Krooninen sairaus

tiivistelmä

Background

PET-pohjainen Tekstuuripiirteiden on käytetty määrällisesti kasvain heterogeenisyys johtuu niiden ennusteita sisään hoitotulokseen. Tutkimme herkkyys tekstuurin ominaisuuksia kasvain liikkeen vertaamalla staattinen (3D) ja hengityselinten-aidatulla (4D) PET kuvantaminen.

Methods

Kaksikymmentäkuusi potilasta (34 leesioita) sai 3D ja 4D [

18F] FDG-PET skannaa ennen kemosädehoidon. Hankitut 4D tietoja takautuvasti binned viiteen hengitys vaihetta luoda 4D kuvasarjan. Texture ominaisuudet, kuten Maksimaalinen korrelaatiokerroin (MCC), Long run pieni harmaa (LRLG), Karkeus, kontrastin ja harrastukset, laskettiin sisällä lääkärin määritellyn kasvaimen tilavuus. Suhteellinen ero (δ

3D-4D) kussakin tekstuuri välillä 3D- ja 4D-PET kuvantaminen laskettiin. Variaatiokerroin (CV) käytettiin määrittämään vaihtelua tekstuurit kaikkien 4D-PET vaiheissa. Korrelaatioita kasvaimen tilavuus, liikkeen amplitudi, ja δ

3D-4D arvioitiin myös.

Tulokset

4D-PET kasvoi LRLG (= 1% -2%, p 0,02) , harrastukset (= 7% -19%, p 0,01), ja väheni MCC (= 1% -2%, p 7,5 x 10

-3), Karkeus (= 5% -10%, p 0,05 ) ja Contrast (= 4% -6%, p 0,08) verrattuna 3D-PET. Lähes merkityksetön vaihtelu välillä havaittiin 4D vaihe astiat CV 5% MCC, LRLG, ja Karkeus. Kontrasti ja touhottamisen, kohtalainen vaihtelu löydettiin CV = 9% ja 10%, vastaavasti. Ei vahva korrelaatio löytyi kasvaimen tilavuuden ja δ

3D-4D varten Tekstuuripiirteiden. Motion amplitudi oli kohtalainen vaikutus δ MCC ja touhottamisen eikä vaikutusta LRLG, Karkeus, ja kontrasti.

Johtopäätökset

Merkittäviä eroja havaittiin MCC, LRLG, Karkeus, ja busyness välillä 3D ja 4D PET kuvantaminen. Vaihtelevuus välinen vaihe astiat MCC, LRLG, ja Karkeus oli vähäinen, mikä viittaa siihen, että samanlaisia ​​kvantifiointiin saa kaikissa vaiheissa. Tekstuuripiirteiden, hämärtynyt ulos hengityksen liikkeen aikana 3D-PET hankintaa, voidaan paremmin ratkaista 4D-PET kuvantaminen. 4D-PET kuvioita voi olla parempi ennusteen arvioinnissa, koska ne ovat vähemmän alttiita kasvain liikettä.

Citation: Yip S, McCall K, Aristophanous M, Chen AB, Aerts HJWL, Berbeco R (2014) Comparison of Texture ominaisuudet johdettu Staattinen ja Respiratory-Gated PET kuvien ei-pienisoluinen keuhkosyöpä. PLoS ONE 9 (12): e115510. doi: 10,1371 /journal.pone.0115510

Editor: Olga Y. Gorlova, Geisel School of Medicine at Dartmouth College, Yhdysvallat

vastaanotettu: 3. heinäkuuta 2014; Hyväksytty 24. marraskuuta 2014; Julkaistu: 17 joulukuu 2014

Copyright: © 2014 Yip et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Data Saatavuus: Tällä kirjoittajat vahvistavat, että hyväksyttyjä syistä, jotkut pääsy rajoitukset koskevat tietojen taustalla havainnot. Eettinen rajoitukset estä tietojen julkisesti jaetun. Tiedot ovat saatavissa Dana-Farber Cancer Institute Institutional Data Access tutkijoille, jotka täyttävät pääsyä luottamuksellisia tietoja. Pyynnöt tiedot voidaan lähettää Dr. Aileen Chen at [email protected].

Rahoitus: Kirjoittajat eivät tuki ja rahoitus raportoida.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

Positroniemissiotomografia (PET), [

18F] fluorodeoksiglukoosia (FDG), korvike glukoosin aineenvaihduntaa, on keskeinen kliininen väline kasvain diagnoosin, lavastus, ja seuranta kasvaimen etenemiseen [1] – [4]. Tarkka kvantifiointi kasvainten ominaisuuksiin perustuvat [

18F] FDG-PET kuvia voi antaa arvokasta tietoa optimoimiseksi hoito [5], [6]. Standardoitu oton arvo (SUV) toimenpiteet, kuten maksimi, huippu, keskiarvo, ja koko SUV, käytetään yleisesti kvantifiointiin kasvainten ominaisuuksiin [7] – [10]. Korkea lähtötilanteessa SUV otto on havaittu olevan yhteydessä huonoon hoitotulokseen monissa kasvaimissa, kuten ruokatorven, keuhko-, ja pään ja kaulan syöpä [11] – [13].

Korkea sisäinen kasvaimen heterogeenisuus on osoitettu liittyvän huonoon ennusteeseen, ja hoitoon vastus [14], [15]. Kuitenkin SUV toimenpiteet eivät riittävällä tavalla alueellista epäyhtenäisyyttä sisäisten kasvainten sisäänottoa jakelu [16], [17]. Näin ollen, rakenne ominaisuuksia, jotka voivat olla peräisin useista matemaattisten mallien välistä suhdetta useita voxels ja niiden läheisyydessä, ehdotetaan kuvaamaan tuumorin heterogeenisyys [18], [19]. Erityisesti esikäsittely [

18F] FDG PET Tekstuuripiirteiden ovat osoittaneet lupaavia rajata solmukohtien ja kasvainten [20], [21] ja arvioidaan hoitovaste [22] – [24]. Tutkimukset ovat osoittaneet, että Tekstuuripiirteiden paremmin kuin SUV toimenpiteitä hoitotulokseen ennustus [22], [24] – [26]. Esimerkiksi Cook

et al

(2013) vertasivat ennusteita yhteisten SUV toimenpiteiden ja neljä naapuruston harmaasävyisiä ero matriisi (NGTDM) johdettu kuvioita ei-pienisoluinen keuhkosyöpä (NSCLC) potilailla [27] . He havaitsivat, että NGTDM johdettuja Karkeus, kontrastin ja harrastukset olivat paitsi paremmat ennustetekijöitä ennustajia kuin SUV toimenpiteet, mutta myös paremmin erottamaan vasteen välillä nonresponders.

Huolimatta kliinistä potentiaalia Tekstuuripiirteiden, tarkka kvantifiointi tekstuurin ominaisuuksia estyä hengityksen liikkeen keuhkosyöpäpotilaita. Motion aiheuttamaa kuvan epätarkkuutta staattinen PET kuvien (3D PET) voi johtaa vähenemiseen kasvaimen oton ja yli arvion metabolisen kasvaimen tilavuuden [28] – [30]. 4D PET kuvantaminen portit PET kuva hankinta hengitysteiden liikkeen parantamiseksi PET kuvanlaadun ja on todettu vähentävän liikkeen epätarkkuutta PET kuvien, tarjoavat tarkempia kvantifiointiin keuhkojen kasvain toimintaa [28], [31] – [34]. Oletamme, että ohuet ominaisuudet ovat todennäköisesti epätarkka aikana 3D PET hankinta keuhkotuumoreiden.

Kun kasvava kiinnostus tekstuurin ominaisuuksia ja kasvain heterogeenisuus, vaikutus kasvaimen liikkeen PET-kvantifiointi on tutkittava koska se on edelleen vielä tunneta. Tässä tutkimuksessa vertasimme kvantifiointiin Tekstuuripiirteiden välillä 3D ja 4D PET kuvantaminen. Vaikka lukuisia Tekstuuripiirteiden löytyy kirjallisuudesta [22], [35], [36], olemme keskittyneet viiteen Tekstuuripiirteiden. Erityisesti kolme NGTDM johdettu Karkeus, kontrastin ja busyness johtuen niiden ennustearvo keuhkosyöpäpotilaita [27]. Harmaa tason yhteistyötä esiintyminen matriisi (GLCM) johdettu Maksimaalinen Korrelaatiokerroin (MCC) [37] ja harmaa taso pituuden matriisi (GLRLM) johdettu Long Run Alhainen Gray tasolla painotus (LRLG) [38] laskettiin myös johtuen niiden kestävyyttä vastaan vaihtelu rekonstruktioparametrien PET kuvien [36].

NGTDM Tekstuuripiirteiden alun perin suunniteltu muistuttamaan ihmisen käsitys ja ne ehdotti ensimmäisenä Amadasun ja king (1989) [18]. Vuonna karkea kuva, tekstuuri koostuu suurten kuvioita, kuten suuri alue, jossa yhtenäinen intensiteetin jakautuminen. Kontrasti mittaa voimakkuutta ero naapurialueiden sisällä kasvain. Busyness on mitta intensiteetin muutoksen välillä useita voxels ja niiden ympäristössä. GLCM-MCC otettiin ensimmäisen kerran käyttöön Haralick

et al

vuonna 1973 [37] ja sitä käytetään mittaamaan tilastollinen suhde kahden vierekkäisen voxels. GLRLM-LRLG mittaa yhteisjakauman pitkiä ja matalan intensiteetin arvot, jos juoksu on etäisyys kahden peräkkäisen vokseleiksi samalla intensiteetillä tiettyyn suuntaan [38].

Methods

potilaat ja kuvantaminen

Tämä tutkimus suoritettiin alla Dana-Farber Cancer Institute Institutional Review board (IRB) hyväksytyn protokollan (protokolla #: 06-294) ja kirjalliset hyväksynnät saatiin kaikista potilaista. Kaksikymmentäkuusi potilasta (keski-ikä = 65 ± 10 v, 14 urosta, 12 naarasta) NSCLC saivat hoidon suunnittelu CT (sekä 3D ja 4D) kaksi viikkoa ennen sädehoidon kanssa tai ilman samanaikaista kemoterapiaa. 3D [

18F] FDG-PET /TT, vapaa hengitys rinnassa CT, ja 4D [

18F] FDG-PET hankittiin 1-2 viikkoa ennen hoitoa. Oli kuusitoista potilailla, joilla adenokarsinooma ja kymmenelle potilaalle okasolusyöpä. Sisäinen kasvain tilavuudet (ITV), johon kuului kasvain liikettä, kolmestakymmenestäneljästä vaurioita (1-3 pahanlaatuisia kasvaimia /potilas) on rajattu kokenut sädehoitolääkäri on 4D suunnittelu CT. 3D PET ja 4D PET tehtiin Siemens Biograph PET /TT skanneri (Siemens AG, Erlangen, Saksa). Vaimennus korjaus 3D PET kuvien suoritettiin käyttäen koko kehon 3D CT-kuvia, kun taas 4D PET kuvien korjattiin vapaa hengitys rinnassa CT-kuvia. 3D PET hankittiin noin 100 minuutin kuluttua injektion 16.7-22mCi on [

18F] FDG potilailla. 3D-PET-, kuvat hankittiin 3-5 min /vuode asemaa kuudesta seitsemään nukkumaan kantoja. 3D PET Kuvat otettiin rekonstruoitu tilattu-osajoukko odotus-maksimointi (OSEM) 4 toistojen, 8 osajoukkoja, 7 mm Täysleveät puolen maksimi (FWHM) suodatuksen jälkeen, ja näytteet päälle 168 × 168 ruudukko koostuu 4,06 × 4,06 mm

2 pikselin. Kuva hankinta 4D PET seurasi heti valmistumisen 3D PET-.

4D PET kuvat hankittiin yksi sänky asemassa keskittynyt kasvain ja kattaa osan keuhkojen 20-30 min, riippuen mukavasti potilaista. AZ-733V hengityselimiä portitusjärjestelmässä (Anzai Medical System, Tokio, Japani) käytettiin seuraamaan potilaan hengityksen liikkeen [39]. Hankitut tiedot olivat takautuvasti binned viiteen vaiheeseen alkaen hengittää piikin (bin 1) luoda 4D kuvasarja käyttämällä vaihe-pohjainen algoritmi, jonka Siemens Biograph PET /TT skanneri (Siemens AG, Erlangen, Saksa). Erityisesti viisi vaihetta jäteastioita, vastasi loppuun hengitys (bin 1), inhalaatio-to-uloshengityksen (bin 2), mid uloshengitys (bin 3), uloshengityksen lopussa (bin4), uloshengitys-to hengitysteitse (bin 5 ), vastaavasti. Hengitysteiden aidatulla 4D PET Kuvat otettiin rekonstruoitu OSEM 2 toistojen, 8 osajoukkoja, 5 mm FWHM, ja näytteet päälle 256 × 256 ruudukko koostuu 2,67 x 2,67 mm

2 pikselin.

laatu ominaisuuksia

suunnittelu CT tiukasti rekisteröitynyt 3D-ja 4D-PET kuvia normalisoitu keskinäistä tietoa. Muunnokset levitettiin sitten kuhunkin ITV. 3D ja 4D PET Kuvat otettiin rajataan käyttämällä rekisteröityä ITV ääriviivat rajata pois kasvain alueella. Lukumäärä voxels kohti kasvaimen alueella vaihteli 85-6483 mediaani määrä voxels = 545. Ennen rakenne ominaisuus laskennan, kaikki PET kuvat (PET ()) on esikäsitellään seuraavaa yhtälöä, (1) Jos minPET ja maxPET ovat suurin ja vähintään intensiteettiä PET sisällä kasvaimen alueella. Intensiteetti valikoima jälkeisen käsitelty kuva () muutettiin 32 erillisiä arvoja ehdottamat Orlhac

et al

(2014) [40].

sisällä kasvain alueella, seuraavat neljä naapuruston harmaa-sävyeron matriisi (NGTDM) johdettu Tekstuuripiirteiden laskettiin määrällisesti kasvain heterogeenisuus: Karkeus, kontrasti, busyness, ja monimutkaisuus. Nämä toteutettiin MATLAB (MathWorks Inc. Natrick MA) käyttäen Chang-Keinutie Image Texture Analysis Toolbox [41], [42]. Matemaattinen määritelmiä NGTDM, GLCM, ja GLRLM Tekstuuripiirteiden löytyvät Amadasun ja King (1989) [18], Haralick

et al

(1973, 1979) [37], [43], ja Galloway (1975) [38], vastaavasti.

3D (168 x 168) ja 4D (256 x 256) PET kuvat rekonstruoitiin eri matriisi kokoja perustuvat erilaisiin rekonstruktioparametrien. Lisäksi eron vuoksi 3D ja 4D PET kuvantamisen Hakuajat, vähemmän fotoni laskee ja korkeampi kohina voi löytyä 4D PET kuvia. Siksi kaikki 4D PET Kuvat otettiin alassamplataan samaan verkkoon /resoluutio 3D PET kuvien lineaarisen interpoloinnin ennen rakenne ominaisuus laskennan melun vähentämiseksi.

Tietojen analysointi

suhteellinen ero (δ

3D-4D) in Tekstuuripiirteiden välillä 3D ja 4D PET laskettiin: (2) Jos on kvantifiointi (eli Tekstuuripiirteiden toimenpiteitä), joka perustuu 3D PET, on kvantifiointi perustuu bin

j

n 4D PET kuvia. Wilcoxonin-rank-testiä (p 0,05) suoritettiin paria onko ja olivat merkittävästi erilaiset. Laskimme innokas kasvaimen tilavuus (ATV) kuin kynnysarvo PET kuvia SUV yli 40% maksimi SUV sisällä ITV [29]. Olemme tutkineet vaikutus ATV ja ITV on δ

3D-4D käyttäen Spearmanin korrelaatiokerroin (R), joilla on merkittävä arvo p = 0,05.

Kruskal-Wallisin testiä käytettiin sen arvioimiseksi, onko jokin vaihe oli merkitsevästi eroaa muiden vaiheiden (p 0,05). Vaihtelua tekstuuri on tarjolla toimenpiteet kaikkien viiden vaiheen roskakorit arvioitiin käyttäen variaatiokerroin (CV). (3) B

(4) arvioimiseksi laajuus liikkeen, massakeskipisteisiin () PET innokas alue (ATV) kaikilla viidellä 4D PET roskakorit kirjattiin. Amplitudi kasvain liikkeen arvioitiin käyttämällä Suurin ero välillä viiden astiat [28], [29] (5) Jos

i

ja

j

välillä 1 5

tutkia vaikutus kasvaimen liikkeen, laskimme Spearmanin korrelaatiokertoimen amplitudi: ATV-suhde ja δ

3D-4D merkittäviä arvo p = 0,05. Amplitudi: ATV suhde on mitta liikkeen amplitudi suhteessa kasvaimen tilavuus. Suuri amplitudi: ATV-suhde osoittaa suuri kasvain liikkeen suhteessa kasvaimen kokoa.

Lisäksi, tekstuurit voi vaikuttaa liikkeen eri tavalla sen kasvainhistologiaa. Siksi tutkimme jos δ

3D-4D olivat merkitsevää eroa adenokarsinoomat (21 vaurioita) ja okasolusyöpää (13 vaurioita) käyttäen Mann-Whitneyn U-testi p 0,05.

Tulokset

4D PET kuvien näytti olevan korkeampi otto ja vähemmän hämärtyminen kuin vastaava 3D PET kuvia (Fig. 1). Erot 3D ja 4D PET todettiin olevan merkittäviä (p 0,01) ja harrastukset, MCC, ja LRLG kuten taulukossa 1. Laajojen ero Karkeus löydettiin kaikista astiat (p 0,01) paitsi bin 2 (p = 0,59) (taulukko 1). Karkeus määritetään 3D PET kuvien oli noin 10% korkeampi kuin 4D PET. 4D PET kuvat havaittiin olevan niin paljon kuin 19%: n nousu busyness, verrattuna vastaavaan 3D PET kuvia (taulukko 1, Fig. 2). MCC havaittiin olevan 2% suurempi 3D PET kuin 4D PET, kun taas 2% korkeampi LRLG löydettiin 4D PET verrattaessa 3D PET. Kuitenkin kontrasti 3D-kuvat on vain noin 5% pienempi verrattuna 4D PET ja δ

3D-4D ei ollut merkitsevä (p 0,08) (taulukko 1, kuva. 2).

Kaikki kuvat näkyvät samalla intensiteetillä ikkuna SUV välillä 1 ja 15.

top pystysuora viiva on boxplot edustaa 75

th-95

th persentiilit datan. Pohja pystyviiva on 5

th-25

th persentiilit. Kvartiiliväli (IQR) datan osoitetaan leveys boxplot. Tähdet osoittavat suurimman ja pienimmän eroja. Mediaani ja keskiarvo erot on merkitty bar yleinen laatikon sisällä tontteja, vastaavasti. MCC = Maksimaalinen korrelaatiokerroin. LRLG = Pitkä loppumassa harmaa tason painopiste. Ensimmäinen boxplot edustaa vertailuja 3D ja 3D PET tekstuurit (δ

3D-3D). δ

3D-3D on siis nolla määritelmän mukaan näkyy ensimmäisessä ”boxplot” jokaiselle rakenne.

Yhtään vaiheiden olivat merkittävästi erilainen kuin muut mistään Tekstuuripiirteiden (p 0,90, Kruskal-Wallisin testi). Merkityksetön kohtalainen vaihtelua Tekstuuripiirteiden välillä havaittiin viiden vaiheen astiat (Fig. 2). CV oli vain 1% MCC ja LRLG, 5% Karkeus, 9% ja 10% Kontrastin ja busyness, vastaavasti. Innokas kasvaimen tilavuus (ATV) oli huonosti korreloi ö

3D-4D kaikille Tekstuuripiirteiden (R = -0,24-,38, p = 0,03-0,07). Korrelaatio sisäisten kasvainten (ITV) ja δ

3D-4D todettiin myös olevan huono kaikille tekstuurit (R = -0,31-,30, p 0,02), paitsi LGLR. Vaikka δ

3D-4D LGLR kohtalaisesti vaikutti ITV (R = -0,62–0,31, p = 8,3 × 10

-5-0,08), keskimääräinen δ

3D-4D 2% .

Keskimääräinen liikkeen amplitudi havaittiin olevan 4,4 ± 4,6 mm: n (0,6-20,5 mm). Kuten taulukosta 2, kohtalainen tai merkittävä korrelaatio löytyi amplitudi: ATV (mm

-2) ja δ

3D-4D for busyness (R = ,38-+0,54) ja MCC (R = -0.70– 0,41) in bin 3-5, kun taas heikko korrelaatio löydettiin bin 1-2 R = -0,03-,12. Korrelaatiot olivat myös huono Karkeus (R = -0,32-0,18), Contrast (R = -0,35–0,10), ja LRLG (R = 0,08-0,34) (taulukko 2). Lisäksi δ

3D-4D eivät olleet merkittävästi erilaiset välillä histologialtaan, adenokarsinoomista ja levyepiteelikarsinoomien, jossa p 0,26 (taulukko 3).

Keskustelu

tässä tutkimuksessa selvitimme herkkyys prognoosi- PET Tekstuuripiirteiden hengityksen liikkeen. Tuloksemme viittaavat siihen, että rakenne toimenpiteet ovat herkkiä kasvain liikettä. Huomattavia eroja 3D ja 4D (δ

3D-4D 10%) löytyi Karkeus ja busyness. Siksi ajallinen tarkkuus tarjoamia 4D PET kuvantaminen voi johtaa tarkempaan kvantifiointia kuvan ominaisuuksia.

Karkeus, kontrastin ja busyness huomioon tässä tutkimuksessa alun perin suunniteltu muistuttamaan ihmisen käsitys ja ne ehdotti ensimmäisenä Amadasun ja king (1989) [18]. Cook

et al

(2012) [27] ovat osoittaneet, että nämä kolme tekstuuri ominaisuudet ovat kliinisesti merkityksellisiä keuhkosyöpä johtuu niiden ennustearvo potilaan lopputulokseen. Vuonna karkea kuva, tekstuuri koostuu suurten kuvioita, kuten suuri alue, jossa yhtenäinen intensiteetin jakautuminen. Koska hengitys liike hämärtää sakko kuvioita kuvissa, 3D PET kuvat näyttävät olevan tasaisempi (Fig. 1), ja siksi on enemmän Karkeus kuin 4D PET kuvaa. Herkkyys Contrast havaittiin olevan merkityksetön liikkeen aiheuttamaa epätarkkuutta. Intensiteetti ero naapurialueiden sisällä kasvain havaittiin olevan voimakkaampia 4D PET kuva (Fig. 1), mikä johtaa hieman suurempi (δ

3D-4D~5%) Kontrasti 4D PET kuin 3D PET kuvia. Busyness on mitta intensiteetin muutoksen yksi- voxels ja niiden ympäristössä. Busyness laskettuihin 4D PET kuvien havaittiin olevan jopa 20% korkeampi kuin 3D PET kuvia. Koska δ

3D-4D olivat korkeampia suurelle amplitudi: ATV, kvantifiointiin busyness on erityisen herkkä suurille kasvaimen suhteellisen amplitudi. Kuitenkin 3D PET kuvantaminen käytettiin tutkimuksessa Cook

et al

(2012). Tuloksemme viittaavat siihen, että määrällisen ja ennusteen arvioinnissa on busyness voi vaikuttaa haitallisesti kasvaimen liikkeessä.

GLCM-MCC ja GLRLM-LRLG sisällytettiin 3D vs 4D PET kuvantamisen verrattuna, koska ne ovat herkkiä rekonstruktioparametrien of PET kuvia [36]. Kasvain liikehämärtymisen 3D PET kuva voi vähentää intensiteetti ero naapurimaiden voxels. Siksi naapurimaiden voxels ovat korreloi paremmin 3D PET kuin 4D PET, mikä johtaa merkittäviin 2% korkeampi MCC 3D PET kuvia. LRLG mittaa yhteinen todennäköisyys pitkiä ja alhaiset harmaat arvot. Kuten havaitaan kuviossa. 1, lievää voxels ovat lokalisoitu (vähemmän etäisyys toisistaan) on motion näön 3D PET kuin 4D PET kuvia. Siksi LRLG oli suurempi 4D PET kuin 3D PET.

Tässä tutkimuksessa 4D PET kuvat oli binned viiteen vaiheeseen. Aktiivisuus otto kunkin bin oli hieman erilainen kuin Huang ja Wang (2013) [30]. Bin, jolla on korkein SUV

max valitaan usein olevan ”paras” bin 4D PET kuva [29], [44], [45]. Olemme kuitenkin havainneet, että välistä vaihtelua vaiheen astiat MCC, LRLG, ja Karkeus oli vähäistä (CV 5%), mikä viittaa siihen, että samanlaisia ​​kvantifiointiin saa kaikissa vaiheissa. Pieni vaihtelu voi johtua pienestä kasvain amplitudi (4,4 ± 4,6 mm) meidän aineisto. Toisaalta, vaihe bin vaihtelua todettiin olevan kohtalainen Kontrasti ja touhottamisen (CV~10%). Arvot kontrastin ja touhottamisen voi riippua valinnasta vaiheittain bin. MCC, LRLG, ja Karkeus ovat riippumattomia valinta vaiheittain bin, ja siksi olisi suositeltava kvantifiointiin kasvaimen ominaisuuksista 4D PET kuvantamisen.

Lukuun ottamatta Tekstuuripiirteiden, tutkimukset usein vaikutuksen tutkimiseksi hengitysteiden liike määrällistä eri SUV toimenpiteitä, erityisesti suurin SUV [28], [29], [33]. SUV

max havaittiin lisääntyvän 4D PET kuvantamisen 25%: sta 80% näissä tutkimuksissa. Liikkeen aiheuttama esineitä paitsi alemman enimmäismäärän kasvaimeen 3D PET kuvia, mutta saattaa myös johtaa Luokitteluvirheillä vaurioita. Esimerkiksi García Vicente

et al

(2010) vertasivat SUV

max määritetään 3D ja 4D PET kuvien 42 leesioita keuhkosyöpäpotilaita [33]. Kasvain SUV

max yli 2,5 katsottiin pahanlaatuinen tutkimuksessaan. Tämän seurauksena, 40% (17/42) vauriot piti muuttaa hyvänlaatuisesta pahanlaatuiseen. Tätä varten vaikka tuloksia ei esitetty, vertasimme myös eroja neljässä SUV toimenpiteisiin (SUV

max, SUV

huippu, SUV

tarkoittaa, ja SUV

yhteensä). 4D PET kuvantamisen lisäsi mittaukset SUV

max ja SUV

huippu noin 30% ja 25%: lla, kun taas lisääntynyt SUV

tarkoittaa ja SUV

yhteensä olivat vain noin 5%. Tuloksemme SUV

max ovat verrattavissa aikaisempia tutkimuksia [28], [29], [33].

on kuitenkin yksi rajoitus meidän kuvioita ja SUV-vertailuun, koska siinä on osoitettu, että pahanlaatuinen kasvain kudos voi jatkuvasti lisätä ottoa [

18F] FDG vielä 2 tuntia injektion jälkeen [46] – [48]. Vaikka 3D PET kuvantaminen hankittiin noin 100 min kuluttua [

18F] FDG-PET injektio, 4D PET kuvantaminen hankittiin välillä 118-135 minuuttia injektion jälkeen. Siksi kasvu [

18F] FDG-PET nähdään tutkimuksessamme ei ehkä johdu pelkästään hengityksen liikkeen. Dong

et al

(2013) löytyi huomattava korrelaatio SUV

max ja tekstuurit (entropia ja energia) on johdettu PET intensiteetti histogrammit potilailla, joilla on ruokatorven syöpä [49]. SUV

max havaittiin myös olevan korreloi entropia ja energiaa tutkimuksessa Orlhac

et al

(2014) [40] avulla Metastasoivassa peräsuolen, keuhko-, ja rintasyöpä. Kyseiset kaksi tutkimusta siis viittaavat siihen, että histogrammin johdetut tekstuurit todennäköisesti vaikuttaa myöhässä kuvantaminen. Kuitenkaan yksikään kuvioita, joita käytettiin tutkimuksessamme on havaittu korreloivan hyvin SUV

max [40]. Tämä voi johtua siitä, että kuvioita käytimme perustuvat spatiaalinen suhde lähiöissä voxels, ja eivät ole suoraan riippuvaisia ​​voimakkuuden arvo yhden tai useamman voxels sisällä kasvaimia. Kuitenkin lisätutkimuksia tarvitaan paremmin ymmärtää vaikutuksia viivästynyt kuvantaminen rakenne kvantifiointiin.

Kaikki PET kuvien tutkimuksessamme kävi vaimennus korjaus käyttämällä vapaasti hengittävä CT-kuvia. Näön anatominen ristiriitaiset PET /TT takia hengityksen liikkeen voivat vaikuttaa laatuun vaimennuskorjausta 4D PET kuvia, ja sittemmin kvantifiointia Tekstuuripiirteiden [29], [50], [51]. Lisäksi eron vuoksi 3D ja 4D PET kuvantamisen Hakuajat, vähemmän fotoni laskee ja korkeampi kohina voi löytyä 4D PET kuvia, jotka voivat myöhemmin vaikuttaa tarkkuuteen tekstuurin ominaisuuden määritelmää. Lieventää kohinan, kaikki 4D PET kuvien oltava vähintään hankinta aika 20 min. Nämä mahdolliset vaikutukset tutkitaan tarkemmin tulevassa tutkimuksessa.

Johtopäätökset

laatu ominaisuuksia, jotka edustavat kasvaimen heterogeenisyys, ovat epäselviä ulos hengityksen liikkeen aikana 3D PET hankinta. 4D PET kuvantamisen vähentää liikehämärtymisen, joka mahdollistaa PET-pohjaisia ​​ominaisuuksia paremmin ratkaistu. Merkittäviä eroja havaittiin MCC, LRLG, Karkeus, ja busyness välillä 3D ja 4D PET kuvantaminen. Kun mitataan kasvain heterogeenisyys ominaisuudet PET kuvantamisen, vähennetään liikehämärtymisen 4D PET hankinta mahdollistaa merkittävästi paremman erotuskyly tekstuurin ominaisuuksia. 3D PET tekstuurit voi johtaa epätarkkoihin ennustuksen hoitotuloksia, jotka haittaavat optimaalisen keuhkosyöpä potilaan hoidossa. 4D PET tekstuurit voi olla parempi ennusteen arvioinnissa, koska ne ovat vähemmän alttiita kasvain liikettä.