核心脏病学放射性核素成像模拟计算机建模虚拟平台。与临床数据比较

封面图片

如何引用文章

全文:

详细

论证。在放射性核素成像领域，人体临床试验（in vivo）因辐射负荷和伦理规范而受到限制。因此，数学建模方法和模拟计算机试验（in silico）方法越来越重要。这些方法以数值模型为基础。在英文文献中，这种方法被称为“Virtual clinical trials”（虚拟临床试验）。

该研究的目的是利用放射性药物99mTc-MIBI，开发单光子发射计算机断层扫描及计算机断层扫描对心肌灌注进行放射性核素成像模拟建模的软件工具；开展旨在提高单光子发射计算机断层扫描准确度的研究。

材料与方法。我们开发了“核心脏病学单光子发射计算机断层扫描及计算机断层扫描方法模拟测试虚拟平台”综合软件。开发综合软件的时候，我们使用了患者、扫描仪的数字模型和心肌评估，心肌评估是使用“极坐标靶心图”形式的左心室数字图像进行的。通过与临床数据对比，对软件系统进行了验证。临床数据是在以E.I.CHAZOV院士命名的国家心脏病学医学研究中心（NATIONAL MEDICAL RESEARCH CENTRE OF CARDIOLOGY NAMED AFTER ACADEMICIAN E.I.CHAZOV，莫斯科）获得的。我们还进行了模拟计算机测试，在测试期间研究了心肌评估的准确度，这取决于极坐标靶心图归一化的方法和重建算法中校正因子的考虑。

结果。模拟测试结果表明了，左心室心肌灌注的评估很大程度上取决于极坐标靶心图归一化的方法和重建算法中校正因子的考虑。使用心肌正常区域活动的平均值计算归一化因子时，估算结果最为准确。结果表明了，用强度最大的像素进行归一化的常见方法会导致误 差。“虚拟”测试的结果与临床观察完全一致。

结论。从心肌活性累积的相对归一化值过渡到绝对定量估计值，可以消除现有的局限性和不确定性，是提高核心脏病学中单光子发射计算机断层扫描及计算机断层扫描方法诊断准确度的主要条件。

作者简介

Natalya V. Denisova

Novosibirsk State University; Khristianovich Institute of Theoretical and Applied Mechanics

编辑信件的主要联系方式.
Email: NVDenisova2011@mail.ru
ORCID iD: 0000-0001-9374-1753
SPIN 代码: 4928-8185

Dr. Sci. (Phys.-Math.), Professor

俄罗斯联邦, Novosibirsk; Novosibirsk

Mikhail A. Gurko

Novosibirsk State University; Khristianovich Institute of Theoretical and Applied Mechanics

Email: m.gurko@g.nsu.ru
ORCID iD: 0000-0002-6154-172X
SPIN 代码: 3214-5765
俄罗斯联邦, Novosibirsk; Novosibirsk

Inna P. Kolinko

Novosibirsk State University; Khristianovich Institute of Theoretical and Applied Mechanics

Email: kiina131313@gmail.com
ORCID iD: 0009-0001-6779-1535
SPIN 代码: 1625-6043
俄罗斯联邦, Novosibirsk; Novosibirsk

Alexey A. Ansheles

National Medical Research Centre of Cardiology Named After Academician E.I. Chazov

Email: aansheles@gmail.com
ORCID iD: 0000-0002-2675-3276
SPIN 代码: 7781-6310

MD, Dr. Sci. (Med.), Assistant Professor

俄罗斯联邦, Moscow

Vladimir B. Sergienko

National Medical Research Centre of Cardiology Named After Academician E.I. Chazov

Email: vbsergienko@yandex.ru
ORCID iD: 0000-0002-0487-6902
SPIN 代码: 4918-3443

MD, Dr. Sci. (Med.), Professor

俄罗斯联邦, Moscow

参考

  1. Ansheles AA, Sergienko VB. Yadernaya Kardiologiya. Sergienko VB, editor. Moscow: FGBU «NMITs kardiologii» Minzdrava Rossii; 2021. (In Russ).
  2. Ficaro E, Lee B, Kritzman J, Corbett J. Corridor4DM: The Michigan method for quantitative nuclear cardiology. Journal of Nuclear Cardiology. 2007;14(4):455–465. doi: 10.1016/j.nuclcard.2007.06.006
  3. Garcia E, Faber T, Cooke C, et al. The increasing role of quantification in clinical nuclear cardiology: The Emory approach. Journal of Nuclear Cardiology. 2007;14(4):420–432. doi: 10.1016/j.nuclcard.2007.06.009
  4. Germano G, Kavanagh P, Slomka P, et al. Quantitation in gated perfusion SPECT imaging: The Cedars-Sinai approach. Journal of Nuclear Cardiology. 2007;14(4):433–454. doi: 10.1016/j.nuclcard.2007.06.008
  5. Wolak A. Quantitative myocardial-perfusion SPECT: Comparison of three state-of-the-art software packages. Journal of Nuclear Cardiology. 2008;15(1):27–34. doi: 10.1016/j.nuclcard.2007.09.020
  6. Germano G. Quantitative measurements of myocardial perfusion and function from SPECT (and PET) studies depend on the method used to perform those measurements. Journal of Nuclear Cardiology. 2018;25(3):925–928. doi: 10.1007/s12350-016-0757-z
  7. Abadi E, Segars WP, Tsui BMW, et al. Virtual clinical trials in medical imaging: a review. Journal of Medical Imaging. 2020;7(4):1. doi: 10.1117/1.JMI.7.4.042805
  8. Denisova NV, Ansheles AA. A study of false apical defects in myocardial perfusion imaging with SPECT/CT. Biomedical Physics & Engineering Express. 2018;4(6):065018. doi: 10.1088/2057-1976/aae414
  9. Denisova N, Ondar M, Kertesz H, Beyer T. Development of anthropomorphic mathematical phantoms for simulations of clinical cases in diagnostic nuclear medicine. Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization. 2023;11(3):433–441. doi: 10.1080/21681163.2022.2074308
  10. Denisova NV. Computational Phantoms for Medical Radiology. Medical Radiology and Radiation Safety. 2022;67(6):51–61. doi: 10.33266/1024-6177-2022-67-6-51-61
  11. Sinel’nikov RD, Sinel’nikov AYa, Sinel’nikov YaR. Atlas Anatomii Cheloveka. 2nd Volume. Moscow: Novaya volna; 2022. (In Russ).
  12. Patton JA, Turkington TG. SPECT/CT Physical Principles and Attenuation Correction. Journal of Nuclear Medicine Technology. 2008;36(1):1–10. doi: 10.2967/jnmt.107.046839
  13. Seltzer S. XCOM-Photon Cross Sections Database [Internet]. Gaithersburg (MD): NIST Standard Reference Database 8. [cited 2023 Oct 10]. Available from: https://www.nist.gov/pml/xcom-photon-cross-sections-database doi: 10.18434/T48G6X
  14. Ivanchenko VN, Incerti S, Allison J, et al. Geant4 electromagnetic physics: improving simulation performance and accuracy. In: Caruge D, Calvin C, Diop CM, Malvagi F, Trama JC, editorss. SNA + MC 2013 — Joint International Conference on Supercomputing in Nuclear Applications + Monte Carlo. doi: 10.1051/snamc/201403101
  15. Behlouli A, Visvikis D, Bert J. Improved Woodcock tracking on Monte Carlo simulations for medical applications. Physics in Medicine & Biology. 2018;63(22):225005. doi: 10.1088/1361-6560/aae937
  16. Shepp LA, Vardi Y. Maximum Likelihood Reconstruction for Emission Tomography. IEEE Transactions on Medical Imaging. 1982;1(2):113–122. doi: 10.1109/TMI.1982.4307558
  17. Nuyts J, Mortelmans L, Suetens P, Oosterlinck A, de Rou M. Model-based quantification of myocardial perfusion images from SPECT. Journal of nuclear medicine. 1989;30(12):1992–2001.
  18. Okuda K, Nakajima K, Hosoya T, et al. Quantification of myocardial perfusion SPECT using freeware package (cardioBull). Annals of Nuclear Medicine. 2011;25(8):571–579. doi: 10.1007/s12149-011-0504-0
  19. Ploskikh V, Kotina E. Challenges of gated myocardial perfusion SPECT processing. Cybernetics and Physics. 2021;10(3):171–177. doi: 10.35470/2226-4116-2021-10-3-171-177
  20. Turco A, Nuyts J, Gheysens O, et al. Lesion quantification and detection in myocardial 18F-FDG PET using edge-preserving priors and anatomical information from CT and MRI: a simulation study. EJNMMI Physics. 2016;3(1):9. doi: 10.1186/s40658-016-0145-4
  21. Verberne HJ, Acampa W, Anagnostopoulos C, et al. EANM procedural guidelines for radionuclide myocardial perfusion imaging with SPECT and SPECT/CT: 2015 revision. European Journal of Nuclear Medicine and Molecular Imaging. 2015;42(12):1929–1940. doi: 10.1007/s00259-015-3139-x
  22. Garcia EV, Slomka P, Moody JB, Germano G, Ficaro EP. Quantitative Clinical Nuclear Cardiology, Part 1: Established Applications. Journal of Nuclear Medicine. 2019;60(11):1507–1516. doi: 10.2967/jnumed.119.229799
  23. Ansheles AA. Specific features of interpretation of myocardial perfusion single-photon emission computed tomography with computed tomographic absorption correction. Journal of Radiology and Nuclear Medicine (Vestnik rentgenologii i radiologii). 2014;(2):5–20. (In Russ). doi: 10.20862/0042-4676-2014-0-2-5-20

补充文件

附件文件
动作
1. JATS XML
下载
2. 图1。躯干的三维数学模型，模拟一名普通男性患者双臂上举姿势的解剖结构：a——前视图；b——后视图。该模型以128×128×128的离散形式表示。

下载 (111KB)
索引源数据
3. 图2。临床数据。患者胸部器官中99mTc-MIBI放射性药物累积的相对值（脉冲/象素）。这些图像是患者在俄罗斯联邦卫生部联邦国家预算机构“以E.I.Chazov院士命名的国家心脏医学研究中心”的Philips BrightView XCT设备上接受单光子发射计算机断层成像与计算机断层扫描检查时获得。

下载 (146KB)
索引源数据
4. 图3。a——放射性药物累积图：根据躯干数学模型计算的99mTc-MIBI相对浓度值的三维分布。该图以128×128×100的离散形式表示；b——根据躯干数学模型生成的衰减校正图。该图以128×128×100的离散形式表示。图中显示的是中心纵切面。

下载 (39KB)
索引源数据
5. 图4。病人检查时在临床条件下获得的投影（上图）与使用虚拟病人的三维活动图通过蒙特卡罗法计算得出的投影（下图）的对比：a——左前斜投影；b——额部投影；c——右前斜投影；d——左外侧投影。临床数据是在俄罗斯联邦卫生部联邦国家预算机构“以院士E.I.Chazov的国家心脏医学研究中心”的Philips BrightView XCT设备上通过单光子发射计算机断层成像检查病人时获得。

下载 (184KB)
索引源数据
6. 图5。99mTc-MIBI放射性药物在胸部器官中的分布：a——模型；b——重建；c——临床病例。临床病例是患者在俄罗斯联邦卫生部联邦国家预算机构“以E.I.Chazov院士命名的国家心脏医学研究中心”接受单光子发射计算机断层成像检查时获得。

下载 (66KB)
索引源数据
7. 图6。单光子发射计算机断层成像心肌灌注临床检查结果图示。图像是在俄罗斯联邦卫生部联邦国家预算机 构“以E.I.Chazov院士命名的国家心脏医学研究中心”对患者进行检查时使用QPS软件包获得的。

下载 (261KB)
索引源数据
8. 图7。左心室模型垂直长轴（VLA，左侧）的横截面被分为短轴（SAX）层，每个横截面的累积活动值被同心环投射到极坐标图上，左心室基底部分对应外环，心尖部分对应内环（箭头表示每层投射到极坐标图上的位置）。

下载 (71KB)
索引源数据
9. 图8。一位心肌健康（正常）的虚拟患者的左心室心肌灌注参考极坐标图。SRS（总和静息评分）值： 。

下载 (83KB)
索引源数据
10. 图9。AC/RR。重建左心室心肌灌注图像的极坐标图。用衰减校正（AC）和分辨率恢复（RR）进行重建。三种极坐标图计算方法的总和静息评分（SRS）值： а — Smax=10; b — S90=1; c — Snorm=3。

下载 (239KB)
索引源数据
11. 图10。Non-AC/RR。重建左心室的极坐标图。重建时未进行衰减校正（non-AC），但进行了分辨率恢复（RR）。 总和静息评分（SRS）值：а — Smax=17; b — S90=9; c — Snorm=4。

下载 (235KB)
索引源数据
12. 图11。AC/non-RR。重建的左心室心肌灌注图像的极坐标图。重建时进行了衰减校正（AC），但未考虑非分辨率恢复（non-RR）。 a — Smax=9; b — S90=3; c — Snorm=4。

下载 (234KB)
索引源数据
13. 图12。缺血性病变左心室灌注参考极值图。总和静息评分（SRS）值：a — Smax=6; b — S90=5; c — Snorm=6。

下载 (200KB)
索引源数据
14. 图13。衰减校正/模糊显象。重建的左心室心肌灌注图像的极坐标图。用衰减校正校正（AC）和模糊显象（RR）进行重建。总和静息评分（SRS）得分：a — Smax=12; b — S90=6; c — Snorm=6。

下载 (234KB)
索引源数据
15. 图14。Non-AC/RR。重建左心室灌注图像的极坐标图。重建时未进行衰减校正（non-AC），但考虑了分辨率恢 复（RR）。总和静息评分（SRS）： a — Smax=23; b — S90=7; c — Snorm=2。

下载 (234KB)
索引源数据
16. 图15。AC/non-RR。重建左心室的极坐标图。重建时进行了衰减校正，但未考虑分辨率恢复。总和静息评 分（SRS）得分：a — Smax=21; b — S90=10; c — Snorm=6。

下载 (231KB)
索引源数据

版权所有 © Eco-Vector, 2023

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».