ارزیابی اثر روش‌های مختلف بازسازی تصویر بر تصحیح آرتیفکت حرکتی و اثرحجم جزئی در کمی ‌سازی تصاویر تمام بدن 18f-fdg pet/ct در بیماران مبتلا به سرطان سلول‌های غیر کوچک ریوی

زمینه: در این مطالعه توانایی روش پیشنهادی اصلاح ترکیبی اثر حجم جزئی و آرتیفکت حرکتی در کمی سازی تومورها و ضایعات سلول‌های غیر کوچک ریوی با در نظر گرفتن تاثیر روش‌‌های مختلف بازسازی بر کمی ‌سازی تصاویر18f-fdg pet/ct 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 اصلاح ‌شده و اصلاح‌ نشده مقایسه شدند.یافته‌ها: نتایج مطالعات بالینی ما نشان داد که استفاده از الگوریتم پیشنهادی اصلاح می‌تواند سبب افزایش مقادیر cnr و suv در تصاویر اصلاح‌ شده 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 اصلاح‌ شده بهبود دهد (0/05>p). با در نظر گرفتن روش‌های مختلف بازسازی، مقدار میانه درصد اختلاف نسبی cnr تصاویر اصلاح ‌شده و اصلاح‌ نشده به ‌ترتیب برای osem، psf، tof و tofpsf برابر 40/9، 41/2، 45/3 و 40/8 درصد برای ضایعاتی با سایزکوچک تر از 15 میلی‌ متر، 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 اصلاح‌ شده گردید. به ویژه در سایز هدف کوچک­تر، دقت کمی ‌سازی به شدت وابسته به انتخاب روش بازسازی بود. بنابراین لازم است هنگام استفاده از هر روش اصلاحی، روش‌های بازسازی باید با دقت انتخاب گردد.

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

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.