Methods for Quantification and Respiratory Motion Management in SPECT Imaging

Language
en
Document Type
Doctoral Thesis
Issue Date
2020-03-16
Issue Year
2020
Authors
Sanders, James
Editor
Abstract

Single photon emission computed tomography (SPECT) is a medical imaging modality used to visualize the distribution of radioactive tracers in a patient's body. While SPECT's utility as a diagnostic modality has long been established, its use for planning and managing nuclear medicine therapies has grown in recent years. With these new applications comes a need for absolute quantitation of the amount of radioactivity in tissues. When small, detailed structures are being imaged, a major confounding factor for the quantification task is respiratory motion, which blurs images and leads to underestimation. This thesis seeks to contribute new methods for quantitation and respiratory motion management in SPECT imaging. We first briefly describe the underlying principles that enable SPECT image formation, as well as physical nonidealities and physiological aspects of respiratory motion that confound it. Following this, we introduce methods for analytical and iterative image reconstruction before surveying the techniques that have been developed to correct for these confounding processes. A benefit of these corrections is the enabling of absolute quantitation, and in the next chapter we propose a quantification protocol for Lu-177, an isotope frequently used in radionuclide therapies. After characterizing the protocol in a phantom experiment meant to establish a parameter set offering a favorable bias-variance trade-off, we validate the results with an in vivo patient study. We found that our protocol delivered mean errors relative to truth in the bladder of 10.1%. We then move to the task of respiratory motion management, the first step of which is obtaining a surrogate signal representing a patient's respiratory state over time. After describing five data-driven methods for extracting such a signal, we compare their performance in a phantom experiment and with a collective of cardiac patient scans. We then expand upon this by taking the best-performing method -- a dimensionality reduction-based approach using Laplacian Eigenmaps (LE) -- and augment it with post-processing steps to make it fit for fully-automated operation in clinical practice. Following this, we present results from a follow-up patient validation on a larger collective with 67 scans indicating that the LE-based approach correlates well with a clinically-accepted sensor-based method. To provide an independent assessment of surrogate signal quality, we then analyze respiratory-gated acquisitions from two types of SPECT scans used for therapy planning: selective internal radionuclide therapy (SIRT) planning scans with Tc-99m- MAA and dosimetry acquisitions for Lu-177-based radionuclide therapies. The results show that data-driven LE surrogates allow recovery of meaningful respiratory motion, and we report preliminary results indicating the type of clinical benefits that compensating for this motion might possibly provide. As a final contribution, we propose an algorithm to improve the robustness of respiratory motion estimation in SPECT projections using a sequence-based estimation scheme and a motion model driven by the surrogate signal itself. In a simulation study, we show that our proposed Sequence-based Motion Model (S-MM) algorithm reduces estimation variance compared to two comparison methods. Furthermore, in a collective of 20 patient Tc-99m-MAA liver scans, S-MM reduces respiratory motion blur more consistently and to a greater extent than the comparison methods. We conclude the thesis with a summary and outlook of possible future work.

Abstract

Die Einzel-Photonen Emissionstomographie (SPECT) ist eine Modalität der medizinischen Bildgebung, die es ermöglicht, die Verteilung eines Radiopharmakons innerhalb eines Patienten zu visualisieren. Wohingegen die Nützlichkeit von SPECT in der Diagnostik bereits seit langem etabliert ist, ist die Popularität der Modalität für die Planung und Durchführung von nuklearmedizinschen Therapien vor allem in letzter Zeit beträchtlich gewachsen. Für diese neue Anwendung ist es notwendig, die absolute Radioaktivitätsmengen in unterschiedlichen Geweben zu quantifizieren. Ein gewichtiger Störfaktor bei der Quantifizierung ist die Atembewegung, welche zu einer Verschmierung und Unterschätzung der Radioaktivität führt. Dies ist besonders dann relevant, wenn kleine, detailreiche Strukturen abgebildet werden sollen. Das Ziel dieser Dissertation ist es, neue Methoden für die Quantifizierung und den Umgang mit Atembewegung in der SPECT-Bildgebung zu entwickeln. Wir beschreiben als erstes die Grundlagen der SPECT-Bildgebung sowie physikalische Nicht-Idealitäten und physiologische Aspekte der Atembewegung, die die Bildgebung stören. Anschlieÿend stellen wir Methoden zur analytischen und iterativen Bildrekonstruktion vor, bevor wir einen Überblick zu den Methoden geben, die entwickelt wurden, um für diese Störfaktoren zu korrigieren. Ein zentraler Vorteil dieser Korrekturen liegt darin, dass sie eine absolute Quanti fizierung ermöglichen. Im nächsten Kapitel stellen wir ein Quantifizierungsprotokoll für Lu-177 vor, ein Isotop, das häufig in Radionuklidtheprapien verwendet wird. Nachdem das Protokoll in einem Phantom-Experiment charakterisiert wurde, um ein Parameter-Set zu bestimmen, welches einen günstigen Bias-Variance Trade-Off hat, validieren wir die Ergebnisse in einer in vivo Patienten-Studie. Wir finden, dass unser Protokoll in der Blase einen mittleren Fehler von 10,1% relativ zum Goldstandard liefert. Anschlieÿend geht es um die Frage, wie mit der Atembewegung umgegangen werden soll. In einem ersten Schritt wird hierfür ein Surrogat-Signal erhoben, welches den Atemzustand eines Patienten über die Zeit hinweg abbildet. Nachdem wir fünf datengetriebene Methoden beschreiben, um solch ein Signal zu gewinnen, vergleichen wir deren Nützlichkeit in einem Phantom-Experiment und anhand einer Stichprobe von Myokardszintigraphien von Patienten. Wir bauen auf dieser initialen Analyse auf, indem wir die leistungsstärkste Methode -- einen Ansatz zur Dimensionalitäts- Reduktion basierend auf Laplacian Eigenmaps (LE) -- um post-processing Schritte ergänzen, um ihn in der klinischen Anwendung einsetzen zu können. Daraufhin präsentieren wir Ergebnisse aus einer follow-up Patienten-Validierungs-Studie, die auf 67 Aufnahmen basiert und zeigt, dass der LE-basierte Ansatz stark mit der in der klinischen Praxis akzeptierten Sensor-basierten Methode korreliert. Um eine unabhängige Einschätzung der Qualität des Surrogats-Signals zu erhalten, analysieren wir schlieÿlich Atem-gegatete Aufnahmen zweier SPECT Protokolle, die für die Therapieplanung eingesetzt werden: Selektive interne Radiotherapie (SIRT) Planungs-Aufnahmen mit Tc-99m-MAA und dosimetrische Aufnahmen für Lu-177-basierte Radionuklidtherapien. Die Ergebnisse zeigen, dass LE-basierte Surrogat-Signale in der Tat eine valide Abbildung der Atembewegung ermöglichen. Weiter berichten wir über erste Ergebnisse, die auf mögliche klinische Vorteile hinweisen, die die Kompensation für diese Bewegung erlaubt. In einem letzten Beitrag schlagen wir einen Algorithmus vor, dessen Ziel es ist, die Zuverlässigkeit der Abschätzung der Atembewegung in SPECT-Projektionen mit Hilfe zweier Zusätze zu verbessern: einer sequenzbasierten Bewegungsabschätzungsstrategie und einem Bewegungsmodell, das vom Surrogat-Signal selbst getrieben ist. In einer Simulationsstudie zeigen wir, dass unser vorgeschlagener sequenzbasierter Bewegungsmodell (S-MM) Algorithmus Schätzungsvarianz im Vergleich zu zwei gängingen Methoden reduziert. Weiter finden wir, dass S-MM in einer Stichprobe von 20 99mTc-MAA Akquisitionen der Leber die Verschmierung der Atembewegung konsistenter und in grösserem Ausmass reduziert als die gewählten Vergleichsmethoden. Die Dissertation schliesst mit einer Zusammenfassung und einem Ausblick für zukünftige Forschung.

DOI
Faculties & Collections
Zugehörige ORCIDs