[論文レビュー] CEST MR fingerprinting (CEST-MRF) for Brain Tumor Quantification Using EPI Readout and Deep Learning Reconstruction

Ouri Cohen, Victoria Yu+5 more|arXiv (Cornell University)|Aug 18, 2021

Advanced MRI Techniques and Applications参考文献 39被引用数 4

ひとこと要約

本研究では、EPI読出方式と深層学習再構成（DRONE）を用いた臨床的CET-MRIファンクショナリティング法を提案し、2分未満で脳腫瘍を迅速かつ正確に定量化することに成功した。本手法は高い再現性（CCC ≥ 0.98）を達成し、腫瘍部と対側組織との間で有意なCESTパラメータの差を検出しており、非侵襲的腫瘍特徴化の臨床的潜在的可能性を示している。

ABSTRACT

$ extbf{Purpose}$: To develop a clinical CEST MR fingerprinting (CEST-MRF) method for brain tumor quantification using EPI acquisition and deep learning reconstruction. $ extbf{Methods}$: A CEST-MRF pulse sequence originally designed for animal imaging was modified to conform to hardware limits on clinical scanners while keeping scan time $\leq$ 2 minutes. Quantitative MRF reconstruction was performed using a deep reconstruction network (DRONE) to yield the water relaxation and chemical exchange parameters. The feasibility of the 6 parameter DRONE reconstruction was tested in simulations in a digital brain phantom. A healthy subject was scanned with the CEST-MRF sequence, conventional MRF and CEST sequences for comparison. Reproducibility was assessed via test-retest experiments and the concordance correlation coefficient (CCC) calculated for white matter (WM) and grey matter (GM). The clinical utility of CEST-MRF was demonstrated in 4 patients with brain metastases in comparison to standard clinical imaging sequences. Tumors were segmented into edema, solid core and necrotic core regions and the CEST-MRF values compared to the contra-lateral side. $ extbf{Results}$: The DRONE reconstruction of the digital phantom yielded a normalized RMS error of $\leq$ 7% for all parameters. The CEST-MRF parameters were in good agreement with those from conventional MRF and CEST sequences and previous studies. The mean CCC for all 6 parameters was 0.98$\pm$0.01 in WM and 0.98$\pm$0.02 in GM. The CEST-MRF values in nearly all tumor regions were significantly different (P=0.05) from each other and the contra-lateral side. $ extbf{Conclusion}$: Combination of EPI readout and deep learning reconstruction enabled fast, accurate and reproducible CEST-MRF in brain tumors.

研究の動機と目的

• 標準的なMRIスキャナと互換性のある臨床的実用性のあるCEST-MRIファンクショナリティング法の開発。
• 診断的正確性を維持しつつ、EPI読出方式を用いて迅速な撮影を実現すること。
• 深層学習ネットワーク（DRONE）を用いて再構成の正確性と速度を向上させること。
• 脳腫瘍患者における本手法の再現性と臨床的有用性を検証すること。
• 本手法のCEST-MRFパラメータを、従来のMRFおよびCESTシーケンスと比較し、一貫性を検証すること。

提案手法

• 臨床用スキャナのハードウェア制約に適合するように、既存の動物中心のCEST-MRFパルスシーケンスを変更した。
• スキャン時間を ≤ 2分に保つために、エコープランァルインジケーション（EPI）を用いて高速なk空間サンプリングを実施した。
• DRONE深層学習再構成ネットワークを適用し、T1、T2、CESTおよび3つの交換率の6つの定量的パラメータを再構成した。
• シミュレートされた組織特性を有するデジタル脳フォントを用いて再構成パイプラインの妥当性を検証した。
• 対照的相関係数（CCC）を用いて、健康な被検者における再テスト実験を実施し、再現性を評価した。
• 脳転移を有する4名の被検者に対して臨床的スキャンを実施し、腫瘍を浮腫、実質核、壊死核に分類して領域別解析を実施した。

実験結果

リサーチクエスチョン

• RQ1 標準的なMRIスキャナの限られたハードウェア能力を有する環境でも、CEST-MRFを臨床的用途に適合可能か？
• RQ2 EPIベースの撮影により、正確性を損なわず2分未満のスキャン時間を達成できるか？
• RQ3 深層学習再構成（DRONE）は、アンダーサンプリングされたデータから6つの定量的パラメータを高精度で回復できるか？
• RQ4 健康な脳組織におけるCEST-MRFパラメータは、繰り返しスキャンにおいてどれほど再現性があるか？
• RQ5 腫瘍部におけるCEST-MRF値は、対側の正常に見える組織と有意に異なるか？

主な発見

• デジタル脳フォントにおいて、DRONE再構成は全6パラメータで正規化されたRMS誤差 ≤ 7%を達成し、高い再構成正確性を確認した。
• CEST-MRFパラメータは、従来のMRFおよびCESTシーケンスとの間に強く一致しており、手法の一貫性が妥当であることを裏付けた。
• 再テスト再現性は優れた水準であり、白質では平均CCCが 0.98 ± 0.01、灰色 Matter では 0.98 ± 0.02 であった。
• 4名の被検者全員において、腫瘍部（浮腫、実質核、壊死核）のCEST-MRF値は、対側側と有意に異なる（p = 0.05）。
• 本手法は腫瘍の亜領域を的確に区別でき、脳転移における微小環境の変化に感受性であることを示した。
• EPI読出方式とDRONE再構成の組み合わせにより、迅速かつ正確で再現性のある定量的評価が可能となり、臨床的脳腫瘍評価に適した手法となった。