Abstract
Bakgrunn
PET-baserte tekstur funksjoner har blitt brukt til å kvantifisere svulst heterogenitet på grunn av sin prediktiv kraft i behandlingsresultat. Vi undersøkte sensitiviteten av tekstur har til tumor bevegelse ved å sammenligne statisk (3D) og luftstyrte (4D) PET billeddiagnostikk.
Metoder
Tjueseks pasienter (34 lesjoner) som er mottatt 3D og 4D [
18F] FDG-PET skanner før cellegift eller strålebehandling. De oppkjøpte 4D data ble retrospektivt binned i fem puste faser for å lage 4D bildesekvensen. Texture funksjoner, inkludert Maximal korrelasjonskoeffisient (MCC), Lange løp lav grå (LRLG), Grov, Kontrast og travelhet, ble beregnet innenfor legen definerte tumorvolumet. Den relative forskjellen (δ
3D-4D) i hver tekstur mellom 3D- og 4D-PET billeddiagnostikk ble beregnet. Variasjonskoeffisient (CV) ble anvendt for å bestemme variasjoner i teksturen mellom alle 4D-PET faser. Sammenhenger mellom tumor volum, bevegelse amplitude, og δ
3D-4D ble også vurdert
Resultater
4D-PET økt LRLG (= 1% -2%, p 0,02). , travelheten (= 7% -19%, p 0,01), og redusert MCC (= 1% -2%, p 7,5 × 10
-3), Grov (= 5% -10%, p 0,05 ) og Contrast (= 4% -6%, p 0,08) sammenlignet med 3D-PET. Nesten ubetydelig variasjon ble funnet mellom 4D fase binger med CV 5% for MCC, LRLG, og Grov. For kontrast og travelheten, ble moderat variasjon funnet med CV = 9% og 10%, henholdsvis. Ingen sterk sammenheng ble funnet mellom tumorvolumet og δ
3D-4D for tekstur funksjoner. Motion amplitude hadde moderat innvirkning på δ for MCC og travelheten og ingen innvirkning for LRLG, Grov og Kontrast.
Konklusjoner
signifikante forskjeller ble funnet i MCC, LRLG, Grov, og travelheten mellom 3D og 4D PET billeddiagnostikk. Variasjonen mellom fase binger for MCC, LRLG, og Grov var ubetydelig, noe som tyder på at lignende kvantifisering kan fås fra alle faser. Texture funksjoner, uklart ut av respiratorisk bevegelse under 3D-PET oppkjøp, kan bedre løses ved 4D-PET billeddiagnostikk. 4D-PET teksturer kan ha bedre prognostisk verdi som de er mindre utsatt for svulst bevegelse
Citation. Yip S, McCall K, Aristophanous M, Chen AB, Aerts HJWL, Berbeco R (2014) Sammenligning av Texture funksjoner avledet fra Statiske og Respiratory-Gated PET-bilder i ikke-småcellet lungekreft. PLoS ONE 9 (12): e115510. doi: 10,1371 /journal.pone.0115510
Redaktør: Olga Y. Gorlova, Geisel School of Medicine ved Dartmouth College, USA
mottatt: 03.07.2014; Godkjent: 24 november 2014; Publisert: 17.12.2014
Copyright: © 2014 Yip et al. Dette er en åpen-tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Data Tilgjengelighet:. Den forfatterne bekrefter at for godkjente grunner, noen tilgangsbegrensninger gjelder datagrunnlaget funnene. Etiske restriksjoner forhindre at data blir offentlig delt. Dataene er tilgjengelige fra Dana-Farber Cancer Institute Institutional Data Access for forskere som oppfyller kriteriene for å få tilgang til konfidensielle data. Forespørsler om data kan sendes til Dr. Aileen Chen på [email protected]
Finansiering:.. Forfatterne har ingen støtte eller finansiering for å rapportere
Konkurrerende interesser: Forfatterne har erklærte at ingen konkurrerende interesser eksisterer.
Innledning
Positronemisjonstomografi (PET) med [
18F] fluorodeoxyglucose (FDG), et surrogat av glukosemetabolismen, er et viktig klinisk verktøy for svulst diagnose, iscenesettelse, og overvåking tumorprogresjon [1] – [4]. Nøyaktig kvantifisering av tumoregenskaper basert på [
18F] FDG-PET-bilder kan gi verdifull informasjon for å optimalisere behandlingen [5], [6]. Standardisert opptak (SUV) tiltak som maksimum, topp, middelverdi, og total SUV, blir ofte brukt for kvantifisering av tumoregenskaper [7] – [10]. Høy baseline SUV opptak har blitt funnet å være assosiert med dårlig behandlingsresultat i mange tumorer, som esophageal, lunge og hode-og-hals-kreft [11] – [13].
Høy intra-tumor heterogenitet har vist seg å forholde seg til dårlig prognose og behandling motstand [14], [15]. Men SUV tiltak ikke tilstrekkelig fange romlig heterogenitet av intra-tumoropptak distribusjon [16], [17]. Derfor tekstur funksjoner, som kan utledes fra en rekke matematiske modeller for forholdet mellom flere lydelementer og deres nabolag, er foreslått for å beskrive svulst heterogenitet [18], [19]. Spesielt har forbehandling [
18F] FDG PET tekstur har vist lovende for opptegning nodal og svulstvolum [20], [21] og vurdere terapeutisk respons [22] – [24]. Studier har antydet at tekstur har bedre resultater enn SUV-tiltak i behandlingsresultat prediksjon [22], [24] – [26]. For eksempel Cook
et al product: (2013) sammenlignet prediktiv kraft av felles SUV tiltak og fire nabolaget grå-tone forskjell matrise (NGTDM) stammer teksturer i ikke-småcellet lungekreft (NSCLC) pasienter [27] . De fant at NGTDM-avledet Grov, Kontrast og travelheten var ikke bare bedre prognostisk prediktorer enn SUV-tiltak, men også bedre i stand til å skille respondere fra nonresponders.
Til tross for den kliniske potensialet av tekstur funksjoner, nøyaktig kvantifisering av tekstur funksjoner kan bli hindret av respiratorisk bevegelse i lungekreftpasienter. Bevegelsen som induseres uskarpheter i statiske PET-bilder (3D PET) kan føre til reduksjon i tumoropptak og over estimering av metabolsk tumorvolum [28] – [30]. 4D PET-bildedannende porter PET-bildeoverføring med respiratorisk bevegelse for å forbedre PET-bildekvalitet og har vist seg å redusere bevegelse uskarphet i PET-bilder, noe som gir mer nøyaktig kvantifisering av lungetumor aktivitet [28], [31] – [34]. Vi hypotese at fin tekstur funksjoner er sannsynlig å bli uklar under 3D PET oppkjøp av lungesvulster.
Med den økende interessen for tekstur funksjoner og tumor heterogenitet, må virkningen av svulst bevegelse på PET-basert kvantifisering å bli undersøkt som det fortsatt er foreløpig ukjent. I denne studien sammenlignet vi kvantifisering av tekstur funksjoner mellom 3D og 4D PET billeddiagnostikk. Selv om mange tekstur funksjoner kan bli funnet i litteraturen [22], [35], [36], fokuserte vi på fem tekstur funksjoner. Spesielt tre NGTDM avledet Grov, Kontrast og travelheten på grunn av deres prediktiv verdi i lungekreftpasienter [27]. En grå nivå co-forekomst matrise (GLCM) avledet Maximal korrelasjonskoeffisient (MCC) [37] og grå nivå lengde matrise (GLRLM) avledet Long Run Low Gray nivå vekt (LRLG) [38] ble også beregnet på grunn av sin robusthet mot variant av gjenoppbygging parametere av PET-bilder [36].
NGTDM tekstur funksjoner ble opprinnelig laget for å ligne menneskelig persepsjon og ble først foreslått av Amadasun og King (1989) [18]. I en grov bilde, er teksturen består av store mønstre, for eksempel stort område med uniform intensitetsfordeling. Kontrast måler intensiteten forskjellen mellom nabo regioner i tumoren. Travelheten er et mål på intensiteten endringen mellom flere volumelementer og deres omgivelser. GLCM-MCC ble først introdusert av Haralick
et al
i 1973 [37] og brukes til å måle den statistiske sammenhengen mellom to nabo lydelementer. GLRLM-LRLG måler felles distribusjon av lange løyper og lav intensitet verdier, hvor et løp er avstanden mellom to påfølgende lydelementer med samme intensitet i en bestemt retning [38].
Metoder
pasienter og bildebehandling
Denne undersøkelsen ble utført under Dana-Farber Cancer Institute Institutional Review board (IRB) godkjent protokoll (protokoll #: 06-294) og skriftlige samtykke ble innhentet fra alle pasienter. Tjueseks pasienter (gjennomsnittsalder = 65 ± 10 år, 14 menn, 12 kvinner) med NSCLC mottatt en behandling planlegging CT (både 3D og 4D) to uker før starten av strålebehandling med eller uten samtidig kjemoterapi. 3D [
18F] FDG-PET /CT, en fri pust brystet CT, og en 4D [
18F] FDG-PET skanner ble kjøpt 1-2 uker før behandlingen. Det var seksten pasienter med adenokarsinom og ti pasienter med plateepitelkarsinom. De interne tumorvolum (ITV), som omfattet svulst bevegelse av trettifire lesjoner (1-3 ondartede svulster /pasient) ble avgrenset av en erfaren stråling onkolog på en 4D planlegging CT. 3D PET og 4D PET skanner ble utført på en Siemens Biograph PET /CT-skanner (Siemens AG, Erlangen, Tyskland). Demping korrigering av 3D PET-bilder ble utført ved hjelp av hele kroppen 3D CT-bilder, mens 4D PET-bilder ble korrigert av de gratis puste brystet CT-bilder. 3D PET skanner ble kjøpt ca 100 minutter etter injeksjon av 16.7-22mCi av [
18F] FDG i pasientene. For 3D PET-scan, ble bildene kjøpt for 3-5 min /seng stilling i seks til syv seng stillinger. De 3D PET-bilder ble rekonstruert med beordret-undergruppe forventning-maksimering (OSEM) med 4 gjentakelser, 8 undergrupper, 7 mm full bredde halv maksimum (FWHM) post-filtrering, og samplet på en 168 × 168 rutenett bestående av 4,06 × 4,06 mm
2 piksel. Bildet oppkjøpet av 4D PET fulgte umiddelbart etter ferdigstillelse av 3D PET scan.
4D PET-bilder ble kjøpt til en seng posisjon sentrert på svulsten og dekker en del av lungen for 20-30 min, avhengig av komforten av pasientene. En AZ-733V luftportsystem (Anzai Medical System, Tokyo, Japan) ble anvendt for å overvåke pasientens åndedrettsbevegelse [39]. De innsamlede dataene ble retrospektivt binned inn i fem faser starter på inhalerer peak (skuff 1) å skape 4D bildesekvensen med fasebasert algoritme levert av Siemens Biograph PET /CT-skanner (Siemens AG, Erlangen, Tyskland). Spesielt de fem fase binger, samsvarer med slutten av innånding (skuff 1), innånding til utånding (bin 2), mellom utpust (bin 3), slutten av utpust (bin4), utpust til inhalasjon (bin 5 ), respektivt. Åndedretts gated 4D PET-bilder ble rekonstruert med OSEM med 2 iterasjoner, 8 undergrupper, 5 mm FWHM, og samplet på en 256 × 256 rutenett bestående av 2,67 x 2,67 mm
2 pixel.
Texture funksjoner
Planlegging CT ble strengt registrert til 3D- og 4D-PET-bilder med normalisert gjensidig informasjon. De transformasjoner ble deretter påført hver ITV. Den 3D og 4D PET-bilder ble beskåret med registrerte ITV kontur å beskjære ut svulsten regionen. Antall lydelementer per svulst region varierte 85-6483 med median antall lydelementer = 545. Før tekstur funksjonen beregning, alle PET-bilder (PET ()) ble preprocessed ved hjelp av følgende ligning (1) Hvor MINPET og maxPET er det maksimale og minimum intensiteter av PET i svulsten regionen. Intensiteten utvalg av etterbehandlede bildet () ble omgjort til 32 diskrete verdier som foreslått av Orlhac
et al product: (2014) [40].
Innenfor svulsten regionen, følgende fire nabolag grå-tone forskjell matrise (NGTDM) avledet tekstur funksjoner ble beregnet å kvantifisere svulst heterogenitet: Grov, kontrast, travelhet og kompleksitet. Disse ble implementert i MATLAB (The Mathworks Inc. Natrick MA) ved hjelp av Chang-Gung bilde Texture Analyse Toolbox [41], [42]. De matematiske definisjoner av NGTDM, GLCM, og GLRLM tekstur funksjoner kan bli funnet i Amadasun og King (1989) [18], Haralick
et al plakater (1973, 1979) [37], [43], og Galloway (1975) [38], henholdsvis.
3D (168 × 168) og 4D (256 × 256) PET-bilder ble rekonstruert til forskjellige matrix størrelser basert på ulike rekonstruksjons parametere. I tillegg, på grunn av forskjellen i 3D og 4D PET-bildeinnhentingstider, færre fotontellinger og høyere støy kan finnes i de 4D PET-bildene. Derfor ble alle 4D PET-bilder nedsamplet til samme grid /oppløsning av 3D PET-bilder ved hjelp av lineær interpolasjon før tekstur funksjonen beregning for å redusere støy.
Dataanalyse
Den relative forskjellen (δ
3D-4D) i tekstur har mellom 3D og 4D PET ble beregnet: (2) Hvor er kvantifiseringen (dvs. tekstur funksjoner tiltak) basert på 3D PET, er kvantifisering basert på bin
j
av 4D PET-bilder. Wilcoxon signed-rank test (p 0,05) ble utført på parene for å bestemme om og var signifikant forskjellig. Vi beregnet en ivrig tumor volum (ATV) som terskel PET-bilder med SUV over 40% maksimal SUV innenfor ITV [29]. Vi undersøkte påvirkning av ATV og ITV på δ
3D-4D ved hjelp Spearmans korrelasjonskoeffisient (r) med betydelig verdi for p = 0,05.
Kruskal-Wallis-test ble anvendt for å vurdere om en fase var signifikant forskjellig fra de andre fasene (p 0,05). Variasjonen i teksturen har tiltak mellom alle fem fase bøtter ble vurdert ved hjelp variasjonskoeffisienten (CV). (3)
(4) For å anslå omfanget av bevegelse, ble sentrene for masse () av PET avid regionen (ATV) på alle fem 4D PET binger registrert. Amplituden av svulst bevegelse ble beregnet ved hjelp av den maksimale forskjellen mellom de fem binger [28], [29] (5) Hvor
i
og
j
varierer fra 1 til 5.
for å studere effekten av svulst bevegelse, vi beregnet Spearmans korrelasjonskoeffisient for Amplitude: ATV-forhold og δ
3D-4D med betydelig verdi p = 0,05. Amplitude: ATV-forholdet er et mål på amplituden bevegelse i forhold til tumorvolumet. Stort Amplitude: ATV-forholdet indikerer stor svulst bevegelse i forhold til tumorstørrelsen
Videre kan strukturer bli påvirket ved bevegelse på en annen måte i henhold til tumorhistologi.. Derfor undersøkte vi om δ
3D-4D var signifikant forskjellig mellom adenokarsinomer (21 lesjoner) og plateepitelkarsinom (13 lesjoner) ved hjelp av Mann-Whitney U-test med p. 0,05
Resultater
4D PET-bilder viste seg å ha høyere opptak og mindre uskarphet enn de tilsvarende 3D PET-bilder (fig. 1). Forskjellene mellom 3D og 4D PET ble funnet å være signifikant (p 0,01) for travelheten, MCC, og LRLG som vist i tabell 1. Betydelig forskjell for Grov ble funnet i alle binger (p 0,01), bortsett fra i bin 2 (p = 0,59) (tabell 1). Den Grov bestemt på 3D PET-bilder var ca 10% høyere enn 4D PET. 4D PET-bildene ble funnet å ha så mye som en 19% økning i travelheten, i forhold til de tilsvarende 3D-PET-bilder (tabell 1, fig. 2). MCC ble funnet å være 2% høyere i 3D PET enn 4D PET, mens 2% høyere LRLG ble funnet i 4D PET når du sammenligner til 3D PET. Men kontrast på 3D-bilder ble bare ca 5% lavere sammenlignet med 4D PET og δ
3D-4D var ikke signifikant (p 0,08). (. Tabell 1, fig 2)
Alle bilder vises i samme intensitet vindu med SUV mellom 1 og 15.
den øverste vertikal linje med et boksplott representerer 75
th-95
th persentiler av dataene. Den nederste vertikale linjen er den 5
th-25
th persentiler. Interkvartile område (IQR) av dataene er angitt med bredden på boksplott. Stjernene viser maksimums- og minimums forskjeller. Median og gjennomsnitt forskjeller er angitt med bar annet inne i boksen tomter, henholdsvis. MCC = Maksimal korrelasjonskoeffisient. LRLG = Lang kjøre lav grå-nivå vekt. Den første boxplot representerer sammenligninger av 3D og 3D PET teksturer (δ
3D-3D). δ
3D-3D er derfor null per definisjon, som vist i den første «boxplot» for hver tekstur.
Ingen av fasene var signifikant forskjellig fra de andre for noen tekstur funksjoner (p 0,90, Kruskal-Wallis test). Ubetydelig til moderat variasjon i tekstur har ble funnet mellom de fem fase binger (fig. 2). CV var bare 1% for MCC og LRLG, 5% for Grov, 9% og 10% for kontrast og travelheten, henholdsvis. Avid tumorvolum (ATV) var dårlig korrelert til S
3D-4D for alle tekstur funksjoner (R = -0.24-0.38, p = 0,03 til 0,07). Korrelasjonen mellom interne tumorvolum (ITV) og δ
3D-4D ble også funnet å være dårlig for alle teksturer (R = -0.31-0.30, p 0,02), unntatt LGLR. Selv δ
3D-4D for LGLR var moderat påvirket av ITV (R = -0.62–0.31, p = 8,3 × 10
-5 til 0,08), gjennomsnittlig δ
3D-4D 2% .
Gjennomsnittlig bevegelsesamplitude som ble funnet å være 4,4 ± 4,6 mm (0,6 til 20,5 mm). Som vist i tabell 2, moderat til betydelig korrelasjon ble funnet mellom Amplitude: ATV (mm
-2) og δ
3D-4D for travelheten (R = 0,38 til 0,54) og MCC (R = -0.70– 0,41) i bin 3-5, mens dårlig korrelasjon ble funnet i bin 1-2 med R = -0.03-0.12. Korrelasjonene var også dårlig for Grov (R = -0.32-0.18), Kontrast (R = -0.35–0.10), og LRLG (R = 0,08 til 0,34) (tabell 2). Videre δ
3D-4D var ikke signifikant forskjellig mellom histologier, adenokarsinomer og plateepitelkarsinom, med p 0,26 (tabell 3)
Diskusjoner
i denne studien undersøkte vi følsomheten av prognostiske PET tekstur har luftbevegelse. Våre resultater tyder på at tekstur tiltak er følsomme for tumor bevegelse. Vesentlige forskjeller mellom 3D og 4D (δ
3D-4D 10%) ble funnet i Grov og travelhet. Derfor kan tidsoppløsningen tilbys av 4D PET billeddiagnostikk føre til mer nøyaktig kvantifisering av bildeegenskaper.
Grov, Kontrast og travelheten vurderes i denne studien ble opprinnelig laget for å ligne menneskelig persepsjon og ble først foreslått av Amadasun og king (1989) [18]. Cook
et al product: (2012) [27] har vist at disse tre tekstur funksjonene er klinisk relevante for lungekreft på grunn av deres prediktiv verdi for pasientenes prognose. I en grov bilde, er teksturen består av store mønstre, for eksempel stort område med uniform intensitetsfordeling. Som å puste bevegelse tåkelegger de fine teksturer i bildene, de 3D PET-bilder ser ut til å være mer ensartet (Fig. 1), og derfor har mer Grov enn 4D PET-bilder. Sensitiviteten av Contrast ble funnet å være ubetydelig til bevegelse indusert uskarphet. ble observert Intensiteten forskjellen mellom naboregionene innen svulsten til å være mer uttalt hos 4D PET bilde (Fig. 1), som fører til litt høyere (δ
3D-4D~5%) Contrast i 4D PET enn 3D PET-bilder. Travelheten er et mål på intensiteten endringen mellom enkelt vokslene og deres omgivelser. Travelheten beregnet med 4D PET-bilder ble funnet å være så mye som 20% høyere enn 3D PET-bilder. Siden δ
3D-4D tendens til å være høyere ved stor Amplitude: ATV, er kvantifisering av travelheten spesielt følsomme for stor relativ svulst amplitude. Men 3D PET avbildning ble ansatt i studiet av Cook
et al product: (2012). Våre resultater tyder på at kvantifisering og prognostisk verdi av travelheten kan bli negativt påvirket av svulst bevegelse.
GLCM-MCC og GLRLM-LRLG ble inkludert i 3D vs 4D PET billeddiagnostikk sammenligning som de er ufølsomme for gjenoppbygging parametere av PET-bilder [36]. Tumor bevegelsesuskarphet i 3D PET bildet kan redusere intensiteten forskjellen mellom nabo lydelementer. Derfor nabo lydelementer er bedre korrelert i 3D PET enn 4D PET, som fører til betydelige 2% høyere MCC i 3D PET-bilder. LRLG måler felles sannsynligheten for lange løyper og lave grå verdier. Som observert i fig. 1, lav intensitet lydelementer mer lokaliserte (mindre avstand fra hverandre) i bevegelse uskarpe 3D PET enn i 4D PET-bilder. Derfor LRLG var høyere i 4D PET enn 3D PET.
I denne studien, 4D PET-bilder ble binned inn i fem faser. Aktiviteten opptak av hver bin var litt annerledes som i Huang og Wang (2013) [30]. Hyllen med høyest SUV
max er ofte valgt å være «best» bin for 4D PET bilde [29], [44], [45]. Men vi fant ut at variasjonen mellom fase binger for MCC, LRLG, og Grov var ubetydelig (CV 5%), noe som tyder på at lignende kvantifisering kan fås fra alle faser. Den lille variasjon kan skyldes det lille tumor amplitude (4,4 ± 4,6 mm) i vår datasett. På den annen side, ble fase hyllen variabilitet funnet å være moderat kontrast og travelheten (CV~10%). Verdiene av kontrast og travelheten kan avhenge av valg av fase-bin. MCC, LRLG, og Grov er uavhengig av valg av fase-bin, og derfor bør anbefales for kvantifisering av tumoregenskaper i 4D PET billeddiagnostikk.
Bortsett fra tekstur har studier ofte undersøke effekten av luft bevegelse på kvantifisering av ulike SUV tiltak, spesielt den maksimale SUV [28], [29], [33]. SUV
max ble funnet å øke med 4D PET avbildning fra 25% til 80% i disse studiene. Bevegelses indusert gjenstander ikke bare lavere maksimal tumoropptak på 3D PET-bilder, men kan også føre til feilklassifisering av lesjoner. For eksempel García Vicente
et al product: (2010) sammenlignet SUV
max bestemt på 3D og 4D PET-bilder for 42 lesjoner i lungekreftpasienter [33]. Tumor med SUV
max over 2,5 ble ansett ondartet i sin studie. Som et resultat av 40% (17/42) av de lesjoner som trengs for å endres fra godartet til ondartet. For dette formål, selv om resultatene ikke blir vist, vi også sammenlignet forskjellene i fire SUV-tiltak (SUV
max, SUV
topp, SUV
mener, og SUV
totalt). 4D PET avbildning økt målinger av SUV
max og SUV
topp med ca 30% og 25%, henholdsvis, mens økt for SUV
betyr og SUV
Totalt var bare ca 5%. Våre resultater i SUV
max er sammenlignbare med tidligere studier [28], [29], [33].
Det er imidlertid en begrensning av våre teksturer og SUV sammenligning som det har vist seg at ondartet svulst vev kontinuerlig kan øke opptaket av [
18F] FDG selv 2 timer etter injeksjon [46] – [48]. Mens 3D PET billeddiagnostikk ble kjøpt ca 100 min etter [
18F] FDG-PET injeksjon, 4D PET billeddiagnostikk ble kjøpt mellom 118-135 minutter etter injeksjon. Derfor økningen i [
18F] FDG-PET sett i vår studie kan ikke være utelukkende på grunn av luftbevegelse. Dong
et al product: (2013) fant en signifikant sammenheng mellom SUV
max og teksturer (entropi og energi) avledet fra PET intensitet histogrammer hos pasienter med spiserørskreft [49]. SUV
max ble også funnet å være svært korrelert til entropi og energi i en studie utført av Orlhac
et al product: (2014) [40] med pasienter med metastatisk kolorektal, lunge og brystkreft. Disse to studiene kan derfor tyde på at histogram avledet teksturer er sannsynlig å bli påvirket av forsinket bildebehandling. Men ingen av teksturer som ble brukt i vår studie har vist seg å være sterkt korrelert med SUV
max [40]. Dette kan skyldes det faktum at teksturene vi brukt er basert på den romlige forhold mellom nabolagene i voxels, og er ikke direkte avhengig av intensitetsverdi av ett eller flere volumelementer innenfor tumorer. Imidlertid er videre studier er nødvendig for å bedre forstå effekten av forsinket bildebehandling på tekstur kvantifisering.
Alle PET-bilder i vår studie gjennomgikk demping korrigering ved hjelp av gratis puste CT-bilder. Den uskarpe anatomiske umake av PET /CT-skanner som skyldes respiratorisk bevegelse kan påvirke kvaliteten på demping korrigert 4D PET-bilder, og senere kvantifisering av tekstur funksjoner [29], [50], [51]. Dessuten, på grunn av forskjellen i 3D og 4D PET-bildeinnhentingstider, færre fotontellinger og høyere støy kan finnes i 4D PET-bilder, noe som senere kan gå ut over nøyaktigheten av tekstur trekk definisjon. For å redusere effekten av støy, alle 4D PET-bilder har en minimum innsamlingstiden på 20 min. Disse potensielle effektene vil bli undersøkt nærmere i en fremtidig studie.
Konklusjoner
Texture funksjoner, som representerer tumor heterogenitet, er uskarpe ut av respiratorisk bevegelse under 3D PET oppkjøpet. 4D PET avbildning reduserer bevegelsesuskarphet, slik at PET-baserte funksjoner for å bli bedre løst. Signifikante forskjeller ble funnet i MCC, LRLG, Grov, og travelheten mellom 3D og 4D PET billeddiagnostikk. Ved måling av svulst heterogenitet egenskaper med PET billeddiagnostikk, redusert bevegelsesuskarphet ved 4D PET Oppkjøpet gjør vesentlig bedre romlig oppløsning på tekstur funksjoner. 3D PET teksturer kan føre til unøyaktig prediksjon av behandlingsresultat, hindrer optimal lungekreft pasientbehandling. 4D PET teksturer kan ha bedre prognostisk verdi som de er mindre utsatt for svulst bevegelse.
