PLoS ONE: Sammenligning af Texture funktioner Afledte fra Statisk og respiratoriske-Gated PET billeder i ikke-småcellet lungekræft

Abstrakt

Baggrund

PET-baserede tekstur funktioner er blevet anvendt til at kvantificere tumor heterogenitet på grund af deres forudsigende magt i resultatet behandling. Vi undersøgte følsomheden af ​​tekstur funktioner til tumor bevægelse ved at sammenligne statisk (3D) og respiratorisk-gated (4D) PET billeddannelse.

Metoder

Tyve-seks patienter (34 læsioner) modtaget 3D og 4D [

18F] FDG-PET scanner før kemo-strålebehandling. De tilkøbte 4D data blev retrospektivt arkiveret lodret i fem vejrtrækning faser for at skabe den 4D billedsekvens. Texture funktioner, herunder Maksimal korrelationskoefficient (MCC), Long run lav grå (LRLG), Raahed, Kontrast og Travlhed, blev beregnet inden lægen definerede tumor volumen. Den relative forskel (δ

3D-4D) i hver tekstur mellem 3D- og 4D-PET-billeddannelse blev beregnet. Variationskoefficient (CV) blev anvendt til bestemmelse af variabiliteten i de teksturer mellem alle 4D-PET faser. Korrelationer mellem tumor volumen, bevægelse amplitude, og δ

3D-4D blev også vurderet

Resultater

4D-PET øgede LRLG (= 1% -2%, p 0,02). , Travlhed (= 7% -19%, p 0,01), og faldt MCC (= 1% -2%, p 7,5 × 10

-3), Raahed (= 5% -10%, p 0,05 ) og Contrast (= 4% -6%, p 0,08) sammenlignet med 3D-PET. Næsten ubetydelig variation blev fundet mellem de 4D fase siloer med CV 5% for MCC, LRLG, og Raahed. For kontrast og Travlhed, blev moderat variation fundet med CV = 9% og 10%, hhv. Ingen stærk sammenhæng blev fundet mellem tumor volumen og δ

3D-4D til tekstur funktioner. Motion amplitude havde moderat effekt på δ for MCC og Travlhed og ingen indvirkning for LRLG, Raahed og kontrast.

Konklusioner

Signifikante forskelle blev fundet i MCC, LRLG, Raahed, og Travlhed mellem 3D og 4D PET billeddannelse. Variabiliteten mellem siloer fase for MCC, LRLG, og Raahed var ubetydelig, hvilket tyder på, at lignende kvantificering kan opnås fra alle faser. Texture funktioner, sløret af respiratorisk bevægelse under 3D-PET anskaffelse, kan bedre løses af 4D-PET billeddannelse. 4D-PET teksturer kan have bedre prognostisk værdi, da de er mindre modtagelige for tumor bevægelse

Henvisning:. Yip S, McCall K, Aristophanous M, Chen AB, Aerts HJWL, Berbeco R (2014) Sammenligning af Texture funktioner afledt af Statiske og Respiratory-Gated PET billeder i ikke-småcellet lungekræft. PLoS ONE 9 (12): e115510. doi: 10,1371 /journal.pone.0115510

Redaktør: Olga Y. Gorlova, Geisel School of Medicine ved Dartmouth College, USA

Modtaget: Juli 3, 2014 Accepteret: November 24, 2014; Udgivet: 17. december 2014

Copyright: © 2014 Yip et al. Dette er en åben adgang artiklen distribueres under betingelserne i Creative Commons Attribution License, som tillader ubegrænset brug, distribution og reproduktion i ethvert medie, forudsat den oprindelige forfatter og kilde krediteres

Data Tilgængelighed:. Det forfattere bekræfter, at for godkendte årsager, nogle adgangsbegrænsninger anvendelse på de data, der ligger til grund for resultaterne. Etiske restriktioner forhindrer data i at blive offentligt delt. Data er tilgængelige fra Dana-Farber Cancer Institute Institutional Data Access for forskere, der opfylder kriterierne for adgang til fortrolige data. Anmodning om data kan sendes til Dr. Aileen Chen på [email protected]

Funding:.. Forfatterne har ingen støtte eller finansiering til at rapportere

Konkurrerende interesser: Forfatterne har erklærede, at der ikke findes konkurrerende interesser.

Introduktion

Positron emissions tomografi (PET) med [

18F] fluorodeoxyglukose (FDG), et surrogat af glukosemetabolismen, er et vigtigt klinisk redskab for tumor diagnose, iscenesættelse og overvågning tumor progression [1] – [4]. Nøjagtig kvantificering af tumor egenskaber baseret på [

18F] FDG-PET-billeder kan give værdifulde oplysninger til optimering terapi [5], [6]. Standardiseret optagelse værdi (SUV) foranstaltninger såsom maksimum, peak, middelværdi, og total SUV, er almindeligt anvendt til kvantificering af tumor egenskaber [7] – [10]. Høj basislinie SUV optagelse har vist sig at være forbundet med dårlig behandlingsresultat i mange tumorer, såsom esophageal, lunge, og hoved-og-hals cancer [11] – [13].

høj intratumoral heterogenitet har vist sig at relatere til dårlig prognose og behandling resistens [14], [15]. Men SUV foranstaltninger ikke i tilstrækkelig grad at indfange den rumlige heterogenitet af fordelingen intratumoral optagelse [16], [17]. Derfor tekstur træk, som kan afledes fra en række matematiske modeller af forholdet mellem flere voxels og deres nabolag, foreslås at beskrive tumor heterogenitet [18], [19]. Især har forbehandling [

18F] FDG PET tekstur har vist lovende for afgrænsningen nodal og tumor volumen [20], [21] og vurdere terapeutisk respons [22] – [24]. Undersøgelser har antydet, at tekstur funktioner klarer sig bedre end SUV foranstaltninger i behandlingsresultatet forudsigelse [22], [24] – [26]. For eksempel Kog

et al

(2013) sammenlignede forudsigelseskraft fælles SUV foranstaltninger og fire kvarter grå-tone forskel matrix (NGTDM) afledte teksturer i ikke-småcellet lungekræft (NSCLC) patienter [27] . De fandt, at NGTDM-afledt Raahed, Kontrast, og Travlhed var ikke alene bedre prognostisk prædiktorer end SUV foranstaltninger, men også bedre i stand til at skelne respondenter fra ikke-respondere.

På trods af den kliniske potentiale tekstur funktioner, nøjagtig kvantificering tekstur træk kan hindres af respiratorisk bevægelse i patienter med lungecancer. Motion induceret billedsløring i statiske PET billeder (3D PET) kan føre til reduktion i tumor optagelse og over estimering af metabolisk tumor volumen [28] – [30]. 4D PET imaging porte PET billedoptagelse med respiratorisk bevægelse for at forbedre PET billedkvalitet og har vist sig at reducere sløring af bevægelserne i PET-billeder, som giver mere nøjagtig kvantificering af lungetumor aktivitet [28], [31] – [34]. Vi hypotesen, at fine tekstur funktioner vil sandsynligvis blive sløret under 3D PET erhvervelse af lungetumorer.

Med den stigende interesse tekstur funktioner og tumor heterogenitet, skal undersøges virkningen af ​​tumor bevægelse på PET-baserede kvantificering som det er stadig endnu ukendt. I denne undersøgelse, sammenlignede vi kvantificering af tekstur funktioner mellem 3D og 4D PET billeddannelse. Selvom mange tekstur funktioner kan findes i litteraturen [22], [35], [36], fokuserede vi på fem tekstur funktioner. Især tre NGTDM afledt Raahed, Kontrast og Travlhed på grund af deres prædiktiv værdi i lungekræftpatienter [27]. En grå niveau samtidig forekomst matrix (GLCM) afledt Maksimal Korrelationskoefficient (MCC) [37] og grå niveau run længde matrix (GLRLM) afledt Long Run Low Gray niveau vægt (LRLG) [38] blev også beregnet på grund af deres robusthed mod variation af genopbygning parametre PET billeder [36].

NGTDM tekstur funktioner blev oprindeligt designet til at ligne menneskets perception og blev først foreslået af Amadasun og King (1989) [18]. I en grov billede, teksturen består af store mønstre, såsom stort område med ensartet intensitetsfordeling. Kontrast måler intensiteten forskellen mellem naboregioner i tumoren. Travlhed er et mål for intensiteten ændring mellem flere voxels og deres omgivelser. GLCM-MCC blev først introduceret af Haralick

et al

i 1973 [37] og anvendes til at måle den statistiske forhold mellem to tilstødende voxel. GLRLM-LRLG måler fælles distribution af lange ture og værdier lav intensitet, hvor en løbetur er afstanden mellem to på hinanden følgende voxel med samme intensitet i en bestemt retning [38].

Metoder

patienter og billedbehandling

Denne undersøgelse blev udført under Dana-Farber Cancer Institute institutionelle review board (IRB) godkendte protokol (protokol #: 06-294) og skriftlige samtykke blev opnået fra alle patienter. Seksogtyve patienter (gennemsnitsalder = 65 ± 10 yr, 14 hanner, 12 hunner) med NSCLC modtog en behandlingsplanlægning CT (både 3D og 4D) to uger før starten af ​​strålebehandling med eller uden samtidig kemoterapi. 3D [

18F] FDG-PET /CT, en gratis vejrtrækning brystet CT, og en 4D [

18F] FDG-PET scanninger blev erhvervet 1-2 uger før behandlingen. Der var seksten patienter med adenocarcinom og ti patienter med pladecellecarcinom. De interne tumor volumen (ITV), der er omfattet tumor bevægelse, tredive-fire læsioner (1-3 maligne tumorer /patient) blev afgrænset af en erfaren stråling onkolog på en 4D planlægning CT. 3D PET og 4D PET scanninger blev udført på et Siemens Biograph PET /CT-scanner (Siemens AG, Erlangen, Tyskland). Dæmpning korrektion af 3D PET-billeder blev udført ved hjælp af hele kroppen 3D CT-billeder, mens 4D PET billeder blev rettet af fri vejrtrækning brystet CT-billeder. 3D PET scanninger blev erhvervet ca. 100 min efter injektion af 16.7-22mCi på [

18F] FDG i patienterne. For 3D PET-scanning, blev billederne erhverves for 3-5 min /seng position i seks til syv bed positioner. De 3D PET billeder blev rekonstrueret med bestilt-delmængde forventning-maksimering (OSEM) med 4 gentagelser, 8 delmængder, 7 mm fuld bredde halvt maksimum (FWHM) post-filtrering, og stikprøven på en 168 × 168 gitter består af 4,06 × 4,06 mm

2 pixel. Købet af 4D PET billede fulgte umiddelbart efter afslutningen af ​​3D PET-scanning.

4D PET billeder blev erhvervet til en seng position centreret omkring tumoren og dækker en del af lungen for 20-30 min, afhængig af komforten af ​​patienterne. En AZ-733V respiratorisk gating-system (Anzai Medical System, Tokyo, Japan) blev anvendt til at overvåge patienten respiratorisk bevægelse [39]. De indsamlede data blev retrospektivt arkiveret lodret i fem faser startende ved inhalere top (bakke 1) at skabe 4D billedsekvens ved hjælp af fase-baserede algoritme, som Siemens Biograph PET /CT-scanner (Siemens AG, Erlangen, Tyskland). Især de fem fase siloer, svarede til slutningen af ​​indånding (bakke 1), indånding-til-udånding (bakke 2), midt udånding (bin 3), enden af ​​udånding (bin4), udånding-til inhalation (bin 5 ), henholdsvis. De respiratoriske gated 4D PET billeder blev rekonstrueret med OSEM med 2 iterationer, 8 delmængder, 5 mm FWHM, og stikprøven på en 256 x 256 gitter består af 2,67 × 2,67 mm

2 pixel.

Texture funktioner

Planlægning CT blev stift registreret til 3D- og 4D-PET billeder med normaliseret gensidig information. Transformationerne blev derefter påført hver ITV. De 3D og 4D PET billeder blev beskåret ved hjælp af den registrerede ITV kontur at beskære ud tumoren region. Antal voxel pr tumor region varierede 85-6483 med mediane antal voxels = 545. Før tekstur funktionen beregning, alle PET billeder (PET ()) blev forbehandles ved følgende ligning, (1) Hvis minPET og maxPET er det maksimale og minimum intensiteter af PET i tumor-regionen. Intensiteten rækkevidde efterbehandlet billede () blev omdannet til 32 diskrete værdier som foreslået af Orlhac

et al Hotel (2014) [40].

Inden for tumor-regionen, følgende fire kvarter grå-tone forskel matrix (NGTDM) afledte tekstur funktioner blev beregnet til at kvantificere tumor heterogenitet: Raahed, kontrast, Travlhed, og kompleksitet. Disse blev implementeret i Matlab (The MathWorks Inc. Natrick MA) ved hjælp af Chang-Gung billede Texture Analysis Toolbox [41], [42]. De matematiske definitioner af de NGTDM, GLCM, og GLRLM tekstur funktioner kan findes i Amadasun og King (1989) [18], Haralick

et al

(1973, 1979) [37], [43], og Galloway (1975) [38], hhv.

3D (168 × 168) og 4D (256 x 256) PET billeder blev rekonstrueret til forskellige matrix størrelser er baseret på forskellige genopbygning parametre. Derudover kan skyldes forskellen i 3D og 4D PET erhvervelse billeddannelse gange, færre fotontællinger og højere støj findes i 4D PET-billeder. Derfor blev alle 4D PET billeder nedsamples til samme net /opløsning på 3D PET-billeder ved lineær interpolation før tekstur funktionen beregning at reducere støj.

Dataanalyse

Den relative forskel (δ

3D-4D) i tekstur funktioner mellem 3D og 4D PET blev beregnet: (2) Hvor er kvantificering (dvs. tekstur funktioner foranstaltninger) baseret på 3D PET, er kvantificeringen baseret på bin

j

af 4D PET billeder. Wilcoxon-test (p 0,05) blev udført på par at bestemme, om og var signifikant forskellige. Vi beregnet en ivrig tumorvolumen (ATV) som tærsklingsbehandlet PET billeder med SUV over 40% maksimal SUV i ITV [29]. Vi undersøgte indflydelsen af ​​ATV og ITV på δ

3D-4D hjælp Spearmans korrelationskoefficient (R) med betydelige værdi af p = 0,05.

Kruskal-Wallis test blev anvendt til at vurdere, om en fase var signifikant forskellig fra de andre faser (p 0,05). Variabiliteten i teksturen funktioner foranstaltninger mellem alle fem fase siloer blev vurderet ved hjælp af variationskoefficienten (CV). (3)

(4) For at vurdere omfanget af bevægelse, blev centre for masse () af PET ivrig region (ATV) i alle fem 4D PET spande registreret. Amplituden af ​​tumor bevægelse blev estimeret ved hjælp af den maksimale forskel i mellem de fem siloer [28], [29] (5) Hvor

jeg

og

j

spænder fra 1 til 5.

for at undersøge virkningen af ​​tumor bevægelse, vi beregnet Spearmans korrelationskoefficient for Amplitude: ATV-forholdet og δ

3D-4D med betydelig værdi p = 0,05. Amplitude: ATV-forhold er et mål for motion amplitude i forhold til tumorvolumen. Stor Amplitude: ATV-forholdet indikerer stor tumor bevægelse i forhold til tumorstørrelse

Endvidere kan teksturer blive påvirket af bevægelse forskelligt afhængigt af tumor histologi.. Derfor undersøgte vi, hvis δ

3D-4D var signifikant forskellige mellem adenokarcinomer (21 læsioner) og planocellulært karcinom (13 læsioner) ved hjælp af Mann-Whitney U-test med p. 0,05

Resultater

4D PET billeder syntes at have højere optagelse og mindre sløring end de tilsvarende 3D PET-billeder (fig. 1). Forskellene mellem 3D og 4D PET blev fundet at være signifikant (p 0,01) til Travlhed, MCC, og LRLG som vist i tabel 1. Signifikant forskel for Raahed blev fundet i alle beholdere (p 0,01) undtagen i bin 2 (p = 0,59) (tabel 1). Den Raahed bestemt på 3D PET billederne var omkring 10% højere end 4D PET. 4D PET billeder blev fundet at have så meget som en stigning i Travlhed 19%, sammenlignet med de tilsvarende 3D PET-billeder (tabel 1, fig. 2). MCC viste sig at være 2% højere i 3D PET end 4D PET, mens 2% højere LRLG blev fundet i 4D PET når man sammenligner med 3D PET. Men Kontrast på 3D-billeder blev kun omkring 5% lavere i forhold til 4D PET og δ

3D-4D var ikke signifikant (p 0,08). (. Tabel 1, figur 2)

Alle billeder vises i samme intensitet vindue med SUV mellem 1 og 15.

den øverste lodrette linje i et boxplot udgør 75

th-95

th fraktiler af dataene. Den nederste lodrette linje er 5

th-25

th percentiler. Interkvartile område (IQR) af data indikeres ved bredden af ​​boxplot. Stjerner angiver de maksimale og minimale forskelle. Median og betyder forskelle er angivet med bar og offentlig inde i kassen plots, hhv. MCC = Maksimal korrelationskoefficient. LRLG = Lang køre med lav vægt grå-niveau. Den første boxplot repræsenterer sammenligninger af 3D og 3D PET teksturer (δ

3D-3D). δ

3D-3D er derfor nul per definition, som vist i den første “boxplot” for hver tekstur.

Ingen af ​​faserne var signifikant forskellig fra de andre for eventuelle tekstur funktioner (p 0,90, Kruskal-Wallis test). Ubetydelig til moderat variation i tekstur funktioner blev fundet mellem de fem fase siloer (fig. 2). CV var kun 1% for MCC og LRLG, 5% for Raahed, 9% og 10% for Kontrast og Travlhed, hhv. Den ivrig tumor volumen (ATV) var dårligt korreleret til o

3D-4D for alle tekstur funktioner (R = -0.24-0.38, p = 0,03 til 0,07). Sammenhængen mellem interne tumorvolumener (ITV) og δ

3D-4D viste sig også at være dårlig for alle teksturer (R = -0.31-0.30, p 0,02), undtagen LGLR. Selvom δ

3D-4D for LGLR var moderat påvirket af ITV (R = -0.62–0.31, p = 8,3 × 10

-5-0.08), de gennemsnitlige δ

3D-4D 2% .

Gennemsnitlig bevægelsesamplitude viste sig at være 4,4 ± 4,6 mm (0,6 til 20,5 mm). Som vist i tabel 2, blev moderat til betydelig korrelation fundet mellem Amplitude: ATV (mm

-2) og δ

3D-4D til Travlhed (R = 0,38 til 0,54) og MCC (R = -0.70– 0,41) i bin 3-5, hvorimod dårlig korrelation blev fundet i bin 1-2 med R = -0.03-0.12. De korrelationer var også dårlig til Raahed (R = -0.32-0.18), Contrast (R = -0.35–0.10), og LRLG (R = 0,08-0,34) (Tabel 2). Desuden δ

3D-4D var ikke signifikant forskellig mellem de histologier, adenocarcinomer og planocellulært karcinom, med p 0,26 (tabel 3)

Diskussion

i denne undersøgelse undersøgte vi følsomheden af ​​prognostiske PET tekstur har åndedrætsorganerne bevægelse. Vores resultater antyder, at tekstur foranstaltninger er følsomme over for tumor bevægelse. Væsentlige forskelle mellem 3D og 4D (δ

3D-4D 10%) blev fundet i Raahed og Travlhed. Derfor kan den tidsmæssige opløsning, der tilbydes af 4D PET imaging føre til mere nøjagtig kvantificering af billedet funktioner.

Raahed, Kontrast og Travlhed betragtes i denne undersøgelse var oprindeligt designet til at ligne menneskets perception og blev først foreslået af Amadasun og king (1989) [18]. Kog

et al Hotel (2012) [27] har vist, at disse tre tekstur funktioner er klinisk relevant for lungekræft på grund af deres prædiktiv værdi for patienten resultat. I en grov billede, teksturen består af store mønstre, såsom stort område med ensartet intensitetsfordeling. Som vejrtrækning bevægelse slører de fine teksturer i billederne, de 3D PET billederne synes at være mere ensartet (fig. 1), og derfor har mere Raahed end 4D PET billeder. Følsomhed Contrast viste sig at være ubetydelig for bevægelse fremkaldt sløring. Intensiteten Forskellen mellem naboregioner i tumoren blev observeret at være mere udtalt i 4D PET billede (fig. 1), hvilket fører til lidt højere (δ

3D-4D~5%) Kontrast i 4D PET end 3D PET billeder. Travlhed er et mål for intensiteten ændring mellem enkelt voxels og deres omgivelser. Travlhed beregnet med 4D PET billeder viste sig at være så meget som 20% højere end de 3D PET billeder. Da δ

3D-4D tendens til at være højere ved store Amplitude: ATV, kvantificering af Travlhed er særligt følsom over for stor i forhold tumor amplitude. Imidlertid blev 3D PET-billeddannelse anvendes i studiet af Cook-

et al

(2012). Vores resultater tyder på, at kvantificering og prognostiske værdi af travlhed kan blive negativt påvirket af tumor bevægelse.

GLCM-MCC og GLRLM-LRLG blev inkluderet i 3D vs 4D PET imaging sammenligning, da de er ufølsomme over for genopbygning parametre PET-billeder [36]. Tumor bevægelse sløring i 3D PET billede kan reducere intensiteten forskel mellem tilstødende voxel. Derfor tilstødende voxler er bedre korreleret i 3D PET end 4D PET, hvilket fører til betydelige 2% højere MCC i 3D PET-billeder. LRLG måler fælles sandsynlighed for lange ture og lave grå værdier. Som observeret i fig. 1, lave voxels intensitet er mere lokaliserede (mindre afstand fra hinanden) i bevægelse sløret 3D PET end i 4D PET billeder. Derfor LRLG var højere i 4D PET end 3D PET.

I denne undersøgelse de 4D PET billeder blev arkiveret lodret i fem faser. Aktiviteten optagelse af hver bin var lidt anderledes som i Huang og Wang (2013) [30]. Bin med den højeste SUV

max er ofte valgt til at være den “bedste” placering til 4D PET billede [29], [44], [45]. Vi fandt imidlertid, at variationen mellem fase siloer for MCC, LRLG, og Raahed var ubetydelig (CV 5%), hvilket tyder på, at lignende kvantificering kan opnås fra alle faser. Den lille variabilitet kan skyldes den lille tumor amplitude (4,4 ± 4,6 mm) i vores datasæt. På den anden side blev den fase bin variabilitet sig at være moderat for kontrast og Travlhed (CV~10%). Værdierne af kontrast og Travlhed kan afhænge af valget af fase-bin. MCC, LRLG, og Grovhed er uafhængige af valget af fase-bin, og derfor bør anbefales til kvantificering af tumor egenskaber i 4D PET billeddannelse.

Udover de tekstur funktioner, undersøgelser ofte undersøge effekten af ​​respiratorisk bevægelse på kvantificering af forskellige SUV foranstaltninger, især den maksimale SUV [28], [29], [33]. Den SUV

max fandtes at stige med 4D PET-billeddannelse fra 25% til 80% i disse undersøgelser. Motion induceret artefakter ikke kun lavere maksimal tumor uptake på 3D PET billeder, men kan også føre til misklassifikation af læsioner. For eksempel García Vicente

et al Hotel (2010) sammenlignede SUV

max bestemt på 3D og 4D PET billeder til 42 læsioner hos patienter med lungecancer [33]. Tumor med SUV

max over 2,5 blev anset ondartet i deres undersøgelse. Som et resultat, at 40% (17/42) af læsionerne nødvendige ændres fra godartede til malign. Til dette formål, selv om resultaterne ikke vist, vi også sammenlignet forskellene i fire SUV foranstaltninger (SUV

max, SUV

peak, SUV

betyder, og SUV

alt). 4D PET billedbehandling øget målingerne af SUV

max og SUV

højdepunkt med omkring 30% og 25%, hvorimod øget for SUV

betyder og SUV

alt var kun omkring 5%. Vores resultater i SUV

max kan sammenlignes med de tidligere undersøgelser [28], [29], [33].

Der er imidlertid en begrænsning af vore teksturer og SUV sammenligning som det er påvist, at ondartet tumor væv kan løbende øge optagelsen af ​​[

18F] FDG selv 2 timer efter injektion [46] – [48]. Mens 3D PET billedbehandling blev erhvervet omkring 100 min efter [

18F] FDG-PET injektion, 4D PET-billeddannelse blev erhvervet mellem 118-135 min efter injektion. Derfor er stigningen i [

18F] FDG-PET ses i vores undersøgelse kan ikke være alene skyldes respiratorisk bevægelse. Dong

et al Hotel (2013) fandt en signifikant korrelation mellem SUV

max og teksturer (entropi og energi) afledt af PET intensitet histogrammer i patienter med kræft i spiserøret [49]. SUV

max viste sig også at være yderst korreleret til entropi og energi i en undersøgelse foretaget af Orlhac

et al Hotel (2014) [40] ved hjælp af patienter med metastatisk kolorektal, lunge-, og brystkræft. Disse to undersøgelser kan derfor foreslå, at de histogram afledte teksturer er sandsynligvis vil blive berørt af den forsinkede billeddannelse. Imidlertid har vist, at ingen af ​​de teksturer, der blev brugt i vores undersøgelse at være stærkt korreleret med SUV

max [40]. Dette kan skyldes det faktum, at teksturer vi anvendte, er baseret på det rumlige forhold mellem kvarterer i voxels, og er ikke direkte afhængig af intensiteten værdi af enkelte eller multiple voxel indenfor tumorerne. Imidlertid er yderligere undersøgelse er nødvendig for bedre at forstå konsekvenserne af forsinket imaging på tekstur kvantificering.

Alle PET billeder i vores undersøgelse undergik dæmpning korrektion ved hjælp af de gratis vejrtrækning CT-billeder. Den sløret anatomiske uoverensstemmende af PET /CT-scanning på grund af respiratorisk bevægelse kan påvirke kvaliteten af ​​dæmpningen korrigeret 4D PET billeder, og efterfølgende kvantificering af tekstur funktioner [29], [50], [51]. Desuden kan på grund af forskellen i 3D og 4D PET erhvervelse imaging gange, færre foton tæller og højere støj findes i 4D PET billeder, som efterfølgende kan påvirke nøjagtigheden af ​​tekstur funktionen definition. For at afbøde virkningen af ​​støj, alle 4D PET billeder har et minimum erhvervelse tid på 20 min. Disse potentielle virkninger vil blive undersøgt nærmere i en kommende undersøgelse.

Konklusioner

Texture funktioner, der repræsenterer tumor heterogenitet, er sløret af respiratorisk bevægelse under 3D PET erhvervelse. 4D PET billedbehandling reducerer bevægelse sløring, så PET-baserede funktioner til at være bedre løst. Signifikante forskelle blev fundet i MCC, LRLG, Raahed, og Travlhed mellem 3D og 4D PET billeddannelse. Ved måling tumor heterogenitet karakteristika med PET billedbehandling, nedsat bevægelighed sløring af 4D PET købet giver væsentligt bedre rumlig opløsning på tekstur funktioner. 3D PET teksturer kan føre til unøjagtige forudsigelse af udfaldet behandling, hindrer optimal lungekræft patientbehandling. 4D PET teksturer kan have bedre prognostisk værdi, da de er mindre modtagelige for tumor bevægelse.