Un nuevo enfoque para exámenes de resonancia magnética estables

Shigeru Kiryu, M.D., Ph.D.

Requisitos cambiantes de los exámenes de resonancia magnética

La pandemia mundial de COVID-19 ha cambiado enormemente el entorno que rodea a la Radiología. En la RSNA2021 del año pasado, el tema “Redefinición de la radiología” representó un marco definitorio para cuando superemos la pandemia. RSNA2021 destacó la eficiencia del flujo de trabajo y el enfoque en el paciente, al tiempo que consideró cómo mantener simultáneamente imágenes de alto valor.
Prof. Kiryu (extremo derecho), con personal del Departamento de Radiología del Hospital Narita de la Universidad Internacional de Salud y Bienestar, y representantes de Canon Medical (en el medio).
Para proporcionar imágenes de alto valor, la clave es cómo evitar producir imágenes con bajo valor diagnóstico. Un ejemplo típico de una imagen de bajo valor diagnóstico es una imagen con artefactos graves. En particular, cuando los artefactos causan dificultades en el diagnóstico, es posible que sea necesario volver a escanear, lo que afecta la eficiencia general del flujo de trabajo. Ciertos artefactos de la resonancia magnética pueden evitarse mediante condiciones de imagen, y otros son específicos de los pacientes debido al movimiento. Incluso cuando se hace referencia simplemente a "movimiento", existen varios tipos de movimiento, como la respiración, los latidos del corazón, el flujo sanguíneo y los movimientos accidentales, como tragar o toser durante el examen. Además, el patrón de los artefactos varía según las características del movimiento. No es fácil controlar el movimiento del propio paciente y es posible experimentar artefactos por movimiento accidental si el tiempo de exploración se alarga. Canon Medical Systems ha comercializado una nueva tecnología que suprime estos artefactos inducidos por el movimiento para mejorar la eficiencia del flujo de trabajo y proporcionar exámenes estables, que me gustaría presentar en los siguientes párrafos.
Prof. Kiryu con el sistema de niveles de investigación de Canon, Vantage Centurian.

Contrarrestar los artefactos de movimiento

En principio, existen métodos prospectivos y retrospectivos para suprimir los artefactos de movimiento. El método prospectivo utiliza sensores físicos (incluida la observación con cámara en los últimos años), una secuencia específica llamada "ecos de navegador" o una parte de los datos recopilados para observar los movimientos corporales; luego, la observación eliminará o corregirá los efectos del movimiento. A esto le corresponde la sincronización respiratoria y ECG y la corrección de movimiento en tiempo real (RMC). Este método se puede utilizar en combinación con varias secuencias y se puede obtener una calidad de imagen estable, pero el tiempo de exploración suele prolongarse. Especialmente si la respiración y los latidos del corazón del paciente no son estables, el tiempo de exploración puede ser casi el doble de lo esperado o la recopilación de datos puede no continuar y el examen puede interrumpirse. Alternativamente, uno de los métodos retrospectivos más conocidos es recopilar datos radialmente en el espacio k y corregirlos durante la reconstrucción. Canon Medical Systems proporciona este tipo de aplicación conocida como JET. JET se utiliza en combinación con la secuencia FSE2D (Fast Spin Echo 2D) y es una técnica de corrección del movimiento corporal muy eficaz. Sin embargo, dado que el patrón de muestreo del espacio k es diferente del muestreo cartesiano, que se utiliza a menudo en la práctica clínica, es probable que el contraste de las imágenes parezca ligeramente diferente del de las imágenes generales y puede producirse un artefacto de raya específico.
Prof. Kiryu con el sistema de niveles de investigación de Canon, Vantage Centurian.
La aplicación Iterative Motion Correction (IMC), una tecnología de corrección del movimiento corporal lanzada recientemente por Canon Medical Systems, es equivalente a un método retrospectivo, pero a diferencia de JET, el patrón de muestreo de datos en el espacio k es cartesiano. Por lo tanto, este método soluciona ciertos problemas experimentados con JET.
El Prof. Kiryu revisa imágenes con un colega.

Corrección de movimiento iterativa (IMC): una solución alternativa

IMC también se utiliza en combinación con secuencias FSE2D. En la última versión del software de Canon (V8.0), el objetivo principal es Brain FLAIR (recuperación de inversión atenuada por fluido) y C-spine T2WI.
La corrección IMC se puede aplicar al movimiento de un cuerpo rígido, como la cabeza. El movimiento del cuerpo rígido se simplifica para estimar y corregir la cantidad de traslación y rotación. El proceso se muestra en la Figura 1. En general, FSE adquiere datos para la creación de imágenes en cada toma (Echo Train). En el caso de IMC, sin embargo, los datos adicionales para la detección de movimiento se recopilan en la misma toma. IMC siempre utiliza un tipo de reconstrucción de imágenes paralela para que la adquisición de datos FSE esté submuestreada y contribuye a que el tiempo de exploración sea tan corto como el de una exploración clínica de rutina. Como se muestra en la Figura 1, existen dos procesos para la corrección de cuerpos rígidos. Inicialmente, el proceso de rechazo de disparos utiliza datos de detección de movimiento para eliminar datos de movimiento grandes. Después de eso, el proceso de corrección de movimiento rígido utiliza los datos restantes y realiza una estimación tanto de la cantidad de movimiento (estimación de movimiento) como de las imágenes sin movimiento (estimación de imagen) resolviendo los parámetros desconocidos.
Figura 1: Diagrama de flujo del procesamiento de reconstrucción de corrección de movimiento iterativo para movimiento rígido (izquierda) y comparación de las imágenes con/sin IMC (derecha)
El proceso de estimación de imágenes utiliza el método Conjugate Gradient SENSE (SENSitivity Encoding) para estimar la imagen reconstruida final esperada a partir de datos recopilados con submuestreo1. Luego, el proceso de estimación del movimiento simula datos del espacio k con una cierta cantidad de movimiento corporal agregando los parámetros de movimiento (cantidades de movimiento de traslación y rotación). Los datos simulados y los datos reales recopilados se comparan en un dominio de imagen para encontrar la respuesta a los parámetros desconocidos con un error mínimo. Como el error no puede minimizarse mediante este procesamiento sólo una vez, tanto la estimación de la imagen como la estimación del movimiento se repiten de forma alternativa e iterativa. Finalmente, es posible obtener una imagen reconstruida que suprime la influencia del movimiento.

IMC corrige no sólo el movimiento rígido, sino también el movimiento no rígido. Este proceso de corrección se muestra en la Figura 2.
Figura 2: Diagrama de flujo del procesamiento de reconstrucción de corrección de movimiento iterativo para movimiento no rígido (izquierda) y comparación de las imágenes con/sin IMC (derecha).
Como se muestra en la figura, la corrección del movimiento del cuerpo rígido se realiza primero utilizando un navegador eco 2D. Esto es diferente del método explicado anteriormente que ejecuta alternativamente la corrección del cuerpo rígido y la reconstrucción de imágenes paralelas; sin embargo, el objetivo del movimiento a corregir es el mismo movimiento de traslación y rotación. Luego se realiza el rechazo del disparo para mantener la precisión de la corrección excluyendo los datos con grandes cambios. Luego se ejecuta el proceso de corrección del cuerpo no rígido. La corrección de cuerpo no rígido utiliza el proceso de creación de datos sintéticos a partir de datos de submuestreo en el dominio del espacio k2. Se considera una línea en la dirección RO en el espacio k de los datos adquiridos después de la corrección del cuerpo rígido. Los datos adquiridos se comparan con los datos sintéticos creados mediante estimaciones a partir de los datos circundantes. Si la coherencia es deficiente, es probable que los datos adquiridos se vean afectados por el movimiento del paciente y se reemplacen con datos sintéticos. Por lo tanto, es posible preparar datos del espacio k que suprimen la influencia del movimiento en su conjunto y, finalmente, se puede obtener una imagen reconstruida en la que se suprime el movimiento.

Casos de ejemplo de corrección de movimiento iterativa

La eficacia de IMC se muestra en la Figura 3. En este ejemplo, el voluntario se movió intencionalmente durante la exploración. Está claro que el artefacto del movimiento se suprime bien aplicando IMC.
Figura 3: Ejemplo de imágenes con/sin procesamiento de reconstrucción de corrección de movimiento iterativo. A y C muestran las imágenes originales que tienen artefactos inducidos por el movimiento durante la exploración (flechas amarillas y rojas). B muestra la imagen reconstruida con procesamiento IMC (solo corrección de movimiento rígido) y D muestra la imagen procesada con corrección de movimiento no rígido. IMC demuestra efectivamente artefactos de movimiento reducido.
Como se mencionó anteriormente, la ventaja de este método IMC es la colección cartesiana, en la que convencionalmente se utilizan patrones de muestreo en el espacio k. Como resultado, es posible sustituir los exámenes de rutina sin consideraciones adicionales.

El IMC también se puede utilizar junto con la reconstrucción de aprendizaje profundo y el motor Clear-IQ inteligente avanzado (AiCE). Como se muestra en la Figura 4, al usar IMC en combinación con AiCE, la mejora de la estabilidad mediante SNR y la supresión de movimiento hace posible proporcionar imágenes más valiosas, y se anticipa que estas nuevas tecnologías mejoren la calidad del examen y el diagnóstico futuro en el post -El mundo de la Radiología COVID-19. //
Figura 4: Ejemplo de imagen aplicada tanto IMC como AiCE. En comparación con la imagen original, la imagen procesada (IMC con AiCE) tiene mejor calidad de imagen en términos de SNR y supresión de artefactos de movimiento.
Hospital IUHW Narita.
Referencias
1 Pruessmann KP, et al., Magn Reson Med., 46:638-651, 2001
2 Huang Feng, et al., Magn Reson Med., 64(1):157-166, 2010
Hospital IUHW Narita.

Shigeru Kiryu, M.D., Ph.D.
Departamento de Radiología,
Universidad Internacional de Salud y Bienestar Hospital Narita, Japón.
Contact Us