分享:
分享到微信朋友圈
X
综述
心外膜脂肪组织心脏磁共振成像序列及研究进展
马延 王晶鑫 王斌 罗松 蔡军

Cite this article as: Ma Y, Wang JX, Wang B, et al. Cardiac magnetic resonance imaging sequence of epicardial adipose tissue and research progress[J]. Chin J Magn Reson Imaging, 2022, 13(8): 142-145.本文引用格式:马延, 王晶鑫, 王斌, 等. 心外膜脂肪组织心脏磁共振成像序列及研究进展[J]. 磁共振成像, 2022, 13(8): 142-145. DOI:10.12015/issn.1674-8034.2022.08.032.


[摘要] 心外膜脂肪组织(epicardial adipose tissue, EAT)位于心肌和脏层心包之间,具有代谢、产热、独特的转录、分泌谱和可测量性等特点,与多种心血管相关疾病存在密切的关系,其可能是潜在的心血管疾病治疗靶点,近年来得到大量的研究。影像学是检测和评估EAT最主要的手段,其中心脏磁共振(cardiac magnetic resonance, CMR)成像具有高空间分辨率、无辐射、良好组织对比度等有点,目前被认为是EAT定量评估主要方法。本文就EAT的CMR成像原理、成像序列、测量软件及研究进展作一综述。
[Abstract] Epicardial adipose tissue (EAT) is located between the myocardium and visceral pericardium. EAT has characteristics of metabolism, calorihism, unique transcription, secretion profile and calcalability. It has been reported that EAT may be a potential therapeutic target for cardiovascular diseases. Imaging is the most important method to detect and evaluate EAT, among which cardiac magnetic resonance (CMR) has high spatial resolution, no radiation damage and good tissue contrast, and is currently considered as the main method for quantitative evaluation of EAT. In this review, we submitted the CMR imaging principle, sequences, measurement software and research progress of EAT.
[关键词] 心外膜脂肪组织;心脏磁共振成像;左心室舒张功能障碍
[Keywords] epicardial adipose tissue;cardiac magnetic resonance imaging;left ventricular diastolic dysfunction

马延    王晶鑫    王斌    罗松    蔡军 *  

南京大学医学院附属金陵医院东部战区总医院放射诊断科,南京 210002

蔡军,E-mail:171253624@qq.com

作者利益冲突声明:全部作者均声明无利益冲突。


基金项目: 国家自然科学基金 81601486
收稿日期:2022-03-30
接受日期:2022-08-10
中图分类号:R445.2  R541.8 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.08.032
本文引用格式:马延, 王晶鑫, 王斌, 等. 心外膜脂肪组织心脏磁共振成像序列及研究进展[J]. 磁共振成像, 2022, 13(8): 142-145. DOI:10.12015/issn.1674-8034.2022.08.032.

       心外膜脂肪组织(epicardial adipose tissue, EAT)是一种储存能量并为冠脉提供物理保护的惰性脂肪组织,研究发现EAT可产生脂肪因子、细胞因子、血管生成因子等活性物质[1, 2, 3]。EAT可直接浸润心肌,导致心肌细胞功能紊乱,促进心肌纤维化,引起心肌细胞结构改变与功能紊乱,同时通过炎症反应和氧化应激增加等机制影响心脏正常的电生理功能,研究显示其与多种急慢性心血管相关疾病存在密切的关系[1,4, 5, 6],可能是潜在的心血管疾病治疗靶点[2,7, 8]。影像学是目前定量评估EAT主要手段,主要包括超声心动图[9]、计算机断层摄影术(computed tomography, CT)[10, 11]、心脏磁共振(cardiac magnetic resonance, CMR)[12, 13]等成像方法。超声心动图易受声窗影响与其他心脏脂肪较难区分,而CT具有电离辐射,无法重复多次使用;CMR具有高空间分辨率、无辐射伤害,良好组织对比度,目前被认为是EAT定量评估的参考标准,近年来得到广泛的关注和应用[14],其测量序列和方法较多,且操作不一致,本文就EAT的CMR成像序列、测量方法及临床应用进展进行综述。

1 EAT的CMR常用成像序列及测量方法

1.1 EAT常用CMR成像序列

       CMR对EAT的评价主要基于脂肪组织的T1值较短,在大多数序列上呈现高信号,心包很薄,呈明显的低信号。在研究EAT的CMR成像序列中,自旋回波类序列利用了组织的T1或T2对比,梯度回波类序列利用组织的T1或T2/T1对比。EAT主要成像序列包括黑血快速自旋回波T1、稳态自由进动(steady state free precession, SSFP)序列、DIXON序列等,具体参数举例见表1

1.1.1 黑血快速自旋回波T1

       通过双反转脉冲抑制血液信号,保留周围背景组织信号。Okayama等[15]在1.5 T磁共振仪上使用黑血快速自旋回波和同反相位双回波进行EAT体积测量。Bizino等[16]利用此序列在3.0 T磁共振仪上进行了EAT和心旁脂肪(paracardiac adipose tissue, PAT)的体积测量,为利拉鲁肽对全身不同部位脂肪的影响提供了体积测量依据。黑血序列为临床常用序列,相对比较容易获得,但扫描时间相对较长,对患者憋气配合要求高,其图像质量容易受心律、场强不均匀等影响。

1.1.2 SSFP

       SSFP采用重绕相位编码梯度场使SSFP-Refocused达到稳态,其组织对比取决于T2/T1,可提供心脏电影图像,能区分脂肪、血液和肌肉,是心脏成像最基本的序列。Haberka等[17]应用此序列进行EAT和PAT体积测量,证明了糖尿病患者的EAT体积较高。Leo等[18]总结此序列能够清晰显示EAT深入心脏周围各种折叠结构的情况,大量EAT可以扭曲心脏的结构。由于其组织对比来源于T2/T1,水肿、积液等可能干扰脂肪信号区域的准确界定,当患者心包积液较多时,本序列使用会受到一定限制,需结合黑血等其他序列进行边界确定。

1.1.3 DIXON序列

       DIXON序列利用水脂化学位移成像得到同反相位、纯水和纯脂肪信号,一次成像可得到多种组织成分成像,近年来在心外膜脂肪中研究增多[19]。Okayama等[15]发现此序列效率高于常规黑血快速自旋回波T1WI,并可进行心外膜脂肪定量评估。Homsi等[20]利用此序列三维模式进行脂肪体积理论测量值与真实值比较,由于层厚较薄,获得了更小的测量偏差,最大差异=6.00%,线性相关系数R=1.00。Nezafat等[21]提出了一种联合slice-interleaved T1技术和DIXON技术的呼吸导航新序列,具有心肌T1值测量和EAT体积测量两个功能。Henningsson等[13]验证了结合心脏电影与DIXON结合的一种3D序列可行性,其可以更好地克服心脏、呼吸的运动伪影。本序列为较新技术,研究主要为技术验证阶段,成像难度较大,需要专门的序列开发,且会增加整体成像时间,其临床应用目前尚较少。

表1  心外膜脂肪组织常用心脏磁共振成像扫描序列参数列表

1.2 EAT主要CMR测量方法及软件

       EAT体积计算Simpson规则:脂肪面积之和乘以层面厚度加层间距之和,层面测量方位主要选择心脏标准短轴位和人体标准解剖学姿势横轴位,测量范围大同小异,基本从二尖瓣平面到包含心脏脂肪组织的最后一层,所检索文献中有多款软件可用来测量,具体应用举例见表2

1.2.1 Circle CVI42

       Circle CVI42是加拿大Circle CVI 公司出品的一款商用CMR图像专用心血管后处理软件,可对医学数字影像和通讯格式的心脏和血管磁共振图像进行后处理和定量评价。Parisi等[22]在B超与CMR预测冠心病的对照研究中都采用该软件测量EAT体积。

1.2.2 Argus

       Argus是德国西门子公司心功能分析软件,可以提供有关体积、射血分数、心输出量、心肌厚度等参数。Doesch等[23]在EAT作为稳定型慢性冠心病患者心血管MRI新的预后标志物研究中,利用该软件手动勾画了EAT的范围。

1.2.3 OsiriX

       OsiriX是瑞士Pixmeo SARL公司开发的一款可以把CT和MRI数据整合生成3D图像的处理软件,可行旋转,透视和动画等各种操作,目前只支持苹果操作系统。Nezafat等[21]在研究一款具有定量固有心肌T1值和EAT体积两项功能的新序列中使用了该软件。

1.2.4 3D Slicer

       3D Slicer是一款源于美国波士顿布里格姆妇女医院手术计划实验室和麻省理工学院人工智能实验室的可视化开源图像处理平台,具有图像分割配准、颜色管理、3D可视、引导治疗等功能。Zhu等[24]在关于中国男性左室心肌变形与舒张功能及脂肪分布关系的研究中,通过该软件测量了EAT与PAT的体积。

1.2.5 Qmass

       Qmass是荷兰Medis公司研发的图像半自动处理软件,可以提供丰富的心功能等参数。Bière等[25]在对EAT与ST段抬高型心肌梗死的关系研究中,应用该软件测量了EAT的体积。

1.2.6 其他软件

       除了上面提到的常用软件,还可采用基于matlab编程的离线专用数据分析程序(The MathWorks,Inc.,Natick,MA)。肥胖个体的EAT体积、左心室应变和T1舒张时间研究中都采用了该软件[26, 27]。近年来基于人工智能自动测量技术在心外膜脂肪测量中得到开发和应用[28, 29]

表2  心外膜脂肪组织常用测量软件及测量过程举例

2 CMR评估EAT主要临床应用

       应用CMR评估EAT具有较多优势,近年来其在缺血性心脏病、心衰、房颤、心肌病、糖尿病、慢性肾病等多种急慢性心血管相关疾病中有所报道。

2.1 缺血性心脏病

       正常情况下EAT细胞分泌脂联素,减少冠脉炎症和心肌纤维化,但在失衡的情况下,EAT在动脉粥样硬化的发生中起着关键作用,通过局部分泌生物活性分子(脂肪酸、免疫因子、应激因子、细胞因子或趋化因子)使冠脉反应性炎症增加。EAT脂肪因子可以持续使血管收缩,导致冠脉功能减弱,从而加速冠状动脉粥样硬化[30, 31]。Doesch等[23]利用CMR证实不同体积的EAT反映了冠心病的不同阶段变化情况,提示EAT在缺血性心肌病发生发展中的复杂作用。研究发现艾滋病患者冠状动脉内皮功能障碍与EAT增厚会加速艾滋病患者冠心病进程[32]。Bière等[25]对ST段抬高型心肌梗死患者的研究发现高EAT(体积>33.50 mL)患者不仅梗死面积较低,而且梗死心肌愈合更好,高EAT能积极改善梗死面积对左室射血分数的不利影响,这可能与脂联素的局部激素释放和在严重缺血期间充当心肌细胞的储能器有关。EAT与缺血性心脏病作用关系尚未完全清楚,这些研究结论间也存在不一致:一方面认为其可加速血管硬化,而另一方面又发现EAT体积高的急性心梗患者梗死面积小,其研究样本量尚小,EAT在缺血性心脏中需要更严格的证据。

2.2 心衰

       EAT可以引起心室舒张功能障碍,较多研究证实EAT与射血分数保留心衰关系密切[33, 34]。SGLT2抑制剂[35]、GLP-1受体激动剂他丁类药物等多种药物可降低EAT厚度和密度,减少EAT炎症,改善心室的舒张功能。利用CMR发现艾塞那肽是降低2型糖尿病患者肝脏脂肪含量和EAT含量的有效药物,但利拉鲁肽的作用存在争议[16,36]。Tromp等[37]研究发现心衰患者EAT质量增加,但厚度变薄,EAT与射血分数保留的心衰患者的心肌炎症和纤维化相关性较强,与射血分数降低心衰患者相关性较弱,说明EAT可能在射血分数保留与否的患者中发挥不同的作用。Wu等[38]研究发现心外膜脂肪与男性左室舒张功能不全参数有显著相关性,而女性中相关性不明显,推测脂肪沉积存在性别差异。随着对心衰机制及治疗的深入研究,EAT有望成为其疗效评估的一个影像学指标。

2.3 房颤

       EAT影响心房基质组织特性和心电激发,是房颤的重要危险因素[1,39]。研究证实了EAT影响房颤的发生发展[40, 41]并可预测室性心动过速导管消融术后复发[42]。心房肌纤维化是房颤发生的基础,Lapinskas等[43]通过取样人的EAT组织,并在大鼠心房器官培养模型中进行测试,得到了EAT分泌体通过分泌激活素A等脂肪纤维因子促进心肌纤维化。Matos等[5]研究发现左心房纤维化不是EAT与房颤的主要机制,EAT与房颤复发的相关性比左心房纤维化更强,提示EAT与房颤之间存在其他更重要的介质。虽然多个研究均显示EAT是房颤的重要危险因素,但其具体机制尚不明朗,需要更进一步研究。

2.4 心肌病

       在心肌病方面,目前主要对于肥厚型心肌病中有少量报道。陈艳菲等[44]利用T1 mapping技术探究EAT对肥厚型心肌病左室重构的影响,高量EAT发生梗阻型心肌肥厚者增多,是肥厚型心肌病患者心肌间质纤维化的独立危险因素。Zhou等[6]分析了93例梗阻梗阻性肥厚型心肌病患者EAT,其中15例发生了房颤,发生房颤患者的EAT要明显高于未发生房颤患者,多因素回归分析显示EAT是梗阻性肥厚型心肌病患者发生房颤的风险预测因素。这两项研究主要都是分析EAT与肥厚型心肌病相关的心肌纤维化、房颤等并发情况的关系,这些并发情况提示这类患者发生不良预后风险增高,需要进一步研究EAT是否也能用于肥厚型心肌病患者的危险分层。

2.5 糖尿病

       EAT可作为一个识别糖尿病患者心血管高危人群的指标[45],在糖尿病与心血管不良事件之间起到纽带作用[46],EAT也可能独立于糖尿病而诱发动脉粥样硬化。研究发现EAT在2型糖尿病心血管疾病的发展中具有位置特异性,不同位置的EAT可能具有不同的致动脉粥样硬化潜能[47]。但长期存活的1型糖尿病冠脉粥样硬化患者EAT量与冠脉粥样硬化无关[48]。CMR相关研究发现糖尿病组患者EAT体积相对增加,大多数脂肪相关基因表达的差异与EAT的数量有关,心脏保护性成纤维细胞生长因子21表达显著降低[6]。CMR相对于CT评价心肌病变更有优势,Rado等[49]分析EAT与糖耐量异常患者的左心室亚临床心肌损伤独立相关,不受传统心血管危险因素影响,PAT无此相关性。研究发现新诊断的代谢综合征患者QRS破碎波与EAT厚度有关[50]

2.6 慢性肾炎

       慢性肾脏病患者的心血管疾病发病率和病死率都很高,研究表明EAT与慢性肾病患者的心血管疾病的发生息息相关[4]。Cai等[51]通过CMR成像研究了透析中心夜间血液透析对EAT和PAT的影响,测量了二者体积的变化,以及与左室重塑、心肌营养生物标志物、心肌损伤、心肌纤维化和左室容积之间的关系。舒张功能障碍在透析患者发生率很高,Zhou等[52]分析了113名透析三个月以上患者的EAT与舒张功能障碍的关系,结果显示EAT与舒张功能相关,其积累可能是透析患者发生舒张功能障碍的独立危险因素。目前已有研究主要集中于慢性肾病患者EAT与心血管之间是否存在相关,并没有深入研究慢性肾病对EAT的直接或间接影响,其具体临床价值也需要更多研究进一步探索。

3 目前研究存在的问题和展望

       CMR对EAT的成像序列以目前SSFP电影等常规序列为主,采用何种序列目前尚无统一标准规范,这也限制了其在临床广泛应用。其对EAT评价尚处在以体积测量为主的单个指标阶段,手动标记EAT范围耗时耗力,影响效率和可重复性。在将来的研究中CMR可以探索更多用于EAT测量的新指标,发展更多反映EAT病理生理变化的CMR技术指标,突破单纯在厚度、体积、位置方面的量化,比如EAT脂肪代谢、纯度、褐变等内部生化物质分子改变。可以进行EAT定量分析后处理软件虽然较多,其准确性及可操作性等尚未得到大范围的临床验证,且时间效率较低。目前已有少量研究开始将深度学习等人工智能技术以用于EAT的定量分析[29],继续推进EAT半自动和全自动测量,挖掘EAT影像组学信息,进一步研究人工智能自主学习的高效性和可重复性,用于疾病预后的预测及疗效监测等。

       总之,CMR可以多序列对EAT进行定量分析,随着CMR在临床上的普及,扫描序列及测量方法的进一步规范,其将会在心血管相关疾病防治中发挥越来越重要的作用。

[1]
Shaihov-Teper O, Ram E, Ballan N, et al. Extracellular vesicles from epicardial fat facilitate atrial fibrillation[J]. Circulation, 2021, 143(25): 2475-2493. DOI: 10.1161/CIRCULATIONAHA.120.052009.
[2]
Iacobellis G. Epicardial adipose tissue in contemporary cardiology[J]. Nat Rev Cardiol, 2022: 1-14. DOI: 10.1038/s41569-022-00679-9.
[3]
Çinier G, Nalbantgil S. Epicardial fat: more than an adipose tissue[J]. Turk Kardiyol Dern Ars, 2021, 49(6): 427-429. DOI: 10.5543/tkda.2021.21189.
[4]
D'Marco L, Puchades MJ, Panizo N, et al. Cardiorenal fat: a cardiovascular risk factor with implications in chronic kidney disease[J/OL]. Front Med (Lausanne), 2021 [2022-3-30]. https://pubmed.ncbi.nlm.nih.gov/34113631/. DOI: 10.3389/fmed.2021.640814.
[5]
Matos D, Ferreira AM, Freitas P, et al. The relationship between epicardial fat and atrial fibrillation cannot be fully explained by left atrial fibrosis[J]. Arq Bras Cardiol, 2022, 118(4): 737-742. DOI: 10.36660/abc.20201083.
[6]
Zhou Y, Yu M, Cui JG, et al. The predictive value of epicardial adipose tissue volume assessed by cardiac magnetic resonance for atrial fibrillation in patients with hypertrophic obstructive cardiomyopathy[J]. Int J Cardiovasc Imaging, 2021, 37(4): 1383-1393. DOI: 10.1007/s10554-020-02092-0.
[7]
Gandoy-Fieiras N, Gonzalez-Juanatey JR, Eiras S. Myocardium metabolism in physiological and pathophysiological states: implications of epicardial adipose tissue and potential therapeutic targets[J/OL]. Int J Mol Sci, 2020 [2022-3-30]. https://pubmed.ncbi.nlm.nih.gov/32290181/. DOI: 10.3390/ijms21072641.
[8]
Tarsitano MG, Pandozzi C, Muscogiuri G, et al. Epicardial adipose tissue: a novel potential imaging marker of comorbidities caused by chronic inflammation[J]. Nutrients, 2022, 14(14): 2926. DOI: 10.3390/nu14142926.
[9]
van Woerden G, van Veldhuisen DJ, Gorter TM, et al. The value of echocardiographic measurement of epicardial adipose tissue in heart failure patients[J]. ESC Heart Fail, 2022, 9(2): 953-957. DOI: 10.1002/ehf2.13828.
[10]
Nagayama Y, Nakamura N, Itatani R, et al. Epicardial fat volume measured on nongated chest CT is a predictor of coronary artery disease[J]. Eur Radiol, 2019, 29(7): 3638-3646. DOI: 10.1007/s00330-019-06079-x.
[11]
Monti CB, Codari M, de Cecco CN, et al. Novel imaging biomarkers: epicardial adipose tissue evaluation[J/OL]. Br J Radiol, 2020 [2022-3-30]. https://pubmed.ncbi.nlm.nih.gov/31782934/. DOI: 10.1259/bjr.20190770.
[12]
Ng ACT, Strudwick M, van der Geest RJ, et al. Impact of epicardial adipose tissue, left ventricular myocardial fat content, and interstitial fibrosis on myocardial contractile function[J/OL]. Circ Cardiovasc Imaging, 2018 [2022-3-30]. https://pubmed.ncbi.nlm.nih.gov/30354491/. DOI: 10.1161/CIRCIMAGING.117.007372.
[13]
Henningsson M, Brundin M, Scheffel T, et al. Quantification of epicardial fat using 3D cine Dixon MRI[J]. BMC Med Imaging, 2020, 20(1): 80. DOI: 10.1186/s12880-020-00478-z.
[14]
Requena-Ibáñez JA, Santos-Gallego CG, Rodriguez Cordero AJ, et al. Not only how much, but also how to, when measuring epicardial adipose tissue[J]. Magn Reson Imaging, 2022, 86: 149-151. DOI: 10.1016/j.mri.2021.11.004.
[15]
Okayama S, Ayako S, Somekawa S, et al. Feasibility of dual gradient-echo in-phase and opposed-phase magnetic resonance imaging for the evaluation of epicardial fat[J]. Acta Radiol, 2011, 52(7): 723-729. DOI: 10.1258/ar.2011.100454.
[16]
Bizino MB, Jazet IM, de Heer P, et al. Placebo-controlled randomised trial with liraglutide on magnetic resonance endpoints in individuals with type 2 diabetes: a pre-specified secondary study on ectopic fat accumulation[J]. Diabetologia, 2020, 63(1): 65-74. DOI: 10.1007/s00125-019-05021-6.
[17]
Haberka M, Machnik G, Kowalówka A, et al. Epicardial, paracardial, and perivascular fat quantity, gene expressions, and serum cytokines in patients with coronary artery disease and diabetes[J]. Pol Arch Intern Med, 2019, 129(11): 738-746. DOI: 10.20452/pamw.14961.
[18]
Leo LA, Paiocchi VL, Schlossbauer SA, et al. The intrusive nature of epicardial adipose tissue as revealed by cardiac magnetic resonance[J]. J Cardiovasc Echogr, 2019, 29(2): 45-51. DOI: 10.4103/jcecho.jcecho_22_19.
[19]
Skoda I, Henningsson M, Stenberg S, et al. Simultaneous assessment of left atrial fibrosis and epicardial adipose tissue using 3D late gadolinium enhanced Dixon MRI[J]. J Magn Reson Imaging, 2022 [2022-3-30]. https://pubmed.ncbi.nlm.nih.gov/35128754/. DOI: 10.1002/jmri.28100.
[20]
Homsi R, Meier-Schroers M, Gieseke J, et al. 3D-Dixon MRI based volumetry of peri- and epicardial fat[J]. Int J Cardiovasc Imaging, 2016, 32(2): 291-299. DOI: 10.1007/s10554-015-0778-8.
[21]
Nezafat M, Nakamori S, Basha TA, et al. Imaging sequence for joint myocardial T 1 mapping and fat/water separation[J]. Magn Reson Med, 2019, 81(1): 486-494. DOI: 10.1002/mrm.27390.
[22]
Parisi V, Petraglia L, Formisano R, et al. Validation of the echocardiographic assessment of epicardial adipose tissue thickness at the Rindfleisch fold for the prediction of coronary artery disease[J]. Nutr Metab Cardiovasc Dis, 2020, 30(1): 99-105. DOI: 10.1016/j.numecd.2019.08.007.
[23]
Doesch C, Jochims J, Streitner F, et al. Novel prognostic markers derived from cardiovascular magnetic resonance imaging in patients with stable chronic coronary artery disease[J]. In Vivo, 2015, 29(6): 737-747.
[24]
Zhu L, Gu SJ, Wang QR, et al. Left ventricular myocardial deformation: a study on diastolic function in the Chinese male population and its relationship with fat distribution[J]. Quant Imaging Med Surg, 2020, 10(3): 634-645. DOI: 10.21037/qims.2020.01.16.
[25]
Bière L, Behaghel V, Mateus V, et al. Relation of quantity of subepicardial adipose tissue to infarct size in patients with ST-elevation myocardial infarction[J]. Am J Cardiol, 2017, 119(12): 1972-1978. DOI: 10.1016/j.amjcard.2017.03.024.
[26]
Homsi R, Kuetting D, Sprinkart A, et al. Interrelations of epicardial fat volume, left ventricular T1-relaxation times and myocardial strain in hypertensive patients: a cardiac magnetic resonance study[J]. J Thorac Imaging, 2017, 32(3): 169-175. DOI: 10.1097/RTI.0000000000000264.
[27]
Homsi R, Yuecel S, Schlesinger-Irsch U, et al. Epicardial fat, left ventricular strain, and T1-relaxation times in obese individuals with a normal ejection fraction[J]. Acta Radiol, 2019, 60(10): 1251-1257. DOI: 10.1177/0284185119826549.
[28]
Bard A, Raisi-Estabragh Z, Ardissino M, et al. Automated quality-controlled cardiovascular magnetic resonance pericardial fat quantification using a convolutional neural network in the UK biobank[J/OL]. Front Cardiovasc Med, 2021 [2022-3-30]. https://pubmed.ncbi.nlm.nih.gov/34307493/. DOI: 10.3389/fcvm.2021.677574.
[29]
Daudé P, Ancel P, Confort Gouny S, et al. Deep-learning segmentation of epicardial adipose tissue using four-chamber cardiac magnetic resonance imaging[J]. Diagnostics (Basel), 2022, 12(1): 126. DOI: 10.3390/diagnostics12010126.
[30]
Salazar J, Luzardo E, Mejías JC, et al. Epicardial fat: physiological, pathological, and therapeutic implications[J/OL]. Cardiol Res Pract, 2016 [2022-3-30]. https://www.hindawi.com/journals/crp/2016/1291537/. DOI: 10.1155/2016/1291537.
[31]
Weinreb JC, Rodby RA, Yee J, et al. Use of intravenous gadolinium-based contrast media in patients with kidney disease: consensus statements from the American college of radiology and the national kidney foundation[J]. Kidney Med, 2020, 3(1): 142-150. DOI: 10.1016/j.xkme.2020.10.001.
[32]
Iantorno M, Soleimanifard S, Schär M, et al. Regional coronary endothelial dysfunction is related to the degree of local epicardial fat in people with HIV[J]. Atherosclerosis, 2018, 278: 7-14. DOI: 10.1016/j.atherosclerosis.2018.08.002.
[33]
Packer M, Anker SD, Butler J, et al. Cardiovascular and renal outcomes with empagliflozin in heart failure[J]. N Engl J Med, 2020, 383(15): 1413-1424. DOI: 10.1056/NEJMoa2022190.
[34]
Voors AA, Angermann CE, Teerlink JR, et al. The SGLT2 inhibitor empagliflozin in patients hospitalized for acute heart failure: a multinational randomized trial[J]. Nat Med, 2022, 28(3): 568-574. DOI: 10.1038/s41591-021-01659-1.
[35]
Mullens W, Martens P. Empagliflozin-induced changes in epicardial fat: the centerpiece for myocardial protection? [J]. JACC Heart Fail, 2021, 9(8): 590-593. DOI: 10.1016/j.jchf.2021.05.006.
[36]
van Eyk HJ, Paiman EHM, Bizino MB, et al. A double-blind, placebo-controlled, randomised trial to assess the effect of liraglutide on ectopic fat accumulation in South Asian type 2 diabetes patients[J]. Cardiovasc Diabetol, 2019, 18(1): 87. DOI: 10.1186/s12933-019-0890-5.
[37]
Tromp J, Bryant JA, Jin XY, et al. Epicardial fat in heart failure with reduced versus preserved ejection fraction[J]. Eur J Heart Fail, 2021, 23(5): 835-838. DOI: 10.1002/ejhf.2156.
[38]
Wu CK, Lee JK, Hsu JC, et al. Myocardial adipose deposition and the development of heart failure with preserved ejection fraction[J]. Eur J Heart Fail, 2020, 22(3): 445-454. DOI: 10.1002/ejhf.1617.
[39]
Vyas V, Hunter RJ, Longhi MP, et al. Inflammation and adiposity: new frontiers in atrial fibrillation[J]. Europace, 2020, 22(11): 1609-1618. DOI: 10.1093/europace/euaa214.
[40]
Mahajan R, Nelson A, Pathak RK, et al. Electroanatomical remodeling of the Atria in obesity: impact of adjacent epicardial fat[J]. JACC Clin Electrophysiol, 2018, 4(12): 1529-1540. DOI: 10.1016/j.jacep.2018.08.014.
[41]
Yang M, Bao WR, Xu ZH, et al. Association between epicardial adipose tissue and recurrence of atrial fibrillation after ablation: a propensity score-matched analysis[J/OL]. Int J Cardiovasc Imaging, 2022 [2022-3-30]. https://pubmed.ncbi.nlm.nih.gov/35166963/. DOI: 10.1007/s10554-022-02557-4.
[42]
Sepehri Shamloo A, Schoene K, Stauber A, et al. Epicardial adipose tissue thickness as an independent predictor of ventricular tachycardia recurrence following ablation[J]. Heart Rhythm, 2019, 16(10): 1492-1498. DOI: 10.1016/j.hrthm.2019.06.009.
[43]
Lapinskas T, Pedrizzetti G, Stoiber L, et al. The intraventricular hemodynamic forces estimated using routine CMR cine images: a new marker of the failing heart[J]. JACC Cardiovasc Imaging, 2019, 12(2): 377-379. DOI: 10.1016/j.jcmg.2018.08.012.
[44]
陈艳菲, 周莹雪, 刘鹏飞. 基于T1 mapping技术对心外膜脂肪组织与肥厚性心肌病左室重构关系的研究[J]. 磁共振成像, 2021, 12(6): 34-37. DOI: 10.12015/issn.1674-8034.2021.06.007.
Chen YF, Zhou YX, Liu PF. Study on the relationship between epicardial adipose tissue and left ventricular remodeling in hypertrophic cardiomyopathy based on T1 mapping technology[J]. Chin J Magn Reson Imaging, 2021, 12(6): 34-37. DOI: 10.12015/issn.1674-8034.2021.06.007.
[45]
Vyas V, Blythe H, Wood EG, et al. Obesity and diabetes are major risk factors for epicardial adipose tissue inflammation[J/OL]. JCI Insight, 2021 [2022-3-30]. https://pubmed.ncbi.nlm.nih.gov/34283808/.
[46]
Chowdhary A, Thirunavukarasu S, Jex N, et al. Coronary microvascular function and visceral adiposity in patients with normal body weight and type 2 diabetes[J]. Obesity (Silver Spring), 2022, 30(5): 1079-1090. DOI: 10.1002/oby.23413.
[47]
Oikonomou EK, Marwan M, Desai MY, et al. Non-invasive detection of coronary inflammation using computed tomography and prediction of residual cardiovascular risk (the CRISP CT study): a post-hoc analysis of prospective outcome data[J]. Lancet, 2018, 392(10151): 929-939. DOI: 10.1016/S0140-6736(18)31114-0.
[48]
Svanteson M, Holte KB, Haig Y, et al. Coronary plaque characteristics and epicardial fat tissue in long term survivors of type 1 diabetes identified by coronary computed tomography angiography[J]. Cardiovasc Diabetol, 2019, 18(1): 58. DOI: 10.1186/s12933-019-0861-x.
[49]
Rado SD, Lorbeer R, Gatidis S, et al. MRI-based assessment and characterization of epicardial and paracardial fat depots in the context of impaired glucose metabolism and subclinical left-ventricular alterations[J/OL]. Br J Radiol, 2019 [2022-3-30]. https://pubmed.ncbi.nlm.nih.gov/30633543/. DOI: 10.1259/bjr.20180562.
[50]
Akbulut T, Şaylık F, Şengül C. The epicardial fat thickness is associated with fragmented QRS in patients with newly diagnosed metabolic syndrome[J]. Rev Assoc Med Bras (1992), 2022, 68(2): 250-255. DOI: 10.1590/1806-9282.20211065.
[51]
Cai SA, Wald R, Deva DP, et al. Cardiac MRI measurements of pericardial adipose tissue volumes in patients on in-centre nocturnal hemodialysis[J]. J Nephrol, 2020, 33(2): 355-363. DOI: 10.1007/s40620-019-00665-4.
[52]
Zhou H, An DA, Ni Z, et al. Magnetic resonance imaging quantification of accumulation of epicardial adipose tissue adds independent risks for diastolic dysfunction among dialysis patients[J/OL]. J Magn Reson Imaging, 2022 [2022-3-30]. https://pubmed.ncbi.nlm.nih.gov/35188692. DOI: 10.1002/jmri.28081.

上一篇 MRI新技术在腮腺肿瘤中的应用进展
下一篇 MRI影像组学与乳腺癌肿瘤新生血管相关性研究
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2