medvisМедицинская визуализацияMedical Visualization1607-07632408-9516RDS-Media Ltd.10.24835/1607-0763-1160medvis-1268Research ArticleТЕХНОЛОГИИ ЛУЧЕВОЙ ДИАГНОСТИКИRADIOLOGICAL TECHNOLOGIESОпределение точности оценки фракции жира с использованием Dixon: экспериментальное фантомное исследованиеAccuracy of fat fraction estimation using Dixon: experimental phantom studyhttps://orcid.org/0000-0002-8684-775XПанинаО. Ю.PaninaO. Yu.

Панина Ольга Юрьевна – младший научный сотрудник отдела инновационных технологий ГБУЗ “Научно-практический клинический центр диагностики и телемедицинских технологий ДЗ города Москвы”; старший лаборант кафедры лучевой диагностики ФГБОУ ВО “Московский государственный медико-стоматологический университет им. А.И. Евдокимова” Минздрава России; врач-рентгенолог ГКОБ №1 ДЗ города Москвы

127051 Москва, ул. Петровка, д. 24, стр. 1;127473 Москва, ул. Делегатская, д. 20, стр.1;105005 Москва, ул. Бауманская, д. 17/1

Olga Yu. Panina – Junior Scientist Researcher of Technical Monitoring and QA Development Department, Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department; MD, radiologist, City Clinical Oncological Hospital No. 1 of Moscow Health Care Department; senior laboratory assistant, Moscow State University of Medicine and Dentistry named after A.I. Evdokimov

24, Petrovka str., Moscow 127051;20/1, Delegatskaya str., Moscow, 127473;17/1, Baumanskaya str., Moscow 105005

olgayurpanina@gmail.comhttps://orcid.org/0000-0002-9014-9022ГромовА. И.GromovA. I.

Громов Александр Игоревич – доктор медицинских наук, профессор, профессор кафедры лучевой диагностики

127473 Москва, ул. Делегатская, д. 20, стр.1

Alexander I. Gromov – Doct. of Sci. (Med.), Associate Professor; head of the radiation diagnosis and treatment methods, Oncourology Department

20/1, Delegatskaya str., Moscow, 127473

https://orcid.org/0000-0002-8235-9361АхмадЕ. С.AkhmadE. S.

Ахмад Екатерина Сергеевна – младший научный сотрудник отдела инновационных технологий

127051 Москва, ул. Петровка, д. 24, стр. 1

Ekaterina S. Akhmad – Scientist Researcher of Technical Monitoring and QA Development

24, Petrovka str., Moscow 127051

https://orcid.org/0000-0003-1694-4682ПетряйкинА. В.PetraikinA. V.

Петряйкин Алексей Владимирович – кандидат медицинских наук, ведущий научный сотрудник отдела инновационных технологий

127051 Москва, ул. Петровка, д. 24, стр. 1

Alexey V. Petraikin – Cand. of Sci. (Med.), Associate Professor, Senior Researcher of Technical Monitoring and QA Development

24, Petrovka str., Moscow 127051

БогачевД. А.BogachevD. A.

Богачев Дмитрий Александрович – руководитель лаборатории

124489 Московская обл., Елино, ул. Летняя, 1

Dmitry A. Bogachev – Head of the laboratory

Moscow region

https://orcid.org/0000-0002-4293-2514СеменовД. С.SemenovD. S.

Семенов Дмитрий Сергеевич – научный сотрудник отдела инновационных технологий

127051 Москва, ул. Петровка, д. 24, стр. 1

Dmitry S. Semenov – Scientist Researcher of Technical Monitoring and QA Development

24, Petrovka str., Moscow 127051

https://orcid.org/0000-0002-2990-7736ВладзимирскийА. В.VladzymyrskyyA. V.

Владзимирский Антон Вячеславович – доктор медицинских наук, профессор, заместитель директора по научной работе

127051 Москва, ул. Петровка, д. 24, стр. 1

Anton V. Vladzymyrskyy – Doct. of Sci. (Med.), Associate Professor, Deputy Director for Science

24, Petrovka str., Moscow 127051

https://orcid.org/0000-0002-0208-5218ВасильевЮ. А.VasilevYu. A.

Васильев Юрий Александрович – кандидат медицинских  – канд. мед. наук, директор

127051 Москва, ул. Петровка, д. 24, стр. 1

Yury A. Vasilev – Cand. of Sci. (Med.), Director

24, Petrovka str., Moscow 127051

ГБУЗ “Научно-практический клинический центр диагностики и телемедицинских технологий ДЗ города Москвы”; ФГБОУ ВО “Московский государственный медико-стоматологический университет им. А.И. Евдокимова” Минздрава России; ГБУЗ города Москвы “Городская клиническая онкологическая больница №1 ДЗ города Москвы”РоссияResearch and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department; A.I. Evdokimov Moscow State University of Medicine and Dentistry of the Ministry of Healthcare of the Russian Federation; City Clinical Oncology Hospital No. 1Russian FederationФГБОУ ВО “Московский государственный медико-стоматологический университет им. А.И. Евдокимова” Минздрава РоссииРоссияA.I. Evdokimov Moscow State University of Medicine and Dentistry of the Ministry of Healthcare of the Russian FederationRussian FederationГБУЗ “Научно-практический клинический центр диагностики и телемедицинских технологий ДЗ города Москвы”РоссияResearch and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care DepartmentRussian FederationООО “ЭмульКом”РоссияCompany with limited liability “EmulCom”Russian Federation202221102022264147158Copyright © Панина О.Ю., Громов А.И., Ахмад Е.С., Петряйкин А.В., Богачев Д.А., Семенов Д.С., Владзимирский А.В., Васильев Ю.А., 20222022Панина О.Ю., Громов А.И., Ахмад Е.С., Петряйкин А.В., Богачев Д.А., Семенов Д.С., Владзимирский А.В., Васильев Ю.А.Panina O.Y., Gromov A.I., Akhmad E.S., Petraikin A.V., Bogachev D.A., Semenov D.S., Vladzymyrskyy A.V., Vasilev Y.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://medvis.rdsmedia.ru/jour/article/view/1268Цель исследования

Цель исследования: оценка эффективности работы двухточечной и трехточечной МРТ-последовательностей Dixon при фантомном моделировании для определения жировой фракции в диапазоне от 0 до 70%.

Материал и методы

Материал и методы. Для моделирования веществ с разной концентрацией жировой фазы были выбраны прямые эмульсии типа “масло в воде”. Пробирки с эмульсиями помещались в цилиндрический фантом. Эмульсии на основе растительных масел были представлены в диапазоне от 0 до 70%. Сканирование выполнялось на МР-томографе 1,5 Тл Optima MR450w (GE, США). Было проведено сканирование в двух режимах Dixon: двухточечный метод “Lava-Flex” и трехточечный метод “IDEAL IQ”. Было выполнено сканирование на РЧ-катушке GEM Flex LG Full. Фракция жира определялась расчетным методом.

Результаты

Результаты. При расчете концентрации жира по данным последовательности “IDEAL IQ” по формуле, использующей данные изображений Water и Fat, определена линейная зависимость измеренных значений от заданных. Точность измерения процентного содержания жира в режиме “IDEAL IQ” выше, чем в режиме “Lava-Flex”. По данным МР-последовательности “Lava-Flex” обращает на себя внимание завышение измеряемых значений концентрации жира по отношению к заданным в среднем на 57,6% на всем диапазоне при средней абсолютной разнице 17,2%.

Заключение

Заключение. С помощью последовательности “IDEAL IQ” были продемонстрированы результаты количественного определения фракций по формулам, в большей степени соответствующие заданным величинам в фантоме. Для корректного количественного определения фракции жира предпочтительнее проводить расчеты по данным изображениям Water и Fat с использованием формулы (2). Расчеты по изображениям In-phase и Out-phase предоставляют неоднозначные результаты. Фантомное моделирование с использованием прямых эмульсий позволило определить смещение в значениях измеряемой фракции жира.

Objective

Objective. Quantitative assessment of Dixon two-point and three-point technologies operation using phantom modeling in the range from 0 to 70%.

Materials and methods

Materials and methods. To simulate substances with different concentrations of the fat phase we chose direct oil-in-water emulsions. Tubes with ready-made emulsions were placed in a phantom. Emulsions based on vegetable oils were presented in the range from 0–70%. The phantom was scanned on an Optima MR450w MRI tomograph (GE, USA) in two Dixon modes: the accelerated two-point method “Lava-Flex” and the three-point method “IDEAL IQ”. A scan was performed on a GEM Flex LG Full RF coil. We calculated fat fraction (FF) using two formulas.

Results

Results. There is a linear relationship of the determined values when calculating the fat concentration in “IDEAL IQ” mode and using the formula based on Water and Fat. The accuracy of body fat percentage measurement in “IDEAL IQ” mode is higher than in “Lava-Flex” mode. According to the MR-sequence “Lava-Flex” draws attention to the overestimation of the measured values of the concentration of fat in relation to the specified values by an average of 57.6% over the entire range, with an average absolute difference of 17.2%.

Conclusion

Conclusion. Using the “IDEAL IQ” sequence, the results of the quantitative determination of fractions by formulas were demonstrated, which are more consistent with the specified values in the phantom. In order to correctly quantify the fat fraction, it is preferable to calculate from the Water and Fat images using Equation 2. Calculations from the In-phase and Out-phase images provide ambiguous results. Phantom modeling with direct emulsions allowed us to detect the shift of the measured fat fraction.

количественная оценка жировой тканифантомное исследованиеконтроль качестваDixonмагнитно-резонансная томографияFat quantificationphantom studyquality controlDixonmagnetic resonance imagingСтатья подготовлена авторским коллективом в рамках научно-исследовательской работы (№ ЕГИСУ: АААА-А21-121012290079-2) в соответствии с Программой Департамента здравоохранения города Москвы “Научное обеспечение столичного здравоохранения” на 2020–2022 гг.This study was prepared by research (No. in the EGISU: AAAA-A21-121012290079-2) under the Program of the Moscow Healthcare Department "Scientific Support of the Capital's Healthcare" for 2020–2022.ReferencesVan Vucht N., Santiago R., Lottmann B. et al. The Dixon technique for MRI of the bone marrow. Skeletal Radiol. 2019; 48 (12): 1861–1874. https://doi.org/10.1007/s00256-019-03271-4.Van Vucht N., Santiago R., Lottmann B. et al. The Dixon technique for MRI of the bone marrow. Skeletal Radiol. 2019; 48 (12): 1861–1874. https://doi.org/10.1007/s00256-019-03271-4.Громов А.И., Горинов А.В., Галлямов Э.А. Лимфангиома брыжейки кишки с хилезным содержимым. Особенности отображения на противофазных МР-последовательностях. Медицинская визуализация. 2019; 23 (4): 86–92. https://doi.org/10.24835/1607-0763-2019-4-86-92Gromov A.I., Gorinov A.V., Galljamov E.A. Mesenteric chillous lymphangioma. Visualization features on opposedphase MR images. Medical Visualization. 2019; 23 (4): 86–92. https://doi.org/10.24835/1607-0763-2019-4-86-92 (In Russian)Dixon W.T. Simple proton spectroscopic imaging. Radiology. 1984; 153. https://doi.org/10.1148/radiology.153.1.6089263Dixon W.T. Simple proton spectroscopic imaging. Radiology. 1984; 153. https://doi.org/10.1148/radiology.153.1.6089263Outwater E.K., Blasbalg R., Siegelman E.S., Vala M. Detection of Lipid in Abdominal Tissues with Opposed-Phase Gradient-Echo Images at 1.5 T: Techniques and Diagnostic Importance. Radiographics. 1998; 18. https://doi.org/10.1148/radiographics.18.6.9821195Outwater E.K., Blasbalg R., Siegelman E.S., Vala M. Detection of Lipid in Abdominal Tissues with Opposed-Phase Gradient-Echo Images at 1.5 T: Techniques and Diagnostic Importance. Radiographics. 1998; 18. https://doi.org/10.1148/radiographics.18.6.9821195Serai S.D., Dillman J.R., Trout A.T. Proton density fat fraction measurements at 1.5- and 3-T hepatic MR imaging: Same-day agreement among readers and across two imager manufacturers. Radiology. 2017; 284. https://doi.org/10.1148/radiol.2017161786Serai S.D., Dillman J.R., Trout A.T. Proton density fat fraction measurements at 1.5- and 3-T hepatic MR imaging: Same-day agreement among readers and across two imager manufacturers. Radiology. 2017; 284. https://doi.org/10.1148/radiol.2017161786Schmeel F.C., Vomweg T., Träber F. et al. Proton density fat fraction MRI of vertebral bone marrow: Accuracy, repeatability, and reproducibility among readers, field strengths, and imaging platforms. J. Magn. Reson. Imaging. 2019; 50. https://doi.org/10.1002/jmri.26748Schmeel F.C., Vomweg T., Träber F. et al. Proton density fat fraction MRI of vertebral bone marrow: Accuracy, repeatability, and reproducibility among readers, field strengths, and imaging platforms. J. Magn. Reson. Imaging. 2019; 50. https://doi.org/10.1002/jmri.26748Lohöfer F.K., Kaissis G.A., Müller-Leisse C. et al. Acceleration of chemical shift encoding-based water fat MRI for liver proton density fat fraction and T2 mapping using compressed sensing. PLoS One. 2019; 14. https://doi.org/10.1371/journal.pone.0224988Lohöfer F.K., Kaissis G.A., Müller-Leisse C. et al. Acceleration of chemical shift encoding-based water fat MRI for liver proton density fat fraction and T2 mapping using compressed sensing. PLoS One. 2019; 14. https://doi.org/10.1371/journal.pone.0224988Reeder S.B., Hu H.H., Sirlin C.B. Proton density fat-fraction: A standardized mr-based biomarker of tissue fat concentration. J. Magn. Reson. Imaging. 2012; 36. https://doi.org/10.1002/jmri.23741Reeder S.B., Hu H.H., Sirlin C.B. Proton density fat-fraction: A standardized mr-based biomarker of tissue fat concentration. J. Magn. Reson. Imaging. 2012; 36. https://doi.org/10.1002/jmri.23741Fischer M.A., Pfirrmann C.W.A., Espinosa N. et al. Dixon-based MRI for assessment of muscle-fat content in phantoms, healthy volunteers and patients with achillodynia: Comparison to visual assessment of calf muscle quality. Eur. Radiol. 2014; 24: 1366–1375. https://doi.org/10.1007/s00330-014-3121-1Fischer M.A., Pfirrmann C.W.A., Espinosa N. et al. Dixon-based MRI for assessment of muscle-fat content in phantoms, healthy volunteers and patients with achillodynia: Comparison to visual assessment of calf muscle quality. Eur. Radiol. 2014; 24: 1366–1375. https://doi.org/10.1007/s00330-014-3121-1Bainbridge A., Bray T.J.P., Sengupta R., Hall-Craggs M.A. Practical Approaches to Bone Marrow Fat Fraction Quantification Across Magnetic Resonance Imaging Platforms. J. Magn. Reson. Imaging. 2020; 52: 298–306. https://doi.org/10.1002/jmri.27039Bainbridge A., Bray T.J.P., Sengupta R., Hall-Craggs M.A. Practical Approaches to Bone Marrow Fat Fraction Quantification Across Magnetic Resonance Imaging Platforms. J. Magn. Reson. Imaging. 2020; 52: 298–306. https://doi.org/10.1002/jmri.27039Hernando D., Sharma S.D., Aliyari Ghasabeh M. et al. Multisite, multivendor validation of the accuracy and reproducibility of proton-density fat-fraction quantification at 1.5T and 3T using a fat-water phantom. Magn. Reson. Med. 2017; 77: 1516–1524. https://doi.org/10.1002/mrm.26228Hernando D., Sharma S.D., Aliyari Ghasabeh M. et al. Multisite, multivendor validation of the accuracy and reproducibility of proton-density fat-fraction quantification at 1.5T and 3T using a fat-water phantom. Magn. Reson. Med. 2017; 77: 1516–1524. https://doi.org/10.1002/mrm.26228Сергунова К.А. Использование обратных эмульсий на основе силоксанов для контроля измеряемого коэффициента диффузии при магнитно-резонансной томографии. Медицинская техника. 2019; 5: 22–25.Sergunova K.A. The use of reverse emulsion based on siloxanes to control the measured diffusion coefficient in magnetic resonance imaging. Biomedical Engineering. 2019; 5: 22–25. (In Russian)Morozov S., Sergunova K., Petraikin A. et al. Diffusion processes modeling in magnetic resonance imaging. Insights Imaging. 2020; 11. https://doi.org/10.1186/s13244-020-00863-wMorozov S., Sergunova K., Petraikin A. et al. Diffusion processes modeling in magnetic resonance imaging. Insights Imaging. 2020; 11. https://doi.org/10.1186/s13244-020-00863-wBhat V., Velandai S., Belliappa V. et al. Quantification of Liver Fat with mDIXON Magnetic Resonance Imaging, Comparison with the Computed Tomography and the Biopsy. J. Clin. DIAGNOSTIC. Res. 2017;11:TC06.Bhat V., Velandai S., Belliappa V. et al. Quantification of Liver Fat with mDIXON Magnetic Resonance Imaging, Comparison with the Computed Tomography and the Biopsy. J. Clin. DIAGNOSTIC. Res. 2017;11:TC06.Samji K., Alrashed A., Shabana W.M. et al. Comparison of high-resolution T1W 3D GRE (LAVA) with 2-point Dixon fat/ water separation (FLEX) to T1W fast spin echo (FSE) in prostate cancer (PCa). Clin. Imaging. 2016; 40. https://doi.org/10.1016/j.clinimag.2015.11.023Samji K., Alrashed A., Shabana W.M. et al. Comparison of high-resolution T1W 3D GRE (LAVA) with 2-point Dixon fat/ water separation (FLEX) to T1W fast spin echo (FSE) in prostate cancer (PCa). Clin. Imaging. 2016; 40. https://doi.org/10.1016/j.clinimag.2015.11.023Reeder S.B., Pineda A.R., Wen Z. et al. Iterative decomposition of water and fat with echo asymmetry and least-squares estimation (IDEAL): Application with fast spin-echo imaging. Magn. Reson. Med. 2005; 54: 636–644. https://doi.org/10.1002/mrm.20624Reeder S.B., Pineda A.R., Wen Z. et al. Iterative decomposition of water and fat with echo asymmetry and least-squares estimation (IDEAL): Application with fast spin-echo imaging. Magn. Reson. Med. 2005; 54: 636–644. https://doi.org/10.1002/mrm.20624Labranche R., Gilbert G., Cerny M. et al. Liver iron quantification with MR imaging: A primer for radiologists. Radiographics. 2018; 38. https://doi.org/10.1148/rg.2018170079Labranche R., Gilbert G., Cerny M. et al. Liver iron quantification with MR imaging: A primer for radiologists. Radiographics. 2018; 38. https://doi.org/10.1148/rg.2018170079Hayashi T., Fukuzawa K., Yamazaki H. et al. Multicenter, multivendor phantom study to validate proton density fat fraction and T2* values calculated using vendor-provided 6-point DIXON methods. Clin. Imaging. 2018; 51: 38–42. https://doi.org/10.1016/j.clinimag.2018.01.011Hayashi T., Fukuzawa K., Yamazaki H. et al. Multicenter, multivendor phantom study to validate proton density fat fraction and T2* values calculated using vendor-provided 6-point DIXON methods. Clin. Imaging. 2018; 51: 38–42. https://doi.org/10.1016/j.clinimag.2018.01.011Hutton C., Gyngell M.L., Milanesi M. et al. Validation of a standardized MRI method for liver fat and T2 quantification. PLoS One. 2018; 13. https://doi.org/10.1371/journal.pone.0204175Hutton C., Gyngell M.L., Milanesi M. et al. Validation of a standardized MRI method for liver fat and T2 quantification. PLoS One. 2018; 13. https://doi.org/10.1371/journal.pone.0204175

The authors declare that there are no conflicts of interest present.