Ziel/Aim:
Eine der größten Herausforderungen bei der Verwendung von Radiomics ist die Identifikation
robuster Bildmerkmale (Image Features, IF). Bei der Positronen-Emissions-Tomografie
(PET) von Lungenpatienten wird die Quantifizierung solcher Merkmale durch die Atembewegung
erschwert. Auch die zugrunde liegende Segmentierung der betrachteten Volumina hat
Einfluss auf die Variabilität der PET-IF. Beide Effekte wurden in dieser Arbeit untersucht.
Methodik/Methods:
31 PET-IF wurden für 28 heterogene Phantome mit 16 verschiedenen Atembewegungsmustern
sowie für 31 Lungenpatienten evaluiert. Segmentiert wurde jeweils zum einen über die
Aktivität (40% der maximalen Aktivität der Läsion) und zum anderen über einen Kontrast-basierten
Algorithmus (COA). Für die Phantome wurden zusätzlich ideale Konturen (VOIIdeal) erzeugt. Die Datenakquisition erfolgte jeweils mit (4D) und ohne (3D) Atembewegungskorrektur
an einem Gemini TF 16 BigBore (Philips). PET-Bilder mit dem Standardprotokoll in 4
× 4 × 4 mm3 Voxeln rekonstruiert.
Ergebnisse/Results:
Obwohl beide Segmentierungsmethoden das Volumen der Läsion im Vergleich zu VOIIdeal unterschätzten und zu unterschiedlichen PET-IF führten (Wilcoxon-Rank-Test), zeigten
die PET-IF aller Segmentierungen eine starke lineare Korrelation (r > 0.8, p < 0.05).
Das Atembewegungsmuster hatte den größten Einfluss auf die IF-Variabilität, wobei
die 4D-Akquisition den Effekt minimierte. Für die Patientenkohorte gab es keinen signifikanten
Unterschied zwischen 3D- und 4D Akquisition.
Schlussfolgerungen/Conclusions:
Zusammenfassend folgt aus unserer Studie, dass: (i) beide PET-Segmentierungsmethoden
für Radiomics genutzt werden können; (ii) wegen großen IF-Variabilität durch die Irregularität
der Atmung es zu empfehlen ist, eine gleichmäßige Atmung mit den Patienten vor der
Messung zu üben; und (iii) die PET-IF für unsere Patientenkohorte meiste PET-IF waren
robust zwischen 3D und 4D Protokollen.
