Nuklearmedizin 2021; 60(02): 149
DOI: 10.1055/s-0041-1726736
WIS-Vortrag
Medizinische Physik

Generierung einer arteriellen Inputfunktion (AIF) aus einer späten Dynamik (40‘–80‘ p.i.) am PET/CT mit Flowmotion-Technologie

S von Beschwitz
1   Eberhard Karls Universität, Department Nuklearmedizin und klinische molekulare Bildgebung, Tübingen
,
C la Fougère
1   Eberhard Karls Universität, Department Nuklearmedizin und klinische molekulare Bildgebung, Tübingen
,
F Schmidt
2   Eberhard Karls Universität, Werner Siemens Imaging Center Department Präklinische Bildgebung und Radiopharmazie, Tübingen
,
J Kupferschläger
1   Eberhard Karls Universität, Department Nuklearmedizin und klinische molekulare Bildgebung, Tübingen
› Institutsangaben
› Weitere Informationen
 

Ziel/Aim Die implementierte parametrische Ganzkörper-Bildgebung am mCT (Siemens™) erfordert einen Zeitaufwand von über 80 Minuten und ist für viele Patienten nicht tolerierbar. Die Ableitung der Arterial Input Function (AIF) aus der späten dynamischen Sequenz soll parametrische Bildgebung (metabolische Rate und Verteilungsvolumen) bei verkürzter Akquisitionszeit ermöglichen.

Methodik/Methods Die AIF lässt sich mit guter Genauigkeit durch eine Hyperbel beschreiben [1]. Durch die Blutaktivitätskonzentrationen (bildgestützt) wurde eine population-based Inputfunktion (PBIF) auf die späte Dynamik normiert. Ein Fit (Hyperbel) der normierten PBIF führt zu einer patientenindividualisierten AIF (AIF_late). 21 Patienten wurden mit [F-18]FDG am mCT mittels Flowmotion-Technik dynamisch über 80min p.i. untersucht. Die implementierte Software generiert automatisch die AIF aus einer VOI in der Aorta. Mit der implementierten AIF und der AIF_late wurden Patlak–Rekonstruktionen durchgeführt und qualitativ wie quantitativ analysiert.

Ergebnisse/Results Der Vergleich der Fläche unter der Kurve zwischen AIF und AIF_late führte zu guten Übereinstimmungen: mean 1,23 % ± SD 4,00 % (Max. 11,03 %, Min. 0,05 %) Die erzeugten Patlak-Bilder zeigten ebenfalls gute Übereinstimmungen, sowohl bei der qualitativen Betrachtung, als auch bei den quantitativen Ergebnissen. Der Vergleich der metabolischen Raten zeigte folgendes: mean -0,19 % ± SD 9,65 % (Max. 20,93 %, Min. 0,48 %). Das Verteilungsvolumen zeigt leicht niedrigere Werte: mean -1,40 % ± SD 15,79 % (Max. 42,44 %, Min. 1,40 %). Bei beiden Analysen wichen jeweils 2 Datensätze deutlich von den originalen Werten ab.

Schlussfolgerungen/Conclusions Die AIF_late ermöglicht es die Akquisitionszeit zu halbieren; bei ähnlich guten quantitativen und qualitativen Ergebnissen wie bei der implementierten AIF. Die Gründe der höheren Abweichungen bei den quantitativ ermittelten Daten müssen weiter untersucht werden. Dabei wird der Einfluss der Lage der VOI zur Ermittlung der AIF entscheidend sein.



Publikationsverlauf

Artikel online veröffentlicht:
08. April 2021

© 2021. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany