liu.seSearch for publications in DiVA
Endre søk
Begrens søket
12 1 - 50 of 51
RefereraExporteraLink til resultatlisten
Permanent link
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Treff pr side
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sortering
  • Standard (Relevans)
  • Forfatter A-Ø
  • Forfatter Ø-A
  • Tittel A-Ø
  • Tittel Ø-A
  • Type publikasjon A-Ø
  • Type publikasjon Ø-A
  • Eldste først
  • Nyeste først
  • Skapad (Eldste først)
  • Skapad (Nyeste først)
  • Senast uppdaterad (Eldste først)
  • Senast uppdaterad (Nyeste først)
  • Disputationsdatum (tidligste først)
  • Disputationsdatum (siste først)
  • Standard (Relevans)
  • Forfatter A-Ø
  • Forfatter Ø-A
  • Tittel A-Ø
  • Tittel Ø-A
  • Type publikasjon A-Ø
  • Type publikasjon Ø-A
  • Eldste først
  • Nyeste først
  • Skapad (Eldste først)
  • Skapad (Nyeste først)
  • Senast uppdaterad (Eldste først)
  • Senast uppdaterad (Nyeste først)
  • Disputationsdatum (tidligste først)
  • Disputationsdatum (siste først)
Merk
Maxantalet träffar du kan exportera från sökgränssnittet är 250. Vid större uttag använd dig av utsökningar.
  • 1.
    Abrahamsson, Annelie
    et al.
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för kliniska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Onkologiska kliniken US.
    Rzepecka, Anna
    Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Lundberg, Peter
    Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten.
    Kihlberg, Johan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Dabrosin, Charlotta
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för kliniska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Onkologiska kliniken US.
    Dense breast tissue in postmenopausal women is associated with a pro-inflammatory microenvironment in vivo2016Inngår i: Oncoimmunology, ISSN 2162-4011, E-ISSN 2162-402X, Vol. 5, nr 10, artikkel-id e1229723Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Inflammation is one of the hallmarks of carcinogenesis. High mammographic density has been associated with increased risk of breast cancer but the mechanisms behind are poorly understood. We evaluated whether breasts with different mammographic densities exhibited differences in the inflammatory microenvironment.Postmenopausal women attending the mammography-screening program were assessed having extreme dense, n = 20, or entirely fatty breasts (nondense), n = 19, on their regular mammograms. Thereafter, the women were invited for magnetic resonance imaging (MRI), microdialysis for the collection of extracellular molecules in situ and a core tissue biopsy for research purposes. On the MRI, lean tissue fraction (LTF) was calculated for a continuous measurement of breast density. LTF confirmed the selection from the mammograms and gave a continuous measurement of breast density. Microdialysis revealed significantly increased extracellular in vivo levels of IL-6, IL-8, vascular endothelial growth factor, and CCL5 in dense breast tissue as compared with nondense breasts. Moreover, the ratio IL-1Ra/IL-1 was decreased in dense breasts. No differences were found in levels of IL-1, IL-1Ra, CCL2, leptin, adiponectin, or leptin:adiponectin ratio between the two breast tissue types. Significant positive correlations between LTF and the pro-inflammatory cytokines as well as between the cytokines were detected. Stainings of the core biopsies exhibited increased levels of immune cells in dense breast tissue.Our data show that dense breast tissue in postmenopausal women is associated with a pro-inflammatory microenvironment and, if confirmed in a larger cohort, suggests novel targets for prevention therapies for women with dense breast tissue.

  • 2.
    Agebratt, Christian
    et al.
    Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Medicinska fakulteten.
    Ström, Edvin
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för kardiovaskulär medicin. Linköpings universitet, Medicinska fakulteten.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten.
    Leandersson, Per
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för neuro- och inflammationsvetenskap. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Hjärt- och Medicincentrum, Arbets- och miljömedicin.
    Nyström, Fredrik H.
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för kardiovaskulär medicin. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Hjärt- och Medicincentrum, Endokrinmedicinska kliniken.
    A Randomized Study of the Effects of Additional Fruit and Nuts Consumption on Hepatic Fat Content, Cardiovascular Risk Factors and Basal Metabolic Rate2016Inngår i: PLoS ONE, ISSN 1932-6203, E-ISSN 1932-6203, Vol. 11, nr 1, s. e0147149-Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Background

    Fruit has since long been advocated as a healthy source of many nutrients, however, the high content of sugars in fruit might be a concern.

    Objectives

    To study effects of an increased fruit intake compared with similar amount of extra calories from nuts in humans.

    Methods

    Thirty healthy non-obese participants were randomized to either supplement the diet with fruits or nuts, each at +7 kcal/kg bodyweight/day for two months. Major endpoints were change of hepatic fat content (HFC, by magnetic resonance imaging, MRI), basal metabolic rate (BMR, with indirect calorimetry) and cardiovascular risk markers.

    Results

    Weight gain was numerically similar in both groups although only statistically significant in the group randomized to nuts (fruit: from 22.15±1.61 kg/m2 to 22.30±1.7 kg/m2, p = 0.24 nuts: from 22.54±2.26 kg/m2 to 22.73±2.28 kg/m2, p = 0.045). On the other hand BMR increased in the nut group only (p = 0.028). Only the nut group reported a net increase of calories (from 2519±721 kcal/day to 2763±595 kcal/day, p = 0.035) according to 3-day food registrations. Despite an almost three-fold reported increased fructose-intake in the fruit group (from 9.1±6.0 gram/day to 25.6±9.6 gram/day, p<0.0001, nuts: from 12.4±5.7 gram/day to 6.5±5.3 gram/day, p = 0.007) there was no change of HFC. The numerical increase in fasting insulin was statistical significant only in the fruit group (from 7.73±3.1 pmol/l to 8.81±2.9 pmol/l, p = 0.018, nuts: from 7.29±2.9 pmol/l to 8.62±3.0 pmol/l, p = 0.14). Levels of vitamin C increased in both groups while α-tocopherol/cholesterol-ratio increased only in the fruit group.

    Conclusions

    Although BMR increased in the nut-group only this was not linked with differences in weight gain between groups which potentially could be explained by the lack of reported net caloric increase in the fruit group. In healthy non-obese individuals an increased fruit intake seems safe from cardiovascular risk perspective, including measurement of HFC by MRI.

  • 3.
    Andersson, Thord
    et al.
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Karlsson, Anette
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Norén, Bengt
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Forsgren, Mikael
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Smedby, Örjan
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Kechagias, Stergios
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för kardiovaskulär medicin. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Hjärt- och Medicincentrum, Magtarmmedicinska kliniken.
    Almer, Sven
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för neuro- och inflammationsvetenskap. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Hjärt- och Medicincentrum, Magtarmmedicinska kliniken.
    Lundberg, Peter
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Consistent intensity inhomogeneity correction in water–fat MRI2015Inngår i: Journal of Magnetic Resonance Imaging, ISSN 1053-1807, E-ISSN 1522-2586, Vol. 42, nr 2, s. 468-476Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    PURPOSE:

    To quantitatively and qualitatively evaluate the water-signal performance of the consistent intensity inhomogeneity correction (CIIC) method to correct for intensity inhomogeneities METHODS: Water-fat volumes were acquired using 1.5 Tesla (T) and 3.0T symmetrically sampled 2-point Dixon three-dimensional MRI. Two datasets: (i) 10 muscle tissue regions of interest (ROIs) from 10 subjects acquired with both 1.5T and 3.0T whole-body MRI. (ii) Seven liver tissue ROIs from 36 patients imaged using 1.5T MRI at six time points after Gd-EOB-DTPA injection. The performance of CIIC was evaluated quantitatively by analyzing its impact on the dispersion and bias of the water image ROI intensities, and qualitatively using side-by-side image comparisons.

    RESULTS:

    CIIC significantly ( P1.5T≤2.3×10-4,P3.0T≤1.0×10-6) decreased the nonphysiological intensity variance while preserving the average intensity levels. The side-by-side comparisons showed improved intensity consistency ( Pint⁡≤10-6) while not introducing artifacts ( Part=0.024) nor changed appearances ( Papp≤10-6).

    CONCLUSION:

    CIIC improves the spatiotemporal intensity consistency in regions of a homogenous tissue type. J. Magn. Reson. Imaging 2014.

  • 4.
    Andersson, Thord
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Norén, Bengt
    Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Forsgren, Mikael
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Smedby, Örjan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Almer, Sven
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Gastroenterologi och hepatologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrinmedicinska kliniken.
    Lundberg, Peter
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Self-calibrated DCE MRI using Multi Scale Adaptive Normalized Averaging (MANA)2012Inngår i: Proceedings of the annual meeting of the International Society for Magnetic Resonance in Medicine (ISMRM 2012), 2012, 2012Konferansepaper (Annet vitenskapelig)
  • 5.
    Borga, Magnus
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Thomas, E. Louise
    Department of Life Sciences Faculty of Science and Technology University of Westminster, London, United Kingdom.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Rosander, Johannes
    Advanced MR Analytics AB, Linköping, Sweden.
    Fitzpatrick, Julie
    Department of Life Sciences Faculty of Science and Technology University of Westminster, London, United Kingdom.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Bell, Jimmy D
    Department of Life Sciences Faculty of Science and Technology University of Westminster, London, United Kingdom.
    Validation of a Fast Method for Quantification of Intra-abdominal and Subcutaneous Adipose Tissue for Large Scale Human Studies2015Inngår i: NMR in Biomedicine, ISSN 1099-1492, Vol. 28, nr 12, s. 1747-1753Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Central obesity is the hallmark of a number of non-inheritable disorders. The advent of imaging techniques such as magnetic resonance imaging (MRI) has allowed for a fast and accurate assessment of body fat content and distribution. However, image analysis continues to be one of the major obstacles for the use of MRI in large scale studies. In this study we assess the validity of the recently proposed fat-muscle-quantitation-system (AMRATM Profiler) for the quantification of intra-abdominal adipose tissue (IAAT) and abdominal subcutaneous adipose tissue (ASAT) from abdominal MR images.  Abdominal MR images were acquired from 23 volunteers with a broad range of BMIs and analysed using SliceOmatic, the current gold-standard, and the AMRATM Profiler based on a non-rigid image registration of a library of segmented atlases. The results show that there was a highly significant correlation between the fat volumes generated by both analysis methods, (Pearson correlation r = 0.97 p<0.001), with the AMRATM Profiler analysis being significantly faster (~3 mins) than the conventional SliceOmatic approach (~40 mins). There was also excellent agreement between the methods for the quantification of IAAT (AMRA 4.73 ± 1.99 vs SliceOmatic 4.73 ± 1.75 litres, p=0.97). For the AMRATM Profiler analysis, the intra-observer coefficient of variation was 1.6 % for IAAT and 1.1 % for ASAT, the inter-observer coefficient of variation was 1.4 % for IAAT and 1.2 % for ASAT, the intra-observer correlation was 0.998 for IAAT and 0.999 for ASAT, and the inter-observer correlation was 0.999 for both IAAT and ASAT. These results indicate that precise and accurate measures of body fat content and distribution can be obtained in a fast and reliable form by the AMRATM Profiler, opening up the possibility of large-scale human phenotypic studies.

  • 6.
    Borga, Magnus
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Virtanen, Kirsi A.
    Turku PET Centre, University of Turku, Finland.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Persson, Anders
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Nuutila, Pirjo
    Turku PET Centre, University of Turku, Finland.
    Enerbäck, Sven
    Department of Biomedicine, University of Gothenburg, Sweden.
    Brown adipose tissue in humans: detection and functional analysis using PET (Positron Emission Tomography), MRI (Magnetic Resonance Imaging), and DECT (Dual Energy Computed Tomography)2014Inngår i: Methods in Enzymology: Methods of Adipose Tissue Biology / [ed] Ormond MacDougald, Elsevier, 2014, 1, s. 141-159Kapittel i bok, del av antologi (Annet vitenskapelig)
    Abstract [en]

    Research with the aim to translate findings of the beneficial effects induced by brown adipose tissue (BAT) on metabolism, as seen in various non-human experimental systems to also include human metabolism requires tools that accurately measure how BAT influences human metabolism. This review sets out to discuss such techniques, how they can be used, what they can measure and also some of their limitations. The focus is on detection and functional analysis of human BAT and how this can be facilitated by applying advanced imaging technology such as:  PET (Positron Emission Tomography), MRI (Magnetic Resonance Imaging), and DECT (Dual Energy Computed Tomography).

  • 7.
    Borga, Magnus
    et al.
    Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    West, Janne
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Medicinska fakulteten.
    Bell, Jimmy
    Westminster University, London, UK.
    Harvey, Nicholas
    University of Southampton, IK.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Heymsfield, Steven
    Pennington Biomedical Research Center, Baton Rouge, LA, US.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Advanced MR Analytics AB, Linköping, Sweden.
    Advanced body composition assessment: From body mass index to body composition profiling2018Inngår i: Journal of Investigative Medicine, ISSN 1081-5589, E-ISSN 1708-8267, Vol. 66, s. 887-895Artikkel, forskningsoversikt (Fagfellevurdert)
    Abstract [en]

    This paper gives a brief overview of common non-invasive techniques for body composition analysis and a more in-depth review of a body composition assessment method based on fat-referenced quantitative magnetic resonance imaging (MRI). Earlier published studies of this method are summarized, and a previously un-published validation study, based on 4.753 subjects from the UK Biobank imaging cohort, comparing the quantitative MRI method with dual-energy x-ray absorptiometry (DXA) is presented. For whole-body measurements of adipose tissue (AT) or fat and lean tissue (LT), DXA and quantitative MRI show excellent agreement with linear correlation of 0.99 and 0.97, and coefficient of variation (CV) of 4.5 % and 4.6 % for fat (computed from AT) and lean tissue respectively, but the agreement was found significantly lower for visceral adipose tissue, with a CV of more than 20 %. The additional ability of MRI to also measure muscle volumes, muscle AT infiltration and ectopic fat in combination with rapid scanning protocols and efficient image analysis tools make quantitative MRI a powerful tool for advanced body composition assessment. 

  • 8.
    Dahlqvist Leinhard, Olof
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Karlsson, Anette
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    High resolution isotropic whole-­‐body symmetrically sampled two point Dixon acquisition imaging at 3T2012Inngår i: ISMRM workshop on Fat-­‐Water Separation: Insights, Applications & Progress in MRI, 2012Konferansepaper (Annet vitenskapelig)
  • 9.
    Dahlqvist Leinhard, Olof
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Kihlberg, Johan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet.
    Gjellan, Solveig
    Linköpings universitet, Institutionen för medicin och hälsa, Internmedicin. Linköpings universitet, Hälsouniversitetet.
    Zanjani, Sepehr
    Linköpings universitet, Institutionen för medicin och hälsa, Internmedicin. Linköpings universitet, Hälsouniversitetet.
    Smedby, Örjan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Nyström, Fredrik
    Linköpings universitet, Institutionen för medicin och hälsa, Internmedicin. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrinmedicinska enheten.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Validation of whole-­‐body adipose tissue quantification using air displacement plethysmometry2012Inngår i: ISMRM workshop on Fat-­‐Water Separation: Insights, Applications & Progress in MRI, 2012Konferansepaper (Annet vitenskapelig)
  • 10.
    Forsgren, Mikael
    et al.
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Karlsson, Markus
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dahlström, Nils
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Norén, Bengt
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Ignatova, Simone
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelning för neurobiologi. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Diagnostikcentrum, Klinisk patologi.
    Ekstedt, Mattias
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för kardiovaskulär medicin. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Hjärt- och Medicincentrum, Magtarmmedicinska kliniken.
    Kechagias, Stergios
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för kardiovaskulär medicin. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Hjärt- och Medicincentrum, Magtarmmedicinska kliniken.
    Lundberg, Peter
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Diagnostikcentrum, Medicinsk strålningsfysik. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Cedersund, Gunnar
    Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Institutionen för klinisk och experimentell medicin. Linköpings universitet, Medicinska fakulteten.
    Model-inferred mechanisms of liver function from magnetic resonance imaging data: Validation and variation across a clinically relevant cohort2019Inngår i: PloS Computational Biology, ISSN 1553-734X, E-ISSN 1553-7358, PLOS COMPUTATIONAL BIOLOGY, Vol. 15, nr 6, artikkel-id e1007157Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Estimation of liver function is important to monitor progression of chronic liver disease (CLD). A promising method is magnetic resonance imaging (MRI) combined with gadoxetate, a liver-specific contrast agent. For this method, we have previously developed a model for an average healthy human. Herein, we extended this model, by combining it with a patient-specific non-linear mixed-effects modeling framework. We validated the model by recruiting 100 patients with CLD of varying severity and etiologies. The model explained all MRI data and adequately predicted both timepoints saved for validation and gadoxetate concentrations in both plasma and biopsies. The validated model provides a new and deeper look into how the mechanisms of liver function vary across a wide variety of liver diseases. The basic mechanisms remain the same, but increasing fibrosis reduces uptake and increases excretion of gadoxetate. These mechanisms are shared across many liver functions and can now be estimated from standard clinical images.

    Author summary

    Being able to accurately and reliably estimate liver function is important when monitoring the progression of patients with liver disease, as well as when identifying drug-induced liver injury during drug development. A promising method for quantifying liver function is to use magnetic resonance imaging combined with gadoxetate. Gadoxetate is a liver-specific contrast agent, which is taken up by the hepatocytes and excreted into the bile. We have previously developed a mechanistic model for gadoxetate dynamics using averaged data from healthy volunteers. In this work, we extended our model with a non-linear mixed-effects modeling framework to give patient-specific estimates of the gadoxetate transport-rates. We validated the model by recruiting 100 patients with liver disease, covering a range of severity and etiologies. All patients underwent an MRI-examination and provided both blood and liver biopsies. Our validated model provides a new and deeper look into how the mechanisms of liver function varies across a wide variety of liver diseases. The basic mechanisms remain the same, but increasing fibrosis reduces uptake and increases excretion of gadoxetate.

  • 11.
    Haufe, William
    et al.
    Department of Radiology, University of California, San Diego, San Diego, CA, United states.
    Hooker, Jonathan
    Department of Radiology, University of California, San Diego, San Diego, CA, United States.
    Schlein, Alexandra
    Department of Radiology, University of California, San Diego, San Diego, CA, United States.
    Szeverenyi, Nikolaus
    Department of Radiology, University of California, San Diego, San Diego, CA, United States.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Advanced MR Analytics AB, Linköping, Sweden.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Advanced MR Analytics AB, Linköping, Sweden.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Advanced MR Analytics AB, Linköping, Sweden.
    Tunón, Patrik
    Advanced MR Analytics AB, Linköping, Sweden.
    Horgan, Santiago
    Surgery, University of California, San Diego, San Diego, CA, United States.
    Jacobsen, Garth
    Surgery, University of California, San Diego, San Diego, CA, United States.
    Schwimmer, Jeffrey B
    University of California, San Diego, San Diego, CA, United States.
    Reeder, Scott B
    University of Wisconsin, Madison, Madison, WI, United States.
    Sirlin, Claude B.
    Department of Radiology, University of California, San Diego, San Diego, CA, United States.
    Feasibility of an automated tissue segmentation technique in a longitudinal weight loss study2016Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    To address the problems inherent in manual methods, a novel, semi-automated tissue segmentation image analysis technique has been developed. The purpose of this study was to demonstrate the feasibility and describe preliminary observations of applying this technique to quantify and monitor longitudinal changes in abdominal adipose tissue and thigh muscle volume in obese adults during weight loss. Abdominal adipose tissue and thigh muscle volume decreased during weight loss. As a proportion of body weight, adipose tissue volumes decreased during weight loss. By comparison, as a proportion of body weight, thigh muscle volume increased.

  • 12.
    Karlsson, Anette
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Automated Whole Body Muscle Segmentation & Classification2012Inngår i: ISMRM workshop on Fat-­‐Water Separation: Insights, Applications & Progress in MRI, 2012Konferansepaper (Annet vitenskapelig)
  • 13.
    Karlsson, Anette
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Vallin, Anna
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Automated Whole Body Muscle Quantification Based on a 10 min MR-Exam2012Inngår i: Proceedings of the annual meeting of the International Society for Magnetic Resonance in Medicine (ISMRM 2012), 2012Konferansepaper (Annet vitenskapelig)
  • 14.
    Karlsson, Anette
    et al.
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Åslund, Ulrika
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för fysioterapi. Linköpings universitet, Medicinska fakulteten.
    West, Janne
    Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Smedby, Örjan
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. KTH Royal Institute Technology, Sweden.
    Zsigmond, Peter
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för neuro- och inflammationsvetenskap. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Sinnescentrum, Neurokirurgiska kliniken US.
    Peolsson, Anneli
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för fysioterapi. Linköpings universitet, Medicinska fakulteten.
    An Investigation of Fat Infiltration of the Multifidus Muscle in Patients With Severe Neck Symptoms Associated With Chronic Whiplash-Associated Disorder2016Inngår i: Journal of Orthopaedic and Sports Physical Therapy, ISSN 0190-6011, E-ISSN 1938-1344, Vol. 46, nr 10, s. 886-893Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    STUDY DESIGN: Cross-sectional study. BACKGROUND: Findings of fat infiltration in cervical spine multifidus, as a sign of degenerative morphometric changes due to whiplash injury, need to be verified. OBJECTIVES: To develop a method using water/fat magnetic resonance imaging (MRI) to investigate fat infiltration and cross-sectional area of multifidus muscle in individuals with whiplash associated disorders (WADS) compared to healthy controls. METHODS: Fat infiltration and cross-sectional area in the multifidus muscles spanning the C4 to C7 segmental levels were investigated by manual segmentation using water/fat-separated MRI in 31 participants with WAD and 31 controls, matched for age and sex. RESULTS: Based on average values for data spanning C4 to C7, participants with severe disability related to WAD had 38% greater muscular fat infiltration compared to healthy controls (P = .03) and 45% greater fat infiltration compared to those with mild to moderate disability related to WAD (P = .02). There were no significant differences between those with mild to moderate disability and healthy controls. No significant differences between groups were found for multifidus cross-sectional area. Significant differences were observed for both cross-sectional area and fat infiltration between segmental levels. CONCLUSION: Participants with severe disability after a whiplash injury had higher fat infiltration in the multifidus compared to controls and to those with mild/moderate disability secondary to WAD. Earlier reported findings using T1-weighted MRI were reproduced using refined imaging technology. The results of the study also indicate a risk when segmenting single cross-sectional slices, as both cross-sectional area and fat infiltration differ between cervical levels.

  • 15.
    Karlsson, Anette
    et al.
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Rosander, Johannes
    Advanced MR Analytics AB, Linköping, Sweden.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Tallberg, Joakim
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Grönqvist, Anders
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Automatic and quantitative assessment of regional muscle volume by multi-atlas segmentation using whole-body water–fat MRI2015Inngår i: Journal of Magnetic Resonance Imaging, ISSN 1053-1807, E-ISSN 1522-2586, Vol. 41, nr 6, s. 1558-1569Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Purpose

    To develop and demonstrate a rapid whole-body magnetic resonance imaging (MRI) method for automatic quantification of total and regional skeletal muscle volume.

    Materials and Methods

    The method was based on a multi-atlas segmentation of intensity corrected water–fat separated image volumes. Automatic lean muscle tissue segmentations were achieved by nonrigid registration of atlas datasets with 10 different manually segmented muscle groups. Ten subjects scanned at 1.5 T and 3.0 T were used as atlases, initial validation and optimization. Further validation used 11 subjects scanned at 3.0 T. The automated and manual segmentations were compared using intraclass correlation, true positive volume fractions, and delta volumes.

    Results

    For the 1.5 T datasets, the intraclass correlation, true positive volume fractions (mean ± standard deviation, SD), and delta volumes (mean ± SD) were 0.99, 0.91 ± 0.02, −0.10 ± 0.70L (whole body), 0.99, 0.93 ± 0.02, 0.01 ± 0.07L (left anterior thigh), and 0.98, 0.80 ± 0.07, −0.08 ± 0.15L (left abdomen). The corresponding values at 3.0 T were 0.97, 0.92 ± 0.03, −0.17 ± 1.37L (whole body), 0.99, 0.93 ± 0.03, 0.03 ± 0.08L (left anterior thigh), and 0.89, 0.90 ± 0.04, −0.03 ± 0.42L (left abdomen). The validation datasets showed similar results.

    Conclusion

    The method accurately quantified the whole-body skeletal muscle volume and the volume of separate muscle groups independent of field strength and image resolution. 

  • 16.
    Karlsson, Anette
    et al.
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Rosander, Johannes
    Advanced MR Analytics AB, Linköping, Sweden.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Tallberg, Joakim
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Grönqvist, Anders
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Automatic and Quantitative Assessment of Total and Regional Muscle Tissue Volume using Multi-Atlas Segmentation2014Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Accurate and precise assessment of human muscle tissue is important for further understanding of different muscle diseases and syndromes. We present a rapid whole body MR method for automatic quantification of total and regional muscle volume. The method is based on multi-atlas segmentation of intensity corrected water-fat separated images. The method was validated with a leave-one-out approach, using manually segmented atlases from 10 subjects as ground truth. The result gave a coefficient of variation on total muscle volume equal to 1.25±1.35 % (mean ± standard deviation). The method enables cost-efficient large-scale studies, investigating conditions such as sarcopenia and muscular dystrophies.

  • 17.
    Karlsson, Anette
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Rosander, Johannes
    Tallberg, Joakim
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Whole Body Muscle Classification using Multiple Prototype Voting2013Konferansepaper (Annet vitenskapelig)
  • 18.
    Lidell, Martin E.
    et al.
    Medicinsk genetik, Göteborgs universitet.
    Betz, Matthias J.
    Medicinsk genetik, Göteborgs universitet.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Heglind, Mikael
    Medicinsk genetik, Göteborgs universitet.
    Elander, Louise
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för klinisk och experimentell medicin, Cellbiologi. Linköpings universitet, Hälsouniversitetet.
    Slawik, Marc
    Klinikum der Ludwig Maximilians University (LMU), Munich, Germany.
    Mussack, Thomas
    Klinikum der LMU, Munich, Germany.
    Nilsson, Daniel
    Medicinsk genetik, Göteborgs universitet.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Nuutila, Pirjo
    University of Turku, Turku, Finland.
    Virtanen, Kirsi A.
    University of Turku, Turku, Finland.
    Beuschlein, Felix
    Klinikum der Ludwig Maximilians University (LMU), Munich, Germany.
    Persson, Anders
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Enerbäck, Sven
    Medicinsk genetik, Göteborgs universitet.
    Evidence for two types of brown adipose tissue in humans2013Inngår i: Nature Medicine, ISSN 1078-8956, E-ISSN 1546-170X, Vol. 19, nr 5, s. 631-634Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    The previously observed supraclavicular depot of brown adipose tissue (BAT) in adult humans was commonly believed to be the equivalent of the interscapular thermogenic organ of small mammals. This view was recently disputed on the basis of the demonstration that this depot consists of beige (also called brite) brown adipocytes, a newly identified type of brown adipocyte that is distinct from the classical brown adipocytes that make up the interscapular thermogenic organs of other mammals. A combination of high-resolution imaging techniques and histological and biochemical analyses showed evidence for an anatomically distinguishable interscapular BAT (iBAT) depot in human infants that consists of classical brown adipocytes, a cell type that has so far not been shown to exist in humans. On the basis of these findings, we conclude that infants, similarly to rodents, have the bona fide iBAT thermogenic organ consisting of classical brown adipocytes that is essential for the survival of small mammals in a cold environment.

  • 19.
    Linge, Jennifer
    et al.
    AMRA Med AB, Linkoping, Sweden.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. AMRA Med AB, Linkoping, Sweden.
    West, Janne
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Medicinska fakulteten.
    Tuthill, Theresa
    Pfizer Inc, MA USA.
    Miller, Melissa R.
    Pfizer Inc, MA USA.
    Dumitriu, Alexandra
    Pfizer Inc, MA USA.
    Thomas, E. Louise
    Univ Westminster, England.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. AMRA Med AB, Linkoping, Sweden.
    Tunon, Patrik
    AMRA Med AB, Linkoping, Sweden.
    Bell, Jimmy D.
    Univ Westminster, England.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. AMRA Med AB, Linkoping, Sweden.
    Body Composition Profiling in the UK Biobank Imaging Study2018Inngår i: Obesity, ISSN 1930-7381, E-ISSN 1930-739X, Vol. 26, nr 11, s. 1785-1795Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    ObjectiveMethodsThis study aimed to investigate the value of imaging-based multivariable body composition profiling by describing its association with coronary heart disease (CHD), type 2 diabetes (T2D), and metabolic health on individual and population levels. The first 6,021 participants scanned by UK Biobank were included. Body composition profiles (BCPs) were calculated, including abdominal subcutaneous adipose tissue, visceral adipose tissue (VAT), thigh muscle volume, liver fat, and muscle fat infiltration (MFI), determined using magnetic resonance imaging. Associations between BCP and metabolic status were investigated using matching procedures and multivariable statistical modeling. ResultsConclusionsMatched control analysis showed that higher VAT and MFI were associated with CHD and T2D (Pamp;lt;0.001). Higher liver fat was associated with T2D (Pamp;lt;0.001) and lower liver fat with CHD (Pamp;lt;0.05), matching on VAT. Multivariable modeling showed that lower VAT and MFI were associated with metabolic health (Pamp;lt;0.001), and liver fat was nonsignificant. Associations remained significant adjusting for sex, age, BMI, alcohol, smoking, and physical activity. Body composition profiling enabled an intuitive visualization of body composition and showed the complexity of associations between fat distribution and metabolic status, stressing the importance of a multivariable approach. Different diseases were linked to different BCPs, which could not be described by a single fat compartment alone.

  • 20.
    Linge, Jennifer
    et al.
    Advanced MR Analytics AB, Linköping, Sweden.
    West, Janne
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Tekniska fakulteten.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten.
    Bell, Jimmy
    Westminster University, London, UK.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    The Body Composition Profile – Enhancing the Understanding of Obesity using UK Biobank Imaging Data2017Konferansepaper (Fagfellevurdert)
  • 21.
    Middleton, Michael
    et al.
    Department of Radiology, University of California, San Diego, CA, USA.
    Haufe, William
    Department of Radiology, University of California, San Diego, CA, USA.
    Hooker, Jonathan
    Department of Radiology, University of California, San Diego, CA, USA.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Tunón, Patrik
    Advanced MR Analytics AB, Linköping.
    Hamilton, Gavin
    Department of Radiology, University of California, San Diego, CA.
    Wolfson, Tanya
    Computational and Applied Statistics Laboratory (CASL), San Diego Supercomputing Center (SDSC), University of California, San Diego, CA.
    Gamst, Anthony
    Computational and Applied Statistics Laboratory (CASL), San Diego Supercomputing Center (SDSC), University of California, San Diego, CA.
    Loomba, Rohit
    3Department of Medicine (Division of Gastroenterology and Hepatology), University of California, San Diego, CA.
    Sirlin, Claude
    Department of Radiology, University of California, San Diego, CA.
    Quantifying Abdominal Adipose Tissue and Thigh Muscle Volume and Hepatic Proton Density Fat Fraction: Repeatability and Accuracy of an MR Imaging–based, Semiautomated Analysis Method2017Inngår i: Radiology, ISSN 0033-8419, E-ISSN 1527-1315, Vol. 283, nr 2, s. 438-449Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Purpose

    The purpose of this study was to determine the repeatability and accuracy of an   commercially available (Advanced MR Analytics [AMRA®]; Linköping, Sweden) magnetic resonance imaging (MRI)-based, semi-automated method to quantify abdominal adipose tissue and thigh muscle volume as well as hepatic proton density fat fraction (PDFF)

    Materials and Methods

    This prospective study was approved by an institutional review board (IRB) and was Health Insurance Portability and Accountability Act (HIPAA) compliant. All subjects provided written informed consent. Inclusion criteria were age ≥ 18 years, and willingness to participate. Exclusion criteria were contraindication to MRI. Three-dimensional, T1-weighted, dual-echo body-coil images were acquired from base of skull to knees at 3T, twice before and once after taking subjects off the scanner table (total of three acquisitions). Source images were reconstructed offline to generate water, and calibrated fat images where pure adipose tissue has unit value and absence of adipose tissue has zero value. Abdominal adipose tissues and thigh muscles were segmented, and their volumes estimated using AMRA  a semi-automated analysis method and, as a reference standard, manually. Hepatic PDFF was estimated using a confounder-corrected chemical-shift encoded MRI method with hybrid complex-magnitude reconstruction., and, as a reference standard, with magnetic resonance spectroscopy (MRS). Tissue volume and hepatic PDFF intra- and inter-examination repeatability was assessed by intraclass correlation (ICC) and coefficient of variation (CV) analysis. Tissue volume and hepatic PDFF accuracies were assessed by linear regression using their respective reference standards.

    Results

    Twenty adult subjects were enrolled (18 female, age range 25 - 76 yrs, body mass index range 19.3 to 43.9 kg/m2). Adipose and thigh muscle tissue volumes estimated using the semi-automated analysis method had intra-and inter-examination ICCs between 0.996 and 0.998, and CVs between 1.5 and 3.6%. For hepatic MRI PDFF, intra- and inter-examination ICCs were ≥ 0.994 and CVs, ≤ 7.3%. Agreement between semi-automated and manual volume estimates, and between MRI and MRS hepatic PDFF estimates, was high, with regression slopes and intercepts not significantly different from the identity line (all p’s > 0.05), and R2’s between 0.744 and 0.994.

    Conclusions

    This MRI-based, semi-automated method provides high repeatability, and high accuracy for estimating abdominal adipose tissue and thigh muscle volumes, and hepatic PDFF.

  • 22.
    Middleton, Michael
    et al.
    Department of Radiology, University of California, San Diego, San Diego, CA, United States.
    Haufe, William
    Department of Radiology, University of California, San Diego, San Diego, CA, United States.
    Hooker, Jonathan
    Department of Radiology, University of California, San Diego, San Diego, CA, United States.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Advanced MR Analytics AB, Linköping, Sweden.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Advanced MR Analytics AB, Linköping, Sweden.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Advanced MR Analytics AB, Linköping, Sweden.
    Tunón, Patrik
    Advanced MR Analytics AB, Linköping, Sweden.
    Szeverenyi, Nick
    Department of Radiology, University of California, San Diego, San Diego, CA, United States.
    Hamilton, Gavin
    Department of Radiology, University of California, San Diego, San Diego, CA, United States.
    Wolfson, Tanya
    Department of Radiology, University of California, San Diego, San Diego, CA, United States; Computational and Applied Statistics Laboratory (CASL), University of California, San Diego, San Diego, CA, United States.
    Gamst, Anthony
    Department of Radiology, University of California, San Diego, San Diego, CA, United States; Computational and Applied Statistics Laboratory (CASL), University of California, San Diego, San Diego, CA, United States.
    Loomba, Rohit
    Department of Medicine, University of California, San Diego, San Diego, CA, United States.
    Sirlin, Claude B.
    Department of Radiology, University of California, San Diego, San Diego, CA, United States.
    Repeatability and accuracy of a novel, MRI-based, semi-automated analysis method for quantifying abdominal adipose tissue and thigh muscle volumes2016Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Current MRI methods to estimate body tissue compartment volumes rely on manual segmentation, which is laborious, expensive, not widely available outside specialized centers, and not standardized. To address these concerns, a novel, semi-automated image analysis method has been developed. Image acquisition takes about six minutes, and uses widely available MRI pulse sequences. We found that this method permits comprehensive body compartment analysis and provides high repeatability and accuracy. Current and future clinical and drug development studies may benefit from this methodology, as may clinical settings where monitoring change in these measures is desired.

  • 23.
    Morales Drissi, Natasha
    et al.
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. AMRA Med AB, Linkoping, Sweden.
    Landtblom, Anne-Marie
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för neuro- och inflammationsvetenskap. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Närsjukvården i centrala Östergötland, Neurologiska kliniken. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Uppsala Univ, Sweden.
    Szakacs, Attila
    Univ Gothenburg, Sweden.
    Hallbook, Tove
    Univ Gothenburg, Sweden.
    Darin, Niklas
    Univ Gothenburg, Sweden.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. AMRA Med AB, Linkoping, Sweden.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. AMRA Med AB, Linkoping, Sweden.
    Engström, Maria
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Unexpected Fat Distribution in Adolescents With Narcolepsy2018Inngår i: Frontiers in Endocrinology, ISSN 1664-2392, E-ISSN 1664-2392, Vol. 9, artikkel-id 728Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Narcolepsy type 1 is a chronic sleep disorder with significantly higher BMI reported in more than 50% of adolescent patients, putting them at a higher risk for metabolic syndrome in adulthood. Although well-documented, the body fat distribution and mechanisms behind weight gain in narcolepsy are still not fully understood but may be related to the loss of orexin associated with the disease. Orexin has been linked to the regulation of brown adipose tissue (BAT), a metabolically active fat involved in energy homeostasis. Previous studies have used BMI and waist circumference to characterize adipose tissue increases in narcolepsy but none have investigated its specific distribution. Here, we examine adipose tissue distribution in 19 adolescent patients with narcolepsy type 1 and compare them to 17 of their healthy peers using full body magnetic resonance imaging (MRI). In line with previous findings we saw that the narcolepsy patients had more overall fat than the healthy controls, but contrary to our expectations there were no group differences in supraclavicular BAT, suggesting that orexin may have no effect at all on BAT, at least under thermoneutral conditions. Also, in line with previous reports, we observed that patients had more total abdominal adipose tissue (TAAT), however, we found that they had a lower ratio between visceral adipose tissue (VAT) and TAAT indicating a relative increase of subcutaneous abdominal adipose tissue (ASAT). This relationship between VAT and ASAT has been associated with a lower risk for metabolic disease. We conclude that while weight gain in adolescents with narcolepsy matches that of central obesity, the lower VAT ratio may suggest a lower risk of developing metabolic disease.

  • 24.
    Moreno, Rodrigo
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Hälsouniversitetet.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    de Muinck, Ebo
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Hälsouniversitetet.
    Effects of denoising in the estimation of T2* from images acquired through Dixon imaging2013Konferansepaper (Annet vitenskapelig)
  • 25.
    Newman, David
    et al.
    Department of Radiology, Norfolk & Norwich University Hospital, UK.
    Kelly-Morland, Christian
    Department of Radiology, Norfolk & Norwich University Hospital, UK.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Kasmai, Bahman
    Department of Radiology, Norfolk & Norwich University Hospital, UK.
    Greenwood, Richard
    Department of Radiology, Norfolk & Norwich University Hospital, UK.
    Malcolm, Paul
    Department of Radiology, Norfolk & Norwich University Hospital, UK.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Toms, Andoni
    Department of Radiology, Norfolk & Norwich University Hospital, UK.
    Test–retest reliability of rapid whole body and compartmental fat volume quantification on a widebore 3T MR system in normal-weight, overweight, and obese subjects2016Inngår i: Journal of Magnetic Resonance Imaging, ISSN 1053-1807, E-ISSN 1522-2586, Vol. 44, nr 6, s. 1464-1473Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Purpose

    To measure the test–retest reliability of rapid (<15 min) whole body and visceral fat volume quantification in normal and obese subjects on a widebore 3T MR system and compare it with conventional manual segmentation.

    Materials and Methods

    Thirty participants (body mass index [BMI] 20.1–48.6 kg/m2) underwent two whole-body magnetic resonance imaging (MRI) examinations on a widebore 3T machine using a 2-point Dixon technique. Phase sensitive reconstruction and intensity inhomogeneity correction produced quantitative datasets of total adipose tissue (TAT), abdominal subcutaneous adipose tissue (ASAT), and visceral adipose tissue (VAT). The quantification was performed automatically using nonrigid atlas-based segmentation and compared with manual segmentation (SliceOmatic).

    Results

    The mean TAT was 31.74 L with a coefficient of variation (CV) of 0.79% and a coefficient of repeatability (CR) of 0.49 L. The ASAT was 7.92 L with a CV of 2.98% and a CR of 0.46 L. There was no significant difference in the semiautomated and manually segmented VAT (P = 0.73) but there were differences in the reliability of the two techniques. The mean semiautomated VAT was 2.56 L, CV 1.8%, and CR 0.09 L compared to the mean manually segmented VAT of 3.12 L, where the CV was 6.3% and the CR was 0.39 L.

    Conclusion

    Rapid semiautomated whole body and compartmental fat volume quantification can be derived from a widebore 3T system, for a range of body sizes including obese patients, with “almost perfect” test–retest reliability.

  • 26.
    Norén, Bengt
    et al.
    Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Forsgren, Mikael
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Dahlström, Nils
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Kihlberg, Johan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Kechagias, Stergios
    Linköpings universitet, Institutionen för medicin och hälsa, Internmedicin. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrin- och magtarmmedicinska kliniken US.
    Almer, Sven
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Gastroenterologi och hepatologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrin- och magtarmmedicinska kliniken US.
    Smedby, Örjan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Lundberg, Peter
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Prospective Evaluation of a Novel Quantification Method for the Discrimination of Mild and Severe Hepatic Fibrosis Using Gd-EOB-DTPA2012Konferansepaper (Annet vitenskapelig)
  • 27.
    Norén, Bengt
    et al.
    Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Forsgren, Mikael
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Dahlström, Nils
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Kihlberg, Johan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Kechagias, Stergios
    Linköpings universitet, Institutionen för medicin och hälsa, Internmedicin. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrin- och magtarmmedicinska kliniken US.
    Almer, Sven
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Gastroenterologi och hepatologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrin- och magtarmmedicinska kliniken US.
    Smedby, Örjan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Lundberg, Peter
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Separation of advanced from mild hepatic fibrosis by quantification of the hepatobiliary uptake of Gd-EOB-DTPA2012Konferansepaper (Annet vitenskapelig)
  • 28.
    Norén, Bengt
    et al.
    Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Forsgren, Mikael
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Dahlström, Nils
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Kihlberg, Johan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Kechagias, Stergios
    Linköpings universitet, Institutionen för medicin och hälsa, Internmedicin. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrin- och magtarmmedicinska kliniken US.
    Smedby, Örjan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Lundberg, Peter
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Quantification of the hepatobiliary uptake of Gd-EOB-DTPA can separate advanced from mild fibrosis2012Konferansepaper (Annet vitenskapelig)
  • 29.
    Norén, Bengt
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Forsgren, Mikael Fredrik
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Dahlström, Nils
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Kihlberg, Johan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Kechagias, Stergios
    Linköpings universitet, Institutionen för medicin och hälsa, Internmedicin. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Magtarmmedicinska kliniken.
    Almer, Sven
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Gastroenterologi och hepatologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Magtarmmedicinska kliniken.
    Smedby, Örjan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Lundberg, Peter
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Separation of advanced from mild hepatic fibrosis by quantification of the hepatobiliary uptake of Gd-EOB-DTPA2013Inngår i: European Radiology, ISSN 0938-7994, E-ISSN 1432-1084, Vol. 23, nr 1, s. 174-181Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Objectives

    To apply dynamic contrast-enhanced (DCE) MRI on patients presenting with elevated liver enzymes without clinical signs of hepatic decompensation in order to quantitatively compare the hepatocyte-specific uptake of Gd-EOB-DTPA with histopathological fibrosis stage.

    Methods

    A total of 38 patients were prospectively examined using 1.5-T MRI. Data were acquired from regions of interest in the liver and spleen by using time series of single-breath-hold symmetrically sampled two-point Dixon 3D images (non-enhanced, arterial and venous portal phase; 3, 10, 20 and 30 min) following a bolus injection of Gd-EOB-DTPA (0.025 mmol/kg). The signal intensity (SI) values were reconstructed using a phase-sensitive technique and normalised using multiscale adaptive normalising averaging (MANA). Liver-to-spleen contrast ratios (LSC_N) and the contrast uptake rate (KHep) were calculated. Liver biopsy was performed and classified according to the Batts and Ludwig system.

    Results

    Area under the receiver-operating characteristic curve (AUROC) values of 0.71, 0.80 and 0.78, respectively, were found for KHep, LSC_N10 and LSC_N20 with regard to severe versus mild fibrosis. Significant group differences were found for KHep (borderline), LSC_N10 and LSC_N20.

    Conclusions

    Liver fibrosis stage strongly influences the hepatocyte-specific uptake of Gd-EOB-DTPA. Potentially the normalisation technique and KHep will reduce patient and system bias, yielding a robust approach to non-invasive liver function determination.

  • 30.
    Patra, Hirak Kumar
    et al.
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för cellbiologi. Linköpings universitet, Medicinska fakulteten. Department of Chemical Engineering and Biotechnology, Cambridge University, Cambridge, UK; Wolfson College, University of Cambridge, Cambridge, UK.
    Azharuddin, Mohammad
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för klinisk kemi. Linköpings universitet, Medicinska fakulteten.
    Islam, Mohammad Mirazul
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för cellbiologi. Linköpings universitet, Medicinska fakulteten. Massachusetts Eye and Ear and Schepens Eye Research Institute, Department of Ophthalmology, Harvard Medical School, Boston, USA.
    Papapavlou, Georgia
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för neuro- och inflammationsvetenskap. Linköpings universitet, Medicinska fakulteten.
    Deb, Suryyani
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för mikrobiologi och molekylär medicin. Linköpings universitet, Medicinska fakulteten. Department of Biochemistry, University of Calcutta, Calcutta, India; Department of Biotechnology, Maulana Abul Kalam Azad University of Technology (MAKAUT), West Bengal, India.
    Osterrieth, Johannes
    Department of Chemical Engineering and Biotechnology, Cambridge University, Philippa Fawcett Drive, Cambridge, UK.
    Zhu, Geyunjian Harry
    Department of Chemical Engineering and Biotechnology, Cambridge University, Philippa Fawcett Drive, Cambridge, UK.
    Romu, Thobias
    Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dhara, Ashis K.
    Centre for Image Analysis, Uppsala University, Uppsala, Sweden; Department of Electrical Engineering, National Institute of Technology Durgapur, West Bengal, India.
    Jafari, Mohammad Javad
    Linköpings universitet, Institutionen för fysik, kemi och biologi, Molekylär fysik. Linköpings universitet, Tekniska fakulteten.
    Gadheri, Amineh
    Department of Oncology‐Pathology, Karolinska Institute, Stockholm, Sweden.
    Hinkula, Jorma
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för hematopoes och utvecklingsbiologi. Linköpings universitet, Medicinska fakulteten.
    Rajan, Madhavan S.
    Department of Ophthalmology, Cambridge University Hospitals NHS Trust and Vision and Eye Research Institute (VERI), Anglia Ruskin University, Cambridge, UK.
    Slater, Nigel K. H.
    Department of Chemical Engineering and Biotechnology, Cambridge University, Philippa Fawcett Drive, Cambridge, UK.
    Rational Nanotoolbox with Theranostic Potential for Medicated Pro-Regenerative Corneal Implants2019Inngår i: Advanced Functional Materials, ISSN 1616-301X, E-ISSN 1616-3028, artikkel-id 1903760Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Cornea diseases are a leading cause of blindness and the disease burden is exacerbated by the increasing shortage around the world for cadaveric donor corneas. Despite the advances in the field of regenerative medicine, successful transplantation of laboratory‐made artificial corneas is not fully realized in clinical practice. The causes of failure of such artificial corneal implants are multifactorial and include latent infections from viruses and other microbes, enzyme overexpression, implant degradation, extrusion or delayed epithelial regeneration. Therefore, there is an urgent unmet need for developing customized corneal implants to suit the host environment and counter the effects of inflammation or infection, which are able to track early signs of implant failure in situ. This work reports a nanotoolbox comprising tools for protection from infection, promotion of regeneration, and noninvasive monitoring of the in situ corneal environment. These nanosystems can be incorporated within pro‐regenerative biosynthetic implants, transforming them into theranostic devices, which are able to respond to biological changes following implantation.

    Fulltekst tilgjengelig fra 2020-07-15 00:01
  • 31.
    Patra, Hirak Kumar
    et al.
    Linköpings universitet, Institutionen för fysik, kemi och biologi, Biosensorer och bioelektronik. Linköpings universitet, Tekniska högskolan.
    Khaliq, Nisar Ul
    Linköpings universitet, Institutionen för fysik, kemi och biologi, Biosensorer och bioelektronik. Linköpings universitet, Tekniska högskolan.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Wiechec, Emilia
    Linköpings universitet, Hälsouniversitetet. Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för cellbiologi.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Turner, Anthony P. F.
    Linköpings universitet, Institutionen för fysik, kemi och biologi, Biosensorer och bioelektronik. Linköpings universitet, Tekniska högskolan.
    Tiwari, Ashutosh
    Linköpings universitet, Institutionen för fysik, kemi och biologi, Biosensorer och bioelektronik. Linköpings universitet, Tekniska högskolan.
    MRI-Visual Order–Disorder Micellar Nanostructures for Smart Cancer Theranostics2014Inngår i: Advanced Healthcare Materials, ISSN 2192-2640, Vol. 3, nr 4, s. 526-535Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    The development of MRI-visual order–disorder structures for cancer nanomedicine explores a pH-triggered mechanism for theragnosis of tumor hallmark functions. Superparamagnetic iron oxide nanoparticles (SPIONs) stabilized with amphiphilic poly(styrene)-b-poly(acrylic acid)-doxorubicin with folic acid (FA) surfacing are employed as a multi-functional approach to specifically target, diagnose, and deliver drugs via a single nanoscopic platform for cancer therapy. The functional aspects of the micellar nanocomposite is investigated in vitro using human breast SkBr3 and colon cancer HCT116 cell lines for the delivery, release, localization, and anticancer activity of the drug. For the first time, concentration-dependent T2-weighted MRI contrast for a monolayer of clustered cancer cells is shown. The pH tunable order–disorder transition of the core–shell structure induces the relative changes in MRI contrast. The outcomes elucidate the potential of this material for smart cancer theranostics by delivering non-invasive real-time diagnosis, targeted therapy, and monitoring the course and response of the action before, during, and after the treatment regimen.

  • 32.
    Peolsson, Anneli
    et al.
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för fysioterapi. Linköpings universitet, Medicinska fakulteten.
    Karlsson, Anette
    Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Ghafouri, Bijar
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för samhällsmedicin. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Sinnescentrum, Smärt och rehabiliteringscentrum.
    Ebbers, Tino
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för kardiovaskulär medicin. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Hjärt- och Medicincentrum, Fysiologiska kliniken US. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Engström, Maria
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Jönsson, Margaretha
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för fysioterapi. Linköpings universitet, Medicinska fakulteten. Herrgardets Vardcentral, Sweden.
    Wåhlén, Karin
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för samhällsmedicin. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Sinnescentrum, Smärt och rehabiliteringscentrum.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Kristjansson, Eythor
    Univ Iceland, Iceland.
    Bahat, Hilla Sarig
    Univ Haifa, Israel.
    German, Dmitry
    Univ Haifa, Israel.
    Zsigmond, Peter
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för neuro- och inflammationsvetenskap. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Sinnescentrum, Neurokirurgiska kliniken US.
    Peterson, Gunnel
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för fysioterapi. Linköpings universitet, Medicinska fakulteten. Uppsala Univ, Sweden.
    Pathophysiology behind prolonged whiplash associated disorders: study protocol for an experimental study2019Inngår i: BMC Musculoskeletal Disorders, ISSN 1471-2474, E-ISSN 1471-2474, Vol. 20, artikkel-id 51Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    BackgroundThere is insufficient knowledge of pathophysiological parameters to understand the mechanism behind prolonged whiplash associated disorders (WAD), and it is not known whether or not changes can be restored by rehabilitation. The aims of the projects are to investigate imaging and molecular biomarkers, cervical kinaesthesia, postural sway and the association with pain, disability and other outcomes in individuals with longstanding WAD, before and after a neck-specific exercise intervention. Another aim is to compare individuals with WAD with healthy controls.MethodsParticipants are a sub-group (n=30) of individuals recruited from an ongoing randomized controlled study (RCT). Measurements in this experimental prospective study will be carried out at baseline (before intervention) and at a three month follow-up (end of physiotherapy intervention), and will include muscle structure and inflammation using magnetic resonance imaging (MRI), brain structure and function related to pain using functional MRI (fMRI), muscle function using ultrasonography, biomarkers using samples of blood and saliva, cervical kinaesthesia using the butterfly test and static balance test using an iPhone app. Association with other measures (self-reported and clinical measures) obtained in the RCT (e.g. background data, pain, disability, satisfaction with care, work ability, quality of life) may be investigated. Healthy volunteers matched for age and gender will be recruited as controls (n=30).DiscussionThe study results may contribute to the development of improved diagnostics and improved rehabilitation methods for WAD.Trial registrationClinicaltrial.gov Protocol ID: NCT03664934, initial release 09/11/2018.

  • 33.
    Peterson, Pernilla
    et al.
    Skåne University Hospital, Sweden.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Brorson, Hakan
    Lund University, Sweden.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Mansson, Sven
    Skåne University Hospital, Sweden.
    Fat Quantification in Skeletal Muscle Using Multigradient-Echo Imaging: Comparison of Fat and Water References2016Inngår i: Journal of Magnetic Resonance Imaging, ISSN 1053-1807, E-ISSN 1522-2586, Vol. 43, nr 1, s. 203-212Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Purpose: To investigate the precision, accuracy, and repeatability of water/fat imaging-based fat quantification in muscle tissue using a large flip angle (FA) and a fat reference for the calculation of the proton density fat fraction (FF). Comparison is made to a small FA water reference approach. Materials and Methods: An Intralipid phantom and both forearms of six patients suffering from lymphedema and 10 healthy volunteers were investigated at 1.5T. Two multigradient-echo sequences with eight echo times and FAs of 10 degrees and 85 degrees were acquired. For healthy volunteers, the acquisition of the right arm was performed twice with repositioning. From each set, water reference FF and fat reference FF images were reconstructed and the average FF and the standard deviation were calculated within the subfascial compartment. The small FA water reference was considered the reference standard. Results: A high agreement was found between the small FA water reference and large FA fat reference methods (FF bias=0.31%). In this study, the large FA fat reference approach also resulted in higher precision (38% smaller FF standard deviation in homogenous muscle tissue), but no significant difference in repeatability between the various methods was detected (coefficient of repeatability of small FA water reference approach 0.41%). Conclusion: The precision of fat quantification in muscle tissue can be increased with maintained accuracy using a larger flip angle, if a fat reference instead of a water reference is used.

  • 34.
    Petridou, Elia
    et al.
    Norfolk and Norwich University Hospital, UK.
    Kibiro, Minnie
    Norfolk and Norwich University Hospital, UK.
    Gladwell, Christina
    Norfolk and Norwich University Hospital, UK.
    Malcolm, Paul
    Norfolk and Norwich University Hospital, UK.
    Toms, Andoni
    Norfolk and Norwich University Hospital, UK.
    Juette, Arne
    Norfolk and Norwich University Hospital, UK.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Medicinska fakulteten.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Tekniska fakulteten.
    Kasmai, Bahman
    Norfolk and Norwich University Hospital, UK.
    Denton, Erika
    Norfolk and Norwich University Hospital, UK.
    Breast fat volume measurement in a wide-bore 3T MR: comparison of traditional mammographic density evaluation with MR density measurements using automatic segmentation.2017Inngår i: Clinical Radiology, ISSN 0009-9260, E-ISSN 1365-229X, Vol. 72, nr 7, s. 565-572Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Aim

    To compare magnetic resonance imaging (MRI) derived breast density measurements using automatic segmentation algorithms with radiologist estimations using the Breast Imaging Reporting and Data Systems (BI-RADS) density classification.

    Materials and Methods

    40 women undergoing mammography and dynamic breast MRI as part of their clinical management were recruited. Fat-water separated MR images derived from a 2-point Dixon technique, phase sensitive reconstruction and atlas based segmentation were obtained before and after intravenous contrast. Breast density was assessed using software from Advanced MR Analytics (AMRA), Linköping, Sweden with results compared to the widely used four-quartile quantitative BIRADS scale.

    Results

    The proportion of glandular tissue of the breast on MRI was derived from the AMRA sequence. The mean unenhanced breast density was 0.31 ± 0.22 (mean ± SD) (left) 

    and 0.29 ± 0.21 (right). Mean breast density on post-contrast images was 0.32 ± 0.19 (left) and 0.32 ± 0.2 (right). There was "almost perfect" correlation between pre and post-contrast breast density quantification: Spearman correlation rho=0.98 (95% confidence intervals (CI): 0.97-0.99) (left) and rho=0.99(CI: 0.98-0.99) (right). The 95% limits of agreement were -0.11-0.08 (left) and -0.08-0.03 (right).

    Interobserver reliability for BIRADS is "substantial": weighted Kappa k=0.8 (CI: 0.74- 0.87). The Spearman Correlation coefficient between BIRADs and MR breast density was rho=0.73 (CI: 0.60-0.82) (left) and rho=0.75 (CI: 0.63-0.83) (right) which is also "substantial".

    Conclusion

    The AMRA sequence provides a fully automated, reproducible, objective assessment of fibroglandular breast tissue proportion that correlates well with mammographic assessment of breast density with the added advantage of avoidance of ionising radiation. 

  • 35.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Fat-Referenced MRI: Quanitaive MRI for Tissue Characterizaion and Volume Measurement2018Doktoravhandling, med artikler (Annet vitenskapelig)
    Abstract [en]

    The amount and distribution of adipose and lean tissues has been shown to be predictive of mortality and morbidity in metabolic disease. Traditionally these risks are assessed by anthropometric measurements based on weight, length, girths or the body mass index (BMI). These measurements are predictive of risks on a population level, where a too low or a too high BMI indicates an increased risk of both mortality and morbidity. However, today a large part of the world’s population belongs to a group with an elevated risk according to BMI, many of which will live long and healthy lives. Thus, better instruments are needed to properly direct health-care resources to those who need it the most.

    Medical imaging method can go beyond anthropometrics. Tomographic modalities, such as magnetic resonance imaging (MRI), can measure how we have stored fat in and around organs. These measurements can eventually lead to better individual risk predictions. For instance, a tendency to store fat as visceral adipose tissue (VAT) is associated with an increased risk of diabetes type 2, cardio-vascular disease, liver disease and certain types of cancer. Furthermore, liver fat is associated with liver disease, diabetes type 2. Brown adipose tissue (BAT), is another emerging component of body-composition analysis. While the normal white adipose tissue stores fat, BAT burns energy to produce heat. This unique property makes BAT highly interesting, from a metabolic point of view.

    Magnetic resonance imaging can both accurately and safely measure internal adipose tissue compartments, and the fat infiltration of organs. Which is why MRI is often considered the reference method for non-invasive body-composition analysis. The two major challenges of MRI based body-composition analysis are, the between-scanner reproducibility and a cost-effective analysis of the images. This thesis presents a complete implementation of fat-referenced MRI, a technique that produces quantitative images that can increase both inter-scanner and automation of the image analysis.

    With MRI, it is possible to construct images where water and fat are separated into paired images. In these images, it easy to depict adipose tissue and lean tissue structures. This thesis takes water-fat MRI one step further, by introducing a quantitative framework called fat-referenced MRI. By calibrating the image using the subjects' own adipose tissue (paper II), the otherwise non-quantitative fat images are made quantitative. In these fat-referenced images it is possible to directly measure the amount of adipose tissue in different compartments. This quantitative property makes image analysis easy and accurate, as lean and adipose tissues can be separated on a sub-voxel level. Fat-referenced MRI further allows the quantification and characterization of BAT.

    This thesis work starts by formulating a method to produce water-fat images (paper I) based on two gradient recall images, i.e.\ 2-point Dixon images (2PD). It furthers shows that fat-referenced 2PD images can be corrected for T2*, making the 2PD body-composition measurements comparable with confounder-corrected Dixon measurements (paper III}).

    Both the water-fat separation method and fat image calibration are applied to BAT imaging. The methodology is first evaluated in an animal model, where it is shown that it can detect both BAT browning and volume increase following cold acclimatization (paper IV). It is then applied to postmortem imaging, were it is used to locate interscapular BAT in human infants (paper V). Subsequent analysis of biopsies, taken based on the MRI images, showed that the interscapular BAT was of a type not previously believed to exist in humans. In the last study, fat-referenced MRI is applied to BAT imaging of adults. As BAT structures are difficult to locate in many adults, the methodology was also extended with a multi-atlas segmentation methods (paper VI).

    In summary, this thesis shows that fat-referenced MRI is a quantitative method that can be used for body-composition analysis. It also shows that fat-referenced MRI can produce quantitative high-resolution images, a necessity for many BAT applications.

    Delarbeid
    1. Robust Water Fat Separated Dual-Echo MRI by Phase-Sensitive Reconstruction
    Åpne denne publikasjonen i ny fane eller vindu >>Robust Water Fat Separated Dual-Echo MRI by Phase-Sensitive Reconstruction
    2017 (engelsk)Inngår i: Magnetic Resonance in Medicine, ISSN 0740-3194, E-ISSN 1522-2594, Vol. 78, nr 3, s. 1208-1216Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract [en]

    Purpose: To develop and evaluate a robust water-fat separation method for T1-weighted symmetric two-point Dixon data.

    Methods: A method for water-fat separation by phase unwrapping of the opposite-phase images by phase-sensitive reconstruction (PSR) is introduced. PSR consists of three steps; 1, identification of clusters of tissue voxels; 2, unwrapping of the phase in each cluster by solving Poisson’s equation; 3, find the correct sign of each unwrapped opposite-phase cluster, so that the water-fat images are assigned the correct identities. The robustness was evaluated by counting the number of water-fat swap artifacts in a total of 733 image volumes. The method was also compared to commercial software.

    Results: In the water-fat separated image volumes, the PSR method failed to unwrap the phase of one cluster and misclassified 10. One swap was observed in areas affected by motion and was constricted to the affected area. Twenty swaps were observed surrounding susceptibility artifacts, none of which spread outside the artifact affected regions. The PSR method had fewer swaps when compared to commercial software.

    Conclusion: The PSR method can robustly produce water-fat separated whole-body images based on symmetric two-echo spoiled gradient echo images, under both ideal conditions and in the presence of common artifacts.

    sted, utgiver, år, opplag, sider
    Wiley-Blackwell, 2017
    Emneord
    Dixon Imaging; Phase correction; Segmentation; Water-fat separation; Whole-body imaging
    HSV kategori
    Identifikatorer
    urn:nbn:se:liu:diva-131134 (URN)10.1002/mrm.26488 (DOI)000407855700040 ()27775180 (PubMedID)
    Tilgjengelig fra: 2016-09-12 Laget: 2016-09-12 Sist oppdatert: 2019-06-14
    2. MANA - Multi scale adaptive normalized averaging
    Åpne denne publikasjonen i ny fane eller vindu >>MANA - Multi scale adaptive normalized averaging
    2011 (engelsk)Inngår i: 2011 IEEE International Symposium on Biomedical Imaging: From Nano to Macro, IEEE conference proceedings, 2011, s. 361-364Konferansepaper, Publicerat paper (Fagfellevurdert)
    Abstract [en]

    It is possible to correct intensity inhomogeneity in fat–water Magnetic Resonance Imaging (MRI) by estimating a bias field based on the observed intensities of voxels classified as the pure adipose tissue. The same procedure can also be used to quantify fat volume and its distribution which opens up for new medical applications. The bias field estimation method has to be robust since pure fat voxels are irregularly located and the density varies greatly within and between image volumes. This paper introduces Multi scale Adaptive Normalized Average (MANA) that solves this problem bybasing the estimate on a scale space of weighted averages. By usingthe local certainty of the data MANA preserves details where the local data certainty is high and provides realistic values in sparse areas.

    sted, utgiver, år, opplag, sider
    IEEE conference proceedings, 2011
    Serie
    International Symposium on Biomedical Imaging. Proceedings, ISSN 1945-7928
    HSV kategori
    Identifikatorer
    urn:nbn:se:liu:diva-67848 (URN)10.1109/ISBI.2011.5872424 (DOI)000298849400083 ()978-1-4244-4128-0 (ISBN)
    Konferanse
    IEEE International Symposium on Biomedical Imaging: From Nano to Macro, Chicago, IL, USA, March 30 2011-April 2 2011
    Tilgjengelig fra: 2011-04-29 Laget: 2011-04-29 Sist oppdatert: 2019-06-14
    3. Characterization of Brown Adipose Tissue by water-fat separated Magnetic Resonance Imaging
    Åpne denne publikasjonen i ny fane eller vindu >>Characterization of Brown Adipose Tissue by water-fat separated Magnetic Resonance Imaging
    Vise andre…
    2015 (engelsk)Inngår i: Journal of Magnetic Resonance Imaging, ISSN 1053-1807, E-ISSN 1522-2586, Vol. 42, nr 6, s. 1639-1645Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract [en]

    Purpose: To evaluate the possibility of quantifying brown adipose tissue (BAT) volume and fat concentration with a high resolution, long TE, dual-echo Dixon imaging protocol.

    Materials and methods: A 0.42 mm isotropic resolution water-fat separated MRI protocol was implemented by utilizing the second opposite-phase echo and third in-phase echo. Fat images were calibrated with regard to the intensity of nearby white adipose tissue (WAT) to form relative fat content (RFC) images. To evaluate the ability to measure BAT volume and RFC contrast dynamics, rats were divided into two groups that were kept at 4° or 22° C for five days. The rats were then scanned in a 70 cm bore 3.0 T MRI scanner and a human dual energy CT. Interscapular, paraaortal and perirenal BAT (i/pa/pr-BAT) depots as well as WAT and muscle were segmented in the MRI and CT images. Biopsies were collected from the identified BAT depots.

    Results: The biopsies confirmed that the three depots identified with the RFC images consisted of BAT. There was a significant linear correlation (p <0.001) between the measured RFC and the Hounsfield units from DECT. Significantly lower iBAT RFC (p = 0.0064) and significantly larger iBAT and prBAT volumes (p=0.0017) were observed in the cold stimulated rats.

    Conclusions: The calibrated Dixon images with RFC scaling can depict BAT and be used to measure differences in volume, and fat concentration, induced by cold stimulation. The high correlation between RFC and HU suggests that the fat concentration is the main RFC image contrast mechanism.

    sted, utgiver, år, opplag, sider
    John Wiley & Sons, 2015
    Emneord
    Brown Adipose Tissue; BAT; Fat Water MRI
    HSV kategori
    Identifikatorer
    urn:nbn:se:liu:diva-116931 (URN)10.1002/jmri.24931 (DOI)000368258100020 ()
    Forskningsfinansiär
    Knowledge Foundation, 2011.0059
    Tilgjengelig fra: 2015-04-09 Laget: 2015-04-09 Sist oppdatert: 2019-06-14
    4. Evidence for two types of brown adipose tissue in humans
    Åpne denne publikasjonen i ny fane eller vindu >>Evidence for two types of brown adipose tissue in humans
    Vise andre…
    2013 (engelsk)Inngår i: Nature Medicine, ISSN 1078-8956, E-ISSN 1546-170X, Vol. 19, nr 5, s. 631-634Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract [en]

    The previously observed supraclavicular depot of brown adipose tissue (BAT) in adult humans was commonly believed to be the equivalent of the interscapular thermogenic organ of small mammals. This view was recently disputed on the basis of the demonstration that this depot consists of beige (also called brite) brown adipocytes, a newly identified type of brown adipocyte that is distinct from the classical brown adipocytes that make up the interscapular thermogenic organs of other mammals. A combination of high-resolution imaging techniques and histological and biochemical analyses showed evidence for an anatomically distinguishable interscapular BAT (iBAT) depot in human infants that consists of classical brown adipocytes, a cell type that has so far not been shown to exist in humans. On the basis of these findings, we conclude that infants, similarly to rodents, have the bona fide iBAT thermogenic organ consisting of classical brown adipocytes that is essential for the survival of small mammals in a cold environment.

    sted, utgiver, år, opplag, sider
    Nature Publishing Group, 2013
    Emneord
    BAT, MRI
    HSV kategori
    Identifikatorer
    urn:nbn:se:liu:diva-91307 (URN)10.1038/nm.3017 (DOI)000318583000037 ()
    Forskningsfinansiär
    Knut and Alice Wallenberg Foundation, 2011.0059
    Tilgjengelig fra: 2013-04-21 Laget: 2013-04-21 Sist oppdatert: 2019-06-14bibliografisk kontrollert
    5. A randomized trial of cold-exposure on energy expenditure and supraclavicular brown adipose tissue volume in humans
    Åpne denne publikasjonen i ny fane eller vindu >>A randomized trial of cold-exposure on energy expenditure and supraclavicular brown adipose tissue volume in humans
    Vise andre…
    2016 (engelsk)Inngår i: Metabolism: Clinical and Experimental, ISSN 0026-0495, E-ISSN 1532-8600, Vol. 65, nr 6, s. 926-934Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract [en]

    Objective

    To study if repeated cold-exposure increases metabolic rate and/or brown adipose tissue (BAT) volume in humans when compared with avoiding to freeze.

    Design

    Randomized, open, parallel-group trial.

    Methods

    Healthy non-selected participants were randomized to achieve cold-exposure 1 hour/day, or to avoid any sense of feeling cold, for 6 weeks. Metabolic rate (MR) was measured by indirect calorimetry before and after acute cold-exposure with cold vests and ingestion of cold water. The BAT volumes in the supraclavicular region were measured with magnetic resonance imaging (MRI).

    Results

    Twenty-eight participants were recruited, 12 were allocated to controls and 16 to cold-exposure. Two participants in the cold group dropped out and one was excluded. Both the non-stimulated and the cold-stimulated MR were lowered within the group randomized to avoid cold (MR at room temperature from 1841 ± 199 kCal/24 h to 1795 ± 213 kCal/24 h, p = 0.047 cold-activated MR from 1900 ± 150 kCal/24 h to 1793 ± 215 kCal/24 h, p = 0.028). There was a trend towards increased MR at room temperature following the intervention in the cold-group (p = 0.052). The difference between MR changes by the interventions between groups was statistically significant (p = 0.008 at room temperature, p = 0.032 after cold-activation). In an on-treatment analysis after exclusion of two participants that reported ≥ 8 days without cold-exposure, supraclavicular BAT volume had increased in the cold-exposure group (from 0.0175 ± 0.015 l to 0.0216 ± 0.014 l, p = 0.049).

    Conclusions

    We found evidence for plasticity in metabolic rate by avoiding to freeze compared with cold-exposure in a randomized setting in non-selected humans.

    sted, utgiver, år, opplag, sider
    Elsevier, 2016
    Emneord
    Brown adipose tissue; Cold exposure; Magnetic resonance imaging; Metabolic rate
    HSV kategori
    Identifikatorer
    urn:nbn:se:liu:diva-128200 (URN)10.1016/j.metabol.2016.03.012 (DOI)000376145100013 ()27173471 (PubMedID)
    Forskningsfinansiär
    Knut and Alice Wallenberg Foundation
    Merknad

    Funding agencies: Linkoping University; County Council of Ostergotland (LUA-ALF), Sweden; Swedish Research Council [2013-4466, 2012-1652, 2014-2516]; Knut and Alice Wallenberg Foundation; Sahlgrenskas University Hospital (LUA-ALF); European Union grant (DIABAT) [HEALTH-F2-

    Tilgjengelig fra: 2016-05-22 Laget: 2016-05-22 Sist oppdatert: 2019-06-14
  • 36.
    Romu, Thobias
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Tekniska högskolan.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Hälsouniversitetet.
    MANA - Multi scale adaptive normalized averaging2011Inngår i: 2011 IEEE International Symposium on Biomedical Imaging: From Nano to Macro, IEEE conference proceedings, 2011, s. 361-364Konferansepaper (Fagfellevurdert)
    Abstract [en]

    It is possible to correct intensity inhomogeneity in fat–water Magnetic Resonance Imaging (MRI) by estimating a bias field based on the observed intensities of voxels classified as the pure adipose tissue. The same procedure can also be used to quantify fat volume and its distribution which opens up for new medical applications. The bias field estimation method has to be robust since pure fat voxels are irregularly located and the density varies greatly within and between image volumes. This paper introduces Multi scale Adaptive Normalized Average (MANA) that solves this problem bybasing the estimate on a scale space of weighted averages. By usingthe local certainty of the data MANA preserves details where the local data certainty is high and provides realistic values in sparse areas.

  • 37.
    Romu, Thobias
    et al.
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Camilla, Vavruch
    Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Medicinska fakulteten.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Tallberg, Joakim
    Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Medicinska fakulteten.
    Dahlström, Nils
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Persson, Anders
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Heglind, Mikael
    University of Gothenburg, Gothenburg, Sweden..
    Lidell, Martin
    University of Gothenburg, Gothenburg, Sweden..
    Enerbäck, Sven
    University of Gothenburg, Gothenburg, Sweden..
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Nyström, Fredrik
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för kardiovaskulär medicin. Linköpings universitet, Medicinska fakulteten. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrinmedicinska kliniken.
    A randomized trial of cold-exposure on energy expenditure and supraclavicular brown adipose tissue volume in humans2016Inngår i: Metabolism: Clinical and Experimental, ISSN 0026-0495, E-ISSN 1532-8600, Vol. 65, nr 6, s. 926-934Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Objective

    To study if repeated cold-exposure increases metabolic rate and/or brown adipose tissue (BAT) volume in humans when compared with avoiding to freeze.

    Design

    Randomized, open, parallel-group trial.

    Methods

    Healthy non-selected participants were randomized to achieve cold-exposure 1 hour/day, or to avoid any sense of feeling cold, for 6 weeks. Metabolic rate (MR) was measured by indirect calorimetry before and after acute cold-exposure with cold vests and ingestion of cold water. The BAT volumes in the supraclavicular region were measured with magnetic resonance imaging (MRI).

    Results

    Twenty-eight participants were recruited, 12 were allocated to controls and 16 to cold-exposure. Two participants in the cold group dropped out and one was excluded. Both the non-stimulated and the cold-stimulated MR were lowered within the group randomized to avoid cold (MR at room temperature from 1841 ± 199 kCal/24 h to 1795 ± 213 kCal/24 h, p = 0.047 cold-activated MR from 1900 ± 150 kCal/24 h to 1793 ± 215 kCal/24 h, p = 0.028). There was a trend towards increased MR at room temperature following the intervention in the cold-group (p = 0.052). The difference between MR changes by the interventions between groups was statistically significant (p = 0.008 at room temperature, p = 0.032 after cold-activation). In an on-treatment analysis after exclusion of two participants that reported ≥ 8 days without cold-exposure, supraclavicular BAT volume had increased in the cold-exposure group (from 0.0175 ± 0.015 l to 0.0216 ± 0.014 l, p = 0.049).

    Conclusions

    We found evidence for plasticity in metabolic rate by avoiding to freeze compared with cold-exposure in a randomized setting in non-selected humans.

  • 38.
    Romu, Thobias
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Hälsouniversitetet.
    Forsgren, Mikael
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Almer, Sven
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Gastroenterologi och hepatologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrin- och magtarmmedicinska kliniken US.
    Dahlström, Nils
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet.
    Kechagias, Stergios
    Linköpings universitet, Institutionen för medicin och hälsa, Internmedicin. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrin- och magtarmmedicinska kliniken US.
    Nyström, Fredrik
    Linköpings universitet, Institutionen för medicin och hälsa, Internmedicin. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrin- och magtarmmedicinska kliniken US.
    Smedby, Örjan
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiologi. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Lundberg, Peter
    Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Tekniska högskolan.
    Fat Water Classification of Symmetrically Sampled Two-Point Dixon Images Using Biased Partial Volume Effects2011Inngår i: Proceedings of the annual meeting of the International Society for Magnetic Resonance in Medicine (ISMRM 2011), 2011., 2011Konferansepaper (Fagfellevurdert)
  • 39.
    Romu, Thobias
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Lundberg, Peter
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Robust fat-­‐water separation of symmetrically sampled two point Dixon data2012Inngår i: ISMRM workshop on Fat-­‐Water Separation: Insights, Applications & Progress in MRI, 2012Konferansepaper (Fagfellevurdert)
  • 40.
    Romu, Thobias
    et al.
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Tekniska fakulteten.
    Dahlström, Nils
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Robust Water Fat Separated Dual-Echo MRI by Phase-Sensitive Reconstruction2017Inngår i: Magnetic Resonance in Medicine, ISSN 0740-3194, E-ISSN 1522-2594, Vol. 78, nr 3, s. 1208-1216Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Purpose: To develop and evaluate a robust water-fat separation method for T1-weighted symmetric two-point Dixon data.

    Methods: A method for water-fat separation by phase unwrapping of the opposite-phase images by phase-sensitive reconstruction (PSR) is introduced. PSR consists of three steps; 1, identification of clusters of tissue voxels; 2, unwrapping of the phase in each cluster by solving Poisson’s equation; 3, find the correct sign of each unwrapped opposite-phase cluster, so that the water-fat images are assigned the correct identities. The robustness was evaluated by counting the number of water-fat swap artifacts in a total of 733 image volumes. The method was also compared to commercial software.

    Results: In the water-fat separated image volumes, the PSR method failed to unwrap the phase of one cluster and misclassified 10. One swap was observed in areas affected by motion and was constricted to the affected area. Twenty swaps were observed surrounding susceptibility artifacts, none of which spread outside the artifact affected regions. The PSR method had fewer swaps when compared to commercial software.

    Conclusion: The PSR method can robustly produce water-fat separated whole-body images based on symmetric two-echo spoiled gradient echo images, under both ideal conditions and in the presence of common artifacts.

  • 41.
    Romu, Thobias
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    Elander, Louise
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för klinisk och experimentell medicin, Cellbiologi. Linköpings universitet, Hälsouniversitetet.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Medicinsk radiofysik. Linköpings universitet, Hälsouniversitetet.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan.
    High resolution symmetrically sampled two point Dixon imaging2012Inngår i: Proceedings of the ISMRM Annual Meeting, 2012Konferansepaper (Annet vitenskapelig)
  • 42.
    Romu, Thobias
    et al.
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Elander, Louise
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för cellbiologi. Linköpings universitet, Medicinska fakulteten.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Lidell, Martin
    Göteborgs universitet.
    Betz, Matthias
    Klinikum der Ludwig Maximilians University, Munich.
    Persson, Anders
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Enerbäck, Sven
    Göteborgs universitet.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Characterization of Brown Adipose Tissue by water-fat separated Magnetic Resonance Imaging2015Inngår i: Journal of Magnetic Resonance Imaging, ISSN 1053-1807, E-ISSN 1522-2586, Vol. 42, nr 6, s. 1639-1645Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Purpose: To evaluate the possibility of quantifying brown adipose tissue (BAT) volume and fat concentration with a high resolution, long TE, dual-echo Dixon imaging protocol.

    Materials and methods: A 0.42 mm isotropic resolution water-fat separated MRI protocol was implemented by utilizing the second opposite-phase echo and third in-phase echo. Fat images were calibrated with regard to the intensity of nearby white adipose tissue (WAT) to form relative fat content (RFC) images. To evaluate the ability to measure BAT volume and RFC contrast dynamics, rats were divided into two groups that were kept at 4° or 22° C for five days. The rats were then scanned in a 70 cm bore 3.0 T MRI scanner and a human dual energy CT. Interscapular, paraaortal and perirenal BAT (i/pa/pr-BAT) depots as well as WAT and muscle were segmented in the MRI and CT images. Biopsies were collected from the identified BAT depots.

    Results: The biopsies confirmed that the three depots identified with the RFC images consisted of BAT. There was a significant linear correlation (p <0.001) between the measured RFC and the Hounsfield units from DECT. Significantly lower iBAT RFC (p = 0.0064) and significantly larger iBAT and prBAT volumes (p=0.0017) were observed in the cold stimulated rats.

    Conclusions: The calibrated Dixon images with RFC scaling can depict BAT and be used to measure differences in volume, and fat concentration, induced by cold stimulation. The high correlation between RFC and HU suggests that the fat concentration is the main RFC image contrast mechanism.

  • 43.
    Romu, Thobias
    et al.
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Tekniska fakulteten.
    Linge, Jennifer
    Advanced MR Analytics AB, Linköping, Sweden.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten.
    West, Janne
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten.
    Bell, Jimmy
    Westminster University, London, UK.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Hepatic Steatosis is Associated with Lower Prior Health Care Burden in Visceral Obesity2017Konferansepaper (Fagfellevurdert)
  • 44.
    Romu, Thobias
    et al.
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    West, Janne
    Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Spetz, Anna-Clara
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för kliniska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Barn- och kvinnocentrum, Kvinnokliniken i Linköping.
    Lindblom, Hanna
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för fysioterapi. Linköpings universitet, Medicinska fakulteten.
    Lindh Åstrand, Lotta
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för kliniska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Barn- och kvinnocentrum, Kvinnokliniken i Linköping.
    Hammar, Mats
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för kliniska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Barn- och kvinnocentrum, Kvinnokliniken i Linköping.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    The effect of flip-angle on body composition using calibrated water-fat MRI.2016Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    This study tested how the flip angle affects body composition analysis by MRI, if adipose tissue is used as an internal intensity reference. Whole-body water-fat images with flip angle 5° and 10° were collected from 29 women in an ongoing study. The images were calibrated based on the adipose tissue signal and whole-body total adipose, lean and soft tissue volumes were measured. A mean difference of 0.29 L, or 0.90 % of the average volume, and a coefficient of variation of 0.40 % was observed for adipose tissue.

  • 45.
    Thunón, Patrik
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Zanjanis, Sepher
    Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Hälsouniversitetet.
    Gjellan, Solveig
    Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Hälsouniversitetet.
    Nyström, Fredrik
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för kardiovaskulär medicin. Linköpings universitet, Hälsouniversitetet. Östergötlands Läns Landsting, Hjärt- och Medicincentrum, Endokrinmedicinska kliniken.
    Lundberg, Peter
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Smedby, Örjan
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Östergötlands Läns Landsting, Diagnostikcentrum, Röntgenkliniken i Linköping.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Hälsouniversitetet. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Östergötlands Läns Landsting, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Body Composition Volumetry by Whole-Body Water-Fat Separated MRI2014Konferansepaper (Annet vitenskapelig)
  • 46.
    West, Janne
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Romu, Thobias
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten.
    Collins, Rory
    Nuffield Department of Population Health, University of Oxford.
    Garratt, Steve
    UK Biobank, Spectrum Way, Adswood, Stockport, UK.
    Bell, Jimmy
    Research Centre for Optimal Health, University of Westminster, London, UK.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Advanced MR Analytics AB, Linköping, Sweden.
    Thomas, E. Louise
    Research Centre for Optimal Health, University of Westminster, London, UK.
    Feasibility of MR-based Body Composition Analysis in Large Scale Population Studies2016Inngår i: PLoS ONE, ISSN 1932-6203, E-ISSN 1932-6203, Vol. 11, nr 9, artikkel-id e0163332Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Introduction

    Quantitative and accurate measurements of fat and muscle in the body are important for prevention and diagnosis of diseases related to obesity and muscle degeneration. Manually segmenting muscle and fat compartments in MR body-images is laborious and time-consuming, hindering implementation in large cohorts. In the present study, the feasibility and success-rate of a Dixon-based MR scan followed by an intensity-normalised, non-rigid, multi-atlas based segmentation was investigated in a cohort of 3,000 subjects.

    Materials and Methods

    3,000 participants in the in-depth phenotyping arm of the UK Biobank imaging study underwent a comprehensive MR examination. All subjects were scanned using a 1.5 T MR-scanner with the dual-echo Dixon Vibe protocol, covering neck to knees. Subjects were scanned with six slabs in supine position, without localizer. Automated body composition analysis was performed using the AMRA Profiler™ system, to segment and quantify visceral adipose tissue (VAT), abdominal subcutaneous adipose tissue (ASAT) and thigh muscles. Technical quality assurance was performed and a standard set of acceptance/rejection criteria was established. Descriptive statistics were calculated for all volume measurements and quality assurance metrics.

    Results

    Of the 3,000 subjects, 2,995 (99.83 %) were analysable for fat, 2,828 (94.27 %) were analysable when fat and one thigh was included, and 2,775 (92.50 %) were fully analysable for fat and both thigh muscles. Reasons for not being able to analyse datasets were mainly due to missing slabs in the acquisition, or patient positioned so that large parts of the volume was outside of the field-of-view.

    Discussion and Conclusions

    In conclusion, this study showed that the rapid UK Biobank MR-protocol was well tolerated by most subjects and sufficiently robust to achieve very high success-rate for body composition analysis. This research has been conducted using the UK Biobank Resource.

  • 47.
    West, Janne
    et al.
    Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Thomas, E. Louise
    Department of Life Sciences Faculty of Science and Technology, University of Westminster, London, UK.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Bell, Jimmy
    Department of Life Sciences Faculty of Science and Technology, University of Westminster, London, UK.
    Body Composition Analysis In Large Scale Population Studies using Dixon Water-Fat Separated Imaging2016Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Water-fat separated MRI, based on Dixon imaging techniques enables high soft-tissue contrast and the separation of fat and muscle compartments. This study investigate the feasibility and success-rate of one recently described method for MR data-acquisition and body composition analysis, in a large-scale population study. The first 1,000 subjects in the UK Biobank imaging cohort were scanned, quality assured and included for body composition analysis. Volumes of visceral adipose tissue, abdominal subcutaneous tissue, and thigh muscles were calculated. This study showed that the rapid MR-examination was sufficiently robust to achieve very high success-rate for body composition analysis. 

  • 48.
    West, Janne
    et al.
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten.
    Linge, Jennifer
    Advanced MR Analytics AB, Linköping, Sweden.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Tekniska fakulteten.
    Borga, Magnus
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten.
    Bell, Jimmy
    Westminster University, London, UK.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Distribution Matters – Body Composition Profiling Associated with Prior Health Care Burden2017Konferansepaper (Fagfellevurdert)
  • 49.
    West, Janne
    et al.
    Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Spetz, Anna-Clara
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för kliniska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Barn- och kvinnocentrum, Kvinnokliniken i Linköping.
    Lindblom, Hanna
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för fysioterapi. Linköpings universitet, Medicinska fakulteten.
    Lindh Åstrand, Lotta
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för kliniska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Barn- och kvinnocentrum, Kvinnokliniken i Linköping.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Hammar, Mats
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för kliniska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Barn- och kvinnocentrum, Kvinnokliniken i Linköping.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US.
    Automatic combined whole-body muscle and fat volume quantification using water-fat separated MRI in postmenopausal women2015Inngår i: International Society for Magnetic Resonance in Medicine Annual Meeting: Proceedings, 2015Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Quantitative and exact measurements of fat and muscle in the body are important when addressing some of the greatest health-challenges today. In this study whole-body combined regional muscle and fat volume quantification was validated in a group of postmenopausal women, where the body composition is changing. Twelve subjects were scanned with a 4-echo 3D gradient-echo sequence. Water and fat image volumes were calculated using IDEAL, and image intensity correction was performed. Subsequently, automatic tissue segmentation was established using non-rigid morphon based registration. Whole-body regional fat and muscle segmentation could be performed with excellent test-retest reliability, in a single 7-minutes MR-scan.

  • 50.
    West, Janne
    et al.
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Linköpings universitet, Medicinska fakulteten.
    Romu, Thobias
    Linköpings universitet, Institutionen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Adv MR Analyt AB, Linkoping, Sweden.
    Thorell, Sofia
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för barns och kvinnors hälsa. Linköpings universitet, Institutionen för medicin och hälsa. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Sweden.
    Lindblom, Hanna
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för fysioterapi. Linköpings universitet, Medicinska fakulteten.
    Berin, Emilia
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för barns och kvinnors hälsa. Linköpings universitet, Medicinska fakulteten.
    Spetz Holm, Anna-Clara
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för barns och kvinnors hälsa. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Barn- och kvinnocentrum, Kvinnokliniken i Linköping.
    Lindh Åstrand, Lotta
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för barns och kvinnors hälsa. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Barn- och kvinnocentrum, Kvinnokliniken i Linköping.
    Karlsson, Anette
    Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
    Borga, Magnus
    Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Adv MR Analyt AB, Linkoping, Sweden.
    Hammar, Mats
    Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för barns och kvinnors hälsa. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Barn- och kvinnocentrum, Kvinnokliniken i Linköping.
    Dahlqvist Leinhard, Olof
    Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Centrum för kirurgi, ortopedi och cancervård, Radiofysikavdelningen US. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Adv MR Analyt AB, Linkoping, Sweden.
    Precision of MRI-based body composition measurements of postmenopausal women2018Inngår i: PLoS ONE, ISSN 1932-6203, E-ISSN 1932-6203, Vol. 13, nr 2, artikkel-id e0192495Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Objectives To determine precision of magnetic resonance imaging (MRI) based fat and muscle quantification in a group of postmenopausal women. Furthermore, to extend the method to individual muscles relevant to upper-body exercise. Materials and methods This was a sub-study to a randomized control trial investigating effects of resistance training to decrease hot flushes in postmenopausal women. Thirty-six women were included, mean age 56 +/- 6 years. Each subject was scanned twice with a 3.0T MR-scanner using a whole-body Dixon protocol. Water and fat images were calculated using a 6-peak lipid model including R2*-correction. Body composition analyses were performed to measure visceral and subcutaneous fat volumes, lean volumes and muscle fat infiltration (MFI) of the muscle groups thigh muscles, lower leg muscles, and abdominal muscles, as well as the three individual muscles pectoralis, latissimus, and rhomboideus. Analysis was performed using a multi-atlas, calibrated water-fat separated quantification method. Liver-fat was measured as average proton density fat-fraction (PDFF) of three regions-of-interest. Precision was determined with Bland-Altman analysis, repeatability, and coefficient of variation. Results All of the 36 included women were successfully scanned and analysed. The coefficient of variation was 1.1% to 1.5% for abdominal fat compartments (visceral and subcutaneous), 0.8% to 1.9% for volumes of muscle groups (thigh, lower leg, and abdomen), and 2.3% to 7.0% for individual muscle volumes (pectoralis, latissimus, and rhomboideus). Limits of agreement for MFI was within +/- 2.06% for muscle groups and within +/- 5.13% for individual muscles. The limits of agreement for liver PDFF was within +/- 1.9%. Conclusion Whole-body Dixon MRI could characterize a range of different fat and muscle compartments with high precision, including individual muscles, in the study-group of postmenopausal women. The inclusion of individual muscles, calculated from the same scan, enables analysis for specific intervention programs and studies.

12 1 - 50 of 51
RefereraExporteraLink til resultatlisten
Permanent link
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf