Возможности количественной оценки регионарной легочной перфузии с использованием трехмерной сверхбыстрой динамической контрастной магнитно-резонансной томографии: предварительный опыт у 10 испытуемых

Обложка
  • Авторы: Захарова А.В.1,2, Приц В.В.3,4, Поздняков А.В.1,4
  • Учреждения:
    1. Санкт-Петербургский государственный педиатрический медицинский университет
    2. Городская многопрофильная больница № 2
    3. Городская Мариинская больница, Санкт-Петербург
    4. Российский научный центр радиологии и хирургических технологий им. акад. А.М. Гранова
  • Выпуск: Том 12, № 6 (2021)
  • Страницы: 15-26
  • Раздел: Оригинальные статьи
  • URL: https://ogarev-online.ru/pediatr/article/view/106304
  • DOI: https://doi.org/10.17816/PED12615-26
  • ID: 106304

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Актуальность. В настоящее время ведется изучение новых и адаптация уже существующих методов лучевой диагностики для оценки физиологических параметров легких. Необходимы дальнейшие исследования методики трехмерной сверхбыстрой магнитно-резонансной томографии легких в качестве нового диагностического метода, позволяющего оценивать региональные количественные параметры перфузии в легочной ткани.

Цель исследования — оценить региональные различия в количественных параметрах легочной перфузии у 10 добровольцев, не имеющих признаков интерстициального поражения легких по данным компьютерной томографии, а также клинико-лабораторным данным.

Материалы и методы. Проведено обследование 10 добровольцев без признаков интерстициального поражения легких с применением трехмерной сверхбыстрой динамической контрастной магнитно-резонансной томографии на базе градиентных 3D-Т1-взвешенных изображений. На основе динамических серий изображений получены значения PBF (скорость кровотока), PBV (объем кровотока) и MTT (среднее время пассажа) для выбранных областей интереса. Для вычислений использовали входную артериальную функцию AIF, а также кривые зависимости интенсивности от времени.

Результаты. Значения PBF, MTT и PBV показали достоверные различия между центральными и периферическими отделами легочных долей. Математическая модель, использованная при количественной оценке регионарной легочной перфузии, позволяет использовать ее для определения достоверности значений PBF, MTT и PBV.

Заключение. Трехмерная сверхбыстрая магнитно-резонансная последовательность позволяет количественно оценивать перфузионные параметры для легочной ткани вне зависимости от физиологических особенностей механизмов кровоснабжения различных зон легких.

Об авторах

Анна Валерьевна Захарова

Санкт-Петербургский государственный педиатрический медицинский университет; Городская многопрофильная больница № 2

Email: ellin-ave@yandex.ru

ассистент кафедры медицинской биофизики, врач-рентгенолог отдела лучевой диагностики

Россия, Санкт-Петербург; Санкт-Петербург

Виктория Владимировна Приц

Городская Мариинская больница, Санкт-Петербург; Российский научный центр радиологии и хирургических технологий им. акад. А.М. Гранова

Автор, ответственный за переписку.
Email: brockendex.666@gmail.com

медицинский физик отделения лучевой диагностики

Россия, Санкт-Петербург

Александр Владимирович Поздняков

Санкт-Петербургский государственный педиатрический медицинский университет; Российский научный центр радиологии и хирургических технологий им. акад. А.М. Гранова

Email: pozdnyakovalex@yandex.ru

д-р мед. наук, профессор, заведующий отделением лучевой диагностики

Россия, Санкт-Петербург; Санкт-Петербург

Список литературы

  1. Багров В.Г., Белов В.В., Задорожный В.Н., и др. Методы математической физики. III. Специальные функции. Томск: Изд-во НТЛ, 2002. 352 c.
  2. Гайдес М.А. Регуляция вентиляции и перфузии в легких // Medicina-Online.Ru. 2006. Режим доступа: http://www.medicina-online.ru/articles/40247/
  3. Герман И.П. Физика организма человека: пер. с англ. Долгопрудный: Интеллект, 2014. 991 c.
  4. Гриппи МА. Патофизиология легких. 2-е изд. Москва: Изд-во БИНОМ, 2016. 304 с.
  5. Дзгоев Л.Б. Четырехфазная модель дыхания (новое в физиологии дыхания человека) // Владикавказский медико-биологический вестник. 2002. Т. 2, № 3. С. 5–30.
  6. Зенков А.В. Численные методы. Москва: Юрайт, 2019. 122 с.
  7. Колос А.И., Сайгельдина Л.Л., Жайноров Н.Е., и др. Артериовенозные шунты легких: трудности диагностики и лечебной тактики // Клиническая Медицина Казахстана. 2015. № 4 (38). C. 74–78.
  8. Кондрашов В.Е., Королев С.Б. MATLAB как система программирования научно-технических расчетов. Москва: Мир, Ин-т стратегической стабильности Минатома РФ, 2002. 350 с.
  9. Конторович М.Б., Зислин Б.Д., Чистяков А.В., и др. Дыхательное мертвое пространство и реализация физиологических эффектов высокочастотной струйной вентиляции легких // Казанский медицинский журнал. 2009. Т. 90, № 3. С. 313–318.
  10. Мамонов СС. Решение матричных уравнений // Вестник Рязанского государственного университета им. С.А. Есенина. 2009. Т. 1. С. 115–136.
  11. Науменко Ж.К., Черняк А.В., Неклюдова Г.В., и др. Вентиляционно-перфузионное отношение // Практическая пульмонология. 2018. № 4. С. 86–90.
  12. Axel L. Cerebral blood flow determination by rapid-sequence computed tomography: theoretical analysis // Radiology. 1980. Vol. 137, No. 3. P. 679–686. doi: 10.1148/radiology.137.3.7003648
  13. Engblom H., Kanski M., Kopic S., et al. Importance of standardizing timing of hematocrit measurement when using cardiovascular magnetic resonance to calculate myocardial extracellular volume (ECV) based on pre- and post-contrast T1 mapping // J Cardiovasc Magn Reson. 2018. Vol. 20, No. 1. P. 46. doi: 10.1186/s12968-018-0464-9
  14. Fishman A.P. Pulmonary diseases and disorders. 2nd ed. New York: McGraw-Hill, 1988.
  15. Hakim T.S., Dean G.W., Lisbona R. Effect of body posture on spatial distribution of pulmonary blood flow // J Appl Physiol (1985). 1988. Vol. 64, No. 3. P. 1160–1170. doi: 10.1152/jappl.1988.64.3.1160
  16. Hakim T.S., Lisbona R., Dean G.W. Gravity-independent inequality in pulmonary blood flow in humans // J Appl Physiol (1985). 1987. Vol. 63, No. 3. P. 1114–1121. doi: 10.1152/jappl.1987.63.3.1114
  17. Hatabu H., Gaa J., Kim D., et al. Pulmonary perfusion: qualitative assessment with dynamic contrast-enhanced MRI using ultra-short TE and inversion recovery turbo FLASH // Magn Reson Med. 1996. Vol. 36, No. 4. P. 503–508. doi: 10.1002/mrm.1910360402
  18. Hatabu H., Tadamura E., Levin D.L., et al. Quantitative assessment of pulmonary perfusion with dynamic contrast-enhanced MRI // Magn Reson Med. 1999. Vol. 42, No. 6. P. 1033–1038. doi: 10.1002/(sici)1522-2594(199912)42:6<1033::aid-mrm7>3.0.co;2-7
  19. Hermann I., Uhrig T., Chacon-Caldera J., Akçakaya M. Towards measuring the effect of flow in blood T1 assessed in a flow phantom and in vivo // Physics in Medicine and Biology. 2020. Vol. 65. P. 095001.
  20. Janson N. Non-linear dynamics of biological systems // Contemporary Physics. 2012. Vol. 53, No. 2. P. 137–168. doi: 10.1080/00107514.2011.644441
  21. Jerosch-Herold M., Wilke N., Stillman A.E. Magnetic resonance quantification of the myocardial perfusion reserve with a Fermi function model for constrained deconvolution // Med Phys. 1998. Vol. 25, No. 1. P. 73–84. doi: 10.1118/1.598163
  22. Kikuchi K., Murase K., Miki H et al. Quantitative evaluation of mean transit times obtained with dynamic susceptibility contrast-enhanced MR imaging and with (133)Xe SPECT in occlusive cerebrovascular disease // AJR Am J Roentgenol. 2002. Vol. 179, No. 1. P. 229–235. doi: 10.2214/ajr.179.1.1790229
  23. Korfiatis P., Hu L., Kelm Z., Erickson B. A DSC Digital Brain Phantom for Assessment of Leakage Correction Methods. Proceedings of the Radiological Society of North America and Scientific Assembly and Annual Meeting. 2013.
  24. Larsson H.B.W., Hansen A.E., Berg HK., et al. Dynamic contrast-enhanced quantitative perfusion measurement of the brain using T1-weighted MRI at 3T // J Magn Reson Imaging. 2008. Vol. 27, No. 4. P. 754–762. doi: 10.1002/jmri.21328
  25. Levin D.L., Chen Q., Zhang M., et al. Evaluation of regional pulmonary perfusion using ultrafast magnetic resonance imaging // Magn Reson Med. 2001. Vol. 46, No. 1. P. 166–171. doi: 10.1002/mrm.1172
  26. Ley-Zaporozhan J., Molinari F., Risse F., et al. Repeatability and reproducibility of quantitative whole-lung perfusion magnetic resonance imaging // J Thorac Imaging 2011. Vol. 26, No. 3. P. 230–239. doi: 10.1097/RTI.0b013e3181e48c36
  27. Malkov V., Rogers D., Jaffray D. TH-AB-BRA-05: Lung Cannot Be Treated as Homogeneous in Radiation Transport Simulations in Magnetic Fields // Medical Physics. 2016. Vol. 43, No. 6. P. 3854–3854.
  28. Meier P., Zierler K.L. On the theory of the indicator-dilution method for measurement of blood flow and volume // J Appl Physiol. 1954. Vol. 6, No. 12. P. 731–744. doi: 10.1152/jappl.1954.6.12.731
  29. Murase K., Kikuchi K., Miki H., et al. Determination of arterial input function using fuzzy clustering for quantification of cerebral blood flow with dynamic susceptibility contrast-enhanced MR imaging // J Magn Reson Imaging. 2001. Vol. 13, No. 5. P. 797–806. doi: 10.1002/jmri.1111
  30. Murase K., Shinohara M., Yamazaki Y. Accuracy of deconvolution analysis based on singular value decomposition for quantification of cerebral blood flow using dynamic susceptibility contrast-enhanced magnetic resonance imaging // Phys Med Biol. 2001. Vol. 46, No. 12. P. 3147–3159. doi: 10.1088/0031-9155/46/12/306
  31. Nyrén S., Mure M., Jacobsson H., et al. Pulmonary perfusion is more uniform in the prone than in the supine position: scintigraphy in healthy humans // J Appl Physiol (1985). 1999. Vol. 86. P. 1135–1141. doi: 10.1152/jappl.1999.86.4.1135
  32. Ohno Y., Hatabu H., Takenaka D., et al. Contrast-enhanced MR perfusion imaging and MR angiography: utility for management of pulmonary arteriovenous malformations for embolotherapy // Eur J Radiol. 2002. Vol. 41. P. 136–146. doi: 10.1016/s0720-048x(01)00419-3
  33. Ohno Y., Hatabu H., Takenaka D., et al. Solitary pulmonary nodules: potential role of dynamic MR imaging in management initial experience // Radiology. 2002. Vol. 224, No. 2. P. 503–511. doi: 10.1148/radiol.2242010992
  34. Ostergaard L., Sorensen A.G., Kwong K.K., et al. High resolution measurement of cerebral blood flow using intravascular tracer bolus passages. Part II: Experimental comparison and preliminary results // Magn Reson Med. 1996. Vol. 36, No. 5. P. 726–736. doi: 10.1002/mrm.1910360511
  35. Ostergaard L., Weisskoff R.M., Chesler D.A., et al. High resolution measurement of cerebral blood flow using intravascular tracer bolus passages. Part I: Mathematical approach and statistical analysis // Magn Reson Med. 1996. Vol. 36. No. 5. P. 715–725. doi: 10.1002/mrm.1910360510
  36. Pistolesi M., Miniati M., Di Ricco G., et al. Perfusion lung imaging in the adult respiratory distress syndrome // J Thorac Imaging. 1986. Vol. 1, No. 3. P. 11–24. doi: 10.1097/00005382-198607000-00004
  37. Schuster D.P. ARDS: clinical lessons from the oleic acid model of acute lung injury // Am J Respir Crit Care Med. 1994. Vol. 149, No. 1. P. 245–260. doi: 10.1164/ajrccm.149.1.8111590
  38. Schuster D.P., Kaplan J.D., Gauvain K., et al. Measurement of regional pulmonary blood flow with PET // J Nucl Med. 1995. Vol. 36, No. 3. P. 371–377.
  39. Wagner E.M. Bronchial Circulation // Encyclopedia of Respiratory Medicine. 2006. P. 255–259. doi: 10.1016/B0-12-370879-6/00503-2
  40. Wake N., Chandarana H., Rusinek H., et al. Accuracy and precision of quantitative DCE-MRI parameters: How should one estimate contrast concentration? // Magn Reson Imaging. 2018. Vol. 52. P. 16–23. doi: 10.1016/j.mri.2018.05.007
  41. Weinmann H.J., Brasch R.C., Press W.R., et al. Characteristics of gadolinium-DTPA complex: a potential NMR contrast agent // AJR Am J Roentgenol. 1984. Vol. 142, No. 3. P. 619–624. doi: 10.2214/ajr.142.3.619
  42. West J.B. Regional differences in the lung // Chest. 1978. Vol. 74, No. 4. P. 426–437. doi: 10.1378/chest.74.4.426
  43. Wilson J.E., Bynum L.J., Ramanathan M. Dynamic measurement of regional ventilation and perfusion of the lung with Xe-133 // J Nucl Med. 1977. Vol. 18, No. 7. P. 660–668.
  44. Zhang L.J., Zhou C.S., Schoepf U.J., et al. Dual-energy CT lung ventilation/perfusion imaging for diagnosing pulmonary embolism // Eur Radiol. 2013. Vol. 23, No. 10. P. 2666–2675. doi: 10.1007/s00330-013-2907-x
  45. Zierler K. Indicator dilution methods for measuring blood flow, volume, and other properties of biological systems: a brief history and memoir // Ann Biomed Eng. 2000. Vol. 28, No. 8. P. 836–848. doi: 10.1114/1.1308496

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Аксиальные реконструкции серий изображений с динамическим контрастным усилением. а — Выбор ROI в области легочного ствола и восходящего отдела аорты для качественной оценки пригодности данных; b, c — выбор зон интереса в левом легком: продемонстрированы периферические и центральные отделы верхушечно-заднего сегмента левого легкого на разных уровнях; d — то же для правого легкого с отдельным рассмотрением в верхней доле верхушечного и заднего сегментов. Следует обратить внимание, что данные изображения являются зеркально отраженными относительно классической ориентации компьютерных и магнитно-резонансных изображений

Скачать (106KB)
Метаданные
3. Рис. 2. Корональные реконструкции серий изображений с динамическим контрастным усилением. а — Выбор ROI для определения функции AIF. При выборе данной области интереса следует использовать MPR-реконструкции для исключения из зоны интереса легочных артерий; b — выбор областей интереса в корональной плоскости для сравнения с приведенными в литературе данными

Скачать (78KB)
Метаданные
4. Рис. 3. Кривые зависимости интенсивности сигнала от времени в зоне интереса. Пунктирной линией отображается сигнал, полученный для ROI в области легочного ствола. Остальные линии — области интереса, выбранные в легочной паренхиме. Изображение получено встроенными средствами FireVoxel

Скачать (36KB)
Метаданные
5. Рис. 4. Графики зависимости относительного содержания контрастного препарата в зоне интереса. Пунктирной линией обозначена зона интереса в области легочного ствола, остальные линии — зоны интереса, выбранные в легочной паренхиме

Скачать (47KB)
Метаданные
6. Рис. 5. Схематическое изображение функциональных зон в положении лежа и стоя [14]. Palv — альвеолярное давление; Ppa — давление легочное артериальное; Ppv — давление легочное венозное

Скачать (137KB)
Метаданные

© Захарова А.В., Приц В.В., Поздняков А.В., 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».