Вплив визначення перфузійної зони уваги на якість перфузійної CBV карти

Автор(и)

  • Svitlana Alkhimova Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського», пр. Перемоги, 37, м. Київ, Україна, 03056, Україна https://orcid.org/0000-0002-9749-7388

DOI:

https://doi.org/10.15587/2312-8372.2019.182789

Ключові слова:

перфузійна динамічно-сприйнятлива контрастна магнітно-резонансна томографія, церебральний об’єм крові, зона уваги, порогова фільтрація

Анотація

Об'єктом дослідження даної роботи є якість перфузійної CBV мапи з огляду визначення області перфузії як ключового компонента в процесі обробки зображень перфузійної динамічно-сприйнятливої контрастної магнітно-резонансної томографії голови людини. CBV мапа загальновизнана як найкраща для визначення локалізації та розмірів зони ураження при інсульті і в оцінюванні ангіогенезу пухлин головного мозку. Низька якість цієї мапи може спричинити хибні результати як кількісних розрахунків, так і візуальної оцінки церебрального об’єму крові.

Вплив визначення області перфузії на якість CBV карт був проаналізований шляхом порівняння карт, що були отримані із зображень після застосування порогової фільтрації та з еталонних зображень від 12 пацієнтів із цереброваскулярними захворюваннями. Область перфузії головного мозку була визначена вилученням пікселів низької (ділянки повітря та екстрацеребральних тканин) та високої (ділянки спинномозкової рідини) інтенсивності. Мапи були отримані методом визначення площі під кривою та методом деконволюції.

Для обох методів порівняні карти мали сильний позитивний взаємозв’язок за даними кореляційного аналізу Пірсона: r=0,8752 та r=0,8706 для методу визначення площі під кривою та методу деконволюції відповідно, p<2,2·10-16. Незважаючи на це, для обох методів діаграми розсіювання мали точки, пов’язані з втраченими зонами кровопостачання, а лінії регресії вказували на наявність помилок масштабу і зсуву для мап, що були отримані із зображень після застосування порогової фільтрації.

Отримані результати вказують на те, що порогова фільтрація є неефективним способом визначення області перфузії головного мозку, використання якого може спричиняти погіршення якості CBV мапи. Визначення області перфузії має бути стандартизоване та додане до протоколів перевірки нових систем аналізу перфузійних даних.

Біографія автора

Svitlana Alkhimova, Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського», пр. Перемоги, 37, м. Київ, Україна, 03056

Кандидат технічних наук

Кафедра біомедичної кібернетики

Посилання

  1. Lanzman, B., Heit, J. J. (2017). Advanced MRI Measures of Cerebral Perfusion and Their Clinical Applications. Topics in Magnetic Resonance Imaging, 26 (2), 83–90. doi: http://doi.org/10.1097/rmr.0000000000000120
  2. Welker, K., Boxerman, J., Kalnin, A., Kaufmann, T., Shiroishi, M., Wintermark, M. (2015). ASFNR Recommendations for Clinical Performance of MR Dynamic Susceptibility Contrast Perfusion Imaging of the Brain. American Journal of Neuroradiology, 36 (6), E41–E51. doi: http://doi.org/10.3174/ajnr.a4341
  3. Jahng, G.-H., Li, K.-L., Ostergaard, L., Calamante, F. (2014). Perfusion Magnetic Resonance Imaging: A Comprehensive Update on Principles and Techniques. Korean Journal of Radiology, 15 (5), 554–577. doi: http://doi.org/10.3348/kjr.2014.15.5.554
  4. Kudo, K., Christensen, S., Sasaki, M., Østergaard, L., Shirato, H., Ogasawara, K. et. al. (2013). Accuracy and Reliability Assessment of CT and MR Perfusion Analysis Software Using a Digital Phantom. Radiology, 267 (1), 201–211. doi: http://doi.org/10.1148/radiol.12112618
  5. Kudo, K., Uwano, I., Hirai, T., Murakami, R., Nakamura, H., Fujima, N. et. al. (2017). Comparison of Different Post-Processing Algorithms for Dynamic Susceptibility Contrast Perfusion Imaging of Cerebral Gliomas. Magnetic Resonance in Medical Sciences, 16 (2), 129–136. doi: http://doi.org/10.2463/mrms.mp.2016-0036
  6. Alkhimova, S. M., Slusar, S. V. (2019). Bottlenecks in validation of algorithms for perfusion image processing. SCIENCE, RESEARCH, DEVELOPMENT. Technics and Technology. Warsaw: Diamond trading tour, 25–27.
  7. Galinovic, I., Ostwaldt, A.-C., Soemmer, C., Bros, H., Hotter, B., Brunecker, P., Fiebach, J. B. (2012). Automated vs manual delineations of regions of interest- a comparison in commercially available perfusion MRI software. BMC Medical Imaging, 12 (1). doi: http://doi.org/10.1186/1471-2342-12-16
  8. Alkhimova, S. M. (2018). Detection of perfusion ROI as a quality control in perfusion analysis. SCIENCE, RESEARCH, DEVELOPMENT. Technics and Technology. Warsaw: Diamond trading tour, 57–59.
  9. Despotović, I., Goossens, B., Philips, W. (2015). MRI Segmentation of the Human Brain: Challenges, Methods, and Applications. Computational and Mathematical Methods in Medicine, 2015, 1–23. doi: http://doi.org/10.1155/2015/450341
  10. Kalavathi, P., Prasath, V. B. S. (2015). Methods on Skull Stripping of MRI Head Scan Images – a Review. Journal of Digital Imaging, 29 (3), 365–379. doi: http://doi.org/10.1007/s10278-015-9847-8
  11. Tripathi, S., Anand, R. S., Fernandez, E. (2018). A review of brain MR image segmentation techniques. International Journal of Research and Analytical Reviews, 5 (2), 1295–1299.
  12. Alkhimova, S. M. (2018). Automated Detection of Regions of Interest for Brain Perfusion MR Images. Research Bulletin of the National Technical University of Ukraine “Kyiv Politechnic Institute”, 5, 14–21. doi: http://doi.org/10.20535/1810-0546.2018.5.146185
  13. Cancer Imaging Archive (TCIA). Available at: http://cancerimagingarchive.net/
  14. Alkhimova, S. M. (2015). Calculation accuracy evaluation of quantitative parameters of overall perfusion assessment. Eastern-European Journal of Enterprise Technologies, 6 (9 (78)), 4–9. doi: http://doi.org/10.15587/1729-4061.2015.55908
  15. Law, M., Young, R., Babb, J., Pollack, E., Johnson, G. (2007). Histogram analysis versus region of interest analysis of dynamic susceptibility contrast perfusion MR imaging data in the grading of cerebral gliomas. American Journal of Neuroradiology, 28 (4), 761–766.
  16. Young, R., Babb, J., Law, M., Pollack, E., Johnson, G. (2007). Comparison of region-of-interest analysis with three different histogram analysis methods in the determination of perfusion metrics in patients with brain gliomas. Journal of Magnetic Resonance Imaging, 26 (4), 1053–1063. doi: http://doi.org/10.1002/jmri.21064

##submission.downloads##

Опубліковано

2019-10-31

Як цитувати

Alkhimova, S. (2019). Вплив визначення перфузійної зони уваги на якість перфузійної CBV карти. Technology Audit and Production Reserves, 5(2(49), 27–30. https://doi.org/10.15587/2312-8372.2019.182789

Номер

Том 5 № 2(49) (2019): Інформаційно-керуючі системи

Розділ

Звіт про науково-дослідні роботи

Ліцензія

Авторське право (c) 2019 Svitlana Alkhimova

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.