基于时间和幅度划分的PET呼吸门控的应用研究*

苏 畅 王 瞳 邢海群 霍 力 李 方 张辉*

基于时间和幅度划分的PET呼吸门控的应用研究*

苏 畅①王 瞳②邢海群②霍 力②李 方②张辉①*

目的：探讨基于时间和幅度划分的正电子发射断层(PET)呼吸门控对重建图像伪影的改善效果。方法：采集8例患者的临床数据，比较分析两种呼吸门控方法—基于时间的等时间间隔划分和基于幅度的等数据量划分两种呼吸门控方法；利用最大位移量、最大标准化摄取值(SUVmax)和肿瘤体积定量研究两种呼吸门控方法；检验SUVmax和肿瘤体积利用不同呼吸门控方法是否具有显著差异性。结果：对包含患者心脏部位的数据，基于幅度的方法在最大位移量上比基于时间的方法多检测出24.47%的运动信号。而对肺部病灶，基于幅度的门控方法可以使SUVmax恢复到更高的水平(超过基于时间的方法9.92%)，其中40%(4/10)的数据差异具有统计学意义(t=-3.805，t=-9.099，t=-2.817，t=-2.315，P＜0.05)。在肿瘤体积上，基于幅度的门控方法比基于时间的门控方法减小了29.13%，两者差异有统计学意义(t=2.262，t=10.382，t=2.922，t=2.762，t=2.858，P＜0.05)，数据比例为50%(5/10)。结论：基于幅度的划分方式可以提取出更多的运动信息，同时保证各时相的图像信噪比相近。

PET；呼吸门控；图像伪影；运动校正

苏畅,女,(1992- ),硕士研究生。清华大学医学院生物医学工程系，研究方向：医学成像及图像处理。

正电子发射断层(positron emission tomography，PET)是临床医学中非常重要的诊断工具，然而PET扫描速度很慢，患者在扫描期间不可避免的要进行呼吸运动，便会导致图像伪影，标准化摄取值(standardized uptake value，SUV)降低和肿瘤体积增大[1-3]。目前，已有一些研究致力于改善呼吸运动伪影[4-5]。作为目前主流的呼吸运动校正方法之一，呼吸门控技术是一种已经用于临床PET-CT图像的呼吸运动伪影消除技术[6]。本研究旨在探讨基于时间和幅度划分的PET呼吸门控对重建图像伪影的改善效果。

1 资料与方法

1.1 一般资料

选取2015年6月至2016年4月在北京协和医院就诊的8例疑似肺癌患者，其中男性3例，女性5例；年龄51～78岁，平均年龄(60.5±8.7)岁；采集8例患者的PET-CT胸腹部图像数据。

对于病灶的鉴别，由临床医生对CT图像的勾画得到确认。在8例患者图像中，5例肺部出现高摄取，临床共确认10个病灶；在8例患者图像中，6例显示心肌摄取。

1.2 纳入与排除标准

(1)纳入标准：①确诊带有肺部病灶或心肌显像完整；②成人，呼吸功能正常。

(2)排除标准：①图像质量欠佳；②肺部无病灶；③伴有与心脏相关的疾病。

1.3 仪器设备

采用PoleStar m660型PET/CT(江苏赛诺格兰医疗科技公司)。

1.4 数据采集方法

患者禁食4 h以上，静脉注射18F-氟代脱氧葡萄糖(18F-fluorodeoxyglucose，18F-FDG)3.7～6 MBq/kg后闭目静坐休息，约50 min后排尿，然后平卧固定于检查床上进行扫描。采集协议采用单床位常规采集，采集时长为6 min。

1.5 主成分分析法提取呼吸信号

目前常用的呼吸运动信号提取方法分为两大类：①基于硬件设备，通过监测呼吸运动带来的机械、电及热的变化来采集呼吸信号，但这种佩戴外部设备的采集方式通常让患者感到不适[7-8]；②呼吸运动参数估计在原始数据域实现，这种方法对数据信噪比要求很高，但无需添加硬件设备，与正常的采集方式无异，因此能减少患者痛苦，易被接受[9，10-12]。

本研究呼吸信号的提取采用主成分分析法，利用仪器配套的软件系统对8例患者18F-FDG PET原始数据进行呼吸信号的提取。

1.6 呼吸门控方法的时相划分

采集呼吸运动信号后，自动呼吸门控技术需将原始数据根据呼吸运动信号划分到不同的时相中，使同一时相的数据集中在空间中的某个范围，然后将各个时相的数据进行叠加并用于重建该时相的图像，以此得到患者体内18F-FDG放射性同位素随时间变化的三维空间影像运动信息，便能够在一定程度上减少呼吸伪影，提高图像质量。

(1)基于时间的时相划分。基于时间的时相划分方法首先需要划分出呼吸运动信号的周期，然后将各个周期的数据分别均分为等时间间隔的子集。该方法可以保证所有的数据都均得到有效利用，但对于时长不同的周期，其等时间间隔划分出的子集时长也不同(如图1所示)。

(2)基于幅度的时相划分。基于幅度的时相划分方法同样可以利用所有的数据，但这种方法并不需要找出呼吸信号的周期。最初的基于幅度的方法是将数据在幅度轴上进行等间隔划分，使得每个时相的数据集中在同等大小的空间范围内。但由于这种方法重建出的各时相的图像之间信噪比差距较大，因此对其进行了改进。在根据幅度进行划分时相时，并不将幅度进行等间隔划分，而是保证各个时相的数据量近似相等，因此各个时相的幅度范围会稍有差异(如图2所示)。

图1 基于时间的时相划分方法示意图

图2 基于幅度的时相划分方法示意图

PET的原始数据为带有时间标签的一系列单次事件，无论基于时间还是幅度的时相划分方法最终均需根据事件发生时刻将数据划分到不同的时相。本研究在C++语言开发环境下实现两种时相划分方法，均将原始数据划分为6个时相，再将各个时相的数据利用有序子集期望最大化(ordered subset expectation maximization，OSEM)算法得到重建图像。为了避免衰减校正带来的影响，重建图像未进行CT衰减校正。

1.7 评价标准

数据分析主要采用最大位移量、最大标准化摄取值(maximum standardized uptake value，SUVmax)及肿瘤体积作为数据指标。

由于心脏部位对药物的摄取量较大，在信噪比上有更好的表现，因此选用心脏的运动作为位移量的计算依据。呼吸运动主要表现在垂直轴(头脚方向)上，所以选择靠近左心室室壁的一条位于垂直轴方向的数据用于计算最大位移量。心脏下方与隔膜相邻，所以选用上升沿最大幅度的50%来指示该时相的心脏位置。最大位移量为最大与最小位置之差[12](如图3所示)。

在计算不同门控方法的SUVmax值时，首先勾画各时相对应图像的感兴趣区。本研究直接比较的数据为不同时相下SUVmax的均值。这是因为，在不同的门控方法进行对比时，同一时相之间并不具有可比性。此外，将完整的数据划分为不同的子集后，数据量减少造成噪声变大，SUVmax的不确定性也因此增大，通过计算均值可以提升结果的性噪比。

计算肿瘤体积较常见的方法有设置绝对阈值(SUV=2.5)，或选取SUVmax的40%作为阈值[13-14]。本研究采用一种同时考虑肿瘤部位活度和背景活度的方法，其操作流程如图4所示[15]。

图3 心脏部位冠状图

图4 计算肿瘤体积时SUV阈值的计算流程图

最终用于勾勒肿瘤的SUV阈值(TS)，其计算为公式1：

式中a、b为利用模体实验拟合出的参数，mSUV70为感兴趣区域中超过SUVmax的70%的区域SUV均值，BG为感兴趣区域的SUV均值。

参数a、b的选择则与具体情况相关。背景区域活度的计算需要选择数个远离(＞5 mm)肿瘤或高活度区域的感兴趣区域，并测量感兴趣区域的SUV均值(BG)。

1.8 统计学方法

采用SPSS 23.0软件进行分析。计量资料以均数±标准差(x-±s)表示，对符合正态分布的数据行独立样本t检验，检验SUVmax和肿瘤体积利用不同的门控方法是否具有显著差异。以P＜0.05为差异有统计学意义。

2 结果

(1)利用主成分分析法提取出的呼吸运动信号部分显示如图5所示。基于幅度的门控方法，各时相的重建图像均对呼吸伪影有较好的抑制；而基于时间的门控方法，时相4的重建图像仍具有明显的呼吸运动伪影，如图6所示。

图5 主成分分析法提取的呼吸运动信号

图6 基于时间和幅度划分的各时相重建图像

(2)在6例显示心肌摄取的患者中有4例基于幅度的门控方法都比基于时间的门控方法获取了更大的运动信息，并且优势较明显，最大的差异甚至可以达到80.38%。平均下来，基于幅度的门控方法可以比基于时间的门控方法多获取24.47%的运动信息。6例患者数据基于时间和基于幅度的最大位移量的数值见表1。

表1 最大位移量数值

表1的数据表明，不同的患者由呼吸造成的运动幅度差异较大，就整体而言，呼吸越剧烈基于幅度的方法就越有优势，其最大位移量如图7所示。

(3)对于8例患者中的10个肺部病灶，通过SUVmax和肿瘤体积对基于幅度的和基于时间的两种门控方法进行了比较。肺部病灶SUVmax值为6个时相的平均值，其结果如图8所示。

图7 左心室壁附近垂直方向的最大位移量示图

图8 肺部肿瘤的SUVmax示图

对不同大小的10个肺部病灶，基于幅度的门控方法均得到更高的SUVmax值，且大体呈现出SUVmax越大两种门控方法差异性越大的趋势。基于幅度的门控方法比基于时间的门控方法在SUVmax值上平均增加了9.92%，其中40%(4/10)的数据差异具有统计学意义(t＝-3.805，t＝-9.099，t＝-2.817，t＝-2.315；P＜0.05)，见表2。

表2 10个肺部病灶的SUVmax数值±s)

表2 10个肺部病灶的SUVmax数值±s)

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

(4)肿瘤体积的结果如图9所示。计算肺部肿瘤体积时，参数a，b的选取采用经验值[15]。对于肺部小病灶，直径＜3 cm，a=0.5，b=0.5；对于直径＞3 cm的病灶，a=0.67，b=0.6。肿瘤体积的结果如图9所示。

由于不同自动门控的时相之间在空间上并不具有对应关系，比较均值和均值之间的差异更有意义。基于幅度的门控方法比基于时间的方法在肿瘤体积上平均减小了29.13%，两者差异有统计学意义(t＝2.262，t＝10.382，t＝2.922，t=2.762，t=2.858；P＜0.05)的数据比例为50%(5/10)，肺部肿瘤体积的具体数值结果见表3。

图9 肺部肿瘤的体积示图

表3 肺部肿瘤体积(±s)

表3 肺部肿瘤体积(±s)

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

3 讨论

本研究采用最大位移量、SUVmax及肿瘤体积3个指标来比较分析基于幅度的和基于时间的两种门控方法。实际情况中本研究显示，计算得出的最大位移量均小于真实的最大位移量，因此计算的最大位移量越大，表明该方法越有优势[16]。呼吸运动导致SUVmax值降低，因此更高的SUVmax值指示一个更准确的结果。由于重建时未进行衰减校正，计算得出的活度值低于真实水平，故SUVmax的计算值也偏低，而本研究比较的是同一数据下使用不同的门控方法，因此不影响结论。在计算肿瘤体积时，选取SUVmax阈值的70%作为阈值是经验选择，既可避免SUVmax波动过大的影响，又可保证勾勒出的感兴趣区域是安全的位于肿瘤内部。分析3个指标，得到的结果均为基于幅度的自动门控方法优于基于时间的自动门控方法。此外，从直观的图像视觉上而言，可以得出同样的结论。

人体在进行呼吸运动的同时还有心脏运动，心脏部位的图像会同时受到其两种运动的影响。然而，心脏运动的频率比呼吸运动高很多，在较长的PET扫描中可认为心脏自身的运动在各个时相里是被平均均匀运动的，因此在自动门控技术中心脏运动的影响可以被忽略[13]。

在理想情况下的呼吸信号与正弦信号近似，但通常人体的呼吸信号并不够规则，各周期的时长也可能差别很大。如果呼气末期持续时间很长，基于时间划分的门控方式就会将大多数包含运动信号的数据划分到第一个时相，而基于幅度的自动门控方法并不受此影响。上述呼吸信号的不规则性在一定程度上解释了基于幅度的门控方法优于基于时间方法的原因。

4 结语

本研究分析比较了PET成像中两种校正呼吸运动伪影的自动门控方法，即基于时间和基于幅度的自动门控方法。采用了心脏部位的最大位移量、肺部病灶的SUVmax以及肺部病灶的肿瘤体积三个指标进行比较。其中，对包含心脏的数据，基于幅度的方法在最大位移量上比基于时间的方法多检测到24.47%的运动信号。而对肺部病灶，基于幅度的门控方法可以使SUVmax恢复到更高的水平(超过基于时间的方法9.92%)，并在肿瘤体积上比基于时间的门控方法减小了29.13%。结果表明，基于幅度的自动门控方法可以提取出更多的运动信息，更好地改善呼吸运动带来的图像伪影。

[1]李超敏，赵艳玲，李思进，等.4D PET/CT对肺部结节呼吸伪影纠正及SUV值影响的初步探讨[J].山西医科大学学报，2013，44(9)：715-718.

[2]王瞳，邢海群，郭宁，等.PET/CT显像中呼吸运动对肺结节SUV的影响及其校正[J].现代仪器与医疗，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]王治国，吴锐先，郭佳，等.比较不同年龄和不同采集时相对肺部肿瘤PET/CT四维显像的影响[J].中国医学装备，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]崔锐，贺建峰，符增，等.基于PET/CT探测环真光子数呼吸运动门控的研究[J].中国生物医学工程学报，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

国家自然科学基金(81571713)“肝细胞癌乙酸盐PET动态显像的动力学分析及临床应用研究”

①清华大学医学院生物医学工程系 北京 100084

②中国医学科学院北京协和医学院 北京协和医院核医学科 北京 100005

*通讯作者：hzhang@tsinghua.edu.cn

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