PLoS ONE: respirasjon registrert gjennomsnittlig CT for Demping Korreksjon av PET-bilder – Konsekvenser for PET Texture funksjoner i Non-småcellet lungekreft Pasienter

Abstract

Formål

Vi sammenlignet demping korrigering av PET-bilder med spiralformede CT (PET /HCT) og respirasjon-gjennomsnitt CT (PET /ACT) hos pasienter med ikke-småcellet lungekreft (NSCLC) med mål om å undersøke virkningen av åndedrett-gjennomsnitt CT på

18F FDG PET teksturparametre.

Materialer og metoder

i alt 56 pasienter ble inkludert. Svulster ble segmentert på forbehandling PET-bilder ved hjelp av adaptiv terskel. Tolv forskjellige teksturparametre ble beregnet: standard opptak (SUV) entropi, ensartethet, entropi, ulikhet, homogenitet, grovhet, travelhet, kontrast, kompleksitet, grå-nivå ujevnhet, sone-størrelse ujevnhet, og høye grå-nivå stor sone vekt. Sammenligninger av PET /HCT og PET /ACT ble utført med Wilcoxon signed-rank tester, intra korrelasjonskoeffisienter og Blid-Altman analyse. Receiver Operating Characteristic (ROC) kurver samt univariate og multivariate Cox regresjonsanalyser ble brukt til å identifisere parametrene signifikant assosiert med sykdomsspesifikk overlevelse (DSS). Et fast terskel på 45% av maksimal SUV (T45) ble brukt for validering.

Resultater

SUV maksimal og total lesjon glykolyse (TLG) var signifikant høyere i PET /ACT. Men tekstur parametere som oppnås med PET /ACT og PET /HCT viste en høy grad av enighet. Det ble ikke observert de laveste nivåene av variasjon mellom de to modaliteter for SUV entropi (9,7%) og entropi (9,8%). SUV entropi, entropi, og grovhet fra både PET /ACT og PET /HCT var signifikant assosiert med DSS. Validering analyser med T45 bekreftet nytten av SUV entropi og entropi i både PET /HCT og PET /ACT for prediksjon av DSS, men bare grovhet fra PET /ACT oppnådde statistisk signifikans terskel.

Konklusjoner

Våre resultater tyder på at 1) teksturparametre fra PET /ACT er klinisk anvendelig til beregning av overlevelse hos NSCLC pasienter og 2) SUV entropi og entropi er robuste til demping korreksjonsmetoder

Citation. Cheng NM Fang Y-HD, Tsan DL, Hsu CH, Yen TC (2016) Respirasjon registrert gjennomsnittlig CT for Demping Korreksjon av PET-bilder – Impact på PET Texture funksjoner i ikke-småcellet lungekreft pasienter. PLoS ONE 11 (3): e0150509. doi: 10,1371 /journal.pone.0150509

Redaktør: Quan Sing Ng, National Cancer Centre Singapore, SINGAPORE

mottatt: 21 august 2015; Godkjent: 14 februar 2016; Publisert: 01.03.2016

Copyright: © 2016 Cheng et al. Dette er en åpen tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres

Data Tilgjengelighet:. All relevant data er i avisen og dens saksdokumenter filer

finansiering:.. forfatterne fikk ingen spesifikke midler til dette arbeidet

konkurrerende interesser:. forfatterne har erklært at ingen konkurrerende interesser eksisterer

Innledning

til tross for betydelige fremskritt i målrettet terapi [1], prognosen for pasienter med ikke-småcellet lungekreft (NSCLC) forblir sturen.

18F-FDG PET avbildning spiller en avgjørende rolle i diagnostisering og iscenesettelse av NSCLC. De siste årene har vært vitne til en økt bruk av FDG PET billeddiagnostikk for klinisk beslutningstaking [2]. Følgelig, maksimum standardiserte opptaksverdier (SUV

max) [3, 4] og total lesjon glykolyse (TLG) [5, 6] har vist seg å være klinisk nyttig for å forutsi behandlingsrespons og kliniske utfall av NSCLC pasienter. Tumor heterogenitet er generelt relatert til dårlig prognose og behandling motstand [7]. Økende bevis indikerer at FDG PET tekstur har reflekterende svulst heterogenitet kan forutsi behandlingsrespons og overlevelse i NSCLC [8-11] og en rekke andre kreftformer [12-20]. Utvinning av et stort antall kvantitative image funksjoner har blitt referert til «radiomics» og holder løftet som en metode for å identifisere spesifikke prognostiske signaturer [10, 21-26]. I dette scenariet, nøyaktige og reproduserbare målinger av tekstur funksjoner er avgjørende for klinisk bruk. Dessverre, respiratorisk bevegelse under PET /CT-resultater i degradering av bildekvalitet og vanskeliggjør riktig kvantifisering av bildeparametere [27-29]. Slik forringelse skyldes avvik på brystet stilling mellom spiralformede CT (HCT) og PET-bilder [30, 31]. Snarere enn et øyeblikksbilde av åndedrett syklus (som i HCT bilder), PET er resultatene av gjennomsnittet av luftveis sykluser. Spesielt, tinning forskjellen mellom PET og CT slutt introduserer feiljusterings artefakter i PET-bilder. For å løse dette problemet, demping korrigering av PET-bilder med åndedrett gjennomsnitt CT (ACT) er benyttet. Snarere enn å gi en ubevegelig CT-bilde, simulerer ACT PET anskaffelsesprosessen ved gjennomsnitt signalet under en luft sykle fra flere lavdose cine CT-bilder. Tidligere studier har vist at ACT korreksjon kan forbedre kvaliteten av PET-bilder ved å redusere forskyvninger og optimalisering av kvantifisering av SUV [31-34]. Likevel nytten av ACT for å korrigere PET tekstur egenskaper har ikke blitt grundig undersøkt. I tillegg data om den potensielle prognostiske effekten av ulike PET tekstur funksjoner hos NSCLC pasienter forbli knappe. På grunn av den økende bruken av

18F-FDG PET /CT i kliniske studier, en analyse av variasjonen knyttet til demping korreksjon er verdig etterforskning. Vi laget derfor denne studien å sammenligne demping korrigering av PET-bilder med HCT og ACT i NSCLC med mål om å undersøke virkningen av åndedrett-gjennomsnitt CT på FDG PET teksturparametre.

Materialer og Metoder

Pasienter

Institutional Review Board av Chang Gung Memorial Hospital i Linkou godkjent studieprotokollen (102-3810B). Skriftlig informert samtykke ble innhentet fra alle pasienter før ACT. Studiepopulasjonen besto av pasienter med sykelig utprøvd NSCLC som var planlagt å gjennomgå definitive behandling med kurativ hensikt. Alle deltagerne gjennomgikk

18F-FDG PET for sykdom iscenesettelse. Behandlingen tilnærmingen var som følger: 1) radikal kirurgi for stadium IA pasienter, 2) radikal kirurgi pluss adjuvant kjemoterapi for scene IB og IIA pasienter, 3) neoadjuvant terapi (kjemoterapi, strålebehandling, eller samtidig chemoradiotherpy [CCRT]) og drift for scenen IIB og IIIA pasienter, og 4) kjemoterapi, strålebehandling, eller CCRT og drift (i nærvær av resectable sykdom) for stadium IIIB pasienter. Pasienter med M1 sykdom ble ekskludert. Pasientene ble iscenesatt i henhold til 2010 (7

th edition) amerikanske Joint Committee on Cancer (AJCC) iscenesettelse system. Vi retrospektivt gjennomgått kliniske diagrammer for å trekke ut de generelle egenskaper og kliniske utfall av deltakerne. Sykdomsspesifikk overlevelse (DSS) – definert som tiden fra diagnose til NSCLC relaterte dødsfall – servert som hoved effektmål

PET /CT bildebehandling protokollen

Pasientene ble bedt om å faste seks. h før eksamen. Ifølge våre institusjonelle politikken, pasienter med blodsukkernivåer høyere enn 200 mg /dL hadde sin scan planlagt på nytt. Alle deltakerne ble fotografert med samme PET /CT-skanner (Discovery ST16, GE Healthcare). Skanner ble oppnådd 50 minutter etter intravenøs FDG administrasjon. Den injiserte dose av FDG ble beregnet i henhold til kroppsvekt og varierte mellom 370 og 555 MBq. HCT data ble kjøpt med følgende innstillinger: 120 kV, automatisk mA (område: 10-300 mA), pitch 1,75: 1, collimation 16 × 3,75 mm, og rotasjon sykkel 0,5 s. Hele kroppen PET utslipps skanner ble utført i 2D-modus og ervervet fra hodeskallen til midten av låret. Etter HCT og PET oppkjøpet ble en lavdose cine CT utført ved hjelp av følgende innstillinger: 120 kV, automatisk mA (område: 10-25 mA i henhold til pasientens kroppsvekt), rotasjonssyklus 0,5 s, collimation 8 × 2,5 mm, og film varighet 5,9 s. Målet var å inkludere lunge felt bilateralt fra lunge apex til kuppelen av leveren [32, 35-37]. Ti faser av cine CT-bilder ble i gjennomsnitt å få ACT. Ingen intravenøs kontrastforsterkning ble brukt, og bildebehandling ble utført i fri-puste tilstand. Ingen før eller i-scan puste trener for luftkontroll ble brukt. Demping korrigering av PET-bilder ble utført med både HCT og ACT bruker samme PET data [30, 32, 35]. PET utslippsdata ble rekonstruert med demping korrigering ved hjelp av både HCT og ACT demping kart. Transaksialtomografiscanner utslipps bildene ble rekonstruert ved hjelp bestilt undergrupper forventning maksimering (OSEM) med 4 gjentakelser og 10 undergrupper. PET-bilder ble rekonstruert på et 128 × 128 bildematrise med en voxel størrelse på 4,46 x 5,46 x 3,27 mm

3 for både PET /HCT og PET /ACT. En ekstra dose på 2,5 mSv (5 mGy) ble brukt for pasienter med en kroppsvekt 70 kg [38].

PET /CT-bildedataanalyse

PMOD 3,3 programvarepakke (PMOD Technologies Ltd, Zürich, Sveits) ble brukt for svulst segmentering. Vi søkte to metoder for svulst segmentering, dvs. (1) den adaptive terskel tilnærming i utforskende analyse og (2) 45% av SUV

max (T45) for valideringsformål. Den adaptive terskelen ble bestemt ved hjelp av en gjennomsnittlig intensitet voxel kontur med 70% av svulsten SUVmax

(I

bety 70%

)

pluss bakgrunnen bety SUV [39]. Aortabuen ble brukt for bakgrunns måling og ingen av deltagerne hadde aortabuen invasjon. To forfattere (N.M.C. og T.C.Y.) profilert aortabuen bruker 1 cm

3 kubikk volumer av interesse (VOI) og resultatene ble i gjennomsnitt. Care ble tatt for å utelukke forkalkede regioner i aortabuen. Til slutt ble den adaptive terskelen beregnes etter følgende formel: 0,15 x (

I

bety 70%

) + bakgrunn. Den T45 tilnærmingen har tidligere blitt benyttet for avgrensning av NSCLC-tumorer [8]. SUV

max, mener SUV, og tekstur funksjoner ble bestemt ved bruk av svulsten VOI. TLG ble beregnet som følger: TLG = midlere SUV × metabolsk tumorvolum (MTV) [40]. Vi gjorde ikke analysere nodal lesjoner på grunn av sin lille størrelse.

Histogram analyse, normalisert grå-nivå samtidig forekomst matrise (NGLCM) [41, 42], nabolag grå-tone forskjell matrise (NGTDM) [43] og grå nivå størrelse sone matrise (GLSZM) [44] ble brukt for beregning av PET tekstur funksjoner. Fordi mange tekstur funksjoner har blitt rapportert [12, 45, 46], vi spesielt fokusert på de som brukes for å forutsi overlevelse hos pasienter med maligniteter. Flere tekstur parametere, inkludert entropi, ensartethet, homogenitet og ulikhet fra NGLCM [11, 14, 47, 48], grå-nivå ujevnhet (GLNU), sone-size ujevnhet (ZSNU), høye grå-nivå stor sone vekt (HGLZE) fra GLSZM [14, 19], og NGTDM basert grovhet, travelhet, kontrast og kompleksitet [8] har blitt brukt for å overleve prediksjon hos pasienter med NSCLC, spiserørskreft, og hode og hals kreftformer. I tillegg evalueres vi SUV entropi basert på histogram analyse på grunn av sin robusthet på grunn av ulike rekonstruksjons innstillinger [45, 49]. I alt 12 forskjellige tekstur funksjoner ble undersøkt. Intensitetsverdiene av de registrerte VOIS ble først resampled til 64 binger å normalisere bilder og redusere støy for beregning av tekstur funksjoner [13]. Beregningene for tekstur funksjoner ble utført ved hjelp av Chang-Gung bilde Texture Analysis verktøykasse (CGITA) gjennomført under MATLAB 2012a (Mathworks Inc., Natick, MA, USA). Detaljene på matematiske modeller for tekstur matriser og beregningen prosessen har tidligere blitt beskrevet i detalj [14, 50]

Statistisk analyse

Fordi de fleste tekstur har viste en skjev fordeling, den ikke. parametrisk Wilcoxon signed-rank test ble brukt for parvise sammenligninger av PET /HCT og PET /ACT parametere. Den gjensidige sammenslutninger av tekstur funksjoner i PET /HCT og PET /ACT ble undersøkt ved hjelp av intra korrelasjonskoeffisienter (ICC). Presisjon ble definert med halvparten av bredden av 95% konfidensintervaller (CIS) og anvendt som en indikator på pålitelighet. Bland-Altman analyse ble anvendt for å sammenlikne to målinger. Forskjellene mellom de to parametrene (dvs. PET /ACT-verdier minus PET /HCT verdier) ble plottet mot deres gjennomsnitt (f.eks bety for PET /HCT og PET /ACT-verdier) og rapportert som prosent. Den nedre og øvre reproduserbarhet grenser (LRL og URL, henholdsvis) ble beregnet som ± 1,96 standardavvik (SD). Variasjoner ble definert som området mellom LRL og URL. I en eksplorativ analyse, ble evalueringen av strukturparametre basert på en step-frem prosess. Median oppfølgingstid på hele studiekohorten var 26,2 måneder (variasjon: 2.5-74.8 måneder), mens det var 59,0 måneder (område: 40.4-74.8 måneder) hos pasienter som overlevde. Fordi alle de registrerte sakene ble fulgt opp av minst 3 år eller inntil døden, ble Receiver Operating karakteristiske (ROC) kurver opprinnelig brukt til å identifisere bilde funksjoner forbundet med 3-årig DSS. Samtlige parametere med et areal under kurve forskjellig fra 0,5 ble valgt for videre analyser. De optimale cutoff verdier ble identifisert ved å bestemme det punkt hvor summen av sensitivitet og spesifisitet (Youden indeks) var maksimal. Dichotomizing pasienter i henhold til de optimale cutoff-verdier ble brukt i påfølgende univariate og multivariate Cox regresjonsanalyser. På grunn av den høye kollinearitet mellom ulike tekstur har vi konstruert multivariate Cox regresjonsmodeller til å omfatte bare en tekstur parameter og følgende kovariater: (. Adenokarsinom

vs

ikke-adenokarsinom) alder, celletype, AJCC (trinn I, II

vs

. stadium III), og radikal kirurgi (ja

vs

. no). Alle beregninger er utført med PASW Statistikk 18 programvarepakke (SPSS Inc., Chicago, IL, USA). Etter påføring av Bonferroni korreksjon, en

P

verdi 0,017 (dvs. 0,05 /3) ble ansett som statistisk signifikant.

Resultater

Pasienter

Mellom juli 2007 og juni 2009, totalt 56 pasienter på rad (36 menn, 20 kvinner, median alder 68 år, alders~~POS=TRUNC: 34-84 år) ble inkludert. Median oppfølgingstid på hele studiekohorten var 26,2 måneder (variasjon: 2.5-74.8 måneder), mens det var 59,0 måneder (område: 40.4-74.8 måneder) hos pasienter som overlevde. De kliniske kjennetegn deltagerne er vist i tabell 1. Den vanligste histologiske typen ble adenokarsinom (n = 31, 55,4%), og flertallet av pasientene ble diagnostisert på avanserte stadier (stadium IIIA eller IIIB, n = 36, 64,2 %). Tjueto (39,3%) svulster ble lokalisert i nedre lungelapper, mens 34 (60,7%) ble plassert i de øvre eller høyre midtre fliker. Totalt 29 pasienter (51,8%) fikk radikal kirurgi. Median glukosenivået før FDG PET billeddiagnostikk var 93 mg /dL (område: 65-151 mg /dl). Det var ingen signifikante interobserver forskjeller i bakgrunnen aktivitet for både PET /HCT (observatør en

vs

. 2: 1,60 ± 0,30 vs. 1,62 ± 0,31, P = 0,325) og PET /ACT (1,65 ± 0,34

vs

. 1,65 ± 0,32, P = 0.960). Ingen forskjeller ble observert i verdiene av resulterende adaptive terskler (2,88 ± 0,80

vs

. 2,91 ± 0,81, P = 0,318 og 2,96 ± 0,82

vs

. 2,96 ± 0,83, P = 0,954 for PET /HCT og PET /henholdsvis ACT,). Bruk av gjennomsnitts terskelen for svulst avgrensing, median MTV for PET /HCT og PET /ACT var 26.19 cm

3 og 26.58 cm

3, henholdsvis (Wilcoxon inngåtte-rekkene test,

P

= 0,426).

PET bildeanalyse

resultatene fra Wilcoxon registrere rangerer tester viste at PET /ACT gitt betydelige høyere SUV

max, SUV betyr, og TLG verdier. Men alle teksturparametrene viste ingen signifikante forskjeller (tabell 2). Nærmere bestemt, SUV

max av tumorer som befinner seg i den nedre lunge var signifikant høyere i PET /ACT, men tilsvarende verdier ble notert for svulster som skriver seg fra andre områder (S1 Table). Til tross for forskjeller i SUV

max, SUV mener, og TLG mellom PET /HCT og PET /ACT, ICC analyse viste en høy grad av korrelasjon og god presisjon (ICC: 0,993, 0,994 og 0,993, presisjon: 0,35, 0,35, og 0,40% for SUV

max, SUV mener, og TLG, henholdsvis). HGLZE viste de laveste nivåene av sammenheng og presisjon (0,919 og 4,35%, henholdsvis). Høy korrelasjonskoeffisienter (ICC 0,95) ble generelt kjent for andre tekstur funksjoner (Tabell 3). Variasjonene av SUV

max og SUV betyr i Bland-Altman analyse var 25,4% og 18,1%, henholdsvis. Det laveste nivået av variasjonen var tydelig for SUV entropi (9,7%), etterfulgt av entropi (9,8%), som åpenbart i figur 1. Blant NGTDM og GLSZM parametere, grovhet og GLNU hadde lavest grad av variasjon (33,0% og 45,2%, henholdsvis). De høyeste nivåene av variasjon ble kjent for kontrast (104,9%) og HGLZM (80,6%), S1 Fig. Variasjon verdier større enn 50% var tydelig for ensartethet (56,6%), travelheten (52,9%), kompleksitet (67,1%), ZSNU (74,4%), og HGLZE (80,6%). Høy grad av korrelasjon mellom teksturparametre (│ρ│ = 0,614 til 0,993 for PET /HCT og │ρ│ = 0,567 til 0,993 for PET /ACT, alt

P

0,001) var tydelig for både PET /ACT og PET /HCT.

Dot-og-linje diagrammer av SUV entropi (A), entropi (B), og grovhet (C). Resultater av Bland-Altman analyse av SUV entropi (D), entropi (E), og grovhet (F).

Survival analyse

Ved utgangen studie, 36 pasienter døde (35 av NSCLC og en av akutt hjerteinfarkt). Totalt 47 pasienter (83,9%) hadde sykdomsprogresjon under oppfølging. Tre metoder (ROC-kurve analyser, univariat Cox regresjonsanalyse, multivariat Cox regresjonsanalyse) ble anvendt for å undersøke den prognostiske rolle strukturparametre. Resultatene av ROC kurve analyser (S2 tabell) viste at SUV entropi, ensartethet, entropi, grovhet, kontrast, GLNU, og ZSNU fra PET /HCT og PET /ACT var statistisk signifikant. Når pasienter ble dikotomisert i henhold til de optimale cutoff-verdier, fant vi en høy konsistens strukturparametre avledet fra PET /HCT og PET /ACT. Identifcal stratifisering resultater ble oppnådd med hensyn til entropi og grovhet; 55 av 56 tilfeller (98,2%) var basert på cut-off for GLNU; 54 (96,4%) for ZSNU; 53 (94,6%) av ensartethet og 50 (89,3%) av SUV-entropi. ICC, presisjon og variasjon viste ikke signifikante assosiasjoner med lagdeling konsistens (Spearmans ρ = -0,211, 0,266 og -0,248,

P

= 0,559, 0,457 og 0,490, henholdsvis). Senere analyser ved hjelp av univariate og multivariate Cox modeller bekreftet den betydelige rolle SUV entropi, entropi, og grovhet fra både PET /HCT og PET /ACT i prediksjon av DSS (tabell 4). De fullstendige resultatene av univariate og multivariate Cox regresjonsanalyser er vist i S5 tabell. Kaplan-Meier-estimatene for DSS for PET /HCT og PET /ACT parametere er vist i figur 2.

Kaplan-Meier-estimatene for DSS stratifisert etter ulike cut-off verdiene av PET /HCT og PET /ACT parametere . Cut-off verdiene er vist i S2 tabell. Log-rank test

P

verdier er også rapportert.

Validering data

MTV og TLG avgrenset bruk av T45 metoden var betydelig lavere enn de som oppnås bruker adaptiv terskel tilnærming (Wilcoxon Signed-rekkene testen, både

P

0,001). Betydelig høyere SUV

max, SUV mener og TLG var også tydelig (S3 Table), mens alle de teksturparametre viste ingen statistisk signifikante forskjeller. Høye ICC’er ble identifisert. SUV entropi og entropi avslørte de laveste grad av variasjon mellom PET /ACT og PET /HCT, mens kontrasten og HGLZE fortsatte å vise store variasjoner (S4 Table). Bruke T45 metode for validering, ble prediktiv rolle SUV entropi og entropi fra både PET /HCT og PET /ACT for DSS bekreftet ved hjelp av alle de tre metoder (ROC-kurver samt univariate og multivariate Cox regresjonsanalyser). Imidlertid er rollen til grovhet bare betydelig fra PET /ACT (tabell 5). Kaplan-Meier-estimatene for DSS for disse analysene er rapportert i figur 3.

Kaplan-Meier estimater av DSS priser stratifisert etter ulike cut-off verdiene av PET /HCT og PET /ACT parametere. Cut-off verdiene er vist i S2 tabell. Log-rank test

P

verdier er også rapportert.

Diskusjoner

Kvantifisering av PET-bilder er avhengig av nøyaktige demping korreksjon kart. Men fortsetter åndedrett bevegelse for å forbli en stor utfordring for PET /CT-avbildning. PET /HCT Forskyvning oppstår når HCT avbildning utføres under inspirasjon [27-29, 51]. Følgelig en fortrengt membran av luftfylte lunge vev resulterer i en undervurdering av dempningskoeffisienten. Fordi PET /ACT effektivt kan redusere dette problemet, ble høyere SUV

max verdiene identifisert i PET /ACT (spesielt for lesjoner lokalisert i nedre hvor en mer markert respiratorisk bevegelse var forventet). I kontrast, gjorde SUV

max verdier ikke avviker vesentlig på steder som er forskjellige fra den nedre og bakgrunn. Spesielt, tekstur indeksene hentet fra PET /ACT og PET /HCT var stort sett lik selv i de lavere lunge felt. Texture funksjoner beregnes etter hel-tumor prøvetaking og er nyttig for å vurdere forholdet mellom flere lydelementer og deres nabolag (i stedet for en enkelt voxel). Derfor er de generelt i samsvar selv når forskjellige dempning korreksjonsmetoder benyttes.

PET entropi har vist seg å forutsi overlevelsen hos pasienter med tidlig stadium NSCLC [48]. I denne studien, var vi ikke bare i stand til å gjenskape dette funnet, men vi viste også at heterogene PET-bilder var assosiert med ugunstig DSS. Heterogene bildene ble preget av større verdier av SUV entropi og entropi. Spesielt, SUV entropi og entropi basert på NGLCM fra både PET /HCT og PET /ACT var signifikant prediktor for overlevelse. Videre SUV entropi og entropi vært konsekvent uavhengig av ulike PET gjenoppbygging parametere (iterasjon nummer, FWHM, og pikselstørrelse) [49] og demping korreksjon metoder. NGTDM ble opprinnelig utviklet for å kvantifisere menneskelig visuell persepsjon. En grov bilde gjenspeiler tilstedeværelsen av en uniform intensitetsfordeling, f.eks en homogen bilde. Selv om en tidligere studie viste en prognostisk rolle grovhet [8], viser denne parameteren en høy grad av variasjon i henhold til ulike segmenteringsmetoder, PET oppkjøp moduser, og bildet gjenoppbygging innstillinger [45, 49, 52, 53]. Som forventet, ble grovhet verdier i denne studien kjennetegnet ved en markert grad av variasjon i henhold til dempningen korreksjonsmetode (33,0% og 55,0% for de adaptive terskelen og T45 metoder, henholdsvis). Spesielt, grovhet var signifikant assosiert med DSS bruker adaptiv terskel metoden. Imidlertid ble det observert kun en marginal tilknytning når T45 avgrensning uten bevegelseskompensasjon ble brukt. I kontrast, SUV entropi og entropi (som var preget av en lavere grad av variasjon) var betydelig i både PET /ACT og PET /HCT.

Forskjellig fra våre resultater, Yip et al. [54] rapporterte signifikante forskjeller mellom PET /HCT og 4D PET /CT for grovhet og busyness verdier. I 4D-PET /CT er 4D-CT-bilder av fem forskjellige luftveis faser valgt å matche de av den tilsvarende 4D-PET ervervet etter PET /HCT. Følgelig er antallet av 4D-PET fotoner forskjellig fra den for PET /HCT, med en høyere støy være innlysende for 4D PET (som kan hemme den nøyaktige beregning av tekstur funksjoner). Spørsmålet om hvorvidt slike forskjeller kan ha en innvirkning på overlevelse prediksjon forblir åpent. Til forskjell fra 4D-PET /CT, bruker PET /ACT samme PET-bilder og alle faser av PET-signalene blir utnyttet. Denne observasjonen kan forklare den begrensede forskjeller når det gjelder teksturparametre mellom PET /HCT og PET /ACT.

Våre funn understreker viktigheten av å bruke en standardisert tilnærming for PET tekstur analyse [55] i NSCLC pasienter. Det kan argumenteres for at mangfoldet av PET teksturparametre (som følge av forskjeller i mål segmentering, Rebin prosess, gjenoppbygging innstillinger, og /eller terminologi) kan hemme bruken av tekstur basert analyse i klinisk praksis [53]. Imidlertid vil tekniske fremskritt og gjennomføring av randomiserte kliniske studier forhåpentligvis være nyttig i å overvinne slike utfordringer [2, 56]. Det er også mulig at teksturparametre (spesielt SUV entropi og entropi) kan være nyttig i guiding strålebehandling. I denne forbindelse vil det være klinisk relevant å vurdere verdien av dosen maleri hjelp unfixed stråledose distribusjon til svulsten (basert på bildestyrt stratifisering av høyrisiko målet volumer). Selv dose maleri basert på PET-bilder med høy SUV synes ikke å være klinisk nyttig for å forutsi utfall [57], identifisering av høyrisiko subvolumes basert på PET tekstur parametre eller multiparametric bildebehandling [58] kan garanterer videre etterforskning.

Flere begrensninger i vår studie fortjeneste kommentar. På grunn av den tilbakevirkende karakter av undersøkelsen, kan et utvalg skjevhet ikke utelukkes. Våre resultater knyttet til prediktiv verdi av SUV entropi og entropi må være uavhengig validert i longitudinelle studier. En annen påminnelse iboende i vår studie er bruken av to metoder (dvs. adaptive terskel og T45) for svulst avgrensning. Videre studier er nødvendig for å avklare den potensielle effekten av svulsten avgrensning metoden på den prognostiske betydningen av indeksene. Til slutt, vi fikk ikke spesifikt undersøke virkningen av rekonstruksjonsalgoritmer på tekstur har [45] og deres effekt på overlevelse.

Konklusjoner

Resultatene fra vår studie viser at tekstur har oppnådd med PET /HCT og PET /ACT viste begrensede forskjeller og gode nivåer av avtalen uavhengig av avgrensningen metoden som brukes. Vi viste også at strukturparametre fra PET /ACT er klinisk anvendelig til beregning av overlevelse hos NSCLC pasienter og at SUV entropi og entropi er robuste demping korreksjonsmetoder.

Hjelpemiddel Informasjon

S1 Fig. Resultater av Bland-Altman analyse.

SUVmax (A), SUV bety (B), TLG (C), jevnhet (D), ulikhet (E), homogenitet (F), travelheten (G), kontrast (H) , kompleksitet (I), grå-nivå ujevnhet (J), sone-size ujevnhet (K), og høye grå-nivå stor sone vekt (L)

doi:. 10,1371 /journal.pone.0150509.s001

(TIF)

S1 Table. Resultater av Wilcoxon Signed-rekkene test for ulike PET parametere i henhold til tumor plassering i lungene

doi:. 10,1371 /journal.pone.0150509.s002 plakater (docx)

S2 Table. Optimale cut-off verdier for ulike PET parametre i prediksjon av 3-års sykdomsspesifikk overlevelse

doi:. 10,1371 /journal.pone.0150509.s003 plakater (docx)

S3 Table. Resultater av Wilcoxon signed-rangerer tester for PET /HCT og PET /ACT parametere ved hjelp T45 segmentering

doi:. 10,1371 /journal.pone.0150509.s004 plakater (docx)

S4 Table. Intra korrelasjonskoeffisienter og Blid-Altman analyser for PET parametere ved hjelp T45 segmentering

doi:. 10,1371 /journal.pone.0150509.s005 plakater (docx)

S5 Table. Komplett liste over univariate og multivariate Cox regresjonsanalyser for prediksjon av sykdomsspesifikk overlevelse ved bruk av strukturparametre

Doi:. 10.1371 /journal.pone.0150509.s006 plakater (DOCX)

Takk

Gjennomsnittet av CT for demping korrigering av PET ble opprinnelig utviklet av Dr. Tinsu Pan (University of Texas, MD Anderson Cancer Center). Vi er takknemlige til Dr. Pan for den sjenerøse deling av sin programvare.

Legg att eit svar