Αφηρημένο

Ιστορικό

έχουν PET που βασίζεται σε χαρακτηριστικά υφής χρησιμοποιούνται για την ποσοτικοποίηση της ετερογένειας των όγκων λόγω της προβλεπτική ισχύ τους στην έκβαση της θεραπείας. Ερευνήσαμε την ευαισθησία των χαρακτηριστικών υφής στην κίνηση του όγκου, συγκρίνοντας στατική (3D) και του αναπνευστικού-gated (4D) απεικόνισης PET.

Μέθοδοι

Είκοσι έξι ασθενείς (34 αλλοιώσεις) έλαβε 3D και 4D [

18F] FDG-PET σαρώνει πριν από την χημειο-ακτινοθεραπεία. Τα αποκτηθέντα δεδομένα 4D έγιναν αναδρομικά ομαδοποιημένων σε πέντε φάσεις της αναπνοής για να δημιουργήσει την ακολουθία εικόνων 4D. χαρακτηριστικά υφής, συμπεριλαμβανομένου μέγιστη συντελεστής συσχέτισης (MCC), μακροπρόθεσμα χαμηλά γκρι (LRLG), Αγένεια, Αντίθεση, και busyness, υπολογίστηκαν μέσα στον όγκο του όγκου γιατρό καθορισμένες. Η σχετική διαφορά (δ

3D-4D), σε κάθε υφή μεταξύ του 3D- και απεικόνισης 4D-PET υπολογίστηκε. Συντελεστής μεταβλητότητας (CV) χρησιμοποιήθηκε για τον προσδιορισμό της μεταβλητότητας στις υφές μεταξύ όλων των φάσεων 4D-PET. Οι συσχετίσεις μεταξύ του όγκου του όγκου, το πλάτος κίνησης, και δ

3D-4D αξιολογήθηκαν επίσης

Αποτελέσματα

4D-PET αυξήθηκε LRLG (= 1% -2%, p & lt? 0,02). , busyness (= 7% -19%, p & lt? 0.01), και μειωμένη MCC (= 1% -2%, p & lt? 7,5 × 10

-3), Αγένεια (= 5% -10%, p & lt? 0,05 ) και Αντίθεση (= 4% -6%, p & gt? 0,08) σε σύγκριση με το 3D-PET. Σχεδόν αμελητέα διακύμανση βρέθηκε μεταξύ των 4D κάδους φάση με το βιογραφικό & lt? 5% για MCC, LRLG και Αγένεια. Για Αντίθεση και busyness, μέτρια μεταβλητότητα βρέθηκε με CV = 9% και 10%, αντίστοιχα. Υπάρχει ισχυρή συσχέτιση βρέθηκε μεταξύ του όγκου του όγκου και δ

3D-4D για τα χαρακτηριστικά υφής. εύρος κίνησης που είχε μέτριο αντίκτυπο στην δ για MCC και busyness και χωρίς καμία επίπτωση για LRLG, Αγένεια, και αντίθεσης.

Συμπεράσματα

Σημαντικές διαφορές βρέθηκαν στο MCC, LRLG, Αγένεια, και busyness μεταξύ 3D και 4D ΡΕΤ απεικόνιση. Η μεταβλητότητα μεταξύ κάδους φάση για MCC, LRLG και Αγένεια ήταν αμελητέα, γεγονός που υποδηλώνει ότι παρόμοιες ποσοτικοποίηση μπορούν να ληφθούν από όλες τις φάσεις. χαρακτηριστικά υφής, θολή από αναπνευστική κίνηση κατά τη διάρκεια της απόκτησης 3D-PET, μπορούν να επιλυθούν καλύτερα με απεικόνιση 4D-PET. υφές 4D-PET μπορεί να έχουν καλύτερη προγνωστική αξία, δεδομένου ότι είναι λιγότερο ευαίσθητα στην κίνηση του όγκου

Παράθεση:. Yip S, McCall Κ, Αριστοφάνους Μ, Chen AB, Aerts HJWL, Berbeco Ε (2014) Σύγκριση των χαρακτηριστικών υφής προέρχεται από Στατική και του αναπνευστικού-Gated PET εικόνες σε μη-μικροκυτταρικό καρκίνο του πνεύμονα. PLoS ONE 9 (12): e115510. doi: 10.1371 /journal.pone.0115510

Επιμέλεια: Όλγα Γ Gorlova, Geisel της Ιατρικής Σχολής του Dartmouth College, Ηνωμένες Πολιτείες της Αμερικής

Ελήφθη: 3 Ιουλίου 2014? Αποδεκτές: 24 Νοέμβρη 2014? Δημοσιεύθηκε: 17 του Δεκέμβρη του 2014

Copyright: © 2014 Yip et al. Αυτό είναι ένα άρθρο ανοικτής πρόσβασης διανέμεται υπό τους όρους της άδειας χρήσης Creative Commons Attribution, το οποίο επιτρέπει απεριόριστη χρήση, τη διανομή και την αναπαραγωγή σε οποιοδήποτε μέσο, ​​με την προϋπόθεση το αρχικό συγγραφέα και την πηγή πιστώνονται

Δεδομένα Διαθεσιμότητα:. Η συγγραφείς επιβεβαιώνουν ότι, για τις εγκεκριμένες λόγους, ορισμένοι περιορισμοί πρόσβασης ισχύει για τα στοιχεία στα οποία βασίστηκαν τα συμπεράσματα. Ηθικές περιορισμοί εμποδίζουν δεδομένα από το να μοιράζονται δημοσίως. Τα στοιχεία είναι διαθέσιμα από την Dana-Farber Cancer Institute πρόσβαση Θεσμικών δεδομένων για τους ερευνητές που πληρούν τα κριτήρια για την πρόσβαση σε εμπιστευτικά δεδομένα. Οι αιτήσεις για τα δεδομένα μπορούν να αποστέλλονται σε Δρ Aileen Τσεν σε [email protected]

Χρηματοδότηση:.. Οι συγγραφείς δεν έχουν καμία υποστήριξη ή χρηματοδότηση για να αναφέρετε

Αντικρουόμενα συμφέροντα: Οι συγγραφείς έχουν δήλωσε ότι δεν υπάρχουν ανταγωνιστικά συμφέροντα.

Εισαγωγή

τομογραφία εκπομπής

ποζιτρονίων (PET) με το [

18F] φθοριοδεοξυγλυκόζη (FDG), ένα υποκατάστατο του μεταβολισμού της γλυκόζης, είναι ένα σημαντικό κλινικό εργαλείο για την διάγνωση όγκων, σταδιοποίηση, και την παρακολούθηση της εξέλιξης του όγκου [1] – [4]. Η ακριβής ποσοτικοποίηση των χαρακτηριστικών του όγκου βασίζεται σε [

18F] FDG εικόνες-ΡΕΤ μπορούν να παρέχουν πολύτιμες πληροφορίες για τη βελτιστοποίηση της θεραπείας [5], [6]. Τυποποιημένα τιμή πρόσληψης (SUV) μέτρα όπως η μέγιστη, κορυφή, μέση και συνολική SUV, χρησιμοποιούνται συνήθως για την ποσοτικοποίηση των χαρακτηριστικών του όγκου [7] – [10]. πρόσληψη SUV υψηλά βασικά έχει βρεθεί ότι σχετίζονται με την κακή έκβαση της θεραπείας σε πολλούς όγκους, όπως του οισοφάγου, του πνεύμονα, και καρκίνο κεφαλής και του λαιμού [11] – [13].

Υψηλή ενδονεοπλαστική ετερογένεια έχει αποδειχθεί ότι σχετίζονται με κακή πρόγνωση και θεραπεία αντίσταση [14], [15]. Ωστόσο, SUV μέτρα αποτυγχάνουν να συλλάβει επαρκώς την χωρική ετερογένεια του ενδονεοπλαστική διανομή πρόσληψη [16], [17]. Ως εκ τούτου, τα χαρακτηριστικά υφής, η οποία μπορεί να προέρχεται από έναν αριθμό μαθηματικών μοντέλων της σχέσης μεταξύ πολλαπλών voxels και γειτονιά τους, προτείνονται για να περιγράψει την ετερογένεια του όγκου [18], [19]. Ιδιαίτερα, προεπεξεργασία [

18F] FDG χαρακτηριστικά υφής PET έχουν δείξει υπόσχεση για την οριοθέτηση των κομβικών και του όγκου του όγκου [20], [21] και την αξιολόγηση της θεραπευτικής ανταπόκρισης [22] – [24]. Μελέτες έχουν δείξει ότι τα χαρακτηριστικά υφής έχουν καλύτερες επιδόσεις από τα μέτρα SUV στην πρόβλεψη έκβαση της θεραπείας [22], [24] – [26]. Για παράδειγμα, Cook

et al

(2013) σε σύγκριση με την προβλεπτική ικανότητα των κοινών μέτρων SUV και τέσσερις γειτονιά μήτρα διαφορά γκρι τόνου (NGTDM) προέρχεται υφές σε μη-μικροκυτταρικό καρκίνο του πνεύμονα (NSCLC) ασθενείς [27] . Βρήκαν ότι NGTDM που προέρχονται Αγένεια, Αντίθεση, και busyness δεν ήταν μόνο καλύτερη προγνωστική προγνωστικοί παράγοντες από ό, τι τα μέτρα που SUV, αλλά και σε καλύτερη θέση να διαφοροποιήσει ανταποκρίθηκαν από αρνηθέντων.

Παρά το κλινικό δυναμικό των χαρακτηριστικών υφής, η ακριβής ποσοτικοποίηση της υφής χαρακτηριστικά μπορούν να εμποδίζονται από το αναπνευστικό κίνηση σε ασθενείς με καρκίνο του πνεύμονα. Πρόταση επαγόμενη θόλωμα της εικόνας σε στατικές εικόνες ΡΕΤ (3D PET) μπορεί να οδηγήσει σε μείωση της πρόσληψης του όγκου και πάνω από εκτίμηση των μεταβολικών όγκου του όγκου [28] – [30]. 4D ΡΕΤ πύλες απεικόνιση ΡΕΤ απόκτησης εικόνας με αναπνευστική κίνηση, προκειμένου να βελτιωθεί η ποιότητα της εικόνας ΡΕΤ και έχει αποδειχθεί ότι μειώνει την κίνηση θόλωση στις εικόνες ΡΕΤ, παρέχοντας πιο ακριβή ποσοτικοποίηση της δραστηριότητας όγκου πνεύμονα [28], [31] – [34]. Υποθέτουμε ότι το πρόστιμο χαρακτηριστικά υφής είναι πιθανό να θολώσει κατά την απόκτηση 3D PET των όγκων του πνεύμονα.

Με το αυξανόμενο ενδιαφέρον των χαρακτηριστικών υφής και της ετερογένειας των όγκων, η επίδραση της κίνησης του όγκου για PET που βασίζεται ποσοτικοποίηση πρέπει να μελετηθεί

όπως εξακολουθεί να είναι ακόμα άγνωστο. Στην παρούσα μελέτη, συγκρίναμε την ποσοτικοποίηση των χαρακτηριστικών υφής μεταξύ 3D και 4D απεικόνιση ΡΕΤ. Παρά το γεγονός ότι πολλά χαρακτηριστικά υφής μπορούν να βρεθούν στη βιβλιογραφία [22], [35], [36], που επικεντρώθηκε σε πέντε χαρακτηριστικά υφής. Ιδιαίτερα, τρία NGTDM προέρχονται Αγένεια, την αντίθεση και busyness λόγω προγνωστική αξία τους σε ασθενείς με καρκίνο του πνεύμονα [27]. Μια μήτρα γκρι επίπεδο συν-εμφάνισης (GLCM) προέρχεται Μέγιστη Συντελεστής συσχέτισης (MCC) [37] και το γκρι επίπεδο μήτρας μήκους εκτέλεσης (GLRLM) προέρχεται Long Run Χαμηλή Gray έμφαση επίπεδο (LRLG) [38] επίσης υπολογιστεί λόγω της ευρωστία τους ενάντια διακύμανση των παραμέτρων ανακατασκευής των εικόνων PET [36].

Τα χαρακτηριστικά NGTDM υφή είχαν αρχικά σχεδιαστεί για να μοιάζουν με την ανθρώπινη αντίληψη και για πρώτη φορά προτείνει Amadasun και του βασιλιά (1989) [18]. Σε ένα χοντρό εικόνα, η υφή αποτελείται από μεγάλες μοτίβα, όπως μεγάλο χώρο με ομοιόμορφη κατανομή έντασης. Αντίθετα μετρά την διαφορά έντασης μεταξύ γειτονικών περιοχών εντός του όγκου. Busyness είναι ένα μέτρο της μεταβολής της έντασης μεταξύ πολλών voxels και το περιβάλλον τους. GLCM-MCC εισήχθη για πρώτη φορά από Haralick

et al

το 1973 [37] και χρησιμοποιείται για τη μέτρηση της στατιστικής σχέσης μεταξύ δύο γειτονικών voxels. GLRLM-LRLG μετρά την από κοινού διανομή των μεγάλης διάρκειας και χαμηλές τιμές έντασης, όπου ένα τρέξιμο είναι η απόσταση μεταξύ δύο διαδοχικών voxels με την ίδια ένταση σε μια συγκεκριμένη κατεύθυνση [38].

Μέθοδοι

οι ασθενείς και απεικόνισης

Αυτή η μελέτη διεξήχθη στο πλαίσιο του διοικητικού συμβουλίου θεσμική αναθεώρηση Dana-Farber Cancer Institute (IRB) εγκεκριμένο πρωτόκολλο (πρωτόκολλο #: 06-294) και γραπτές συγκαταθέσεις ελήφθησαν από όλους τους ασθενείς. Είκοσι-έξι ασθενείς (μέση ηλικία = 65 ± 10 yr, 14 άνδρες, 12 γυναίκες) με NSCLC έλαβε το σχεδιασμό της θεραπείας CT (τόσο 3D και 4D), δύο εβδομάδες πριν από την έναρξη της ακτινοθεραπείας με ή χωρίς ταυτόχρονη χημειοθεραπεία. 3D [

18F] FDG-PET /CT, μια ελεύθερη αναπνοή στο στήθος CT, και 4D [

18F] FDG σαρώνει-PET αποκτήθηκαν 1-2 εβδομάδες πριν από τη θεραπεία. Υπήρξαν δεκαέξι ασθενείς με αδενοκαρκίνωμα και δέκα ασθενείς με καρκίνωμα των πλακωδών κυττάρων. Οι εσωτερικοί όγκοι των όγκων (ITV), η οποία περιλάμβανε την κίνηση του όγκου, του τριάντα τέσσερα βλαβών (1-3 κακοήθεις όγκους /ασθενή) έχουν οριοθετηθεί από έναν έμπειρο ογκολόγο ακτινοβολίας σε μια 4D σχεδιασμό CT. 3D PET και 4D ΡΕΤ σαρώσεις πραγματοποιήθηκαν σε Siemens Βιογραφικό PET /CT (Siemens AG, Erlangen, Γερμανία). διόρθωση εξασθένησης των εικόνων 3D PET έγινε χρησιμοποιώντας ολόκληρο το σώμα 3D CT εικόνες, ενώ οι εικόνες 4D ΡΕΤ διορθώθηκαν από τις στήθος CT εικόνες δωρεάν αναπνοή. σαρώσεις 3D PET αποκτήθηκαν περίπου 100 λεπτά μετά την ένεση της 16.7-22mCi του [

18F] FDG στους ασθενείς. Για να σαρώσετε το 3D PET, οι εικόνες αποκτήθηκαν για 3-5 θέση λεπτά /κρεβάτι σε έξι έως επτά θέσεις κρεβάτι. Οι εικόνες 3D PET ανακατασκευάστηκαν με εντολή-υποσύνολο προσδοκία μεγιστοποίησης (OSEM) με 4 επαναλήψεις, 8 υποσύνολα, 7 χιλιοστά πλήρους πλάτους μισού μεγίστου (FWHM) μετά την διήθηση και δειγματοληψία σε ένα πλέγμα 168 × 168 αποτελείται από 4,06 × 4,06 χιλιοστών

2 pixel. Η απόκτηση εικόνα 4D ΡΕΤ ακολούθησε αμέσως μετά την ολοκλήρωση της 3D ΡΕΤ scan.

εικόνες 4D ΡΕΤ αποκτήθηκαν σε μία θέση κρεβατιού με επίκεντρο τον όγκο και καλύπτει μέρος του πνεύμονα για 20-30 λεπτά, ανάλογα με την η άνεση των ασθενών. Ένα σύστημα AZ-733V αναπνευστικής διόδου (Anzai Medical System, Tokyo, Japan) χρησιμοποιήθηκε για την παρακολούθηση των ασθενών αναπνευστική κίνηση [39]. Τα αποκτήσει δεδομένα αναδρομικά ομαδοποιημένων σε πέντε φάσεις που ξεκινούν από εισπνέουν αιχμής (bin 1) για να δημιουργήσει την ακολουθία εικόνων 4D χρησιμοποιώντας τον αλγόριθμο φάση που βασίζεται παρέχονται από την Siemens Βιογραφικό PET /CT (Siemens AG, Erlangen, Γερμανία). Ειδικότερα, οι πέντε κάδοι φάση, αντιστοιχούσε στο τέλος της εισπνοής (bin 1), εισπνοή-to-εκπνοής (bin 2), μέσα εκπνοής (bin 3), το τέλος της εκπνοής (bin4), εκπνοής προς την εισπνοή (bin 5 ), αντίστοιχα. Οι αναπνευστικού περίφραξη εικόνες 4D ΡΕΤ ανακατασκευάστηκαν με OSEM με 2 επαναλήψεις, 8 υποσύνολα, 5 mm FWHM, και δείγμα πάνω σε ένα πλέγμα 256 × 256 αποτελείται από 2,67 × 2,67 mm

2 pixel.

Χαρακτηριστικά υφής

Σχεδιασμός CT ήταν αυστηρά καταχωρηθεί σε 3D- και 4D-PET εικόνες με κανονικοποιημένη αμοιβαία ενημέρωση. Οι μετασχηματισμοί στην συνέχεια εφαρμόζεται σε κάθε ITV. Οι εικόνες 3D και 4D ΡΕΤ είχαν περικοπεί χρησιμοποιώντας την καταχωρημένη περίγραμμα ITV για να περικόψετε την περιοχή του όγκου. Αριθμός voxels ανά περιφέρεια του όγκου κυμαινόταν 85 με 6483 με μέσο αριθμό των voxels = 545. Πριν από την υφή χαρακτηριστικό υπολογισμού, όλες οι εικόνες PET (PET ()) ήταν έτοιμη τροφή χρησιμοποιώντας την ακόλουθη εξίσωση, (1) Όταν minPET και maxPET είναι η μέγιστη και ελάχιστες εντάσεις του ΡΕΤ εντός της περιοχής του όγκου. Το εύρος της έντασης της μετα-επεξεργασία εικόνας () μετατράπηκε σε 32 διακριτών τιμών, όπως προτείνεται από Orlhac

et al

(2014) [40].

Μέσα στην περιοχή του όγκου, τα ακόλουθα τέσσερα γειτονιά γκρι απόχρωση μήτρα διαφορά (NGTDM) προέρχεται χαρακτηριστικά υφής υπολογίστηκαν για την ποσοτικοποίηση της ετερογένειας των όγκων: Αγένεια, Αντίθεση, busyness, και Πολυπλοκότητα. Αυτά υλοποιήθηκαν σε MATLAB (The Mathworks Inc. Natrick ΜΑ) με τη χρήση του Chang-Gung Εικόνα Υφή Ανάλυση Toolbox [41], [42]. Οι μαθηματικές τους ορισμούς των χαρακτηριστικών υφής NGTDM, GLCM και GLRLM μπορεί να βρεθεί σε Amadasun και ο βασιλιάς (1989) [18], Haralick

et al

(1973, 1979) [37], [43], και Galloway (1975) [38], αντίστοιχα.

3D (168 × 168) και 4D (256 × 256) εικόνες PET ανακατασκευάστηκαν σε διαφορετικά μεγέθη μήτρα βασίζεται σε διαφορετικές παραμέτρους ανασυγκρότησης. Επιπλέον, λόγω της διαφοράς σε 3D και 4D ΡΕΤ φορές απόκτηση απεικόνισης, λιγότερες αριθμήσεις φωτονίων και υψηλότερες θορύβου μπορεί να βρεθούν στις εικόνες 4D ΡΕΤ. Ως εκ τούτου, όλες οι εικόνες 4D ΡΕΤ είχαν μείωση της δειγματοληψίας στο ίδιο δίκτυο /ανάλυση των εικόνων 3D PET χρησιμοποιώντας γραμμική παρεμβολή πριν χαρακτηριστικό υφής υπολογισμού για τη μείωση του θορύβου.

Η ανάλυση των δεδομένων

Η σχετική διαφορά (δ

3D-4D) χαρακτηριστικά υφής μεταξύ 3D και 4D ΡΕΤ υπολογίστηκαν: (2) Πού είναι η ποσοτικοποίηση (δηλαδή τα χαρακτηριστικά υφής μέτρα) με βάση 3D PET, είναι η ποσοτικοποίηση με βάση bin

ι

του εικόνες 4D ΡΕΤ. Wilcoxon signed-rank test (ρ & lt? 0,05) διεξήχθη σε ζεύγη για να καθοριστεί αν και ήταν σημαντικά διαφορετικές. Υπολογίσαμε ένας άπληστος όγκο του όγκου (ATV) ως κατώφλι εικόνες ΡΕΤ με SUV πάνω από τη μέγιστη SUV 40% εντός του ITV [29]. Ερευνήσαμε την επίδραση του ATV και ITV στην δ

3D-4D με τη χρήση συντελεστή συσχέτισης του Spearman (R) με σημαντική αξία p = 0,05. Δοκιμή

Kruskal-Wallis χρησιμοποιήθηκε για να εκτιμηθεί εάν μία φάση ήταν σημαντικά διαφορετική από τις άλλες φάσεις (ρ & lt? 0,05). Η μεταβλητότητα στην υφή διαθέτει μέτρων μεταξύ όλων των πέντε κάδους φάση αξιολογήθηκε με τη χρήση του συντελεστή μεταβλητότητας (CV). (3)

(4) Για να εκτιμηθεί η έκταση της κίνησης, καταγράφηκαν τα κέντρα μάζας () της μανιώδεις περιοχής PET (ATV) και στις πέντε κάδους 4D ΡΕΤ. Το εύρος της κίνησης του όγκου εκτιμήθηκε χρησιμοποιώντας την μέγιστη διαφορά μεταξύ των πέντε κάδους [28], [29] (5) Σε περίπτωση που

i

και

ι

κυμαίνεται από 1 έως 5.

για να μελετηθεί η επίδραση της κίνησης του όγκου, θα υπολογίζεται ο συντελεστής του Spearman της συσχέτισης για Amplitude: αναλογία ATV και δ

3D-4D με σημαντική αξία p = 0,05. Amplitude: αναλογία ATV είναι ένα μέτρο της εύρος κίνησης που σε σχέση με τον όγκο του όγκου. Μεγάλες Amplitude: αναλογία ATV δείχνει μεγάλο κίνημα του όγκου σε σχέση με το μέγεθος του όγκου

Επιπλέον, υφές μπορεί να επηρεαστεί από την κίνηση με διαφορετικό τρόπο ανάλογα με την ιστολογία του όγκου.. Ως εκ τούτου, ερευνήσαμε αν δ

3D-4D ήταν σημαντικά διαφορετική μεταξύ αδενοκαρκινώματα (21 αλλοιώσεις) και καρκινώματα πλακωδών κυττάρων (13 αλλοιώσεις) χρησιμοποιώντας Mann-Whitney U-test με p & lt?. 0.05

Αποτελέσματα

εικόνες 4D ΡΕΤ φαίνεται να έχουν υψηλότερη πρόσληψη και λιγότερο θόλωμα από τις αντίστοιχες εικόνες 3D PET (Εικ. 1). Οι διαφορές μεταξύ 3D και 4D ΡΕΤ βρέθηκαν να είναι σημαντική (ρ & lt? & Lt? 0,01) για busyness, MCC, και LRLG όπως φαίνεται στον πίνακα 1. Σημαντικές διαφορές για Αγένεια βρέθηκε σε όλους τους κάδους (ρ & lt? & Lt? 0,01) με εξαίρεση bin 2 (ρ = 0,59) (Πίνακας 1). Η Αγένεια καθορίζεται με τις εικόνες 3D PET ήταν περίπου 10% υψηλότερη από ό, τι το 4D ΡΕΤ. εικόνες 4D ΡΕΤ βρέθηκαν να έχουν όσο αύξηση 19% σε busyness, σε σύγκριση με τις αντίστοιχες εικόνες 3D ΡΕΤ (Πίνακας 1, Εικ. 2). MCC βρέθηκε να είναι 2% υψηλότερη σε 3D ΡΕΤ από 4D ΡΕΤ, ενώ το 2% υψηλότερα LRLG βρέθηκε στο 4D ΡΕΤ κατά τη σύγκριση σε 3D PET. Ωστόσο, η αντίθεση στις εικόνες 3D ήταν μόνο περίπου 5% χαμηλότερα σε σύγκριση με 4D ΡΕΤ και δ

3D-4D δεν ήταν σημαντική (p & gt? 0,08). (. Πίνακα 1, Σχήμα 2)

Όλες οι εικόνες εμφανίζονται στο ίδιο παράθυρο ένταση με SUV μεταξύ 1 και 15.

Η

Η κορυφή κάθετη γραμμή μιας boxplot αντιπροσωπεύει το 75

ου-95

ου εκατοστημόρια των δεδομένων. Η κατώτατη κάθετη γραμμή είναι η 5

ου-25

ου εκατοστημόρια. Διατεταρτημοριακό εύρος (IQR) των στοιχείων υποδεικνύεται από το πλάτος του boxplot. Οι αστερίσκοι δείχνουν τις μέγιστες και ελάχιστες διαφορές. Οι διάμεσος και η μέση διαφορές που υποδεικνύεται από το μπαρ και την πλατεία μέσα στα οικόπεδα κουτί, αντίστοιχα. MCC = Μέγιστη συντελεστής συσχέτισης. LRLG = μακροπρόθεσμα χαμηλά έμφαση γκρι επιπέδου. Η πρώτη boxplot αντιπροσωπεύει τις συγκρίσεις των 3D και 3D PET υφές (δ

3D-3D). δ

3D-3D ως εκ τούτου το μηδέν εξ ορισμού είναι, όπως φαίνεται στο πρώτο «boxplot» για κάθε υφή.

Η

Καμία από τις φάσεις ήταν σημαντικά διαφορετικό από το άλλο για τυχόν χαρακτηριστικά υφής (p & gt? 0,90, Kruskal-Wallis test). Αμελητέα έως μέτρια μεταβλητότητα στα χαρακτηριστικά υφής βρέθηκε μεταξύ των πέντε κάδους φάσης (Εικ. 2). CV ήταν μόνο 1% για το MCC και LRLG, 5% για Αγένεια, 9% και 10% για την Αντίθεση και busyness, αντίστοιχα. Ο άπληστος όγκος του όγκου (ATV) ήταν κακώς συσχετίζεται με δ

3D-4D για όλα τα χαρακτηριστικά υφής (R = -0,24 έως 0,38, p = 0,03 έως 0,07). Η συσχέτιση μεταξύ των εσωτερικών όγκων του όγκου (ITV) και δ

3D-4D βρέθηκαν επίσης να είναι φτωχοί για όλες τις υφές (R = -0,31 έως 0,30, p & gt? 0.02), εκτός από LGLR. Αν και δ

3D-4D για LGLR ήταν μέτρια επηρεασμένη από ITV (R = -0,62 έως -0,31, p = 8.3 × 10

-5 έως 0,08), ο μέσος όρος των δ

3D-4D & lt? 2% .

πλάτους Μέση κίνησης βρέθηκε να είναι 4,4 ± 4,6 mm (0,6 έως 20,5 mm). Όπως φαίνεται στον Πίνακα 2, μέτρια έως σημαντική συσχέτιση μεταξύ Amplitude: ATV (mm

-2) και δ

3D-4D για busyness (R = 0,38 έως 0,54) και MCC (R = -0.70– 0,41) στον κάδο 3-5, ενώ η κακή συσχέτιση βρέθηκε σε κάδο 1-2 με R = -0,03 έως 0,12. Οι συσχετισμοί ήταν επίσης κακή για Αγένεια (R = -0,32 έως 0,18), Contrast (R = -0,35 έως -0,10) και LRLG (R = 0,08 έως 0,34) (Πίνακας 2). Επιπλέον, δ

3D-4D δεν ήταν σημαντικά διαφορετική μεταξύ των ιστολογίες, αδενοκαρκινώματα και πλακώδη καρκινώματα, με p & gt? 0,26 (Πίνακας 3)

Η

Συζήτηση

σε αυτή τη μελέτη, ερευνήσαμε την ευαισθησία των προγνωστικών χαρακτηριστικά υφής ΡΕΤ σε αναπνευστική κίνηση. Τα αποτελέσματά μας δείχνουν ότι τα μέτρα υφή είναι ευαίσθητα στην κίνηση του όγκου. Σημαντικές διαφορές μεταξύ 3D και 4D (δ

3D-4D & gt? 10%) βρέθηκαν στην Αγένεια και busyness. Ως εκ τούτου, η χρονική ανάλυση που προσφέρει η απεικόνιση 4D ΡΕΤ μπορεί να οδηγήσει σε πιο ακριβή ποσοτικοποίηση των χαρακτηριστικών της εικόνας.

Αγένεια, Αντίθεση, και busyness που εξετάζονται στην παρούσα μελέτη είχαν αρχικά σχεδιαστεί για να μοιάζουν με την ανθρώπινη αντίληψη και για πρώτη φορά προτείνει Amadasun και Ο βασιλιάς (1989) [18]. Cook

et al

(2012) [27] έχουν δείξει ότι αυτά τα τρία χαρακτηριστικά υφής είναι κλινικά σχετικές με τον καρκίνο του πνεύμονα λόγω προγνωστική αξία τους για την έκβαση των ασθενών. Σε ένα χοντρό εικόνα, η υφή αποτελείται από μεγάλες μοτίβα, όπως μεγάλο χώρο με ομοιόμορφη κατανομή έντασης. Όπως η αναπνοή κίνησης θολώνει τις λεπτές υφές στις εικόνες, οι εικόνες 3D PET φαίνεται να είναι πιο ομοιόμορφη (Εικ. 1) και ως εκ τούτου έχουν περισσότερα Αγένεια από εικόνες 4D ΡΕΤ. Η ευαισθησία της αντίθεσης βρέθηκε να είναι ασήμαντη στην κίνηση που προκαλείται θόλωση. Η διαφορά έντασης μεταξύ γειτονικών περιοχών εντός του όγκου παρατηρήθηκε να είναι πιο έντονη στην εικόνα 4D ΡΕΤ (Εικ. 1), οδηγώντας σε ελαφρώς υψηλότερα (δ

3D-4D~5%) Αντίθεση στην 4D ΡΕΤ από εικόνες 3D PET. Busyness είναι ένα μέτρο της μεταβολής της έντασης μεταξύ της ενιαίας voxels και το περιβάλλον τους. Busyness υπολογίζεται με εικόνες 4D ΡΕΤ βρέθηκε να είναι όσο το 20% υψηλότερες από τις εικόνες 3D PET. Από το δ

3D-4D έτειναν να είναι υψηλότερες σε μεγάλο πλάτος: ATV, η ποσοτικοποίηση των busyness είναι ιδιαίτερα ευαίσθητα σε μεγάλες σχετικό πλάτος του όγκου. Ωστόσο, η απεικόνιση 3D PET είχε χρησιμοποιηθεί στη μελέτη της Cook

et al

(2012). Τα αποτελέσματά μας δείχνουν ότι η ποσοτικοποίηση και προγνωστική αξία της busyness μπορεί να επηρεαστεί αρνητικά από την κίνηση του όγκου.

GLCM-MCC και GLRLM-LRLG συμπεριλήφθηκαν στο 3D vs σύγκριση απεικόνισης 4D ΡΕΤ, δεδομένου ότι δεν είναι ευαίσθητα σε παραμέτρους ανασυγκρότηση της εικόνες PET [36]. Όγκου κίνησης θόλωση στην εικόνα 3D PET μπορεί να μειώσει την διαφορά έντασης μεταξύ γειτονικών voxels. Ως εκ τούτου, τα γειτονικά voxels είναι καλύτερα συσχετίζονται σε 3D PET από 4D ΡΕΤ, οδηγώντας σε σημαντικές 2% υψηλότερα MCC σε εικόνες 3D PET. LRLG μετρά την από κοινού πιθανότητα μεγάλης διάρκειας και χαμηλής τιμές του γκρι. Όπως παρατηρήθηκε στην Εικ. 1, χαμηλής έντασης voxels είναι πιο εντοπισμένο (λιγότερο απόσταση μεταξύ τους) στην κίνηση θολή 3D PET από ό, τι στις εικόνες 4D ΡΕΤ. Ως εκ τούτου, LRLG ήταν υψηλότερη σε 4D ΡΕΤ από 3D PET.

Σε αυτή τη μελέτη, οι εικόνες 4D ΡΕΤ ομαδοποιημένων σε πέντε φάσεις. Η πρόσληψη δραστηριότητα κάθε κάδο ήταν κάπως διαφορετική, όπως στην Huang και Wang (2013) [30]. Ο κάδος με το μεγαλύτερο SUV

max επιλέγεται συχνά ως η «καλύτερη» bin για 4D ΡΕΤ εικόνα [29], [44], [45]. Ωστόσο, βρήκαμε ότι η μεταβλητότητα μεταξύ κάδων φάση για MCC, LRLG, και Αγένεια ήταν αμελητέες (CV & lt? 5%), γεγονός που υποδηλώνει ότι παρόμοιες ποσοτικοποίηση μπορούν να ληφθούν από όλες τις φάσεις. Η μικρή μεταβλητότητα μπορεί να οφείλεται στο πλάτος μικρό όγκο (4,4 ± 4,6 mm) στη δέσμη στοιχείων μας. Από την άλλη πλευρά, η μεταβλητότητα κάδο φάση βρέθηκε να είναι μέτρια για Αντίθεση και busyness (CV~10%). Οι τιμές της αντίθεσης και busyness μπορεί να εξαρτάται από την επιλογή της φάσης-bin. MCC, LRLG και Αγένεια είναι ανεξάρτητη από την επιλογή της φάσης-bin, και ως εκ τούτου θα πρέπει να συνιστάται για την ποσοτικοποίηση των χαρακτηριστικών του όγκου σε απεικόνιση 4D ΡΕΤ.

Εκτός από τα χαρακτηριστικά υφής, μελέτες συχνά διερευνηθεί η επίδραση της αναπνευστικής κίνησης για την ποσοτικοποίηση των διαφόρων μέτρων SUV, ειδικά η μέγιστη SUV [28], [29], [33]. Το SUV

max βρέθηκε να αυξάνει με την απεικόνιση 4D ΡΕΤ από 25% έως 80% σε αυτές τις μελέτες. Οι προκαλείται από την κίνηση αντικείμενα όχι μόνο χαμηλότερη πρόσληψη μέγιστου όγκου στις εικόνες 3D PET, αλλά μπορεί επίσης να οδηγήσει σε εσφαλμένο χαρακτηρισμό των βλαβών. Για παράδειγμα, García Vicente

et al

(2010) σε σύγκριση με το SUV

max καθορίζεται σε 3D και 4D ΡΕΤ εικόνες για 42 βλάβες σε ασθενείς με καρκίνο του πνεύμονα [33]. Όγκου με SUV

max πάνω από 2,5 θεωρήθηκε κακοήθη στη μελέτη τους. Ως αποτέλεσμα, το 40% (17/42) των αλλοιώσεων που απαιτούνται για να αλλάξει από καλοήθη σε κακοήθεις. Για το σκοπό αυτό, αν και τα αποτελέσματα δεν φαίνονται, συγκρίναμε επίσης τις διαφορές σε τέσσερα μέτρα SUV (SUV

max, SUV

αιχμής, SUV

σημαίνει, και SUV

συνόλου). απεικόνισης 4D ΡΕΤ αύξησε τις μετρήσεις των SUV

max και SUV

αιχμής κατά περίπου 30% και 25%, αντίστοιχα, ενώ αυξήθηκαν για SUV

σημαίνει και SUV

συνολικού ήταν μόνο περίπου 5%. Τα αποτελέσματά μας σε SUV

max είναι συγκρίσιμες με τις προηγούμενες μελέτες [28], [29], [33].

Ωστόσο, υπάρχει ένας περιορισμός των υφών μας και σύγκριση SUV καθώς έχει αποδειχθεί ότι κακοήθης ιστός όγκου μπορεί συνεχώς να αυξήσει την πρόσληψη της [

18F] FDG ακόμη και 2 ώρες μετά την ένεση [46] – [48]. Ενώ η απεικόνιση 3D PET αποκτήθηκε περίπου 100 λεπτά μετά την [

18F] FDG ένεση-PET, απεικόνιση 4D ΡΕΤ αποκτήθηκε μεταξύ 118 – 135 λεπτά μετά την ένεση. Ως εκ τούτου, η αύξηση στο [

18F] FDG-PET φαίνεται στη μελέτη μας μπορεί να μην είναι οφείλεται αποκλειστικά στην αναπνευστική κίνηση. Dong

et al

(2013) βρήκαν μια σημαντική συσχέτιση μεταξύ SUV

max και υφές (εντροπία και ενέργεια) που προέρχεται από PET ιστογράμματα έντασης σε ασθενείς με καρκίνο του οισοφάγου [49]. SUV

max διαπιστώθηκε επίσης ότι σχετίζεται ισχυρά με εντροπία και ενέργεια σε μια μελέτη που διεξήχθη από Orlhac

et al

(2014) [40] χρησιμοποιώντας ασθενείς με μεταστατικό ορθοκολικό, πνεύμονα, και καρκίνο του μαστού. Οι δύο αυτές μελέτες μπορεί, ως εκ τούτου υποδεικνύουν ότι τα παράγωγα ιστόγραμμα υφές είναι πιθανό να επηρεαστούν από την καθυστερημένη απεικόνισης. Ωστόσο, καμία από τις υφές που χρησιμοποιήθηκαν στη μελέτη μας έχει βρεθεί ότι σχετίζεται ισχυρά με SUV

max [40]. Αυτό μπορεί να οφείλεται στο γεγονός ότι οι υφές που χρησιμοποιήσαμε βασίζεται στη χωρική σχέση μεταξύ γειτονιές voxels, και δεν εξαρτώνται άμεσα από την τιμή έντασης μονών ή πολλαπλών voxels εντός των όγκων. Ωστόσο, περαιτέρω έρευνα είναι απαραίτητη για την καλύτερη κατανόηση των επιπτώσεων της καθυστέρησης απεικόνισης στην υφή ποσοτικοποίηση.

Όλες οι εικόνες PET στη μελέτη μας υποβλήθηκαν σε διόρθωση εξασθένησης χρησιμοποιώντας τις εικόνες χωρίς αναπνοή CT. Η θολή ανατομική ακατάλληλα των PET /CT τομογραφία λόγω αναπνευστικής κίνησης μπορεί να επηρεάσει την ποιότητα της εξασθένησης διορθωμένες εικόνες 4D ΡΕΤ, και στη συνέχεια την ποσοτικοποίηση των χαρακτηριστικών υφής [29], [50], [51]. Επιπλέον, λόγω της διαφοράς σε 3D και 4D ΡΕΤ φορές απόκτηση απεικόνισης, λιγότερες αριθμήσεις φωτονίων και υψηλότερες θορύβου μπορεί να βρεθούν στις εικόνες 4D ΡΕΤ, το οποίο μπορεί στη συνέχεια να επηρεάσει την ακρίβεια του ορισμού χαρακτηριστικό υφής. Προκειμένου να μετριάσει την επίδραση του θορύβου, όλες οι εικόνες 4D ΡΕΤ έχει ελάχιστο χρόνο απόκτησης των 20 λεπτών. Αυτές οι πιθανές επιπτώσεις θα διερευνηθούν περαιτέρω σε μια μελλοντική μελέτη.

Συμπεράσματα

Χαρακτηριστικά υφής, που αντιπροσωπεύουν ετερογένεια των όγκων, οι θολή έξω από αναπνευστική κίνηση κατά τη διάρκεια της απόκτησης 3D PET. απεικόνισης 4D ΡΕΤ μειώνει την κίνηση θόλωμα, επιτρέποντας χαρακτηριστικά PET που βασίζεται για να είναι καλύτερη λύση. Σημαντικές διαφορές βρέθηκαν στο MCC, LRLG, Αγένεια, και busyness μεταξύ 3D και 4D απεικόνιση ΡΕΤ. Κατά τη μέτρηση χαρακτηριστικά ετερογένεια του όγκου με απεικόνιση PET, μειωμένη κίνηση θόλωμα από την απόκτηση 4D ΡΕΤ επιτρέπει σημαντικά καλύτερη χωρική ανάλυση των χαρακτηριστικών υφής. υφές 3D PET μπορεί να οδηγήσει σε ανακριβή πρόβλεψη της έκβασης της θεραπείας, που εμποδίζουν τη βέλτιστη διαχείριση του καρκίνου του πνεύμονα του ασθενούς. υφές 4D ΡΕΤ μπορεί να έχουν καλύτερη προγνωστική αξία, δεδομένου ότι είναι λιγότερο ευαίσθητα στην κίνηση του όγκου.