Krzywa czas-aktywność
W obrazowaniu medycznym krzywa czas-aktywność jest krzywą radioaktywności (pod względem stężenia) wykreśloną na osi y w stosunku do czasu wykreślonego na osi x. Pokazuje stężenie radioznacznika w obszarze zainteresowania obrazu, mierzone w czasie z dynamicznego skanowania. Ogólnie, gdy w tkance uzyskuje się krzywą czas-aktywność, nazywa się ją krzywą czas-aktywność tkanki, która przedstawia stężenie znacznika w obszarze będącym przedmiotem zainteresowania wewnątrz tkanki w czasie.
Nowoczesna analiza kinetyczna jest przeprowadzana w różnych technikach obrazowania medycznego, które wymagają krzywej czas-aktywność tkanki jako jednego z danych wejściowych do modelu matematycznego, na przykład w obrazowaniu dynamicznej pozytronowej tomografii emisyjnej (PET), lub perfuzyjnej tomografii komputerowej lub dynamicznej kontrastowej udoskonalone obrazowanie metodą rezonansu magnetycznego (DCE-MRI) przy użyciu dynamicznego skanowania. Skanowanie dynamiczne to skanowanie, w którym obrazy dwuwymiarowe (2D) lub trójwymiarowe (3D) są pozyskiwane wielokrotnie w pewnym okresie czasu, tworząc szeregi czasowe zestawów danych obrazu 2D/3D. Na przykład skan dynamicznego rezonansu magnetycznego ze wzmocnionym kontrastem uzyskany w ciągu dziesięciu minut zawiera krótkie klatki obrazu uzyskane przez 30 sekund, aby uchwycić szybką dynamikę znacznika gadolinu. Każdy punkt danych na krzywej czas-aktywność reprezentuje pomiar stężenia znacznika z regionu segmentowanego na każdej z tych ramek czasowych obrazu uzyskanych w czasie.
Uzyskanie krzywej czas-aktywność
Krzywe czas-aktywność uzyskuje się za pomocą analizy obszaru zainteresowania. Analiza obszaru zainteresowania ogranicza dane obrazu do określonego obszaru, w którym można wykonać pomiary, na przykład kręgów lędźwiowych lub szyjki kości udowej. Piksele obrazu w tym konkretnie zaznaczonym obszarze są następnie replikowane na wszystkich klatkach obrazu dynamicznego skanowania, a następnie wykreślana jest średnia wartość piksela ze wszystkich ramek obrazu w funkcji czasu, w którym te klatki obrazu zostały uzyskane.
Koncepcja została wyjaśniona na przykładzie poniżej. Rozważ dynamiczny obraz, w którym każda tabela reprezentuje obraz uzyskany w różnym czasie, powiedzmy w czasie t=1 s, t=2 s, t=3 s, t=4 s, t=5 s i t=6 s . Załóżmy, że na tym obrazie każdy woksel pokazuje stężenie znacznika w jednostkach Bq na ml. Powiedzmy teraz, że naszym regionem docelowym na każdym obrazie są tylko środkowe cztery woksele. Najpierw identyfikowane są centralne cztery piksele na każdym obrazie, co jest naszym obszarem zainteresowania, a następnie dla każdej klatki pobierana jest średnia.
|
|
|
|
|
|
|---|
t=1 sek................. t=2 sek............t=3 sek............t=4 sek.................t=5 sek............t=6 sek
W tym przykładzie otrzymalibyśmy średnią wartość 2 dla pierwszej klatki w t=1, 3 dla drugiej klatki w t=2, 4 dla trzeciej klatki w t=3, 6 dla czwartej klatki w t=4 , 4 dla piątej klatki w t=5 i 3 dla szóstej klatki w t=6. Teraz te wartości można wykreślić na wykresie, gdzie czas jest na osi x, a uśrednione wartości stężenia na osi y. Wykres będzie wyglądał następująco (zakładając, że wartości pikseli na obrazie będą równe 0 w chwili t=0):
Obszar zainteresowania (środkowe cztery piksele w powyższych przykładach) można zidentyfikować za pomocą metod ręcznych, półautomatycznych lub automatycznych. Ręczna definicja obszaru zainteresowania wymaga od użytkownika narysowania arbitralnej granicy wokół obszaru docelowego, co jest subiektywne. Granicę można wyznaczyć punktami lub liniami o różnej grubości. Wyboru można również dokonać poprzez wybranie wartości współrzędnych. Podczas wybierania obszaru zainteresowania użytkownik może śledzić właściwości pikseli brzegowych, na przykład położenie i wartość aktualnie wybranego piksela.
Metody półautomatyczne definiują obszar zainteresowania przy minimalnej interakcji użytkownika i można je ogólnie podzielić na metody wyboru geometrycznego, progowania i powiększania obszaru lub kombinację dowolnych dwóch lub dowolnych innych kryteriów. W metodach progowania piksele powyżej pewnego poziomu intensywności na obrazie są uwzględniane w obszarze zainteresowania. W metodach wzrostu regionu użytkownik wybiera piksel początkowy, który identyfikuje pierwszy piksel w obszarze zainteresowania i na podstawie kryterium zatrzymania sąsiednie piksele są dołączane do piksela początkowego, a gdy algorytm zatrzymuje się, piksele otaczające piksele początkowe tworzą region zainteresowań.
Metody automatyczne nie wymagają interwencji użytkownika i są również określane jako metody iteracyjne lub adaptacyjne, ponieważ działają w oparciu o wcześniejszą wiedzę o analizowanym regionie. Większość metod półautomatycznych można również zautomatyzować, ale muszą one zostać zweryfikowane pod kątem ręcznego złotego standardu opracowanego przez ekspertów.
Związek z funkcją wejścia tętniczego
Uzyskanie krzywej czas-aktywność w obrębie tętnicy jest pierwszym krokiem w kierunku uzyskania funkcji wejścia tętniczego pochodzącej z obrazu (IDAIF). Krzywa aktywności tętniczej czas-aktywność jest następnie korygowana pod kątem różnych błędów przy użyciu próbki krwi tętniczej/żylnej, zanim funkcja wejścia tętniczego (AIF) może zostać wykorzystana jako dane wejściowe do modelu do analizy kinetycznej.