Abstract
Fundo
características de textura à base de PET foram utilizadas para quantificar heterogeneidade do tumor devido ao seu poder preditivo no resultado do tratamento. Nós investigamos a sensibilidade de características de textura para o movimento do tumor, comparando estática (3D) e (4D) de imagem PET fechado-respiratória.
Métodos
Vinte e seis pacientes (34 lesões) receberam 3D e 4D [
18F] FDG-PET antes da quimio-radioterapia. Os dados 4D adquiridos foram retrospectivamente finalmente resolvido em cinco fases de respiração para criar a sequência de imagens 4D. características de textura, incluindo coeficiente de correlação máxima (MCC), Long run baixo cinza (LRLG), Grosseria, Contraste e Busyness, foram computados dentro do volume do tumor definido pelo médico. foi calculada a diferença relativa (δ
3D-4D) em cada textura entre o 3D- e imagens 4D-PET. Coeficiente de variação (CV) foi utilizada para determinar a variabilidade nas texturas entre todas as fases 4D-PET. As correlações entre o volume do tumor, amplitude de movimento, e δ
3D-4D foram também avaliadas
Resultados
4D-PET aumentou LRLG (= 1% -2%, p 0,02). , Busyness (= 7% -19%, p 0,01), e diminuiu MCC (= 1% -2%, p 7,5 × 10
-3), Coarseness (= 5% -10%, p 0,05 ) e contraste (= 4% -6%, p 0,08) em comparação com 3D-PET. Quase variabilidade negligenciável foi encontrada entre as caixas de fase 4D com CV 5% para MCC, LRLG e Grosseria. Por contraste e Busyness, a variabilidade moderada foi encontrado com CV = 9% e 10%, respectivamente. Nenhuma correlação forte foi encontrada entre o volume do tumor e δ
3D-4D para as características de textura. Movimento amplitude teve um impacto moderado na δ para MCC e Busyness e sem impacto para LRLG, Grosseria e Contraste.
Conclusões
Foram encontradas diferenças significativas no MCC, LRLG, Grosseria e Busyness entre 3D e 4D PET imaging. A variabilidade entre bins de fase para o MCC, LRLG, e Coarseness foi insignificante, o que sugere que a quantificação semelhante pode ser obtido a partir de todas as fases. características de textura, desfocada pelo movimento respiratório durante a aquisição 3D-PET, pode ser melhor resolvido por meio de imagens 4D-PET. texturas 4D-PET pode ter melhor valor prognóstico que eles são menos suscetíveis ao movimento tumor
Citation:. Yip S, McCall K, Aristophanous M, Chen AB, Aerts HJWL, Berbeco R (2014) Comparação de características de textura derivado do estáticos e respiratórios-Gated PET Imagens em Non-Small Cell Lung Cancer. PLoS ONE 9 (12): e115510. doi: 10.1371 /journal.pone.0115510
editor: Olga Y. Gorlova, Geisel School of Medicine, em Dartmouth College, Estados Unidos da América
Recebido: 03 de julho de 2014; Aceito: 24 de novembro de 2014; Publicação: 17 de dezembro de 2014
Direitos de autor: © 2014 Yip et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença Creative Commons Attribution, que permite uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original ea fonte sejam creditados
Data Availability:. O autores confirmam que, por razões aprovadas, algumas restrições de acesso aplicam-se aos dados subjacentes às conclusões. restrições éticas evitar que dados sejam compartilhados publicamente. Os dados estão disponíveis a partir do Instituto de Câncer Dana-Farber de acesso a dados Institucional para os investigadores que preencham os critérios para o acesso a dados confidenciais. Os pedidos de dados podem ser enviados para Dr. Aileen Chen em [email protected]
Financiamento:.. Os autores não têm apoio ou financiamento para relatar
Conflito de interesses: Os autores têm declarou que não existem interesses conflitantes.
Introdução
tomografia por emissão de
positrões (PET) com [
18F] fluorodeoxyglucose (FDG), um substituto do metabolismo da glicose, é uma ferramenta essencial para a clínica diagnóstico do tumor, estadiamento e progressão do tumor monitoramento [1] – [4]. quantificação precisa das características do tumor com base em [
18F] imagens FDG-PET pode fornecer informações valiosas para otimizar a terapia [5], [6]. valor de absorção padronizado (SUV) medidas como máximo, pico, média e SUV total são comumente usados para a quantificação das características do tumor [7] – [10]. captação SUV alta da linha de base foi encontrado para ser associado com o resultado do tratamento pobres em muitos tumores, como de esôfago, pulmão e câncer de cabeça e pescoço [11] – [13].
heterogeneidade intra-tumoral alta foi demonstrado que se relacionam com prognóstico pobre e resistência ao tratamento [14], [15]. No entanto, as medidas de SUV não conseguem captar adequadamente a heterogeneidade espacial da distribuição captação intra-tumoral [16], [17]. Por conseguinte, as características de textura, que podem ser derivadas a partir de um número de modelos matemáticos da relação entre múltiplos voxels e a sua vizinhança, são propostos para descrever a heterogeneidade do tumor [18], [19]. Particularmente, o pré-tratamento [
18F] características de textura FDG PET têm mostrado promessa para delinear volumes nodais e tumorais [20], [21] e avaliação da resposta terapêutica [22] – [24]. Estudos sugeriram que as características de textura melhor desempenho do que as medidas de SUV na predição resultado do tratamento [22], [24] – [26]. Por exemplo, Cook
et al
(2013) em comparação com o poder preditivo de medidas comuns de SUV e matriz diferença cinza-tom quatro vizinhança (NGTDM) texturas derivados em câncer de pulmão de células não pequenas (NSCLC) pacientes [27] . Eles descobriram que NGTDM derivado Grosseria, Contraste e Busyness não eram apenas melhor prognóstico preditores do que as medidas de SUV, mas também mais capaz de diferenciar respondedores de não-respondedores.
Apesar do potencial clínico de características de textura, a quantificação precisa de textura características pode ser dificultada pelo movimento respiratório em pacientes com câncer de pulmão. Movimento de imagem induzida desfocagem em imagens de PET estáticos (PET 3D) pode levar à redução na absorção de tumor e outra estimativa do volume metabólica do tumor [28] – [30]. portões de imagem 4D PET PET aquisição de imagem com movimento respiratório, a fim de melhorar a qualidade de imagem PET e foi mostrado para reduzir o movimento desfocagem nas imagens PET, fornecer uma quantificação mais precisa da actividade do tumor do pulmão [28], [31] – [34]. Nossa hipótese é que características de textura fina são susceptíveis de ser borrada durante a aquisição 3D PET de tumores pulmonares.
Com o crescente interesse das características de textura e heterogeneidade do tumor, o impacto do movimento tumor na quantificação baseado em PET precisa ser estudado como ainda é ainda desconhecido. Neste estudo, comparou-se a quantificação das características de textura entre imagens 3D e 4D PET. Embora numerosas características de textura pode ser encontrada na literatura [22], [35], [36], que incidiu sobre cinco características de textura. Particularmente, três NGTDM derivado Grosseria, Contraste e Busyness devido ao seu valor preditivo em pacientes com câncer de pulmão [27]. A matriz de nível de cinza co-ocorrência (GLCM) derivado Coeficiente Maximal Correlação (MCC) [37] e nível de cinza matriz de comprimento de percurso (GLRLM) derivado Long Run Baixo Cinzento ênfase nível (LRLG) [38] também foram computadas, devido à sua robustez contra variação de parâmetros de reconstrução de imagens de PET [36].
As características NGTDM textura foram originalmente concebido para se assemelhar a percepção humana e foram propostas pela primeira vez por Amadasun e king (1989) [18]. Em uma imagem grosseira, a textura é composta por grandes padrões, tais como grande área com distribuição de intensidade uniforme. Contraste mede a diferença de intensidade entre as regiões vizinhas dentro do tumor. Busyness é uma medida da mudança de intensidade entre múltiplos voxels e seus arredores. GLCM-MCC foi introduzido pela primeira vez por Haralick
et al
em 1973 [37] e é usado para medir a relação estatística entre dois voxels vizinhos. GLRLM-LRLG mede a distribuição conjunta de corridas longas e valores de baixa intensidade, na qual uma corrida é a distância entre dois voxels consecutivos com a mesma intensidade em uma direção específica [38].
Métodos
pacientes e imagiologia
Este estudo foi realizado no âmbito do conselho de revisão institucional Dana-Farber Cancer Institute (IRB) aprovou o protocolo (protocolo nº: 06-294) e autorização por escrito foram obtidas de todos os pacientes. Vinte e seis pacientes (idade média = 65 ± 10 anos, 14 do sexo masculino, 12 do feminino) com NSCLC recebeu um CT planejamento do tratamento (ambos 3D e 4D), duas semanas antes do início da radioterapia com ou sem quimioterapia concomitante. 3D [
18F] FDG-PET /CT, uma tomografia computadorizada de tórax de respiração livre, e uma 4D [
18F] FDG-PET scans foram adquiridas 1-2 semanas antes da terapia. Havia dezesseis pacientes com adenocarcinoma e dez pacientes com carcinoma de células escamosas. Os volumes internos de tumor (ITV), que englobava tumor movimento, de trinta e quatro lesões (1-3 tumores malignos /paciente) foram delineados por um oncologista experiente em um CT planejamento 4D. PET scan 3D e 4D PET foram realizados em um scanner Siemens Biograph PET /CT (Siemens AG, Erlangen, Alemanha). correção de atenuação de imagens 3D PET foi realizada utilizando todo o corpo CT imagens 3D, enquanto as imagens 4D PET foram corrigidos pelas imagens TC de tórax de respiração livre. scans 3D PET foram adquiridas cerca de 100 min após a injeção de 16.7-22mCi de [
18F] FDG nos pacientes. Para o PET 3D digitalizar, as imagens foram adquiridas por 3-5 posição min /cama em seis a sete posições de cama. As imagens 3D PET foram reconstruídos com-subconjunto ordenou expectativa de maximização (OSEM) com 4 repetições, 8 subconjuntos, 7 milímetros de largura total meia-máxima (FWHM) pós-filtração, sendo colhidas dentro de uma grade 168 × 168 composta por 4,06 × 4,06 milímetros
2 pixel. A aquisição da imagem de PET 4D seguido imediatamente após a conclusão do PET 3D digitalizar.
4D imagens PET foram adquiridas a uma posição de cama centrado sobre o tumor e abrangendo parte do pulmão durante 20-30 min, dependendo o conforto dos doentes. Um sistema de gating respiratório AZ-733V (Anzai Medical System, Tóquio, Japão) foi empregado para monitorar os movimentos respiratórios do paciente [39]. Os dados adquiridos foram retrospectivamente finalmente resolvido em cinco fases a partir de pico inalar (bin 1) para criar a sequência de imagens 4D usando o algoritmo baseado em fase fornecido pelo scanner Siemens Biograph PET /CT (Siemens AG, Erlangen, Alemanha). Em particular, as cinco caixas de fase, correspondeu ao final da inalação (bin 1), inalação-se de expiração (bin 2), em meados de expiração (bin 3), final da expiração (bin4), expiração-à inalação (bin 5 ), respectivamente. As imagens 4D PET respiratórias fechado foram reconstruídos com OSEM com 2 iterações, 8 subgrupos, de 5 mm FWHM, sendo colhidas dentro de uma grade de 256 × 256 composta de 2,67 × 2,67 milímetros
2 pixel.
Características de textura
Planejamento CT foi rigidamente registrado para imagens 3D- e 4D-PET com informação mútua normalizada. As transformações foram então aplicadas a cada ITV. As imagens 3D e 4D PET foram cortadas usando o contorno ITV registrado para recortar região do tumor. Número de voxels por região do tumor variou 85-6483 com número médio de voxels = 545. Antes de textura característica computação, todas as imagens de PET (PET ()) foram pré-processados usando a seguinte equação, (1) Onde MINPET e maxPET são o máximo e intensidades mínimas de PET dentro da região do tumor. A faixa de intensidade da imagem pós-processada () foi convertido em 32 valores discretos como sugerido por Orlhac
et al
(2014) [40].
Na região do tumor, os quatro seguintes bairro cinza-tom matriz de diferença (NGTDM) características de textura derivados foram calculados para quantificar a heterogeneidade do tumor: Grosseria, Contraste, Busyness e Complexidade. Estes foram implementados em MATLAB (The Mathworks Inc. Natrick MA) usando o Chang-Gung Imagem Texture Analysis Toolbox [41], [42]. As definições matemáticas das características de textura NGTDM, GLCM e GLRLM pode ser encontrado em Amadasun e King (1989) [18], Haralick
et al
(1973, 1979) [37], [43], e imagens de PET Galloway (1975) [38], respectivamente.
3D (168 × 168) e 4D (256 × 256) foram reconstruídos a diferentes tamanhos de matriz baseados em parâmetros diferentes de reconstrução. Além disso, devido à diferença em 3D e 4D PET tempos de aquisição de imagem, menos contagens de fótons e maior ruído pode ser encontrado nas imagens 4D PET. Portanto, todas as imagens 4D PET foram reduzida para o mesmo grid /resolução de imagens 3D PET utilizando uma interpolação linear antes da característica textura computação para reduzir o ruído.
A análise dos dados
A diferença relativa (δ
3D-4D) em características de textura entre 3D e 4D PET foram calculadas: (2) Onde é a quantificação (ou seja, características de textura medidas) com base em 3D PET, é a quantificação com base na bin
j
do imagens 4D animal de estimação. Wilcoxon Signed Rank Test (p 0,05) foi realizada em pares para determinar se, e foram significativamente diferentes. Foi calculado um volume tumoral ávido (ATV) como imagens de PET limiarizadas com SUV mais de 40% SUV máxima dentro da ITV [29]. Nós investigamos a influência de ATV e ITV em δ
3D-4D por meio do coeficiente de correlação de Spearman (R) com um valor significativo de p = 0,05. Teste
Kruskal-Wallis foi utilizado para avaliar se uma fase foi significativamente diferente das outras fases (P 0,05). A variabilidade na textura apresenta medidas entre todas as cinco caixas de fase foi avaliada utilizando o coeficiente de variação (CV). (3)
(4) Para estimar a extensão do movimento, os centros de massa () da região ávido do PET (ATV) em todos os cinco caixas 4D PET foram registrados. A amplitude do movimento tumor foi estimada utilizando a diferença máxima entre os cinco caixas [28], [29] (5) Onde
i
e
j
gama de 1 a 5.
para estudar o impacto do movimento do tumor, foi calculado o coeficiente de Spearman de correlação para Amplitude: relação de ATV e δ
3D-4D com um valor significativo p = 0,05. Amplitude: rácio ATV é uma medida da amplitude relativa de movimento para o volume do tumor. Grande Amplitude: relação ATV indica movimento grande tumor em relação ao tamanho do tumor
Além disso, as texturas podem ser afetados pelo movimento de forma diferente de acordo com a histologia do tumor.. Portanto, nós investigamos se δ
3D-4D foram significativamente diferentes entre adenocarcinomas (21 lesões) e carcinomas de células escamosas (13 lesões) usando Mann-Whitney U-teste com p . 0,05
Resultados
as imagens 4D PET parecia ter maior captação e menos desfocagem do que as correspondentes imagens 3D PET (Fig. 1). As diferenças entre 3D e 4D de PET, verificou-se significativa (p 0,01) para Busyness, MCC e LRLG como mostrado na Tabela 1. A diferença significativa para Coarseness foi encontrada em todas as posições (p 0,01), excepto no escaninho 2 (p = 0,59) (Tabela 1). O Grosseria determinada nas imagens 3D PET foi de cerca de 10% maior do que o 4D PET. 4D imagens PET foram encontrados para ter tanto quanto um aumento de 19% em Busyness, em comparação com as imagens 3D PET correspondentes (Tabela 1, Fig. 2). MCC foi encontrado para ser 2% mais elevado do que o PET em 3D 4D PET, enquanto que 2% mais elevada foi encontrada em LRLG 4D PET, quando comparado com 3D PET. No entanto, contraste em imagens 3D foi apenas cerca de 5% menor quando comparado com 4D PET e δ
3D-4D não foi significativa (p 0,08). (. Tabela 1, Fig 2)
Todas as imagens são exibidos na mesma janela intensidade com SUV entre 1 e 15.
a linha vertical superior de um boxplot representa 75
th-95
th percentis dos dados. A linha vertical inferior é a 5
th-25
th percentis. gama interquartil (IQR) dos dados está indicada pela largura do boxplot. Os asteriscos indicam as diferenças máximas e mínimas. diferenças mediana e média são indicados pelo bar e quadrado dentro dos diagramas de caixa, respectivamente. MCC = coeficiente de correlação máxima. LRLG = longo prazo pouca ênfase em nível cinza. O primeiro boxplot representa as comparações de texturas 3D e 3D PET (δ
3D-3D). δ
3D-3D é, portanto, de zero por definição, como mostrado no primeiro “boxplot” para cada textura.
Nenhuma das fases foi significativamente diferente do outro por quaisquer características de textura (p 0,90, teste de Kruskal-Wallis). Insignificante à variabilidade moderada nas características de textura foi encontrada entre as cinco caixas de fase (Fig. 2). CV foi de apenas 1% para MCC e LRLG, 5% para Grosseria, 9% e 10% para Contraste e Busyness, respectivamente. O volume do tumor ávido (ATV) foi mal correlacionados com ô
3D-4D para todas as características de textura (R = -0.24-0.38, p = 0,03-0,07). A correlação entre os volumes internos de tumor (ITV) e δ
3D-4D também foram encontrados para ser pobre para todas as texturas (R = -0.31-0.30, p 0,02), exceto LGLR. Embora δ
3D-4D para LGLR foi moderadamente influenciados pela ITV (R = -0.62–0.31, p = 8,3 × 10
-5-0.08), os δ média
3D-4D 2% .
amplitude média de movimento foi encontrado para ser de 4,4 ± 4,6 mm (0,6-20,5 mm). Como mostrado na Tabela 2, moderada a correlação substancial foi encontrada entre a amplitude de: ATV (mm
-2) e δ
3D-4D para Busyness (R = ,38-,54) e MCC (R = -0.70– 0,41) no bin 3-5, Considerando que a má correlação foi encontrada no bin 1-2 com R = -0.03-0.12. As correlações foram também pobres para Coarseness (R = -0.32-0.18), Contraste (R = -0.35–0.10), e LRLG (R = 0,08-0,34) (Tabela 2). Além disso, δ
3D-4D não foram significativamente diferentes entre os histologia, adenocarcinomas e carcinomas de células escamosas, com p 0,26 (Tabela 3)
Discussão
neste estudo, foi investigada a sensibilidade dos prognósticos características de textura PET ao movimento respiratório. Os nossos resultados sugerem que as medidas de textura são sensíveis ao movimento do tumor. diferenças substanciais entre 3D e 4D (δ
3D-4D 10%) foram encontrados em Grosseria e Busyness. Portanto, a resolução temporal oferecido por imagens 4D PET pode levar a quantificação mais precisa das características da imagem.
Grosseria, Contraste e Busyness considerados neste estudo foram originalmente concebido para se assemelhar a percepção humana e foram propostas pela primeira vez por Amadasun e king (1989) [18]. Cozinhe
et al
(2012) [27] têm demonstrado que estas três características de textura são clinicamente relevantes para o câncer de pulmão devido ao seu valor preditivo para o desfecho do paciente. Em uma imagem grosseira, a textura é composta por grandes padrões, tais como grande área com distribuição de intensidade uniforme. Como respirar movimento borra as texturas finas nas imagens, as imagens 3D PET parecem ser mais uniforme (Fig. 1) e, portanto, têm mais Grosseria de imagens 4D PET. A sensibilidade de contraste foi considerada insignificante ao movimento induzido borrar. Observou-se a diferença de intensidade entre as regiões vizinhas dentro do tumor a ser mais pronunciada imagem 4D PET (Fig. 1), levando a um pouco maior (δ
3D-4D~5%) Contraste em 4D PET do que as imagens 3D PET. Busyness é uma medida da mudança de intensidade entre os voxels individuais e seus arredores. Busyness calculado com imagens 4D PET foi encontrado para ser até 20% maior do que as imagens 3D PET. Desde δ
3D-4D tendeu a ser maior em geral Amplitude: ATV, a quantificação de Busyness é especialmente sensível à grande amplitude tumor relativa. No entanto, imagens 3D PET foi utilizado no estudo da Cozinhe
et al
(2012). Nossos resultados sugerem que o valor quantificação e prognóstico da ocupação podem ser negativamente afectados pelo movimento tumor.
GLCM-MCC e GLRLM-LRLG foram incluídos no 3D vs comparação de imagens 4D PET como eles são insensíveis aos parâmetros de reconstrução de imagens de PET [36]. Tumor desfocagem provocada pelo movimento de imagem 3D PET pode reduzir diferença de intensidade entre os voxels vizinhos. Portanto, voxels vizinhas são melhor correlacionados em 3D PET do que 4D PET, levando a significativa 2% maior do MCC em imagens 3D PET. LRLG mede a probabilidade conjunta de corridas longas e valores de cinza baixos. Tal como observado na Fig. 1, voxels de baixa intensidade são mais localizados (menor distância apart) no movimento borrado PET 3D do que nas imagens 4D PET. Portanto, LRLG foi maior em 4D PET de 3D PET.
Neste estudo, as imagens 4D PET foram finalmente resolvido em cinco fases. A absorção de cada bin actividade foi ligeiramente diferente, como em Huang e Wang (2013) [30]. O bin com o maior SUV
max é muitas vezes escolhido para ser o “melhor” bin imagem 4D PET [29] para, [44], [45]. No entanto, verificou-se que a variabilidade entre bins de fase para o MCC, LRLG, e Coarseness eram insignificantes (CV 5%), sugerindo que a quantificação semelhante pode ser obtido a partir de todas as fases. A pequena variabilidade pode ser devida à pequena amplitude de tumor (4,4 ± 4,6 mM) em nosso conjunto de dados. Por outro lado, a variabilidade escaninho fase verificou-se ser moderada para o Contraste e Busyness (CV~10%). Os valores de contraste e Busyness pode depender da escolha da fase do contentor de lixo. MCC, LRLG e Grosseria são independentes da escolha da fase-bin, e, portanto, deve ser recomendada para a quantificação de características do tumor em imagens 4D PET.
Além das características de textura, estudos, muitas vezes investigar o efeito do respiratória movimento na quantificação de várias medidas de SUV, especialmente o máximo SUV [28], [29], [33]. O SUV
max foi encontrada a aumentar com a imagiologia de PET 4D a partir de 25% a 80% nestes estudos. Os movimentos provocados artefatos não só o consumo máximo de tumor menor nas imagens 3D PET, mas também pode levar a erros de classificação das lesões. Por exemplo, García Vicente
et al
(2010) comparou o SUV
max determinado com imagens em 3D e 4D PET por 42 lesões em pacientes com câncer de pulmão [33]. Tumor com SUV
max mais de 2,5 foi considerado maligno em seu estudo. Como resultado, 40% (17/42) das lesões necessários para ser mudado de benigno para maligno. Para este fim, embora os resultados não são mostrados, que também comparou as diferenças de quatro medidas SUV (SUV
max, SUV
pico, SUV
dizer, e SUV
total). imagens 4D PET aumentou as medidas de SUV
max e SUV
pico em cerca de 30% e 25%, respectivamente, enquanto o aumento de SUV
média e SUV
total foram apenas cerca de 5%. Os nossos resultados em SUV
max são comparáveis com os estudos anteriores [28], [29], [33].
No entanto, existe uma limitação dos nossos texturas e comparação SUV como tem sido demonstrado que tecido do tumor maligno pode continuamente aumentar a absorção de [
18F] FDG até 2 horas após a injecção [46] – [48]. Enquanto a imagem 3D PET foi adquirida cerca de 100 min após a [
18F] injeção de FDG-PET, imagem latente 4D PET foi adquirida entre 118-135 minutos após a injeção. Portanto, o aumento na [
18F] FDG-PET visto em nosso estudo podem não ser unicamente devido a movimento respiratório. Dong
et al
(2013) encontraram uma correlação significativa entre SUV
max e texturas (entropia e energia) derivada de histogramas de intensidade de PET em pacientes com câncer de esôfago [49]. SUV
max também foi encontrado para ser altamente correlacionada à entropia e energia em um estudo realizado pela Orlhac
et al
(2014) [40], utilizando pacientes com colorectal metastático, pulmão e cancro da mama. Estes dois estudos sugerem que pode, por conseguinte, as texturas histograma derivado são susceptíveis de ser afectadas pela imagem retardada. No entanto, nenhuma das texturas que foram utilizados no nosso estudo foi encontrado para ser altamente correlacionados com SUV
max [40]. Isto pode ser devido ao facto de que as texturas utilizadas baseiam-se na relação espacial entre a área de voxels, e não estão directamente dependentes do valor de intensidade de voxels simples ou múltiplas dentro dos tumores. No entanto, mais estudos são necessários para entender melhor o impacto das imagens atrasados na textura quantificação.
Todas as imagens de PET em nosso estudo foram submetidos a correção de atenuação usando as imagens livres de respiração CT. O incompatíveis anatômica turva dos exames de PET /CT devido ao movimento respiratório pode afetar a qualidade da atenuação corrigida imagens 4D PET, e, posteriormente, a quantificação das características de textura [29], [50], [51]. Além disso, devido à diferença em 3D e 4D PET tempos de aquisição de imagem, menos contagens de fótons e maior ruído pode ser encontrado em imagens 4D de PET, que podem posteriormente afetar a precisão da definição do recurso de textura. Para atenuar o efeito do ruído, todas as imagens 4D PET tem um tempo mínimo de aquisição de 20 min. Estes efeitos potenciais vai ser mais explorada em um estudo futuro.
Conclusões
Características de textura, representando a heterogeneidade do tumor, são borradas pelo movimento respiratório durante a aquisição 3D PET. imagens 4D PET reduz desfocagem provocada pelo movimento, permitindo que os recursos baseados em PET para ser melhor resolvido. Foram encontradas diferenças significativas no MCC, LRLG, Grosseria e Busyness entre 3D e imagens 4D PET. Ao medir características de heterogeneidade do tumor com imagens PET, reduziu o movimento borrão pela aquisição 4D PET permite significativamente melhor resolução espacial de características de textura. texturas 3D PET pode levar a previsão imprecisa dos resultados do tratamento, o que dificulta a gestão paciente com câncer de pulmão ideal. texturas 4D PET pode ter melhor valor prognóstico que eles são menos suscetíveis ao movimento tumor.