DIXON for quantifying the fat fraction in MRI: a phantom study.

Full Text

ВВЕДЕНИЕ

В настоящее время имеется большой интерес к количественной оценке фракции жира (fat fraction, FF) при магнитно-резонансной томографии (МРТ) компьютерной томографии (КТ) и ультразвуковом исследовании (УЗИ), прежде всего, для диагностики стеатоза печени. Методы количественной оценки FF при МРТ основаны на диксоновских (DIXON) последовательностях, широкодоступных на современных томографах практически всех производителей. Преимуществом метода DIXON является не только разграничение воды и жира, но и в получение за одно кратковременное сканирование одномоментно четырёх изображений, отражающих: сигналы только от жира (fat only - Fat), только от воды (water only - Water), в фазу (in phase - IP) и противофазу (out phase - OP) [1, 2]. Такая особенность импульсной последовательности позволяет точно и демонстративно выявлять жир в паренхиме органов или патологических образованиях.

Существуют двухточечные DIXON последовательности (например «LAVA» для GE, mDixon для Philips, и VIBE для Siemens). В настоящее время для более точной количественной оценки FF имеются специальные программы автоматического расчета («IDEAL IQ» для GE, “Liver Lab” для Siemens, QUANT для Philips), являющиеся мультиточечными DIXON последовательностями, в основе которых лежит использование нескольких TE (time echo). Данные готовые программные решения позволяют автоматически получать количественный показатель жировой фракции в процентах - PDFF (жировая фракция протонной плотности). Вместе с тем программы автоматического расчета доступны не на всех томографах, поскольку являются дополнительной опцией [3]. В таком случае у врача-рентгенолога остается возможность рассчитывать FF в процентах по данным стандартных последовательностей DIXON с помощью формул на основе сигнальных характеристик (т.е. интенсивности сигнала, Signal Intensity - SI), по изображениям в фазу (In-phase) и противофазу (Out-phase): FF= (In-Out)/2*In*100; или по изображениям, взвешенных по воде (Water) и по жиру (Fat): FF= Fat/(Fat+Water)*100 [1, 4]. Однако, получаемые при таком подходе количественные данные зависят от порядка сбора данных, производителя и модели аппарата, индукции магнитного поля и других параметров. Имеются отдельные сообщения о значительных погрешностях в определении FF в некоторых случаях [2, 5].

Безусловно имеется потребность быть уверенным в точности и достоверности количественных показателей FF для установления факта тех или иных изменений при МРТ, [6]. Одним из направлений решения этой проблемы является валидизация DIXON методики на конкретном МРТ фантомным методом. [7, 8]. Целью нашего исследования была оценка возможностей стандартных последовательностей DIXON в определении FF с помощью фантомного моделирования на томографах различных моделей и производителей.

 

МАТЕРИАЛЫ И МЕТОДЫ

Описание фантома

Для проведения эксперимента был использован фантом, который разработан в ГБУЗ «НПКЦ ДиТ ДЗМ» (рис. 2а). Фантом представляет собой герметичный цилиндр из оргстекла с установленными в нем пробирками, содержащими эмульсии с концентрацией жировой фазы: 0, 10%, 20%, 30%, 40%, 50%, 60% (рис. 1).

 

Рисунок 2 – Фантом: слева внешний вид фантома, справа внешний вид набора пробирок с готовыми эмульсиями.

 

Для моделирования разных концентраций жировых эмульсий на основе растительных масел (подсолнечное и соевое) были изготовлены прямые эмульсии типа «масло в воде», соединяющие две фазы (воду и жир) с однородным распределением обеих фаз [9–11]. Для обеспечения длительной стабильности и гомогенности образцов использовался эмульгатор BTMS (Behentrimonium Methosulfate, Бегентримониум метосульфат). Диспергирование (эмульгирование) проводилось путем нагрева эмульгатора с последующим смешиванием его с растительным маслом. Далее эмульгирование выполнялось с помощью ультразвукового диспергатора IKA Ultra Turrax T 25.

 На этапе контроля разработанный фантом был протестирован с помощью МР-спектроскопии, а также методом программного расчета на томографе Philips Ingenia Achieva 3,0 T. Была подтверждена точность задания жировой фракции, при которой максимальное отклонение измеренных значений составило 5% для образца с концентрацией жира 20%. Таким образом, была подтверждена достоверность заданных концентраций жировой фракции в фантоме.

Описание экспериментов

В период с февраля 2022 года по февраль 2024 года была выполнена серия фантомных тестов. Фантом был отсканирован на МР-томографах трех производителей, с разной индукцией магнитного поля (1,5 и 3,0 Тл) (рис. 2). Optima, MR450w 1,5 Tл (GE) в режиме «IDEAL IQ» (IDEAL) и «LAVA Flex» (LAVA) в двух разных аппаратах, MAGNETOM Skyra 3T (Siemens) в режиме «T1 vibe» (VIBE) в двух разных клиниках, а также на томографе Ingenia 3 Тл и Ingenia Achieva 3,0 Tл (Philips) в режиме «mDIXON» и «DIХON QUANT» (QUANT), соответственно, в двух клиниках. Использовался стандартный протокол сканирования, установленный на конкретном томографе.

 

Рисунок 2 – Установка фантома и проведение эксперимента.

 

Оценка жировой фракции осуществлялась по данным МР-томограмм фантома путем выделения области интереса (Region Of Interest - ROI) на соответствующих изображении (рисунок 3а). Значение интенсивности сигнала внутри ROI фиксировалось на пяти разных срезах (рисунок 3б) для серий In, Out, Fat и Water с последующим вычислением средних арифметических значений и внесением их в итоговый протокол результатов теста.

 

а	б

Рисунок 3 – МР-изображения фантома. На рисунке 3а аксиальный скан фантома в режиме Fat с демонстрацией установки круглой области интереса (ROI с диаметром 1,6 см и площадью 2,0 см²); на рисунке 3б корональный скан фантома с уровнями, на которых производились измерения SI.

 

Оценка концентрации жира

Далее для каждой пробки был выполнен расчет процентного содержания жира (FF) из итоговых значений SI с использованием двух известных формул [4]:

1 – стандартная формула с выполнением расчета по изображениям In и Out:

 

	(1)
2 – формула, использующая данные изображений с сигналом от воды и жира:
	(2)

 

Далее проводилось сравнение расчетных (измеренных) данных по обеим формулам с заданными значениями концентрации жира в фантоме посредством построения и анализа линейной зависимости.

Статистический анализ

Анализ линейной зависимости измеренных значений концентрации жира был проведен с использованием построения линейных графиков. Методом регрессионного анализа выполнена оценка коэффициентов линейной регрессии и их значимости для измеренных значений концентрации жира с использованием двух формул FF_1 и FF_2.

Для оценки воспроизводимости измерений FF_1 и FF_2, полученных при использовании последовательностей DIXON, была выполнена оценка среднего значения, среднего квадратического отклонения и коэффициента вариации.

Оценка была выполнена для трех вариантов:

1) общий коэффициент вариации:

 

где M и sd – это среднее значение и среднее квадратическое отклонение, соответственно, при рассмотрении всех сканирований фантома (i – номер сканирования).

2) коэффициент вариации для одной модели и метода DIXON (intra scanner):

 

где M и sd – это среднее значение и среднее квадратическое отклонение, соответственно, при рассмотрении сканирований фантома для одной модели томографа и метода DIXON (i – номер сканирования, j – номер сканера и метода DIXON).

Для целей сравнения полученных вариации измерений, полученных на разных моделях томографов был использован F-тест с предварительной проверкой данных на соответствие нормальному закону распределения с использованием теста Шапиро-Уилка. Анализ проводили с использованием программных пакетов scipy (версия 1.10.1) языка python, а также в Microsoft Excel (версия 16). также Уровень статистической значимости для всех анализов соответствовал p < 0,05. Выполнение пятикратного измерения FF определялось стандартными методами измерений, а МРТ томографы были подобраны таким образом, чтобы были включены как минимум два сканера с одним методом DIXON.

 

РЕЗУЛЬТАТЫ

Сравнение измеренных значений фракции жира по формулам 1 (FF_1) и 2 (FF_2) от заданных для разных образцов в фантоме выявило следующую зависимость (Рисунок 4).

Анализ графиков для разных томографов и методов DIXON показал, что для формулы 1 (Рисунок 4, а) все графики измеренных концентраций жира демонстрировали нелинейную зависимость от заданных значений.  Для данных, полученных по формуле 2 (Рисунок 4, б), было показано наличие выраженной линейной зависимости для большинства случаев измерения, также наблюдалось смещение показателей вдоль оси y для некоторых показателей. Для статистического анализа полученных данных был использован регрессионный анализ.

 

	Рисунок 4a – Результаты измерения концентрации жира, выполненной на разных МРТ томографах с использованием разных видов последовательностей DIXON и рассчитанной с использованием формулы FF_1 = (In-Out) / 2 * In
Рисунок 4 б– Результаты измерения концентрации жира, выполненной на разных МРТ томографах с использованием разных видов последовательностей DIXON и рассчитанной с использованием формулы FF_2 = Fat / (Fat + Water).

 

Результаты анализа линейной регрессии для расчетов по формулам FF_1 и FF_2 продемонстрированы в таблице для каждого томографа и метода DIXON. Формат уравнения линейной регрессии представлен как y = a*x+b, где b – коэффициент смещения, а – коэффициент наклона прямой. Полужирным шрифтом выделены значения коэффициентов, для которых не была продемонстрирована статистическая значимость по данным регрессионного анализа, т.е. значение p-value было получено более 0,05. Коэффициенты a и b представлены с учетом 95% доверительного интервала (ДИ).

 

Таблица 1 – Анализ коэффициентов линейной регрессии для измеренных значений концентрации жира FF относительно заданных значений для формулы 1 (FF_1) и формулы 2 (FF_2): где формат линии y=ax+ b (где b – коэффициент смещения, а – коэффициент наклона)

Произв-ль	Модель МРТ (метод DIXON)	FF_1		FF_2
		b (95% ДИ)	a (95% ДИ)	b (95% ДИ)	a (95% ДИ)
GE	Optima (IDEAL)	27,69* (-8,88; 64,26)	0,07* (-0,87; 1,01)	2,20* (-3,79; 8,19)	1,34 (1,19; 1,50)
	Optima (LAVA)	48,31 (38,68; 57,95)	-0,7 (-0,95; -0,45)	30,29 (17,50; 43,07)	1,07 (0,74; 1,40)
	Optima 2.0 (IDEAL)**	10,68* (-7,09; 28,44)	0,63 (0,17; 1,09)	3,92 (2,00; 5,84)	0,96 (0,91; 1,01)
	Optima 2.0 (LAVA) **	37,67 (24,03; 51,31)	-0,31 (-0,66; 0,04)	23,88 (6,25; 41,50)	1,09 (0,64; 1,54)
Philips	Achieva (QUANT)	11,61* (-3,79; 27,02)	0,56 (0,16; 0,95)	4,17 (1,76; 6,58)	0,94 (0,87; 1,00)
	Ingenia (mDixon)	51,57 (27,16; 75,98)	-0,59* (-1,21; 0,04)	24,9 (15,73; 34,08)	1,08 (0,84; 1,31)
	Ingenia 2.0 (mDixon) **	1,66 (-8,10; 11,42)	0,83* (0,58; 1,08)	-2,99* (-12,73; 6,74)	1,02 (0,77; 1,27)
	Ingenia 2.0 (QUANT) **	2,08 (-7,54; 11,69)	0,82 (0,57; 1,07)	-3,06 (-12,76; 6,64)	1,01 (0,77; 1,26)
Siemens	Skyra (VIBE)	40,59 (33,12; 48,07)	-0,61 (-0,80; -0,41)	33,11 (4,22; 61,99)	1,19 (0,44; 1,93)
	Skyra 2.0 (VIBE) **	33,58 (9,16; 58,00)	0,09* (-0,54; 0,72)	10,58* (-0,21; 21,37)	1,13 (0,85; 1,40)

• Значение p-value > 0,05.

** 2.0 второй аппарат аналогичного производителя в другом медицинском центре

Из таблицы можно сделать вывод о статистически значимом смещении измеренных значений как для FF_1 на величину более 5% (например, для GE Optima (LAVA) и GE Optima 2.0 (LAVA), Philips Ingenia (mDixon), а также Siemens Skyra (VIBE) и Siemens Skyra 2.0 (VIBE)). Кроме того, смещение измеренных значений более 5% также продемонстрировано для FF_2 (например, для GE Optima (LAVA) и GE Optima 2.0 (LAVA), Philips Ingenia (mDixon) и Siemens Skyra (VIBE)).

Коэффициент наклона линейной регрессии для показателя FF_1 был получен в широком интервале от -0,70 до 0,83, тогда как для FF_2 значения коэффициента были около единицы, в интервале от 0,94 до 1,34.

С целью анализа воспроизводимости результатов для одной модели МРТ томографов и методов DIXON был выполнен расчет статистических показателей измерений, представленных в Таблице 2. Первый блок таблицы включает данные для всех томографы, второй блок таблицы – отдельно по моделям и методам DIXON.

Для оценки вариаций на уровне модели томографа и метода DIXON был выполнен F-тест. Анализ был выполнен попарно для каждого из шести образцов фантома 10-60% с учетом измеренных значений FF_1 и FF_2. Для FF_1 (образец 10%) были получены неравные показатели вариации для одной модели томографа GE Optima (IDEAL) (p = 0,002) и Siemens Skyra (VIBE) (p = 0,007), при этом наблюдались равные показатели для Philips Ingenia (mDixon). Для FF_2 (образец 10%) были получены неравные показатели вариации для одной модели томографа Philips Ingenia (mDixon) (p = 0,010) и Siemens Skyra (VIBE) (p < 0,001). Наблюдались равные показатели вариации FF_2 при сравнении моделей GE Optima в одинаковых режимах DIXON IDEAL и Lava, однако неравные показатели были получены при сравнении вариации FF_2 между режимами DIXON IDEAL и Lava (р = 0,020).

 

Таблица - Результаты сканирования фантома для шести образцов фантома (10-60%) и двух способов оценки фракции жира (FF1, FF2).

Пар-р	Произв-ль	Модель МРТ (метод DIXON)	10_FF1	10_FF2	20_FF1	20_FF2	30_FF1	30_FF2	40_FF1	40_FF2	50_FF1	50_FF2	60_FF1	60_FF2
Общая оценка (все сканирования)
Cреднее	Все томографы (методы DIXON)		20,84	19,89	30,10	34,71	34,11	46,84	34,16	57,62	34,16	57,62	31,45	67,99
SD			10,58	10,52	9,95	16,12	8,78	17,26	10,08	16,55	10,08	16,55	10,08	16,55
СV %			50,77	52,91	33,07	46,45	25,75	36,85	29,49	28,73	29,49	28,73	32,04	24,35
Для одной модели и метода DIXON (intra scanner)
Cреднееj , %	GE	Optima (IDEAL)	14,72	14,72	27,97	27,96	45,34	45,34	44,91	55,13	28,36	71,77	19,44	80,58
		Optima (LAVA)	37,27	35,16	40,29	53,15	27,42	67,41	18,85	76,65	12,23	83,85	6,81	89,60
		Optima 2,0 (IDEAL)	12,86	13,01	22,01	23,06	31,77	32,59	42,42	43,06	48,14	52,24	39,14	60,33
		Optima 2,0 (LAVA)	27,43	30,56	36,31	41,46	33,52	65,73	26,79	73,07	21,49	78,48	16,27	83,33
	Philips	Ingenia (mDixon)	33,66	33,34	46,39	50,41	45,84	53,56	29,18	70,59	18,73	80,71	12,58	87,23
		Achieva (QUANT)	12,40	12,77	23,04	24,07	30,50	31,43	40,45	42,39	43,19	51,14	37,44	59,89
		Ingenia 2,0 (mDixon)	8,27	7,40	16,94	15,86	27,17	26,69	38,80	38,23	46,27	53,63	46,27	53,53
		Ingenia 2,0 (QUANT)	8,67	7,38	17,21	15,83	27,34	26,53	38,78	37,97	46,35	53,56	46,30	53,50
	Siemens	Skyra (VIBE)	32,09	29,87	33,10	66,24	21,86	77,85	14,46	85,98	9,33	91,69	5,38	95,96
		Skyra 2,0 (VIBE)	23,27	16,70	38,34	35,40	47,91	47,46	43,05	58,79	35,98	67,57	32,02	73,91
СVj %	GE	Optima (IDEAL)	2,89	2,80	2,85	2,82	1,14	1,16	0,52	0,38	4,06	1,65	3,98	0,96
		Optima (LAVA)	2,66	4,03	1,52	1,16	3,19	1,21	5,94	1,48	7,97	1,27	18,22	1,06
		Optima 2,0 (IDEAL)	21,19	3,20	11,92	2,95	4,85	1,45	2,27	1,30	1,11	1,06	1,89	0,95
		Optima 2,0 (LAVA)	4,65	4,40	1,67	11,47	2,05	0,80	2,42	1,10	4,74	1,25	6,69	0,64
	Philips	Ingenia (mDixon)	2,00	2,27	0,40	14,06	1,45	0,27	2,02	0,73	2,52	1,02	3,22	0,62
		Achieva (QUANT)	7,95	2,02	2,68	1,14	6,09	4,74	1,53	2,68	0,22	1,62	1,47	1,22
		Ingenia 2,0 (mDixon)	8,96	2,55	3,84	1,48	1,21	0,88	0,11	1,03	0,50	0,67	0,07	0,24
		Ingenia 2,0 (QUANT)	15,58	2,62	5,94	1,53	2,09	1,95	0,16	2,25	0,69	0,77	0,18	0,31
	Siemens	Skyra (VIBE)	2,75	9,06	4,51	2,67	8,79	1,66	14,59	1,12	24,46	0,51	42,44	0,29
		Skyra 2,0 (VIBE)	0,84	0,88	0,37	0,36	0,42	0,53	0,57	0,36	0,32	0,19	7,40	0,17

 

ОБСУЖДЕНИЕ

Проведенное мультицентровое фантомное исследование продемонстрировало возможности и ограничения импульсных последовательностей DIXON в количественном определении FF, выполненных на МРТ-томографах разных моделей и производителей. Для корректного непрограммного количественного определения FF предпочтительнее проводить расчеты FF_2= Fat/(Fat+Water)*100% (формула 2), то есть проводить измерения на изображениях по воде и жиру. Расчеты по изображениям In-phase и Out-phase (формула 1, FF_1) предоставляют неоднозначные результаты, которые затруднительно интерпретировать. Полученные результаты демонстрируют необходимость выполнения калибровки с использованием фантома, которая позволит определить воспроизводимость измеренных значений, а также даст возможность рассчитать поправочные коэффициенты для приближения измеренных значений концентрации жира к заданным. Однако, расчеты по FF_2 также требуют калибровки.

В настоящее время отмечается научный поиск достоверных неинвазивных биомаркеров, т.е. количественных показателей, при оценке которых используется не визуальная оценка сигнальных характеристик, а показатели в виде цифровых или иных значений. Процентный расчет FF при проведении МРТ позволяет в ряде случаев получить дополнительную информацию в области интереса. Это доступно благодаря различным вариантам импульсных последовательностей DIXON, которые доступны на томографах любых производителей [12]. Количественный показатель FF и PDFF (в случае использования программ автоматического расчета) при использовании импульсных последовательностей DIXON широко применяется в практике для диагностики и дифференциальной диагностики образований надпочечников, печени, для выявления хилезных опухолей брюшной полости [13]. Клиническое приложение также имеет место в области поражений костно-суставной системы при доброкачественных и злокачественных новообразованиях, скелетно-мышечной дистрофии, остеопорозе, гематологических заболеваниях, для установления факта наличия стеатоза печени и определения его степени [14–18]. 

В данном исследовании была проведена оценка результатов работы стандартных импульсных последовательностей DIXON в сравнении с заданными достоверными значениями жировой фракции в фантоме. Полученные результаты демонстрируют возможность использования расчёта фракции жира при использовании формулы, использующей сигналы от воды и жира (формула 2). При использовании данной формулы, для всех моделей томографов и методов DIXON была продемонстрирована линейная зависимость между значениями FF_2 и заданными. Было отмечено смещение прямых при сравнении данных от одинаковых моделей томографа и метода DIXON (например, для Siemens Skyra (VIBE), GE Optima (IDEAL), Philips Ingenia (mDixon)). Наиболее близкими к истинной прямой были получены значения для Philips Ingenia 2.0 (QUANT и mDixon), Philips Achieva (QUANT), GE Optima (IDEAL). Для формулы 1 была показана линейная зависимость графиков с положительным значением коэффициента наклона при FF от 0 до 30%, тогда как при визуальной оценке FF от 30 до 60% коэффициент наклона отрицателен либо близок к 0.

Результаты оценки вариации по данным пятикратных измерений для каждой модели томографа и метода DIXON продемонстрировали разницу в показателях для одной и той же модели томографа, выполненных в разных медицинских центрах. Данные результаты еще раз подчеркивают важность и необходимость выполнения кросс-валидации между медицинскими центрами, даже в случае использования одной модели томографа и метода получения изображения.

Ограничением в нашей работе было отсутствие образцов в фантоме с FF больше 60%. Это было связано с тем, что при изготовлении высокопроцентных жировых концентраций по данной методике отмечалось расслоение эмульсии на жир и воду. Тогда как для достоверной оценки сигнальных характеристик необходимы однородные и стабильные эмульсии. Однако из клинической практики известно, что случаи концентрации жира больше 60% в тканях встречаются редко, поэтому можно сделать допущение, что полученные результаты для 0-60% можно будет распространить и на большие концентрации.

С помощью фантома, описанного в данной статье, можно контролировать воспроизводимость измерений на разных томографах, валидировать полученные результаты независимо от производителя и модели, обеспечивая тем самым надлежащий контроль качества в МРТ [2, 8]. При невозможности установления программ автоматического расчета жировой фракции предварительные фантомные тестирования обеспечивают возможность расчета поправочных коэффициентов и корректировку значений на томографе методом корреляции при необходимости. Таким образом, данный подход позволяет не только контролировать воспроизводимость измерений на разных томографах, валидировать полученные результаты, обеспечивая контроль качества независимо от производителя и модели, но и освобождает медицинские учреждения от установки дорогостоящего программного обеспечения. Данные результаты способствуют повышению качества диагностики по данным МРТ, что обеспечивает врачам-рентгенологам возможность постановки точного диагноза.

 

ВЫВОДЫ

Проведенное фантомное исследование на различных МР-томографах продемонстрировало способность использования последовательностей DIXON для анализа жировой фракции, после предварительного фантомного тестирования. Использование фантома необходимо для обеспечения точности и воспроизводимости измерений. Для корректного количественного определения жировой фракции предпочтительнее проводить расчеты по данным изображений Water и Fat, с использованием формулы FF=Fat/(Fat+Water)*100.

About the authors

Olga Yu. Panina

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department; Moscow State Budgetary Healthcare Institution «Oncological Center No.1 of Moscow City Hospital named after S.S. Yudin, Moscow Healthcare Department»

Author for correspondence.
Email: olgayurpanina@gmail.com
ORCID iD: 0000-0002-8684-775X
SPIN-code: 5504-8136
Scopus Author ID: 57219837311

Junior Researcher, Department of Innovative Technologies

Russian Federation, 127051, Moscow, 24 Petrovka str.; 117152, Moscow, 18a/7 Zagorodnoe Highway

Alexander Igorevich Gromov

НИИ урологии и интервенционной радиологии имени Н.А. Лопаткина – филиал ФГБУ “НМИЦ радиологии” Минздрава России

Email: gai8@mail.ru
ORCID iD: 0000-0002-9014-9022
SPIN-code: 6842-8684
Scopus Author ID: 7102053957

доктор медицинских наук, профессор, руководитель группы лучевых методов диагностики и лечения отдела онкоурологии

Russian Federation, 105425 Москва, 3я Парковая ул., 51, стр. 1

Ekaterina S. Ahkmad

Moscow Center for Diagnostics and Telemedicine

Email: AkhmadES@zdrav.mos.ru
ORCID iD: 0000-0002-8235-9361
SPIN-code: 5891-4384
Scopus Author ID: 57211441823

Научный сотрудник

Russian Federation, Moscow

Dmitry S. Semenov

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: SemenovDS4@zdrav.mos.ru
ORCID iD: 0000-0002-4293-2514
SPIN-code: 2278-7290
Scopus Author ID: 57213154475

Cand. Sci. (Engineering)

Russian Federation, Moscow

Stanislav Kivasev

Central Clinical Hospital "RZD-Medicine, Moscow, Russia

Email: Kivasev@yahoo.com
ORCID iD: 0000-0003-1160-5905

врач-рентгенолог, заместитель директора по лучевой диагностике и радиационной безопасности ЧУЗ «ЦКБ «РЖД-Медицина»

Russian Federation, 129128,Moscow,2c4, Budayskaya str, Russia.

Alexey V. Petraikin

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Department of Health

Email: PetryajkinAV@zdrav.mos.ru
ORCID iD: 0000-0003-1694-4682
SPIN-code: 6193-1656
Scopus Author ID: 7801330975

M.D., D. Sci. (Med.), Assoc. Prof., Chief Researcher

Russian Federation, Moscow

Yuriy A. Vasilev

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: VasilevYA1@zdrav.mos.ru
ORCID iD: 0000-0002-5283-5961
SPIN-code: 4458-5608
Scopus Author ID: 57216631624

MD, Cand. Sci. (Med.)

Russian Federation, Moscow

Valentin A. Nechaev

Moscow City Hospital named after S.S. Yudin, Moscow Healthcare Department

Email: dfkz2005@gmail.com
ORCID iD: 0000-0002-6716-5593
SPIN-code: 2527-0130

MD, PhD

Russian Federation, Moscow

References

Supplementary files