Efectos de los parámetros de reconstrucción de imágenes PET y la relación de captación tumor-fondo en la cuantificación de imágenes PET de los sistemas PET/MRI y PET/CT
DOI:
https://doi.org/10.15392/2319-0612.2024.2487Palabras clave:
OSEM, BPL, NEMA, Q-clearResumen
Introducción: El PET/CT y PET/MRI son técnicas valiosas de imagen multimodal para la visualización de información tanto funcional como anatómica. El algoritmo de reconstrucción para PET más utilizado es la maximización de expectativas de subconjuntos ordenados (OSEM). En OSEM, el ruido de la imagen aumenta con el número de iteraciones, y la reconstrucción debe detenerse antes de la convergencia completa. El algoritmo de reconstrucción de probabilidad penalizada bayesiano (BPL), introducido recientemente, utiliza un factor de penalización de ruido (β) para lograr una convergencia completa mientras controla el ruido. Este estudio tiene como objetivo evaluar cómo los algoritmos de reconstrucción y los niveles de radiación de las lesiones afectan la calidad de la imagen PET y la precisión cuantitativa en tres sistemas PET diferentes. Materiales y Métodos: Se llenó un fantoma NEMA con 18F y se escaneó con un sistema PET/MRI y dos sistemas PET/CT con una relación de concentración esfera/fondo (SBR) de 2:1, 4:1 o 10:1. Las imágenes PET se reconstruyeron con OSEM o BPL con TOF. Se varió el número de iteraciones y los valores de β, mientras que el tamaño de la matriz, el número de subconjuntos y el tamaño del filtro permanecieron constantes. Se midieron la recuperación de contraste (CR) y la variabilidad del fondo (BV) en las imágenes. Resultados: CR aumentó con el tamaño de la esfera y SBR. CR y BV disminuyeron con un aumento de β para la esfera de 10 mm. Un mayor número de iteraciones en OSEM mostró un aumento de BV con variación limitada en CR. BPL mostró valores más altos de CR y más bajos de BV que OSEM. La reconstrucción óptima fue BPL con β entre 150 y 350, donde BPL estaba disponible, y OSEM con dos iteraciones y 21 subconjuntos para el PET/CT sin BPL. Conclusión: BPL supera a OSEM y SBR influye significativamente en la cuantificación de la captación del trazador en lesiones pequeñas. Estudios futuros deberán explorar las implicaciones clínicas de estos hallazgos en el diagnóstico, la estadificación, el pronóstico y el seguimiento del tratamiento.
Descargas
Referencias
Wahl, R.L., et al., From RECIST to PERCIST: Evolving Considerations for PET response criteria in solid tumors. J Nucl Med, 2009. 50 Suppl 1: p. 122S-50S.
Ziegler, S., et al., NEMA image quality phantom measurements and attenuation correction in integrated PET/MR hybrid imaging. EJNMMI Phys, 2015. 2(1): p. 18.
Kurita, Y., et al., The value of Bayesian penalized likelihood reconstruction for improving lesion conspicuity of malignant lung tumors on (18)F-FDG PET/CT: comparison with ordered subset expectation maximization reconstruction incorporating time-of-flight model and point spread function correction. Ann Nucl Med, 2020. 34(4): p. 272-279.
Tsutsui, Y., et al., Edge Artifacts in Point Spread Function-based PET Reconstruction in Relation to Object Size and Reconstruction Parameters. Asia Ocean J Nucl Med Biol, 2017. 5(2): p. 134-143.
Teoh, E.J., et al., Phantom and Clinical Evaluation of the Bayesian Penalized Likelihood Reconstruction Algorithm Q.Clear on an LYSO PET/CT System. J Nucl Med, 2015. 56(9): p. 1447-52.
Otani, T., et al., Evaluation and Optimization of a New PET Reconstruction Algorithm, Bayesian Penalized Likelihood Reconstruction, for Lung Cancer Assessment According to Lesion Size. AJR Am J Roentgenol, 2019. 213(2): p. W50-W56.
Vallot, D., et al., A clinical evaluation of the impact of the Bayesian penalized likelihood reconstruction algorithm on PET FDG metrics. Nucl Med Commun, 2017. 38(11): p. 979-984.
Association, N.E.M., NEMA Standards Publication NU 2-2007: Performance Measurements of Positron Emission Tomographs. 2007: National Electrical Manufacturers Association.
Cherry, S.R., J.A. Sorenson, and M.E. Phelps, Physics in Nuclear Medicine. 4th ed. 2012, Philadelphia: Elsevier/Saunders.
Kosaka, N., et al., 18F-FDG PET of common enhancing malignant brain tumors. AJR Am J Roentgenol, 2008. 190(6): p. W365-9.
Liu, Y., Focal mass-like cardiac uptake on oncologic FDG PET/CT: Real lesion or atypical pattern of physiologic uptake? J Nucl Cardiol, 2019. 26(4): p. 1205-1211.
Rijnsdorp, S., M.J. Roef, and A.J. Arends, Impact of the Noise Penalty Factor on Quantification in Bayesian Penalized Likelihood (Q.Clear) Reconstructions of (68)Ga-PSMA PET/CT Scans. Diagnostics (Basel), 2021. 11(5).
Straver, M.E., et al., Feasibility of FDG PET/CT to monitor the response of axillary lymph node metastases to neoadjuvant chemotherapy in breast cancer patients. Eur J Nucl Med Mol Imaging, 2010. 37(6): p. 1069-76.
Caribe, P., et al., Noise reduction using a Bayesian penalized-likelihood reconstruction algorithm on a time-of-flight PET-CT scanner. EJNMMI Phys, 2019. 6(1): p. 22.
Messerli, M., et al., Impact of a Bayesian penalized likelihood reconstruction algorithm on image quality in novel digital PET/CT: clinical implications for the assessment of lung tumors. EJNMMI Phys, 2018. 5(1): p. 27.
Drzezga, A., et al., First clinical experience with integrated whole-body PET/MR: comparison to PET/CT in patients with oncologic diagnoses. J Nucl Med, 2012. 53(6): p. 845-55.
Al-Nabhani, K.Z., et al., Qualitative and quantitative comparison of PET/CT and PET/MR imaging in clinical practice. J Nucl Med, 2014. 55(1): p. 88-94.
Ishii, S., et al., Comparison of integrated whole-body PET/MR and PET/CT: Is PET/MR alternative to PET/CT in routine clinical oncology? Ann Nucl Med, 2016. 30(3): p. 225-33.
Oen, S.K., et al., Image quality and detectability in Siemens Biograph PET/MRI and PET/CT systems-a phantom study. EJNMMI Phys, 2019. 6(1): p. 16.
Baun, C., et al., Quantification of FDG-PET/CT with delayed imaging in patients with newly diagnosed recurrent breast cancer. BMC Med Imaging, 2018. 18(1): p. 11.
Mayerhoefer, M.E., et al., PET/MRI versus PET/CT in oncology: a prospective single-center study of 330 examinations focusing on implications for patient management and cost considerations. Eur J Nucl Med Mol Imaging, 2020. 47(1): p. 51-60.
Lee, S.M., et al., Preoperative staging of non-small cell lung cancer: prospective comparison of PET/MR and PET/CT. Eur Radiol, 2016. 26(11): p. 3850-3857.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Brazilian Journal of Radiation Sciences (BJRS)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Licencia: los artículos de BJRS tienen una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente, proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otros materiales de terceros en el artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, el autor deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/
