を使用します。
各イメージングデバイスには独自の座標系があり、ソフトウェアはそれらを位置合わせするために微分変換を計算します。 図2A、B は微分変換の決定方法を示し、 図2C、D は微分変換の適用方法を示しています。図 2EのCTとPETの融合例の画像に示されているように、両方のモダリティの画像は異なる寸法を持ち、プロセス内でそれらを保持することができます。
図2:微分変換(A-D)を2Dに簡略化。他のモダリティにも適用できますが、この例ではモダリティが CT と PET であると仮定します。(A,C)赤いバウンディングボックスのCT画像が座標系に配置されます。同じ座標系に適用すると、黄色のバウンディング ボックスを持つ PET イメージはずれて配置されます。(B)CTとPETの両方に配置できる基準マーカーを使用して、微分変換Tを決定できます。これは矢印でシンボル表示されます。微分変換行列が格納されます。(D)以前に保存した微分変換行列Tは、その後、各PET画像に適用できます。これにより、メタデータ内の元の変換を置き換える新しい変換が行われます。(E)CT画像とPET画像が融合した画像。両方の画像のメタデータの変換は、同じ座標系を参照します。この図の拡大版を表示するには、ここをクリックしてください。
方法と要件
提示された方法では、両方のモダリティで見えるマーカーを含むファントムが両方のデバイスでスキャンされます。次に、提案されたソフトウェアでこれらの指標をマークして、2つのモダリティ間の微分変換を計算するだけで十分です。微分変換は、デバイスのペアごとに個別に作成する必要があります。保存しておいて、後で新しい画像に適用できるため、その後のスキャンで基準マーカーを使用する必要がなくなります。別のデバイスの座標系での画像の最終的な配置は、再び変換として記述され、画像のメタデータに格納され、そこで元の変換を置き換えることができます。
この方法には4つの要件を定式化できます: (1) マルチモーダルファントム: 両方のモダリティで見えるマーカーを含むファントムが利用可能でなければなりません。ファントムの大規模な選択が商業的に入手可能であり、ファントム建設のための3Dプリンティングの使用は、放射性物質15の組み込みを含めて、広く説明されている14。次の例で使用されているファントムは、資料表に記載されています。少なくとも 3 つの非同一線点が必要です16。マーカーは、適切なトレーサーで埋めることができる空洞、各モダリティで容易に検出できる材料で作られた小さなオブジェクト、または単にファントム自体の穴、切り込み、またはエッジである可能性があります(両方のモダリティで識別できる限り)。(2)マルチモーダルキャリア:マウスベッドなど、両方のデバイスで再現可能な位置に固定できるキャリアが必要です。理想的には、エラーを避けるために逆の位置で使用できないようにする必要があります。キャリアは、鎮静剤を装着した動物をその位置を変えることなく一方のイメージングデバイスから別のイメージングデバイスに輸送する必要があるため、in vivoイメージングにとって特に重要です。私たちの経験に基づくと、鎮静剤を投与されたマウスは、凹型のマウスベッドと比較して、平らなマウスベッドで位置を変える可能性が高くなります。さらに、マウスの脛骨を保持して動きを最小限に抑えるためのカスタム3Dプリント治具が以前に提案されていました17。(3)自己一貫性:各イメージングデバイスは、その参照フレーム内の再構築されたボリュームの回転と並進を、再現性のある一貫した方法で提供する必要があります。これは、小さな領域のみがスキャンされるときに、デバイス全体の座標系が保持されることも意味します。これは、イメージングデバイスの自己一貫性をテストするためのプロトコルの一部です。(4)ソフトウェアサポート:提案されたソフトウェアは、デバイスによって提供される再構築されたボリュームとともに保存されたメタデータ(ボクセルサイズ、翻訳、向き)を解釈できなければなりません。ボリュームは、DICOM、NIfTI、Analyze、または GFF ファイル形式にすることができます。さまざまなファイル形式の概要については、Yamoah et al.12を参照してください。
2つのモダリティの同時登録が説明されているが、その手順は、例えば、2つのモダリティを1つの参照モダリティに同時登録することにより、3つ以上のモダリティにも適用可能である。
Protocol
Representative Results
Discussion
プロダクションスキャンにフィデューシャルマーカーを必要としないマルチモーダル画像共レジストレーションの方法が提示されます。ファントムベースのアプローチは、2つのイメージングモダリティの座標系間で差動変換を生成します。
融合残差と微分変換の検証
微分変換を計算すると、ソフトウェアは、変換の二乗平均平方根誤差19 を表すミリメートル単位の融合の残差を表示します。この残差がボクセル サイズの桁数を超える場合は、データセットに一般的な問題がないか調べることをお勧めします。ただし、すべての画像にはわずかな歪みがあるため、残差を任意に小さくすることはできません。これは、使用されているマーカーのフィット感のみを反映しています。たとえば、3 つのマーカーを使用した共レジストレーションは、適切に分散された 4 つのマーカーを使用した変換よりも、同じデータセット上の残差が小さくなる可能性があります。これは、使用する指標が少ない場合にマーカー自体が過剰に適合する可能性があるために発生します。データセット全体の精度は、マーカーの数が多いほど向上します。
このメソッドの定量的精度は、使用するデバイスの特定のペアによって異なります。2つのデバイスの座標系間で計算された微分変換は、プロトコルのステップ4に準拠しながら、フィデューシャルマーカーを持つファントムを再び「サンプル」として使用するという手順に従って検証できます。ファントムを任意の位置に配置し、微分変換の推定に使用されたものとは異なることを確認します。また、それぞれのモダリティに適した別のファントムを使用することができます。次に、前に決定した微分変換(ステップ4.2.5)を適用して、2つのモダリティを整列させます。次に、プロトコルのステップ 3.2 に従って、両方のモダリティからの画像にマーカーを配置します。これらのマーカーの融合残差を計算するには、メニュー [融合] > [残差スコアを表示] > [オーバーレイを下敷きに登録] をクリックします。
残差誤差は、信号の平均的なずれを表し、ボクセル サイズのオーダーである必要があります。コンクリートの許容しきい値はアプリケーションに依存し、イメージングシステムの剛性や精度など、いくつかの要因に依存する場合がありますが、画像再構成アーティファクトの影響を受ける可能性もあります。
自己整合性のトラブルシューティング
多くの場合、自己一貫性の困難は、信頼性の低い配置から生じます。よくあるエラーは、キャリアを横方向に逆の位置に配置することです。理想的には、一方向のみでイメージングデバイスに機械的に挿入する必要があります。これが不可能な場合は、ユーザーにわかりやすいマーキングを追加する必要があります。また、縦軸が移動し、軸方向の位置決めが不安定になる可能性もよく発生します。マウスベッドを固定するために、一端に取り付け可能なスペーサーを使用することをお勧めします。たとえば、カスタムスペーサーは、3Dプリントですばやく簡単に作成できます。ただし、一部のデバイスでは、さまざまな視野で自己一貫性を提供できません。このような場合は、ベンダーに連絡して、非互換性を確認し、将来のアップデートで対処することをお勧めします。それ以外の場合、キャリブレーションやプロダクションイメージングを含むすべてのスキャンで同じ視野が維持されていれば、この分析法は信頼性を保ちます。
配置がずれている一部のプロダクションスキャンでは、十分なキャリア構造が認識できる場合、キャリブレーションされた位置への変換が可能です。 in vivo イメージングでは、鎮静した動物は1つのキャリアに留まる必要があり、両方のデバイスにしっかりと収まる単一のキャリアを構築することは必ずしも達成できるわけではありません。多くの場合、トレーサーベースのモダリティ用のマウスベッドが使用され、CTデバイスに即興で配置されます。例えば、 図5Aでは、機械的な制約により、MPIマウスベッドがCTマウスベッドの上に配置されています。軸方向の余裕とローリングの可能性により、この位置決めは信頼性に欠けます。このような場合は、下部のマウスベッドを置き換えて、連動するフィットを可能にするアダプターを設計することをお勧めします。例えば、下部に取り付けられたトラニオンや上部マウスベッドの底部に追加の穴を使用してもよい。
ただし、CT画像ではマウスベッドを検出できるため、既存の画像に対する遡及的補正が可能です。このプロトコルでは、キャリブレーションスキャンと、アンダーレイへのオーバーレイの差動変換を計算する必要があります。手順は似ていますが、マウスベッドの構造を基準として使用して、個々のプロダクションCTスキャンをキャリブレーションスキャンにマッピングする必要もあります。
図5:トラブルシューティングの配置 (A)MPIマウスベッドをCTマウスベッドの上に置きます。したがって、CT内の位置を確実に再現することはできません。各CT画像を、微分変換の推定に用いた参照CT画像に融合させることで、自己無撞着性を実現することができます。(B-D)(B)各プロダクションCT画像は、オーバーレイとしてロードされ、CTで見えるマウスベッドの構造を使用して参照CT画像(アンダーレイ)に登録されます。補正されたプロダクションCT画像は、リファレンスCTと整合し、ディファレンシャルトランスフォームTと併用できるようになりました。(D)マルチモーダル画像を組み立てます。この目的のために、各CT画像は、個々の微分変換とともに基準位置にマッピングされます。その後、MPI オーバーレイは、デバイスのすべてのイメージに対して有効な微分変換を使用して参照位置にも登録されます。この図の拡大版を表示するには、ここをクリックしてください。
プロダクションCTスキャンをキャリブレーションスキャンにマッピングするには、以下の変更を組み込んだプロトコルのセクション3を参照してください。わかりやすくするために、説明はCTアンダーレイとMPIオーバーレイの例を使用して続行されます:ステップ3.1では、CTキャリブレーションスキャン(画像A)をアンダーレイとしてロードし、補正するCTスキャンをオーバーレイとしてロードします。MPIマウスベッドの構造を、ステップ3.2のマーカーとして、またはステップ3.3の視覚的な参照として利用します。手順 3.4 をバイパスしますが、オーバーレイの保存は修正された CT ボリュームを表します (メニュー ファイル > オーバーレイ > オーバーレイの保存)。次のダイアログボックスで、新しい名前を入力し、[ 保存]をクリックします。オーバーレイを閉じるには、[ メニュー]、[ファイル ]、[ オーバーレイ >、[ オーバーレイを閉じる] の順に移動します>。補正が必要な次のCTスキャンをオーバーレイとしてロードし、プロトコルのステップ3.2から手順を再開します。このステップの基礎となる概念を 図 5B に示します。
マウスベッドは、最近保存されたすべてのCTボリュームのキャリブレーションスキャンと実質的に同じ位置に合わせられました。標準的な手順の一部として、キャリブレーションスキャンは微分変換Tを使用してMPI画像に登録されます(図5C)。その後、CT画像をMPIとマージするには、常に補正されたCTボリュームを使用します(図5D)。
反転した画像とスケーリングのトラブルシューティング
ここで紹介するレジストレーション方法は、それなりに正確な画質を前提としており、回転と平行移動の調整のみを行います。反転した画像や誤ったスケーリングは修正されません。ただし、これら 2 つの問題は、微分変換を計算する前に手動で対処できます。
異なるメーカーのデータ形式間で不整合があると、一部のデータセット、特にDICOM形式のデータセットがソフトウェアでミラー反転して表示される場合があります。ファントムとマウスベッドは対称的であることが多いため、この問題はすぐには明らかにならない場合があります。反転した画像の検出は、スキャンにそれぞれのモダリティで認識可能なレタリングが含まれている場合、 たとえば図3Hのファントムに見られる正しい向きの隆起したレタリングが含まれている場合、より簡単になります。 図 6 に示す例では、CT データがアンダーレイとして読み込まれ、MPI データがオーバーレイとして読み込まれます。これは、基準マーカーが取り付けられたMPIマウスベッドに配置されたマウスのin vivoスキャンです。MPIマウスベッドは、μCTマウスベッドの上にあります(図6A)。プロトコルを遵守し、アンダーレイとオーバーレイの両方でフィデューシャルを一貫した回転方向にマーキングすることにより、目に見えて不調和な結果が生成されます(図6B)。しかし、よく見ると、問題を特定できます。フィデューシャルは非対称三角形を形成します。軸方向図(図6C、D)で三角形の辺を最短から中央、最長の順に観察すると、CTデータでは時計回りの回転が明らかであり、MPIデータでは反時計回りの回転が明らかです。これは、画像の 1 つが横方向に反転していることを示しています。この場合、CTデータは正確であると仮定します。MPIオーバーレイを修正するには、画像を反転させます:これを行うには、選択したレイヤーをオーバーレイに切り替えて、 メニュー編集 > フリップ > フリップXをクリックします。ソフトウェアによって計算される微分変換には、必要なすべての回転が含まれているため、画像が別の方向に反転しているように見えても、「フリップX」で十分です。
図 6: 変換のトラブルシューティング。 CTデータはボクセルサイズ0.240mmのアンダーレイとしてロードされ、MPIデータはボクセルサイズ0.249mmのオーバーレイとしてロードされます。マウスベッドには基準マーカーが含まれています。(A)未補正のオーバーレイ画像の3Dビュー。CTアンダーレイのフィデューシャルは矢印で示されます。MPI オーバーレイのフィデューシャルは、NIH カラー テーブルでは球体として表示されます。(B) 適切な修正を行わずに行われた変換の結果が一致しない。融合残差 = 6.94 mm. (C) CTにおけるフィデューシャル間の距離の測定。最短距離から最長距離への時計回りの回転。(D)MPIにおけるフィデューシャル間の距離の測定。最短距離から最短距離まで反時計回りに回転します。CT測定値と比較すると、スケーリング係数は0.928774になります。(E)反転とスケーリング後のオーバーレイを修正しました。(F)3Dビューで一致する結果を持つ変換。(G)軸方向図で一致する結果による変換。融合の残差 = 0.528 mm。 この図の拡大版を表示するには、ここをクリックしてください。
ボクセル サイズが正しくないデータセットは、手動で修正することもできます。ファントムの寸法はわかっているはずなので、これは画像で確認できます。最も簡単な方法は、既知の長さのエッジを使用することです。端の一方の端で [Ctrl+マウス右ボタン] を押し、ボタンを押したままマウスポインタを端のもう一方の端に移動してボタンを離します。その後のダイアログでは、測定された距離の長さが画像に表示されます。 図 6 に示す例では、両方のモダリティで指標間の距離を比較すると、サイズが一致していないことは明らかです (図 6C、D)。ここでも、CTデータは正確であると仮定されます。スケーリングを変更するには、スケーリング係数 (SF) が計算されます。長さの比率(CT/MPI)は三角形の各辺で正確に同一ではないため、平均商はSF =((l1CT/l1MPI)+(l2CT/l2MPI)+(l2CT/l2MPI))/ 3として計算されます。
次に、各ディメンションに SF を掛けて、オーバーレイのボクセル サイズを調整します。これを実現するには、選択したレイヤーをオーバーレイに切り替えて、メニュー [編集] > [ボクセル サイズの変更] を開きます。各ディメンションを計算し、値を入力して、[OK]をクリックします。両方の補正の結果を図 6E に示します。これに続いて、オーバーレイはプロトコルに従ってアンダーレイに登録されます。結果の整列を図6F,Gに示します。これにより、既存のスキャンを迅速に修正できますが、本番環境で使用するためにイメージングデバイスを校正することをお勧めします。
制限
この方法は、立方体のボクセルで構成される既存のボリューム データの空間的同時登録に限定されます。これには、イメージングデバイスによって生成された生データ(CTでの投影など)から体積を計算する再構成プロセスは含まれていません。このステップには、反復方法20、21 および人工知能21の適用など、様々な画像強調技術が関連している。記載された方法は、原則として、立方体形状のボクセルを用いて3D画像を生成する全てのモダリティに適用可能であるが、2D赤外線サーモグラフィー22 と組み合わせたMRIボリュームや蛍光イメージングと組み合わせたMRIボリュームのように、3Dデータと2Dデータの融合には使用できない。3Dデータのレジストレーションでは、MRI画像で発生するようなコイルエッジの歪みは補正されません。必須ではありませんが、再構築プロセス中に歪みを補正すると、最適な結果が得られます。また、自動変換では、画像の反転や不適切なスケーリングには対応しません。ただし、これら 2 つの問題は、トラブルシューティングのセクションで概説されているように、手動で解決できます。
この方法の意義
提案された方法は、プロダクションスキャンにおける基準マーカーの必要性を排除し、いくつかの利点を提供する。これは、マーカーのメンテナンスや頻繁な交換が必要なモダリティにメリットがあります。たとえば、ほとんどのMRIマーカーは水分に基づいていますが、時間の経過とともに乾燥する傾向があり、放射性PETマーカーは崩壊します。プロダクションスキャンでフィデューシャルの必要性をなくすことで、視野を狭め、取得時間を短縮することができます。これは、CTスキャンのコストを削減し、X線線量を最小限に抑えるために、ハイスループット設定で役立ちます。放射線は縦断的画像研究23において試験動物の生物学的経路に影響を与える可能性があるため、線量を減らすことが望ましい。
さらに、この方法は特定のモダリティに限定されません。この汎用性のトレードオフは、自動化されるステップが少なくなることです。μCTデータとFMTデータを融合するための以前に発表された方法は、スキャンごとにマウスベッドに組み込みマーカーを使用し、再構成中に自動マーカー検出と歪み補正を実行できます24。他の方法では、画像の類似性を利用してマーカーの必要性を排除します。このアプローチは良好な結果をもたらし、歪みを補正することもできる25が、2つのモダリティが十分に類似した画像を提供する場合にのみ適用可能である。これは通常、解剖学的に詳細なモダリティとトレーサーベースのモダリティの組み合わせには当てはまりません。しかし、これらの組み合わせは、標的薬剤26の薬物動態を評価するために必要であり、これは抗がんナノ療法27,28などの分野での応用がある。
臨床アプリケーションと比較して前臨床では品質管理が厳密ではないため、組み合わせたイメージングデバイスのミスアライメントは認識されている問題です29。このミスアライメントの影響を受けたデータは、ファントムをスキャンして微分変換を決定することで遡及的に改善でき、コストを削減し、動物への害を最小限に抑える可能性があります。フィデューシャルマーカーを使用して微分変換を計算し、それをプロダクションスキャンに適用する実証済みの方法に加えて、画像融合のさらなる可能性について説明し、使用します。利用可能なさまざまなソフトウェアへの参照を含む概要は、Birkfellner et al.30にあります。
結論として、提示された方法は、マルチモーダル画像の共レジストレーションに効果的なソリューションを提供します。このプロトコルは、さまざまなイメージングモダリティに容易に適応でき、提供されるトラブルシューティング技術により、一般的な問題に対するメソッドの堅牢性が向上します。
Disclosures
The authors have nothing to disclose.
Acknowledgements
著者らは、資金提供について、ノルトライン・ヴェストファーレン連邦政府、欧州連合(EFRE)、ドイツ研究財団(プロジェクトID 403224013 – SFB 1382、プロジェクトQ1)CRC1382に感謝します。
Materials
| 177Lu | radiotracer | ||
| Custom-build MPI mousebed | |||
| Hot Rod Derenzo | Phantech LLC. Madison, WI, USA | D271626 | linearly-filled channel derenzo phantom |
| Imalytics Preclinical 3.0 | Gremse-IT GmbH, Aachen, Germany | Analysis software | |
| Magnetic Insight | Magnetic Insight Inc., Alameda, CA, USA | MPI Imaging device | |
| Quantum GX microCT | PerkinElmer | µCT Imaging device | |
| U-SPECT/CT-UHR | MILabs B.V., CD Houten, The Netherlands | CT/SPECT Imaging device | |
| VivoTrax (5.5 Fe mg/mL) | Magnetic Insight Inc., Alameda, CA, USA | MIVT01-LOT00004 | MPI Markers |
References
- Hage, C., et al. Characterizing responsive and refractory orthotopic mouse models of hepatocellular carcinoma in cancer immunotherapy. PLOS ONE. 14 (7), (2019).
- Mannheim, J. G., et al. Comparison of small animal CT contrast agents. Contrast Media & Molecular Imaging. 11 (4), 272-284 (2016).
- Kampschulte, M., et al. Nano-computed tomography: technique and applications. RöFo – Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 188 (2), 146-154 (2016).
- Wang, X., Jacobs, M., Fayad, L. Therapeutic response in musculoskeletal soft tissue sarcomas: evaluation by magnetic resonance imaging. NMR in Biomedicine. 24 (6), 750-763 (2011).
- Hage, C., et al. Comparison of the accuracy of FMT/CT and PET/MRI for the assessment of Antibody biodistribution in squamous cell carcinoma xenografts. Journal of Nuclear Medicine: Official Publication, Society of Nuclear Medicine. 59 (1), 44-50 (2018).
- Borgert, J., et al. Fundamentals and applications of magnetic particle imaging. Journal of Cardiovascular Computed Tomography. 6 (3), 149-153 (2012).
- Vermeulen, I., Isin, E. M., Barton, P., Cillero-Pastor, B., Heeren, R. M. A. Multimodal molecular imaging in drug discovery and development. Drug Discovery Today. 27 (8), 2086-2099 (2022).
- Liu, Y. -. H., et al. Accuracy and reproducibility of absolute quantification of myocardial focal tracer uptake from molecularly targeted SPECT/CT: A canine validation. Journal of Nuclear Medicine Official Publication, Society of Nuclear Medicine. 52 (3), 453-460 (2011).
- Zhang, Y. -. D., et al. Advances in multimodal data fusion in neuroimaging: Overview, challenges, and novel orientation. An International Journal on Information Fusion. 64, 149-187 (2020).
- Nahrendorf, M., et al. Hybrid PET-optical imaging using targeted probes. Proceedings of the National Academy of Sciences. 107 (17), 7910-7915 (2010).
- Zhang, S., et al. In vivo co-registered hybrid-contrast imaging by successive photoacoustic tomography and magnetic resonance imaging. Photoacoustics. 31, 100506 (2023).
- Yamoah, G. G., et al. Data curation for preclinical and clinical multimodal imaging studies. Molecular Imaging and Biology. 21 (6), 1034-1043 (2019).
- Schönemann, P. H. A generalized solution of the orthogonal procrustes problem. Psychometrika. 31 (1), 1-10 (1966).
- Filippou, V., Tsoumpas, C. Recent advances on the development of phantoms using 3D printing for imaging with CT, MRI, PET, SPECT, and ultrasound. Medical Physics. 45 (9), e740-e760 (2018).
- Gear, J. I., et al. Radioactive 3D printing for the production of molecular imaging phantoms. Physics in Medicine and Biology. 65 (17), 175019 (2020).
- Sra, J. Cardiac image integration implications for atrial fibrillation ablation. Journal of Interventional Cardiac Electrophysiology: An International Journal of Arrhythmias and Pacing. 22 (2), 145-154 (2008).
- Zhao, H., et al. Reproducibility and radiation effect of high-resolution in vivo micro computed tomography imaging of the mouse lumbar vertebra and long bone. Annals of Biomedical Engineering. 48 (1), 157-168 (2020).
- Gremse, F., et al. Imalytics preclinical: interactive analysis of biomedical volume data. Theranostics. 6 (3), 328-341 (2016).
- Willmott, C. J., Matsuura, K. On the use of dimensioned measures of error to evaluate the performance of spatial interpolators. International Journal of Geographical Information Science. 20 (1), 89-102 (2006).
- Thamm, M., et al. Intrinsic respiratory gating for simultaneous multi-mouse µCT imaging to assess liver tumors. Frontiers in Medicine. 9, 878966 (2022).
- La Riviere, P. J., Crawford, C. R. From EMI to AI: a brief history of commercial CT reconstruction algorithms. Journal of Medical Imaging. 8 (5), 052111 (2021).
- Hoffmann, N., et al. Framework for 2D-3D image fusion of infrared thermography with preoperative MRI. Biomedical Engineering / Biomedizinische Technik. 62 (6), 599-607 (2017).
- Boone, J. M., Velazquez, O., Cherry, S. R. Small-animal X-ray dose from micro-CT. Molecular Imaging. 3 (3), 149-158 (2004).
- Gremse, F., et al. Hybrid µCt-Fmt imaging and image analysis. Journal of Visualized Experiments. 100, e52770 (2015).
- Bhushan, C., et al. Co-registration and distortion correction of diffusion and anatomical images based on inverse contrast normalization. NeuroImage. 115, 269-280 (2015).
- Lee, S. Y., Jeon, S. I., Jung, S., Chung, I. J., Ahn, C. -. H. Targeted multimodal imaging modalities. Advanced Drug Delivery Reviews. 76, 60-78 (2014).
- Dasgupta, A., Biancacci, I., Kiessling, F., Lammers, T. Imaging-assisted anticancer nanotherapy. Theranostics. 10 (3), 956-967 (2020).
- Zhu, X., Li, J., Peng, P., Hosseini Nassab, N., Smith, B. R. Quantitative drug release monitoring in tumors of living subjects by magnetic particle imaging nanocomposite. Nano Letters. 19 (10), 6725-6733 (2019).
- McDougald, W. A., Mannheim, J. G. Understanding the importance of quality control and quality assurance in preclinical PET/CT imaging. EJNMMI Physics. 9 (1), 77 (2022).
- Birkfellner, W., et al. Multi-modality imaging: a software fusion and image-guided therapy perspective. Frontiers in Physics. 6, 00066 (2018).
