蘇 暢 王 瞳 邢海群 霍 力 李 方 張輝*

基于時間和幅度劃分的PET呼吸門控的應用研究*

蘇 暢①王 瞳②邢海群②霍 力②李 方②張輝①*

目的：探討基于時間和幅度劃分的正電子發(fā)射斷層(PET)呼吸門控對重建圖像偽影的改善效果。方法：采集8例患者的臨床數據，比較分析兩種呼吸門控方法—基于時間的等時間間隔劃分和基于幅度的等數據量劃分兩種呼吸門控方法；利用最大位移量、最大標準化攝取值(SUVmax)和腫瘤體積定量研究兩種呼吸門控方法；檢驗SUVmax和腫瘤體積利用不同呼吸門控方法是否具有顯著差異性。結果：對包含患者心臟部位的數據，基于幅度的方法在最大位移量上比基于時間的方法多檢測出24.47%的運動信號。而對肺部病灶，基于幅度的門控方法可以使SUVmax恢復到更高的水平(超過基于時間的方法9.92%)，其中40%(4/10)的數據差異具有統計學意義(t=-3.805，t=-9.099，t=-2.817，t=-2.315，P＜0.05)。在腫瘤體積上，基于幅度的門控方法比基于時間的門控方法減小了29.13%，兩者差異有統計學意義(t=2.262，t=10.382，t=2.922，t=2.762，t=2.858，P＜0.05)，數據比例為50%(5/10)。結論：基于幅度的劃分方式可以提取出更多的運動信息，同時保證各時相的圖像信噪比相近。

PET；呼吸門控；圖像偽影；運動校正

蘇暢,女,(1992- ),碩士研究生。清華大學醫(yī)學院生物醫(yī)學工程系，研究方向：醫(yī)學成像及圖像處理。

正電子發(fā)射斷層(positron emission tomography，PET)是臨床醫(yī)學中非常重要的診斷工具，然而PET掃描速度很慢，患者在掃描期間不可避免的要進行呼吸運動，便會導致圖像偽影，標準化攝取值(standardized uptake value，SUV)降低和腫瘤體積增大[1-3]。目前，已有一些研究致力于改善呼吸運動偽影[4-5]。作為目前主流的呼吸運動校正方法之一，呼吸門控技術是一種已經用于臨床PET-CT圖像的呼吸運動偽影消除技術[6]。本研究旨在探討基于時間和幅度劃分的PET呼吸門控對重建圖像偽影的改善效果。

1 資料與方法

1.1 一般資料

選取2015年6月至2016年4月在北京協和醫(yī)院就診的8例疑似肺癌患者，其中男性3例，女性5例；年齡51～78歲，平均年齡(60.5±8.7)歲；采集8例患者的PET-CT胸腹部圖像數據。

對于病灶的鑒別，由臨床醫(yī)生對CT圖像的勾畫得到確認。在8例患者圖像中，5例肺部出現高攝取，臨床共確認10個病灶；在8例患者圖像中，6例顯示心肌攝取。

1.2 納入與排除標準

(1)納入標準：①確診帶有肺部病灶或心肌顯像完整；②成人，呼吸功能正常。

(2)排除標準：①圖像質量欠佳；②肺部無病灶；③伴有與心臟相關的疾病。

1.3 儀器設備

采用PoleStar m660型PET/CT(江蘇賽諾格蘭醫(yī)療科技公司)。

1.4 數據采集方法

患者禁食4 h以上，靜脈注射18F-氟代脫氧葡萄糖(18F-fluorodeoxyglucose，18F-FDG)3.7～6 MBq/kg后閉目靜坐休息，約50 min后排尿，然后平臥固定于檢查床上進行掃描。采集協議采用單床位常規(guī)采集，采集時長為6 min。

1.5 主成分分析法提取呼吸信號

目前常用的呼吸運動信號提取方法分為兩大類：①基于硬件設備，通過監(jiān)測呼吸運動帶來的機械、電及熱的變化來采集呼吸信號，但這種佩戴外部設備的采集方式通常讓患者感到不適[7-8]；②呼吸運動參數估計在原始數據域實現，這種方法對數據信噪比要求很高，但無需添加硬件設備，與正常的采集方式無異，因此能減少患者痛苦，易被接受[9，10-12]。

本研究呼吸信號的提取采用主成分分析法，利用儀器配套的軟件系統對8例患者18F-FDG PET原始數據進行呼吸信號的提取。

1.6 呼吸門控方法的時相劃分

采集呼吸運動信號后，自動呼吸門控技術需將原始數據根據呼吸運動信號劃分到不同的時相中，使同一時相的數據集中在空間中的某個范圍，然后將各個時相的數據進行疊加并用于重建該時相的圖像，以此得到患者體內18F-FDG放射性同位素隨時間變化的三維空間影像運動信息，便能夠在一定程度上減少呼吸偽影，提高圖像質量。

(1)基于時間的時相劃分?；跁r間的時相劃分方法首先需要劃分出呼吸運動信號的周期，然后將各個周期的數據分別均分為等時間間隔的子集。該方法可以保證所有的數據都均得到有效利用，但對于時長不同的周期，其等時間間隔劃分出的子集時長也不同(如圖1所示)。

(2)基于幅度的時相劃分?；诜鹊臅r相劃分方法同樣可以利用所有的數據，但這種方法并不需要找出呼吸信號的周期。最初的基于幅度的方法是將數據在幅度軸上進行等間隔劃分，使得每個時相的數據集中在同等大小的空間范圍內。但由于這種方法重建出的各時相的圖像之間信噪比差距較大，因此對其進行了改進。在根據幅度進行劃分時相時，并不將幅度進行等間隔劃分，而是保證各個時相的數據量近似相等，因此各個時相的幅度范圍會稍有差異(如圖2所示)。

圖1 基于時間的時相劃分方法示意圖

圖2 基于幅度的時相劃分方法示意圖

PET的原始數據為帶有時間標簽的一系列單次事件，無論基于時間還是幅度的時相劃分方法最終均需根據事件發(fā)生時刻將數據劃分到不同的時相。本研究在C++語言開發(fā)環(huán)境下實現兩種時相劃分方法，均將原始數據劃分為6個時相，再將各個時相的數據利用有序子集期望最大化(ordered subset expectation maximization，OSEM)算法得到重建圖像。為了避免衰減校正帶來的影響，重建圖像未進行CT衰減校正。

1.7 評價標準

數據分析主要采用最大位移量、最大標準化攝取值(maximum standardized uptake value，SUVmax)及腫瘤體積作為數據指標。

由于心臟部位對藥物的攝取量較大，在信噪比上有更好的表現，因此選用心臟的運動作為位移量的計算依據。呼吸運動主要表現在垂直軸(頭腳方向)上，所以選擇靠近左心室室壁的一條位于垂直軸方向的數據用于計算最大位移量。心臟下方與隔膜相鄰，所以選用上升沿最大幅度的50%來指示該時相的心臟位置。最大位移量為最大與最小位置之差[12](如圖3所示)。

在計算不同門控方法的SUVmax值時，首先勾畫各時相對應圖像的感興趣區(qū)。本研究直接比較的數據為不同時相下SUVmax的均值。這是因為，在不同的門控方法進行對比時，同一時相之間并不具有可比性。此外，將完整的數據劃分為不同的子集后，數據量減少造成噪聲變大，SUVmax的不確定性也因此增大，通過計算均值可以提升結果的性噪比。

計算腫瘤體積較常見的方法有設置絕對閾值(SUV=2.5)，或選取SUVmax的40%作為閾值[13-14]。本研究采用一種同時考慮腫瘤部位活度和背景活度的方法，其操作流程如圖4所示[15]。

圖3 心臟部位冠狀圖

圖4 計算腫瘤體積時SUV閾值的計算流程圖

最終用于勾勒腫瘤的SUV閾值(TS)，其計算為公式1：

式中a、b為利用模體實驗擬合出的參數，mSUV70為感興趣區(qū)域中超過SUVmax的70%的區(qū)域SUV均值，BG為感興趣區(qū)域的SUV均值。

參數a、b的選擇則與具體情況相關。背景區(qū)域活度的計算需要選擇數個遠離(＞5 mm)腫瘤或高活度區(qū)域的感興趣區(qū)域，并測量感興趣區(qū)域的SUV均值(BG)。

1.8 統計學方法

采用SPSS 23.0軟件進行分析。計量資料以均數±標準差(x-±s)表示，對符合正態(tài)分布的數據行獨立樣本t檢驗，檢驗SUVmax和腫瘤體積利用不同的門控方法是否具有顯著差異。以P＜0.05為差異有統計學意義。

2 結果

(1)利用主成分分析法提取出的呼吸運動信號部分顯示如圖5所示?；诜鹊拈T控方法，各時相的重建圖像均對呼吸偽影有較好的抑制；而基于時間的門控方法，時相4的重建圖像仍具有明顯的呼吸運動偽影，如圖6所示。

圖5 主成分分析法提取的呼吸運動信號

圖6 基于時間和幅度劃分的各時相重建圖像

(2)在6例顯示心肌攝取的患者中有4例基于幅度的門控方法都比基于時間的門控方法獲取了更大的運動信息，并且優(yōu)勢較明顯，最大的差異甚至可以達到80.38%。平均下來，基于幅度的門控方法可以比基于時間的門控方法多獲取24.47%的運動信息。6例患者數據基于時間和基于幅度的最大位移量的數值見表1。

表1 最大位移量數值

表1的數據表明，不同的患者由呼吸造成的運動幅度差異較大，就整體而言，呼吸越劇烈基于幅度的方法就越有優(yōu)勢，其最大位移量如圖7所示。

(3)對于8例患者中的10個肺部病灶，通過SUVmax和腫瘤體積對基于幅度的和基于時間的兩種門控方法進行了比較。肺部病灶SUVmax值為6個時相的平均值，其結果如圖8所示。

圖7 左心室壁附近垂直方向的最大位移量示圖

圖8 肺部腫瘤的SUVmax示圖

對不同大小的10個肺部病灶，基于幅度的門控方法均得到更高的SUVmax值，且大體呈現出SUVmax越大兩種門控方法差異性越大的趨勢?；诜鹊拈T控方法比基于時間的門控方法在SUVmax值上平均增加了9.92%，其中40%(4/10)的數據差異具有統計學意義(t＝-3.805，t＝-9.099，t＝-2.817，t＝-2.315；P＜0.05)，見表2。

表2 10個肺部病灶的SUVmax數值±s)

表2 10個肺部病灶的SUVmax數值±s)

肺部病灶基于時間基于幅度差異(%)t值P值腫瘤10.34±0.030.36±0.017.53--腫瘤20.30±0.020.32±0.027.24--腫瘤30.30±0.020.33±0.0213.04-3.805 0.003腫瘤40.89±0.021.13±0.0627.46-9.099 0.000腫瘤50.30±0.030.34±0.0315.68-2.817 0.018腫瘤60.47±0.020.50±0.036.48-2.315 0.043腫瘤72.38±0.062.48±0.144.10--腫瘤80.64±0.050.67±0.083.82--腫瘤91.70±0.111.80±0.195.78--腫瘤100.58±0.070.63±0.098.03--

(4)腫瘤體積的結果如圖9所示。計算肺部腫瘤體積時，參數a，b的選取采用經驗值[15]。對于肺部小病灶，直徑＜3 cm，a=0.5，b=0.5；對于直徑＞3 cm的病灶，a=0.67，b=0.6。腫瘤體積的結果如圖9所示。

由于不同自動門控的時相之間在空間上并不具有對應關系，比較均值和均值之間的差異更有意義。基于幅度的門控方法比基于時間的方法在腫瘤體積上平均減小了29.13%，兩者差異有統計學意義(t＝2.262，t＝10.382，t＝2.922，t=2.762，t=2.858；P＜0.05)的數據比例為50%(5/10)，肺部腫瘤體積的具體數值結果見表3。

圖9 肺部腫瘤的體積示圖

表3 肺部腫瘤體積(±s)

表3 肺部腫瘤體積(±s)

肺部病灶基于時間基于幅度差異(%)t值P值腫瘤1221±137157±59-28.80--腫瘤21959±8041447±523-26.13--腫瘤3229±124110±33-51.752.2620.047腫瘤42595±772110±85-18.6810.3820.000腫瘤530±2218±5-39.44--腫瘤693±2564±37-31.07--腫瘤71558±491462±64-6.18%2.9220.015腫瘤8253±50158±67-37.43%2.7620.020腫瘤942±437±4-11.16%--腫瘤1062±1937±10-40.64%2.8580.017

3 討論

本研究采用最大位移量、SUVmax及腫瘤體積3個指標來比較分析基于幅度的和基于時間的兩種門控方法。實際情況中本研究顯示，計算得出的最大位移量均小于真實的最大位移量，因此計算的最大位移量越大，表明該方法越有優(yōu)勢[16]。呼吸運動導致SUVmax值降低，因此更高的SUVmax值指示一個更準確的結果。由于重建時未進行衰減校正，計算得出的活度值低于真實水平，故SUVmax的計算值也偏低，而本研究比較的是同一數據下使用不同的門控方法，因此不影響結論。在計算腫瘤體積時，選取SUVmax閾值的70%作為閾值是經驗選擇，既可避免SUVmax波動過大的影響，又可保證勾勒出的感興趣區(qū)域是安全的位于腫瘤內部。分析3個指標，得到的結果均為基于幅度的自動門控方法優(yōu)于基于時間的自動門控方法。此外，從直觀的圖像視覺上而言，可以得出同樣的結論。

人體在進行呼吸運動的同時還有心臟運動，心臟部位的圖像會同時受到其兩種運動的影響。然而，心臟運動的頻率比呼吸運動高很多，在較長的PET掃描中可認為心臟自身的運動在各個時相里是被平均均勻運動的，因此在自動門控技術中心臟運動的影響可以被忽略[13]。

在理想情況下的呼吸信號與正弦信號近似，但通常人體的呼吸信號并不夠規(guī)則，各周期的時長也可能差別很大。如果呼氣末期持續(xù)時間很長，基于時間劃分的門控方式就會將大多數包含運動信號的數據劃分到第一個時相，而基于幅度的自動門控方法并不受此影響。上述呼吸信號的不規(guī)則性在一定程度上解釋了基于幅度的門控方法優(yōu)于基于時間方法的原因。

4 結語

本研究分析比較了PET成像中兩種校正呼吸運動偽影的自動門控方法，即基于時間和基于幅度的自動門控方法。采用了心臟部位的最大位移量、肺部病灶的SUVmax以及肺部病灶的腫瘤體積三個指標進行比較。其中，對包含心臟的數據，基于幅度的方法在最大位移量上比基于時間的方法多檢測到24.47%的運動信號。而對肺部病灶，基于幅度的門控方法可以使SUVmax恢復到更高的水平(超過基于時間的方法9.92%)，并在腫瘤體積上比基于時間的門控方法減小了29.13%。結果表明，基于幅度的自動門控方法可以提取出更多的運動信息，更好地改善呼吸運動帶來的圖像偽影。

[1]李超敏，趙艷玲，李思進，等.4D PET/CT對肺部結節(jié)呼吸偽影糾正及SUV值影響的初步探討[J].山西醫(yī)科大學學報，2013，44(9)：715-718.

[2]王瞳，邢海群，郭寧，等.PET/CT顯像中呼吸運動對肺結節(jié)SUV的影響及其校正[J].現代儀器與醫(yī)療，2014，20(5)：18-21.

[3]Callahan J，Binns D，Dunn L，et al.Motion effects on SUV and lesion volume in 3D and 4D PET scanning[J].Australas Phys Eng Sci Med，2011，34(4)：489-495.

[4]Van Der Gucht A，Serrano B，Hugonnet F，et al. Impact of a new respiratory amplitudebased gating technique in evaluation of upper abdominal PET lesions[J].Eur J Radiol，2014，83(3)：509-515.

[5]Pepin A，Daouk J，Bailly P，et al.Management of respiratory motion in PET/computed tomography：the state of the art[J].Nucl Med Commun，2014，35(2)：113-122.

[6]王治國，吳銳先，郭佳，等.比較不同年齡和不同采集時相對肺部腫瘤PET/CT四維顯像的影響[J].中國醫(yī)學裝備，2015，12(2)：70-71，72.

[7]Büther F，Dawood M，Stegger L，et al.List mode–driven cardiac and respiratory gating in pet[J]. J Nucl Med，2009，50(5)：674-681.

[8]Anderson MM.Investigating the robustness of the Anzai respiratory gating system[J]. University of Canterbury Physics，2013.

[9]Nehmeh SA，Erdi YE.Respiratory motion in positron emission tomography/computed tomography：a review[J].Semin Nucl Med，2008，38(3)：167-176.

[10]He J，Ackerly T，O′Keefe GJ，et al.Respiratory motion gating based on list-mode data in 3D PET：a simulation study using the dynamic NCAT Phantom[J].IEEE，2009：3697-3700.

[11]Thielemans K，Rathore S，Engbrant F，et al. Device-less gating for PET/CT using PCA[J]. IEEE，2011，19(5)：3904-3910.

[12]崔銳，賀建峰，符增，等.基于PET/CT探測環(huán)真光子數呼吸運動門控的研究[J].中國生物醫(yī)學工程學報，2015，34(3)：281-289.

[13]Dawood M，Büther F，Lang N，et al.Respiratory gating in positron emission tomography：a quantitative comparison of different gating schemes[J].Med Phys，2007，34(7)：3067-3076.

[14]van Elmpt W，Hamill J，Jones J，et al.Optimal gating compared to 3D and 4D PET reconstruction for characterization of lung tumours[J]. Eur J Nucl Med Mol Imaging，2011，38(5)：843-855.

[15]Wang YC，Hsieh TC，Yu CY，et al.The clinical application of 4D18F-FDG PET/CT on gross tumor volume delineation for radiotherapy planning in esophageal squamous cell cancer[J]. J Radiat Res，2012，53(4)：594-600.

[16]Schaefer A，Kremp S，Hellwig D，et al.A contrast-oriented algorithm for FDG-PET-based delineation of tumour volumes for the radiotherapy of lung cancer：derivation from phantom measurements and validation in patient data[J].Eur J Nucl Med Mol Imaging，2008，35(11)：1989-1999.

Research for PET imaging divided by time-based and amplitude-based respiratory gating/

SU Chang, WANG Tong, XING Hai-qun, et al//
China Medical Equipment,2017,14(3):1-5.

Objective: To explore the effectiveness of positron emission tomography (PET) respiratory gating based on time and amplitude to improve the reconstructed image artifacts. Methods: Two respiratory gating methods were compared based on 8 clinical patients data, equal intervals of time division method time-based gating and equal data division method variable amplitude-based gating, the maximum displacement, maximum standardized uptake value (SUVmax) and gross tumor volume were used to quantitatively evaluate these two methods. Independent-t test was used to test whether the difference between two methods were significant for SUVmaxand gross tumor volume. Results: For patient data involving heart, amplitude-based method detected 24.47% more motion signal which related to maximum displacement than time-based method. For patient data involving lung lesions, SUVmaxderived from amplitude-based method could be recovered to a higher value (9.92% more than time-based method), and 40% (4/10) of the patient data results were statistically significant (t=-3.805, t=-9.099, t=-2.817, t=-2.315, P＜0.05). Gross tumor volume calculated from amplitude-based method could be 29.13% less than time-based method, and the differences were statistical significant(t=2.262, t=10.382, t=2.922, t=2.762, t=2.858, P＜0.05), besides the percentage of patient data was 50% (5/10). Conclusion: Amplitude-based method can extract more motion information, at the same time, signal to noise ratio values of different phases’ images are similar to each other.

PET; Respiratory gating; Respiratory Image artifact; Motion correction

1672-8270(2017)03-0001-05

R816.4

A

10.3969/J.ISSN.1672-8270.2017.03.001

2016-10-20

國家自然科學基金(81571713)“肝細胞癌乙酸鹽PET動態(tài)顯像的動力學分析及臨床應用研究”

①清華大學醫(yī)學院生物醫(yī)學工程系 北京 100084

②中國醫(yī)學科學院北京協和醫(yī)學院 北京協和醫(yī)院核醫(yī)學科 北京 100005

*通訊作者：hzhang@tsinghua.edu.cn

[First-author’s address] Department of Biomedical Engineering, School of Medicine, Tsinghua University, Beijing 100084, China.