The purpose of this study was to evaluate a new free-breathing 3D phase-sensitive inversion-recovery (PSIR) turbo FLASH pulse sequence for the detection of left ventricular myocardial scar.Patients with suspected myocardial scar were examined on a 1.5-T MR scanner for myocardial late enhancement after the administration of gadopentetate dimeglumine using a segmented 2D PSIR turbo FLASH sequence followed by a navigator-gated 3D PSIR turbo FLASH sequence. Image quality was scored by two independent readers using a 4-point Likert scale (0 = poor, nondiagnostic; 1 = fair, diagnostics may be impaired; 2 = good, some artifacts but not interfering in diagnostics; 3 = excellent, no artifacts). Scars were compared quantitatively in volume and graded qualitatively on the basis of size (area) and location.Thirty-three patients were scanned using both techniques. In 25 patients, the quality of the 3D PSIR images was acceptable. Scars were detected in 12 patients. Hyperenhanced scar volumes (p = 0.43), qualitative analysis of scar area (p = 0.78), and scar location (p = 0.68) were similar for both techniques. More small hyperenhanced scars, corresponding mostly to nonischemic distribution patterns, were detected using 3D PSIR than 2D PSIR. Although 2D and 3D results were found to be highly correlated for scar volume, Bland-Altman analysis indicated a systematic smaller infarct volume on the 2D PSIR scans (R(2) = 0.84).Free-breathing 3D PSIR turbo FLASH imaging is a promising technique for the assessment of left ventricular scar particularly for scar quantification and the detection of small nonischemic scars in the myocardium.
Ziele: Das enddiastolische (EDV) und endsystolische (ESV) Volumen sowie die Ejektionsfraktion (EF) sind wichtige diagnostische Parameter. Die Akquisition kontinuierlicher Kurzachsenschnitte erfordert typischerweise mehrere Atemstillstände, so dass Variationen der Atemtiefe zu einer diskontinuierlichen Erfassung des linken Ventrikels führen können. Außerdem ist die exakte Definition der AV-Klappenebene auf Kurzachsenschnitten schwierig und kann zu erheblichen Messfehlern führen. Ziel dieser Studie war es deshalb, Kurz- und Langachsenschnitte in einem Atemstillstand zu akquirieren und alle Schichten zur Volumetrie des linken Ventrikels zu verwenden. Methode: Bei 25 konsekutiven Patienten wurden an einem 1.5T-Scanner kontinuierliche Kurz- und Langachsenschnitte mit Standard SSFP Sequenzen (in-plane Auflösung 1.9×1.9mm2, zeitliche Auflösung 36ms) akquiriert. Zusätzlich wurden in einem Atemstillstand 2 Lang- und 5 Kurzachsenschnitte mit einer TPAT-SSFP-Sequenz (Temporal Parallel Acquisition Technique, in-plane Auflösung 2.9×1.9mm2, zeitliche Auflösung 40ms) gemessen. Zwei Radiologen führten unabhängig volumetrische Messungen mit der Schichtensummationsmethode (Argus 3D) durch und werteten zusätzlich die TPAT-Sequenzen mit einer Methode aus, die basierend auf Lang- und Kurzachsenschnitten ein 4D-Modells des linken Ventrikels erzeugt (Argus 4D). Die intra- und interindividuellen Ergebnisse wurden anhand von Bland-Altmann-Plots verglichen. Ergebnis: Die mittlere Akquisitionszeit betrug 360s für die SSFP- und 26s für die TPAT-Sequenzen. Die Auswertezeit betrug durchschnittlich 3 Minuten für die Bestimmung der LV Funktionsparameter anhand des 4D-Modells und 6 Minuten mit der Schichtensummationsmethode. Die mittlere Ejektionsfraktion betrug 57±9% für die Argus 3D und 58±7% für die Argus 4D Auswertung. Bei der Auswertung der EDV (136ml ±50ml) und ESV (61ml ±32ml) zeigte der Vergleich zwischen beiden Methoden, dass die mit dem 4D-Modell bestimmten Werte bei beiden Auswertern höher lagen (mittlere Differenz 15ml) als beim 3D-Verfahren, was auf die komplette Erfassung der Herzbasis durch die Berücksichtigung der Langachsenschnitte zurückzuführen ist. Die Übereinstimmung zwischen beiden Auswertern war bei der Argus 4D Auswertung (mittlere Differenz 8ml) besser als bei der Argus 3D Auswertung (mittlere Differenz 16ml). Schlussfolgerung: TPAT-Sequenzen in Kombination mit einer Argus 4D Auswertung erlauben eine schnelle, zuverlässige und reproduzierbare Bestimmung linksventrikulärer Funktionsparameter.
Cardiac perfusion magnetic resonance imaging (MRI) has proven clinical significance in diagnosis of heart diseases. However, analysis of perfusion data is time-consuming, where automatic detection of anatomic landmarks and key-frames from perfusion MR sequences is helpful for anchoring structures and functional analysis of the heart, leading toward fully automated perfusion analysis. Learning-based object detection methods have demonstrated their capabilities to handle large variations of the object by exploring a local region, i.e., context. Conventional 2D approaches take into account spatial context only. Temporal signals in perfusion data present a strong cue for anchoring. We propose a joint context model to encode both spatial and temporal evidence. In addition, our spatial context is constructed not only based on the landmark of interest, but also the landmarks that are correlated in the neighboring anatomies. A discriminative model is learned through a probabilistic boosting tree. A marginal space learning strategy is applied to efficiently learn and search in a high dimensional parameter space. A fully automatic system is developed to simultaneously detect anatomic landmarks and key frames in both RV and LV from perfusion sequences. The proposed approach was evaluated on a database of 373 cardiac perfusion MRI sequences from 77 patients. Experimental results of a 4-fold cross validation show superior landmark detection accuracies of the proposed joint spatial-temporal approach to the 2D approach that is based on spatial context only. The key-frame identification results are promising.
Automated tracking of a passive stiletto catheter for regenerative myocardial therapy under the MR environment may improve the accuracy ofthe procedure. We report successful implementation of automated computer-assisted tracking for this purpose in a controlled phantom study.
