Kardiale PET-CT. Kombinierte Darstellung von quantitativer Perfusion und Koronaranatomie. E. Fricke

Transkript

1 34. Jahrestagung der Rheinisch-Westfälischen Gesellschaft für Nuklearmedizin in Düsseldorf Kardiale PET-CT Kombinierte Darstellung von quantitativer Perfusion und Koronaranatomie E. Fricke

2 Klinische Zielsetzung Optimierung der Planung von Interventionen (insbesondere einer operativen Myokardrevaskularisation) bei Patienten mit koronarer Mehrgefäßerkrankung. Vermeidung einer inkompletten Revaskularisierung. Keine Bypassversorgung von Koronargefäßen, die funktionell nicht relevante Stenosen aufweisen.

3

4 Koronarangiographie Retrograder Fluss über die Bypässe bei nicht funktionell stenosiertem Nativgefäß.

5 Projekt: Bildfusion für die kardiale PET-CT CR CR D D R L + = R L V CA V CA PET-Perfusion CT-Angiographie Fusion Ziel: Fusionsdarstellung morphologischer und funktioneller Daten im anatomischen Kontext

6 SNM 2006: Image of the Year Warum nicht SPECT/CT?

7 Klinische Angaben: Patient mit Verdacht auf koronare Herzerkrankung bei ausgeprägtem kardiovaskulären Risikoprofil. Pleuraergüsse unklarer Genese. Subjektiv keine belastungsinduzierte Angina-pectoris-Symptomatik. Kardiovaskuläres Risikoprofil: Arterielle Hypertonie, Diabetes mellitus, Exnikotinkonsum. Stress Kurzachse Stress Ruhe Schwere diffuse koronare 3-Gefäßerkrankung horizontale Langachse mit subtotalen Stenosen in Ruhe praktisch allen Gefäßen. vertikale Langachse Ruhe-LVEF 41 % Stress-LVEF 36 % B., K.-H.;

8 PET quantitative Perfusionsmessung Vitalität Ruheperfusion Belastungsperfusion F-18-FDG rel. Uptake O-15-Wasser ml/(g*min) N-13-Ammoniak ml/(g*min) B., K.-H.;

9 Teile des Projektes Koregistrierung von CT- und PET-Datensätzen Integration der parametrischen Oberflächen in der anatomisch richtigen Lokalisation und Ausrichtung Visualisierung der kombinierten Datensätze Work in progress

10 Kooperationspartner Frau Prof. Dr. Gitta Domik und Mitarbeiter Fachgebiet Computergrafik, Visualisierung und Bildverarbeitung Universität Paderborn

11 Ausstattung des Institutes am HDZ-NRW Stand-alone-Geräte CT: Somatom Sensation Cardiac Siemens AG 16-Zeilen CT PET: ECAT EXACT HR +

12 Koregistrierung - Atmung CT-Akquisition: PET-Akquisition: Inspiration, Atemstillstand Atemmittellage Weckesser M. et al. Eur Radiol :

13 Koregistrierung - Herzaktionen CT-Akquisition: PET-Akquisition: EKG-Gating diastolische Phase dynamische Studie kein EKG-Gating Diastole Systole

14 Koregistrierung - Vorgehen statischer PET-Datensatz wird für die Koregistrierung verwendet = letzter Frame der dynamischen Studie mit N-13-Ammoniak manuelle Koregistrierung durch Verschiebung des PET-Datensatzes entlang der 3 Achsen WIP: Untersucher-unterstützte automatische Koregistrierung

15 Parametrische Oberflächen R Reorientierung anhand der Uptake-Bilder Φ Transformation in Zylinder- bzw. Kugelkoordinaten Detektion einer Myokardfläche durch radiale Maximumsuche Kompartmentmodellierung des zeitlichen Aktivitätsverlaufs in Punkten auf der Myokardfläche Parametrische Oberflächen (Fluss, FBV, u.s.w.) Φ Aktivitätskonzentration [nci/ml] R Aktivitätskonzentration [nci/ml] Zeit [min] 5 Perfusion: 0.85 ml/min/ml Zeit [min] Perfusion: 0.85 ml/min/ml J. van den Hoff et al., DGN 1996

16 Rückprojektion der parametrischen Daten in den nicht-parametrischen Datensatz?

17 CT-Visualisierung kommerzielle CT-Software closed box Prinzip, hoher Anschaffungspreis Eigene Software: der Verlauf der Koronarien soll überlagerungsfrei dargestellt werden Kombination mit der PET (parametrisch) Methode: Klassifizierung der CT-Datensätze durch den Einsatz von zweidimensionalen Transferfunktionen

18 Schwächungskoeffizient Gradient Filter

19 Neuronale Netzwerke: Filterbestimmung durch Mustererkennung Histogramme des gleichen Akquisitionstypes, z.b. CT-Angiographien der Koronarien, enthalten ähnliche Muster. Neuronale Netzwerke können darauf trainiert werden, diese Muster zu erkennen und die Filter entsprechend zu setzen. Trainingsphase: zwischen 2 und 10 Studien (4 erscheinen ausreichend) automatische Klassifizierung des Datensatzes innerhalb von 5-20 Sekunden

20 Neuronale Netzwerke: Ergebnis

21 Datenfluss (Prototyp) CT Aufnahme MR PET Aufnahme Segmentierung ViewForum Modelling H3D Dicomize Koregistrierung MPITool H3D2NRRD Ecat2NRRD Visualisierung SCIRun Dicom Dicom Ecat 7 NRRD

22 Datenfluss - Ziel CT Aufnahme PET Aufnahme Standard-PC mit leistungsfähiger Graphikkarte

23 Ausblicke Hardware-Update Kooperation mit HERMES Medical Solutions

24 Vielen Dank für Ihre Aufmerksamkeit!