The Influence of Iteration and Subset on True X Method in F-18-FPCIT Brain Imaging

최재민; 김경식; 남궁창경; 남기표; 임기천

추천

검색

자료유형: 학술저널

저자정보: 최재민 (서울아산병원 핵의학과) 김경식 (서울아산병원 핵의학과) 남궁창경 (서울아산병원 핵의학과) 남기표 (서울아산병원 핵의학과) 임기천 (서울아산병원 핵의학과)

저널정보: 대한핵의학기술학회 핵의학기술 핵의학기술 제14권 제1호

발행연도: 2010.1

수록면: 122 - 126 (5page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

F-18-FPCIT는 뇌 선조체에 주로 분포된 도파민 운반체에 강한 친화력을 보이며, 이는 파킨슨 씨 병의 진단에 유용한 진단적 정보를 제공한다. 본 연구에서는 iteration과 subset에 따른 영상의 변화를 관찰하고 적정한 iteration과 subset의 범위를 제안해 보고자 한다. 영상의 획득은 ACR 팬텀과 뇌 질환이 없는 정상인의 뇌 영상을 획득하였다. 정상인의 뇌영상은 F-18-FPCIT를 정맥주사 후 3시간째 획득하였으며, iteration과 subset의 조건을 5가지로 구분하여 영상을 재구성하였다. 영상의 분석은 동일한 위치에 같은 크기의 ROI를 그려 평균, 최대, 최소의 SUV를 측정하였고, 이를 바탕으로 표준편차, 변이계수를 계산하였다. 또한 팬텀영상에서는 각 조건별 열소와 냉소의 SUV를 비교하여 어떠한 조건에서 실제와 가장 비슷한 SUV ratio를 재현하는지 조사하였다. 위 실험에서 얻어진 값은 Spearman test를 통해 유의성을 유무를 판별하였다. 따라 SUV는 증가하였고 이러한 추세는 Spearman test에서 유의성을 나타내었다. 표준편차 역시 iteration, subset조건이 증가함에 따라 값의 증가를 보였다. 산출된 값들은 통계적으로 유의하였다. 팬텀 연구에서는 6 iteraions, 16 iterations 에서 실제와 가장 비슷한 SUV ratio를 재현하였다. 하지만 iteration, subset 조건별로 얻어진 SUV ratio들은 통계적으로 유의하지 않았다.

Purpose: F-18-FPCIT that shows strong familiarity with DAT located at a neural terminal site offers diagnostic information about DAT density state in the region of the striatum especially Parkinson's disease. In this study, we altered the iteration and subset and measured SUV${\pm}$SD and Contrasts from phantom images which set up to specific iteration and subset. So, we are going to suggest the appropriate range of the iteration and subset. Materials and Methods: This study has been performed with 10 normal volunteers who don't have any history of Parkinson's disease or cerebral disease and Flangeless Esser PET Phantom from Data Spectrum Corporation. $5.3{\pm}0.2$ mCi of F-18-FPCIT was injected to the normal group and PET Phantom was assembled by ACR PET Phantom Instructions and it's actual ratio between hot spheres and background was 2.35 to 1. Brain and Phantom images were acquired after 3 hours from the time of the injection and images were acquired for ten minutes. Basically, SIEMENS Bio graph 40 True-point was used and True-X method was applied for image reconstruction method. The iteration and Subset were set to 2 iterations, 8 subsets, 3 iterations, 16 subsets, 6 iterations, 16 subsets, 8 iterations, 16 subsets and 8 iterations, 21 subsets respectively. To measure SUVs on the brain images, ROIs were drawn on the right Putamen. Also, Coefficient of variance (CV) was calculated to indicate the uniformity at each iteration and subset combinations. On the phantom study, we measured the actual ratio between hot spheres and back ground at each combinations. Same size's ROIs were drawn on the same slide and location. Results: Mean SUVs were 10.60, 12.83, 13.87, 13.98 and 13.5 at each combination. The range of fluctuation by sets were 22.36%, 10.34%, 1.1%, and 4.8% respectively. The range of fluctuation of mean SUV was lowest between 6 iterations 16 subsets and 8 iterations 16 subsets. CV showed 9.07%, 11.46%, 13.56%, 14.91% and 19.47% respectively. This means that the numerical value of the iteration and subset gets higher the image's uniformity gets worse. The range of fluctuation of CV by sets were 2.39, 2.1, 1.35, and 4.56. The range of fluctuation of uniformity was lowest between 6 iterations, 16 subsets and 8 iterations, 16 subsets. In the contrast test, it showed 1.92:1, 2.12:1, 2.10:1, 2.13:1 and 2.11:1 at each iteration and subset combinations. A Setting of 8 iterations and 16 subsets reappeared most close ratio between hot spheres and background. Conclusion: Findings on this study, SUVs and uniformity might be calculated differently caused by variable reconstruction parameters like filter or FWHM. Mean SUV and uniformity showed the lowest range of fluctuation at 6 iterations 16 subsets and 8 iterations 16 subsets. Also, 8 iterations 16 subsets showed the nearest hot sphere to background ratio compared with others. But it can not be concluded that only 6 iterations 16 subsets and 8 iterations 16 subsets can make right images for the clinical diagnosis. There might be more factors that can make better images. For more exact clinical diagnosis through the quantitative analysis of DAT density in the region of striatum we need to secure healthy people's quantitative values.

#F-18-FPCIT #Iteration #Subset #Reconstruction

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최재민

소속기관 서울아산병원 핵의학과

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 7 이용수 39

김경식

소속기관 서울아산병원 핵의학과

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 6 이용수 6

남궁창경

소속기관 서울아산병원 핵의학과

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 5 이용수 24

남기표

소속기관 서울아산병원

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 15 이용수 100

임기천

소속기관 서울아산병원 핵의학과

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 3 이용수 2

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)