Iranian South Medical Journal

fa ارزیابی اثر روش‌های مختلف بازسازی تصویر بر تصحیح آرتیفکت حرکتی و اثرحجم جزئی در کمی‌سازی تصاویر تمام بدن 18F-FDG PET/CT در بیماران مبتلا به سرطان سلول‌های غیر کوچک ریوی Impact of Various Image Reconstruction Methods on Joint Compensation of Respiratory Motion and Partial Volume Effects in Whole-Body 18F-FDG PET/CT Imaging: Patients with Non-Small Cell Lung Cancer رادیولوژی، عکسبرداری تشخیصی Radiology. Diagnostic Imaging پژوهشي Original <div style="text-align: justify;">زمینه: در این مطالعه توانایی روش پیشنهادی اصلاح ترکیبی اثر حجمجزئی و آرتیفکت حرکتی در کمیسازی تومورها و ضایعات سلول‌های غیر کوچک ریوی با در نظر گرفتن تأثیر روش‌‌های مختلف بازسازی بر کمی‌سازی تصاویر PET 18F-FDG مورد ارزیابی قرار گرفت. مواد و روش‌ها: برای اصلاح ترکیبی، روش‌ پس پردازشی Lucy-Richardson دکانولوشن به همراه روش کاهش نویز مبتنی بر ویولت پیاده‌سازی شد. عملکرد الگوریتم پیشنهادی با استفاده از دادههای 15 بیمار با 60 ضایعه سلول‌های غیر کوچک ریوی مورد بررسی قرار گرفت. در بیماران ضایعات بر اساس سایز، مکان و نسبت سیگنال به پس زمینه (SBR) تفکیک شدند. در هر مطالعه تصاویر با چهار روش‌ مختلف OSEM، PSF، TOF و TOFPSF بازسازی شدند. سپس نسبت کنتراست به نویز (CNR)، نویز (COV) و میزان جذب استاندارد (SUV) در ضایعات ریوی محاسبه شده و مقادیر این پارامترها در تصاویر اصلاح‌شده و اصلاح‌نشده مقایسه شدند. یافته‌ها: نتایج مطالعات بالینی ما نشان داد که استفاده از الگوریتم پیشنهادی اصلاح می‌تواند سبب افزایش مقادیر CNR و SUV در تصاویر اصلاح‌شده در تمامی سایزها، SBRها و روش‌های بازسازی (به ویژه در ضایعات کوچک‌تر) گردد (0/05>p). علاوه بر این استفاده از ترکیب الگوریتم دکانولوشن به همراه روش کاهش نویز مبتنی بر ویولت توانست به طور قابل‌ توجهی مقادیر COV و CNR را در تصاویر اصلاح‌شده بهبود دهد (0/05>p). با در نظر گرفتن روش‌های مختلف بازسازی، مقدار میانه درصد اختلاف نسبی CNR تصاویر اصلاح‌شده و اصلاح‌ نشده به‌ترتیب برای OSEM، PSF، TOF و TOFPSF برابر 40/9، 41/2، 45/3 و 40/8 درصد برای ضایعاتی با سایزکوچکتر از 15 میلی‌متر، 31/0 درصد، 25/9، 34/1 و 28/2 درصد برای ضایعاتی با سایز بزرگ‌تر از 15میلی‌متر ، 35/7، 33/7، 37/8 و 33/2 درصد برای ضایعات واقع در لوب‌های پایین ریه، 33/5، 31/0، 35/7 و 30/6 درصد برای ضایعات واقع در لوب‌های بالای ریه، 39/7، 37/9، 45/1 و 39/0 درصد برای ضایعاتی با SBR پایین (SBR <3) و 28/8، 27/8، 34/8 و 25/7 درصد برای ضایعاتی با SBR بالا (SBR>3) بود. نتیجه‌گیری: نتایج ما نشان می‌دهند که الگوریتم پیشنهادی اصلاح می‌تواند دقت کمی‌سازی تصاویر پت را بهبود بخشد. علاوه بر این، تغییرات در دامنه حرکتی، سایز هدف و SBR منجر به اختلاف قابل‌ توجه روش‌های مختلف بازسازی در کمی‌سازی تصاویر اصلاح‌شده گردید. به ویژه در سایز هدف کوچکتر، دقت کمی‌سازی به شدت وابسته به انتخاب روش بازسازی بود. بنابراین لازم است هنگام استفاده از هر روش اصلاحی، روش‌های بازسازی باید با دقت انتخاب گردد.</div> <div style="text-align: justify;">Background: The present study aims to assess the impact of various image reconstruction methods in 18F-FDG PET/CT imaging on the quantification performance of the proposed technique for joint compensation of respiratory motion and partial volume effects (PVEs) in patients with non-small cell lung cancer. Materials and Methods: An image-based deconvolution technique was proposed, incorporating wavelet-based denoising within the Lucy-Richardson algorithm to jointly compensate for PVEs and respiratory motion. The method was evaluated using data from 15 patients with 60 non-small cell lung cancer. In these patients, the lesions were classified by size, location and Signal-to-Background Ratios (SBR). In each study, PET images were reconstructed using four different methods: OSEM with time- of-flight (TOF) information, OSEM with point spread function modelling (PSF), OSEM with both TOF and PSF (TOFPSF), and OSEM without PSF or TOF (OSEM). The Contrast to Noise Ratio (CNR), Coefficient of Variation (COV) and Standardized Uptake Values (SUV) were measured within the lesions and compared to images that were not processed using the joint-compensation technique. Furthermore, variabilities arising due to the choice of the reconstruction methods were assessed. Results: Processing the images using the proposed technique yielded significantly higher CNR and SUV, particularly in small spheres, for all the reconstruction methods and all the SBRs (P<0.05). Overall, the incorporation of wavelet-based denoising within the Lucy Richardson algorithm improved COV and CNR in all the cases (P<0.05.( In the patient data, the median values of the relative difference (%) of CNR for the compensated images in comparison to the uncompensated images were 40.9%, 41.2%, 45.3% and 40.8% for OSEM, PSF, TOF, and TOFPSF, respectively, in the small lesions (equivalent diameter <15 mm), 31.0%, 25.9%, 34.1% and 28.2% in the average-sized lesions (equivalent diameter<30 mm), 35.7%, 33.7%, 37.8% and 33.2% in the lesions in the lower lung lobes, 33.5%, 31.0%, 35.7% and 30.6% in the lesions in the upper lung lobes, 39.7%, 37.9%, 45.1% and 39.0% in the low-SBR lesions and 28.8%, 27.8%, 34.8% and 25.7% in the high-SBR lesions. Changes in motion amplitude, target size and SBRs in the patient data resulted in significant inter-method differences in the images reconstructed using different methods. Specifically, in a small target size, quantitative accuracy was highly dependent on the choice of the reconstruction method. Conclusion: Our results showed that joint compensation, and incorporation of wavelet-based denoising, yielded improved quantification from PET images. Quantitative accuracy is greatly affected by SBR, lesion size, breathing motion amplitude, as well as the choice of the reconstruction protocols. Overall, the choice of reconstruction algorithm combined with compensation method needs to be determined carefully. </div> تصویربرداری پت/سی‌تی, بازسازی تصویر؛ PSF, TOF, آرتیفکت حرکت تنفسی؛ اثر حجم جزئی, کمی‌سازی, سرطان ریه 18F-FDG PET/CT, Reconstruction Algorithm, PSF, TOF, Combined Compensation, Respiratory Motion, Partial Volume Effect, Quantification, Lung Cancer 355 370 http://ismj.bpums.ac.ir/browse.php?a_code=A-10-1-191&slc_lang=fa&sid=1 Pardis Ghafarian پردیس غفاریان 5700319475328460014367 5700319475328460014367 No Chronic Respiratory Diseases Research Center, National Research Institute of Tuberculosis and Lung Diseases (NRITLD), Shahid Beheshti University of Medical Sciences, Tehran, Iran مرکز تحقیقات بیماری‌های مزمن تنفسی، پژوهشکده سل و بیماری‌های ریوی، مرکز آموزشی، پژوهشی و درمانی سل و بیماری‌های ریوی بیمارستان دکتر مسیح دانشوری، دانشگاه علوم پزشکی و خدمات بهداشتی- درمانی شهید بهشتی، تهران، ایران Sahar Rezaei سحر رضائی s.rezaei.tums@gmail.com 5700319475328460014368 5700319475328460014368 Yes Medical Radiation Sciences Research Team, Medical School, Tabriz University of Medical Sciences, Tabriz, Iran Department of Nuclear medicine, Medical School, Tabriz University of Medical Sciences, Tabriz, Iran تیم تحقیقاتی علوم پرتو پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران گروه پزشکی هسته‌ای، دانشکده پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران Esmaeil Gharepapagh اسماعیل قره‌پاپاق 5700319475328460014369 5700319475328460014369 No Medical Radiation Sciences Research Team, Medical School, Tabriz University of Medical Sciences, Tabriz, Iran Department of Nuclear medicine, Medical School, Tabriz University of Medical Sciences, Tabriz, Iran تیم تحقیقاتی علوم پرتو پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران گروه پزشکی هسته‌ای، دانشکده پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران Saeid Sarkar سعید سرکار 5700319475328460014370 5700319475328460014370 No Department of Medical Physics and Biomedical Engineering, Medical School, Tehran University of Medical Sciences, Tehran, Iran Research Center for Molecular and Cellular Imaging (RCMCI), Tehran University of Medical Sciences, Tehran, Iran گروه فیزیک پزشکی و مهندسی پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران مرکز تحقیقات تصویربرداری سلولی و ملکولی، دانشگاه علوم پزشکی تهران، تهران، ایران Mohammad Reza Ay محمدرضا آی 5700319475328460014371 5700319475328460014371 No Department of Medical Physics and Biomedical Engineering, Medical School, Tehran University of Medical Sciences, Tehran, Iran Research Center for Molecular and Cellular Imaging (RCMCI), Tehran University of Medical Sciences, Tehran, Iran گروه فیزیک پزشکی و مهندسی پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران مرکز تحقیقات تصویربرداری سلولی و ملکولی، دانشگاه علوم پزشکی تهران، تهران، ایران