使用解剖标准化和 Patlak-Plot 方法的脑摄取率之间的再现性

ZOY · 发表于 2022-4-7 08:56:32

抽象的

Patlak 图和确定脑摄取比 (BUR) 的常规方法在重现性方面存在一些问题。我们制定了一种在统计参数映射算法中使用解剖标准化 (BUR-AS) 来确定 BUR 的方法，以提高可重复性。本研究的目的是证明使用 BUR-AS 确定的平均脑血流量与传统的 BUR (BUR-C) 和 Patlak 图方法相比，在术间和术中的可重复性。

方法：

本研究回顾性使用了 30 例接受脑灌注 SPECT 的患者的图像。使用有序子集期望最大化重建图像，并使用ECD工具的脑血流自动定量分析进行处理。平均 SPECT 计数是根据解剖标准化后使用 3 维立体定向感兴趣区域模板绘制的正常侧的轴向基底神经节切片（切片 31-40）计算的。从平均 SPECT 计数计算平均脑血流量。使用变异系数和 Bland-Altman 绘图评估再现性。

结果：

对于操作者间和操作者内的可重复性，BUR-AS 方法在 Bland-Altman 图上具有最低的变异系数和最小的误差范围。使用 BUR-AS 方法获得的平均 CBF 具有最高的重现性。

结论：

与 Patlak-plot 和 BUR-C 方法相比，BUR-AS 方法提供了更高的脑血流测量的术间和术内重现性。

几种不同的技术已应用于脑血流量 (CBF) 的测量：氙增强 CT、使用造影剂的灌注 CT、使用动脉自旋标记的 MR 成像、SPECT 和 PET ( 1-3 )。灌注CT和氙增强CT并不常用，因为前者是一种侵入性技术，而后者仅在少数机构中可用。此应用的 MR 成像技术需要高磁场和专有软件。它还没有成为一般考试。另一方面，用于 CBF 定量测量的核医学检查已广泛使用 SPECT 与99m Tc-六甲基丙胺肟、99m Tc - l、l-乙基半胱氨酸二聚体 ( 99m Tc-ECD) 和N-异丙基-对碘苯丙胺 ( 123 I-IMP) 并使用 PET 与15 O-标记剂。使用15种 O 标记试剂的 PET 技术比 3 种 SPECT 试剂更准确。然而，PET 有一些限制，因为它不能在没有回旋加速器和合成装置的情况下进行。此外，SPECT 计数的定量测量使用123I-IMP 比使用其他试剂更准确；然而，123 I-IMP SPECT 的缺点是需要动脉血样。反之，使用99m进行定量分析Tc 标记试剂是非侵入性的，不需要动脉血样。

对于使用99m Tc-ECD对 CBF 进行定量分析，Patlak 图和脑摄取比 (BUR) 方法已被报道。Patlak-plot 方法在定量分析中使用 SPECT 数据和从顶点到主动脉弓的放射性核素血管造影范围计算平均和区域 CBF。此外，在定量分析中，采用 BUR 方法，利用 SPECT 数据和动态胸部数据计算平均和区域 CBF，其中平均 CBF 由 Lassen 过程前的动态数据计算，区域 CBF 由 Lassen 过程后的 SPECT 数据计算。

据报道，由于在主动脉弓、大脑和正常基底神经节上绘制感兴趣区域 (ROI) 等步骤中操作者内部和操作者之间的可重复性存在差异，Patlak-plot 方法具有平均和区域 CBF 变化；脑灌注指数的测定；SPECT图像重建的轴设置；以及正常基底节的切片选择。已经提出了改进。

由于运营商内部和运营商之间可重复性的差异导致的平均和区域 CBF 变化也已报告用于 BUR 方法。在主动脉弓和正常基底节上绘制 ROI、时间-活动曲线的 γ 函数拟合过程、SPECT 图像重建的轴设置以及正常切片的选择等步骤中已经报告了变异性。基底节。还提出了对该方法的改进。这些定量分析错误可能会降低随访期间和确定治疗调整需要时的诊断准确性。因此，实现可重复的 CBF 对于保持诊断准确性很重要。

高木等人。据报道，通过使用具有统计参数映射算法的解剖学标准化 SPECT 图像来自动选择 Lassen 过程中的切片范围和基底神经节 ROI，从而提高了区域 CBF 再现性。然而，解剖标准化尚未应用于平均 SPECT 计数，这是使用 BUR 方法计算平均 CBF 所必需的。我们使用统计参数映射算法 (BUR-AS) 将 BUR 定义为解剖标准化，然后分析平均 SPECT 计数。BUR-AS 方法有望提高平均 CBF 测量的操作员间和操作员内的可重复性。本研究的目的是证明 BUR-AS 方法与传统的 BUR (BUR-C) 和 Patlak-plot 方法相比的这种再现性。

材料和方法科目

本研究回顾性使用了 2013 年接受脑灌注99m Tc-ECD SPECT的 30 名患者（11 名男性和 19 名女性；年龄范围，25-88 岁；平均年龄，71 岁）的图像。这些受试者患有脑病 ( n = 1)、帕金森病 ( n = 6)、烟雾病 ( n = 2)、退行性疾病 ( n = 3)、阿尔茨海默病 ( n = 4)、路易体痴呆 ( n = 2 ) )、额颞叶痴呆 ( n= 1)、颈内动脉狭窄 ( n = 2)、内动脉狭窄闭塞 ( n = 3)、痴呆 ( n = 4) 和脑梗塞 ( n= 1)。一名受试者的大脑正常。本研究的许可是从医院伦理委员会获得的。

采集协议

使用双头 SPECT 扫描仪 (Infinia3; GE Healthcare) 进行99m Tc-ECD 成像。将 600 MBq 的99 m Tc-ECD 推注到右臂静脉后，从顶点到主动脉弓进行 2 分钟的放射性核素血管造影（每帧 1 秒；矩阵，128 × 128；缩放因子，1.0；像素尺寸，4.42 mm）使用配备低能量高分辨率平行孔准直器和 140-keV ± 10% 能量窗口的 2 个探测器中的 1 个。SPECT 研究使用相同的准直器和能量窗口进行。使用 64 × 64 矩阵（缩放因子，2.0；像素大小，4.42 mm）以 4° 的步长连续 360° 获取投影数据，每次旋转 4 分钟，旋转 5 次。

帕特拉克图法

Patlak-plot 方法使用 Xeleris（版本 3.0；GE Healthcare）进行手动处理。在连续的放射性核素血管造影图像上，在主动脉弓和双侧大脑半球上手动绘制 ROI，并生成时间-活动曲线。然后，我们使用基于133 Xe 方法的回归方程 1确定脑灌注指数并计算平均 CBF：

方程。1

BUR 方法

BUR-C 方法使用 Xeleris 手动处理。通过在放射性核素血管造影图像上手动绘制主动脉弓上的 ROI，获得计算曲线下面积 (AUC) 的时间-活动曲线。时间-活动曲线拟合 γ 函数。AUC 除以 ROI 面积并转换为计数/cm 2。使用具有有序子集期望最大化的手动轴设置重建 SPECT 图像。重建使用了 6 个子集、8 次迭代和一个巴特沃斯滤波器（阶数，8；截止频率，0.49 循环/厘米）。使用 Chang 方法校正衰减（衰减系数，0.09 cm -1；阈值，13%）; 但是，没有进行散射校正。从手动轴设置的横向图像中选择基底神经节切片，并在正常侧手动绘制用于计算平均 SPECT 计数的 ROI。使用公式 2计算平均 SPECT 计数：

方程。2BUR-AS 方法采用半自动处理，采用 Xeleris 和 AQCEL 软件（ECD 工具的脑血流量自动定量分析；Fujifilm RI pharma Co., Ltd.）。使用与 BUR-C 方法相同的过程将AUC 转换为计数/cm 2 。

SPECT 图像通过使用 AQCEL 的有序子集期望最大化来重建。像BUR-C方法一样进行图像重建和衰减校正；散射校正被省略。在解剖标准化后选择基底神经节的 31-40 切片（图 1）。使用 3 维立体定向 ROI 模板 (3DSRT; Fujifilm RI pharma Co., Ltd.) 在标准化图像切片上自动设置 ROI。ROI 包括 12 个部分（胼胝体边缘、中央前、中央、顶叶、角、颞、大脑后、胼周、豆状核、丘脑、海马和小脑）。平均 SPECT 计数是根据正常侧基底神经节 31-40 切片的 3DSRT ROI 计算的。

图1。

使用 3DSRT 标准化的 12 个 ROI：胼胝体边缘、中央前、中央、顶叶、角、颞、大脑后、胼周、豆状核、丘脑、海马和小脑。

平均 BUR-C 和 BUR-AS使用 AUC 换算计数/cm 2和平均 SPECT 计数按公式 3计算：

方程。3其中 A 是交叉校准因子。BUR-C 和 BUR-AS 平均 CBF 使用基于123 I-IMP 微球法 ( 9 ) 的回归方程

4计算：

方程。4图 2是 Patlak-plot 和 BUR-AS 方法的流程图。

图 2。

Patlak-plot、BUR-C 和 BUR-AS 方法的流程图。Patlak 和 BUR-C 包括手动处理。BUR-AS 包括主动脉 ROI 和时间-活动曲线范围的手动处理以及基底神经节 ROI 和切片选择的自动处理。mCBF 和 mSPECT = 分别为平均 CBF 和 SPECT 计数；TAC = 时间-活动曲线。

再现性评价

Patlak、BUR-C 和 BUR-AS 平均 CBF 由 3 位放射技术专家进行分析。使用变异系数 (CV) 和 Bland-Altman 绘图估计操作者间和操作者内的可重复性，并获得 3 位技术人员的平均 CBF。为了估计操作者内的可重复性，以超过 1 个月的间隔对技术人员进行了 3 次分析。

统计分析

所有统计分析均使用 EZR（埼玉医学中心，Jichi 医科大学）进行，它是 R 的图形用户界面（版本 2.13.0；R 统计计算基金会）。使用 Kruskal-Wallis 检验分析平均 CBF CV，并使用事后 Steel 方法（与 Dunnett 检验相当的非参数模拟）对 3 种方法进行多重比较。在所有分析中，P值小于 0.05 被认为表明具有统计学意义。

结果互操作者可重复性

Patlak、BUR-C 和 BUR-AS 平均 CBF 的 CV 分别为 0.039、0.068 和 0.024（图 3）。BUR-AS 方法的 CV 显着低于其他方法（Patlak 与 BUR-AS，P = 0.001；BUR-C 与 BUR-AS，P < 0.001）。图 4中显示了每个技术人员的 3 种方法的平均 CBF 差异. 3 名技术人员的 Patlak、BUR-C 和 BUR-AS 平均 CBF 的平均差异分别为 0.9、1.2 和 -0.8。此外，Patlak、BUR-C 和 BUR-AS 的一致性限值分别为 -3.5 至 5.3、-8.1 至 10.4 和 -3.8 至 2.3。因此，BUR-AS 具有 3 种方法中最小的平均 CBF 范围。BUR-AS 方法的 3 位技术人员中再现性最差的情况如图 5所示。3 位技术人员的主动脉弓 ROI、动态图像的切片选择以及时间-活动曲线拟合 γ 函数的范围设置不同。

图 3。

用于互操作者可重复性的 CV。BUR-AS 的 CV 明显最低。

图 4。

Bland-Altman 图用于互操作者的可重复性。BUR-AS 的差异最小。

图 5。

3 位放射技师（RT1、RT2 和 RT3）的 ROI 设置和 γ 拟合示例。顶部是动态图像切片和选择的 ROI；底部是时间-活动曲线图。

操作者内重现性

Patlak、BUR-C 和 BUR-AS 的 CV 平均 CBF 分别为技术专家 1 的 0.031、0.024 和 0.010；技术人员 2 为 0.028、0.020 和 0.016；技术人员 3 为 0.033、0.035 和 0.022（图 6）。BUR-AS 方法对所有技术人员的平均 CBF 最低；然而，技师 2 的 BUR-C 和 BUR-AS 以及技师 3 的 Patlak 和 BUR-AS 之间没有显着差异（P = 0.40 和 0.057）。每个技术人员的平均 CBF 差异如图 7所示. 3 名技术人员的 Patlak、BUR-C 和 BUR-AS 平均 CBF 的平均差异分别为 0.3、-0.2 和 -0.1。此外，Patlak-plot、BUR-C 和 BUR-AS 方法的一致性极限分别为 -3.7 到 4.4、-4.3 到 3.9 和 -2.6 到 2.5。因此，BUR-AS 平均 CBF 在 3 种方法中具有最小的范围。

图 6。

3 位放射技师（RT1、RT2 和 RT3）的操作者内可重复性简历。BUR-AS 的 CV 最低；RT2 的 BUR-C 的 CV 和 RT3 的 Patlak 图没有显着差异。

图 7。

Bland-Altman 图用于操作员内可重复性。BUR-AS 的差异最小。

讨论

许多机构已经评估了使用 Patlak-plot 和 BUR 方法来获得脑灌注的无创定量测量。松田等人。据报道，使用99m Tc-六甲基丙烯胺肟从 Patlak-plot 方法获得的CBF 使用回归表达式转换为133 Xe CBF 。他们还报告说，使用99m Tc-ECD获得的 Patlak-plot 方法 CBF 与使用99m Tc-六甲基丙胺肟获得的结果相关。宫崎骏等人。据报道，使用99m Tc-ECD 的 BUR 方法获得的 CBF 与使用123 I-IMP的连续动脉血采样获得的 CBF 相关。在临床研究中，Kuroda 等人。据报道，来自压力和休息脑灌注99m Tc SPECT 的定量分析的 CBF 和脑血管反应性可用于颈动脉闭塞的诊断、分期和治疗。然而，Otake 等人。报告了手动设置主动脉弓和双边大脑半球 ROI 的操作员间差异。这些差异被认为会影响有关脑缺血血运重建治疗的治疗和评估的决定。正是出于这个原因，我们提出并在本文中验证了 BUR-AS 方法，该方法提高了操作员间和操作员内的可重复性。

关于互操作者的可重复性，BUR-AS 方法产生的平均 CBF 变异性最低。尽管 Patlak-plot 和 BUR-C 方法中的所有处理都是手动的，但 BUR-AS 方法除了绘制主动脉弓 ROI 和拟合时间-活动曲线的 γ 函数外，使用了自动处理。手动处理会降低再现性；Patlak-plot 和 BUR-C 方法的重现性比 BUR-AS 方法差。就互操作者的可重复性而言，BUR-AS 是 3 种方法中最好的。

关于操作者内的可重复性，BUR-AS 方法产生的平均 CBF 变异性最低；但是，对于技师 2 的 BUR-C 和技师 3 的 Patlak 与 BUR-AS 方法没有显着差异。Patlak-plot 和 BUR-C 方法的操作者内重现性高的一个可能原因是明确的标准，即技术人员有。另一种可能性是由于手动处理步骤，BUR-AS 方法存在分析错误。强调选择标准有望改善此类问题，所有处理的自动化将最好地提高定量准确性。BUR-AS 方法的平均 CBF 变异性最低（图 7），因此我们建议这是关于操作者内可重复性的最佳定量方法。

这项研究有一些局限性。首先，主动脉弓 ROI 的选择和时间-活动曲线的 γ 函数的拟合不是自动化的；因此，BUR-AS 方法在某些情况下存在分析错误。小田岛等人。报道了通过 BUR 方法中这些功能的自动化提高了可重复性。在我们的研究中，使用他们的方法可能会提高操作员的可重复性。其次，我们的研究使用了前部图像。井上等人。发现使用 10° 左前斜位图像代替前部，以及使用升主动脉 ROI 代替主动脉弓，BUR 方法和123 I-IMP 连续动脉血采样之间具有良好的相关性。此外，伊藤等人。做了同样的改变，也发现BUR方法和H 2 15 O PET之间有很好的相关性。在 10° 左前斜视图中采集动态数据可以将升主动脉与降主动脉分离，从而可以轻松地在升主动脉上设置 ROI，并有望提高 BUR 的操作者间和操作者内的可重复性-AS 方法。

结论

我们已经证明了使用 Patlak-plot、BUR-C 和 BUR-AS 方法确定的平均 CBF 的操作员间和操作员内可重复性。BUR-AS 方法产生了最高的重现性。在 CBF 定量分析中提高操作者间和操作者间的可重复性有望提高随访期间和确定治疗调整需要时的诊断准确性。

		自动登录	找回密码
密码			立即注册

使用解剖标准化和 Patlak-Plot 方法的脑摄取率之间的再现性

本帖子中包含更多资源