การแก้ไขการเคลื่อนไหวช่วยให้สามารถสแกน PET เชิงปริมาณได้

การแก้ไขการเคลื่อนไหวช่วยให้สามารถสแกน PET เชิงปริมาณได้

PET ซึ่งเป็นรูปแบบการถ่ายภาพที่สร้างขึ้นสำหรับทั้งการประยุกต์ใช้ทางคลินิกและการวิจัย มีศักยภาพที่จะทำการหาปริมาณรังสีในร่างกาย การหาปริมาณแบบสัมบูรณ์ดังกล่าวจะวัดค่าพารามิเตอร์ทางสรีรวิทยาที่น่าสนใจโดยตรง ซึ่งอาจให้ผลทางคลินิกที่มากขึ้น อย่างไรก็ตาม ศักยภาพนี้อาจถูกทำลายโดยการเคลื่อนไหวของร่างกาย ซึ่งทำให้ความละเอียดของภาพลดลงและเปลี่ยนการดูดกลืนแสงที่มองเห็นได้

เพื่อช่วยให้ตระหนักถึงศักยภาพของ PET 

เชิงปริมาณอย่างเต็มที่ นักวิจัยจากมหาวิทยาลัยเยลได้ตรวจสอบการใช้อัลกอริธึม Centroid of Distribution (COD) เพื่อตรวจจับการเคลื่อนไหวของร่างกายและดำเนินการแก้ไขการเคลื่อนไหวแบบไม่แข็งกระด้างแบบเหตุการณ์ต่อเหตุการณ์ในระหว่างการสร้างภาพใหม่ สำหรับเหตุการณ์โหมดรายการแต่ละรายการ อัลกอริธึม COD จะคำนวณพิกัดกลางของถัง time-of-flight (TOF) ซึ่งเป็นตัวแทนของจุดทำลายล้าง พิกัดเหล่านี้จะถูกหาค่าเฉลี่ยในช่วงเวลาสั้นๆ (1 วินาทีในการศึกษานี้) เพื่อสร้างการติดตาม COD ร่องรอยประกอบด้วยสามองค์ประกอบ: COD Y (หน้า-หลัง) และ COD Z (ที่เหนือกว่า-ด้อยกว่า) ซึ่งเคยถูกใช้เพื่อติดตามการเคลื่อนไหวของทางเดินหายใจก่อนหน้านี้และ COD X (ด้านข้าง) ซึ่งผู้เขียนเสนอจะมีความอ่อนไหวต่อร่างกายมากที่สุด การเคลื่อนไหว

การติดตาม COD มีทั้งเฟรมที่ปราศจากการเคลื่อนไหว (MFF) และการเปลี่ยนแปลงอย่างกะทันหันที่บ่งบอกถึงการเคลื่อนไหว ในการประมาณการเคลื่อนไหวของร่างกาย รูปภาพ MFF ที่สร้างใหม่จะไม่ได้รับการลงทะเบียนอย่างเข้มงวดในหน้าต่างอ้างอิง การกระจัดที่เป็นผลลัพธ์แสดงถึงฟิลด์เวกเตอร์การเคลื่อนที่ระหว่าง MFF สองตัว ฟิลด์เวกเตอร์การเคลื่อนไหวเหล่านี้ พร้อมกับข้อมูลโหมดรายการและแผนที่การลดทอน CT ถูกใช้ในอัลกอริธึม NR-MOLAR ซึ่งดำเนินการสร้างใหม่แบบชดเชยการเคลื่อนไหวร่างกายแบบไม่แข็ง (NR-BMC) แบบเหตุการณ์ต่อเหตุการณ์

ตามที่ผู้เขียนคนแรกYihuan Luการตรวจจับการเคลื่อนไหวโดยใช้ COD จะง่ายต่อการนำไปใช้ในคลินิก “ข้อมูลเดียวที่จำเป็นในการคำนวณ COD คือข้อมูล PET โดยเฉพาะตำแหน่งตรวจจับและข้อมูลเวลาบินของเหตุการณ์” เขาอธิบาย “ไม่มีข้อกำหนดใดๆ เกี่ยวกับระบบเพิ่มเติมสำหรับการตรวจจับการเคลื่อนไหว นอกจากนี้ การคำนวณ COD นั้นเร็วมากและสามารถคำนวณได้แบบเรียลไทม์ระหว่างการสแกนด้วย PET”

การกู้คืนความละเอียด ด้วยการแก้ไขการเคลื่อนไหว

เพื่อตรวจสอบความถูกต้องของรูปแบบการแก้ไขการเคลื่อนไหว Lu และเพื่อนร่วมงานได้ทำการสแกน PET เป็นเวลา 10 นาทีติดต่อกันเป็นเวลา 10 นาทีของลิงที่ถูกดมยาสลบ 10 นาทีหลังจากฉีดด้วย18 F-FDG ครึ่งทางของการสแกนแต่ละครั้ง พวกเขาขยับลิงด้วยวิธีต่างๆ: การแปลด้านข้าง 0.5 และ 1 ซม.; การหมุน; ย้อนกลับหมุน; และการแปลที่เหนือกว่า – ด้อยกว่า 2 ซม. ในระหว่างการสแกนครั้งที่หก พวกเขาเคลื่อนตัวสัตว์ในสี่วิธีที่แตกต่างกัน การติดตาม COD Xมีความไวต่อการเคลื่อนไหวของร่างกายมากที่สุด โดยสามารถตรวจจับการเคลื่อนไหวทั้งเก้าได้สำเร็จ

การแก้ไขการเคลื่อนไหวของ PET

ภาพที่สร้างขึ้นใหม่สำหรับการศึกษาลิง (A) 0-5 นาทีที่ไม่มีการเคลื่อนไหวเฟรมของการสแกนครั้งแรกด้วย CT ที่ตรงกัน (B) ด้านบน: การสร้างใหม่โดยไม่มีการแก้ไขการเคลื่อนไหว ด้านล่าง: พร้อม NR-BMC กล้ามเนื้อ papillary (ลูกศร) มองเห็นได้ในภาพ NR-BMC ทั้งหมด ซึ่งบ่งชี้ถึงการแก้ไขที่มีประสิทธิภาพ

ภาพ PET ที่สร้างขึ้นใหม่โดยไม่มีการแก้ไขการเคลื่อนไหวแสดงการสูญเสียความละเอียดที่สำคัญและการเบลอในกรณีที่มีการแปล และความเสื่อมคุณภาพของภาพเล็กน้อยเมื่อสัตว์ถูกหมุน การสร้างใหม่โดยใช้ NR-BMC สามารถกู้คืนความละเอียดและคอนทราสต์ได้อย่างมีประสิทธิภาพในทุกกรณี ด้วยการจัดตำแหน่งเชิงพื้นที่ที่สอดคล้องกันในการสแกนทั้งหมดหลังจากการแก้ไขการเคลื่อนไหว

ทีมงานยังได้วิเคราะห์การศึกษา

ในมนุษย์ 4 ครั้งย้อนหลัง และสุนัข 1 ตัวที่เข้าร่วมการศึกษาเกี่ยวกับ cardiotoxicity ในทุกกรณี พวกเขาเปรียบเทียบวิธี NR-BMC กับไม่มีการแก้ไขการเคลื่อนไหว การลงทะเบียนหลังการสร้างใหม่แบบเข้มงวดและไม่เข้มงวด (R-PRR และ NR-PRR) และการแก้ไขการเคลื่อนไหวร่างกายแบบแข็ง (R-BMC) ซึ่งใช้ COD อัลกอริธึม แต่มีการลงทะเบียนที่เข้มงวด

การศึกษานี้รวมผู้ป่วยสองรายที่ถ่ายภาพโดยใช้18 F-FPDTBZ ซึ่งจับกับเซลล์β-ตับอ่อน ในกรณีแรก ภาพ PET ถูกสร้างขึ้นใหม่โดยไม่ใช้การแก้ไขการเคลื่อนไหว R-PRR หรือ R-BMC มีตับอ่อน “สอง” เนื่องจากการเคลื่อนไหวของร่างกายขนาดใหญ่ NR-PRR ปรับปรุงความละเอียดและความเปรียบต่างอย่างมาก ในขณะที่ NR-BMC มีประสิทธิภาพเหนือกว่าวิธีอื่นๆ ทั้งหมดสำหรับอวัยวะทั้งหมด

ในผู้ป่วยรายที่สองซึ่งมีการเคลื่อนไหวแบบหมุนบ่อยครั้ง NR-BMC ได้รับการแก้ไขการเคลื่อนไหวสูงสุดอีกครั้ง โดยเฉพาะอย่างยิ่งสำหรับอวัยวะที่มีโครงสร้างบาง เช่น ตับอ่อนและไต

การศึกษา 18F-FPDTBZ

การสร้างใหม่ของการศึกษา F-FPDTBZ 18 รายการ (0–120 นาที) (A) กลีบเลี้ยงผ่านตับอ่อน (ลูกศร); (B) ชิ้นขวางผ่านตับอ่อน (ลูกศร); (C) ตัดโคโรนาผ่านไต (ลูกศร).

นักวิจัยยังได้ตรวจสอบผู้ป่วยมะเร็งปอดชนิดไม่ใช่เซลล์ขนาดเล็กที่สแกนโดยใช้ตัวติดตามภาวะขาดออกซิเจน18 F-FMISO ในกรณีนี้ ส่วนใหญ่เห็นการเคลื่อนไหวที่แขน และ NR-BMC ฟื้นฟูขอบเขตกระดูกและกล้ามเนื้อได้อย่างมีประสิทธิภาพ ในอีกตัวอย่างหนึ่ง การ ศึกษา 18 F-FDG ของผู้ป่วยที่มีก้อนปอด R-BMC และ NR-BMC มีประสิทธิภาพดีกว่าวิธีอื่นๆ ในแง่ของการฟื้นตัวของความละเอียดและความเปรียบต่าง

ในที่สุด พวกเขาตรวจสอบข้อมูลจากสุนัขซึ่งสแกนด้วย18 F-DHMT เพื่อสร้างภาพชนิดออกซิเจนที่ตอบสนองต่อกล้ามเนื้อหัวใจ ภาพที่ไม่มีการแก้ไขการเคลื่อนไหวนั้นเบลอ โดยเฉพาะผนังกล้ามเนื้อหัวใจห้องล่างขวา เนื่องจากการเคลื่อนไหวของร่างกาย R-PRR และ R-BMC กู้คืนความละเอียดของกล้ามเนื้อหัวใจได้เล็กน้อย ในขณะที่ NR-BMC และ NR-PRR คืนค่าความละเอียดของกล้ามเนื้อหัวใจได้ดีกว่า

Credit : เกมส์ออนไลน์แนะนำ >>>slottosod.com