Discovery IQ 4R: otimização da imagem PET-CT em ambiente clínico

Detalhes bibliográficos
Autor(a) principal: Paninho, Helena Isabel Ferreira
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10773/18794
Resumo: O recente equipamento da GE Healthcare, o PET/CT Discovery IQ 4R, fornece a maior sensibilidade, o maior campo de visão da indústria e tecnologia de aquisição de duplo canal. Ainda, o algoritmo de reconstrução Q.Clear controla o ruído através de um fator de penalização (β), permite uma convergência efetiva e providencia valores de Standardized Uptake Vaues (SUV) mais precisos. O objetivo deste projeto foi determinar qual o fator de penalização ótimo e parâmetros de aquisição ideais em estudos clínicos. Foram adquiridas imagens com o fantoma de qualidade NEMA IEC, preenchido com uma concentração radioativa de fundo de 5,40 kBq/mL e as esferas com 24,66 kBq/mL. Foram calculados coeficientes de recuperação (CR) e variabilidade de fundo (VF) nas imagens reconstruídas com o algoritmo Q.Clear (β variável entre 150 e 500). Sessenta doentes realizaram estudos PET/CT com 18F-FDG e foram divididos de acordo com a atividade administrada (2, 3 e 4 MBq/kg). As imagens foram adquiridas em list mode e reconstruídas com 30, 60, 90 e 120 segundos, usando um algoritmo standard (VUE Point HD) e o algoritmo Q.Clear. Foram avaliados SUV máximos das lesões, rácios lesão/fundo e as imagens foram revistas visualmente por 2 observadores. Observou-se que os valores de CR e VF diminuem à medida que o fator β aumenta, especialmente em pequenas estruturas. Os valores de SUV máximo diminuem à medida que o fator β aumenta. Os rácios lesão/fundo são mais elevados com o Q.Clear em relação ao algoritmo standard, sem diferenças estatísticas significativas em todos os conjuntos. A avaliação qualitativa mostrou uma concordância reduzida entre os observadores. Os resultados obtidos demonstram que o algoritmo Q.Clear tem um impacto significativo no contraste e quantificação das lesões. O valor ótimo para o fator de penalização β necessita de ser ajustado de acordo com o tipo de estrutura a ser estudada. xii
id RCAP_bf9b1a171fe794f42371ba3082b15908
oai_identifier_str oai:ria.ua.pt:10773/18794
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Discovery IQ 4R: otimização da imagem PET-CT em ambiente clínicoTecnologias da imagem médicaDiagnóstico por imagemRadiologia assistida por computadorO recente equipamento da GE Healthcare, o PET/CT Discovery IQ 4R, fornece a maior sensibilidade, o maior campo de visão da indústria e tecnologia de aquisição de duplo canal. Ainda, o algoritmo de reconstrução Q.Clear controla o ruído através de um fator de penalização (β), permite uma convergência efetiva e providencia valores de Standardized Uptake Vaues (SUV) mais precisos. O objetivo deste projeto foi determinar qual o fator de penalização ótimo e parâmetros de aquisição ideais em estudos clínicos. Foram adquiridas imagens com o fantoma de qualidade NEMA IEC, preenchido com uma concentração radioativa de fundo de 5,40 kBq/mL e as esferas com 24,66 kBq/mL. Foram calculados coeficientes de recuperação (CR) e variabilidade de fundo (VF) nas imagens reconstruídas com o algoritmo Q.Clear (β variável entre 150 e 500). Sessenta doentes realizaram estudos PET/CT com 18F-FDG e foram divididos de acordo com a atividade administrada (2, 3 e 4 MBq/kg). As imagens foram adquiridas em list mode e reconstruídas com 30, 60, 90 e 120 segundos, usando um algoritmo standard (VUE Point HD) e o algoritmo Q.Clear. Foram avaliados SUV máximos das lesões, rácios lesão/fundo e as imagens foram revistas visualmente por 2 observadores. Observou-se que os valores de CR e VF diminuem à medida que o fator β aumenta, especialmente em pequenas estruturas. Os valores de SUV máximo diminuem à medida que o fator β aumenta. Os rácios lesão/fundo são mais elevados com o Q.Clear em relação ao algoritmo standard, sem diferenças estatísticas significativas em todos os conjuntos. A avaliação qualitativa mostrou uma concordância reduzida entre os observadores. Os resultados obtidos demonstram que o algoritmo Q.Clear tem um impacto significativo no contraste e quantificação das lesões. O valor ótimo para o fator de penalização β necessita de ser ajustado de acordo com o tipo de estrutura a ser estudada. xiiThe up-to-date GE Healthcare scanner, PET-CT Discovery IQ 4R, provides the highest sensitivity, the largest field of view of the industry and dual energy acquisition channel technology. In addition, the algorithm Q.Clear, controls the noise through the use of a penalization factor (β), that allows an effective convergence and provides more consistent measurements of Standardized Uptake Values (SUV). The aim of this project was to determine the optimum penalization factor β of Q.Clear and ideal acquisition parameters in clinical settings. A NEMA IEC Body Phantom, filled with a background activity of 5,40 kBq/mL and spheres with 24,66 kBq/mL was acquired on a PET-CT Discovery IQ 4R and recovery coefficient (RC) and background variability (BV) were determined for images reconstructed with Q.Clear (β 150-500). Sixty patients performing 18F-FDG PET-CT were divided per administered dose (2, 3 and 4 MBq/Kg). The images were acquired in list mode and reconstructed with 30, 60, 90 and 120 seconds using a standard algorithm (VUE Point HD) and Q.Clear. These were evaluated for lesions SUVmax and lesion/background ratios and qualitatively by 2 observers. It has been observed that RC and BV values decrease as the β value increases, especially for smaller structures. SUVmax values decrease as the β value increases. Lesion contrast ratios are higher with Q. Clear when compared with standard algorithm, but with no statistical significant difference for all image reconstruction sets. Qualitative evaluation shows a small agreement between the scores. Results obtained show that Q.Clear has a significant impact in lesion contrast and quantification. The optimum penalization factor of Q. Clear needs to adjusted according to the type of structure being studied. xivUniversidade de Aveiro2017-11-11T10:35:36Z2017-01-01T00:00:00Z2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10773/18794TID:201940809porPaninho, Helena Isabel Ferreirainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-22T11:36:23Zoai:ria.ua.pt:10773/18794Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T02:53:41.687896Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Discovery IQ 4R: otimização da imagem PET-CT em ambiente clínico
title Discovery IQ 4R: otimização da imagem PET-CT em ambiente clínico
spellingShingle Discovery IQ 4R: otimização da imagem PET-CT em ambiente clínico
Paninho, Helena Isabel Ferreira
Tecnologias da imagem médica
Diagnóstico por imagem
Radiologia assistida por computador
title_short Discovery IQ 4R: otimização da imagem PET-CT em ambiente clínico
title_full Discovery IQ 4R: otimização da imagem PET-CT em ambiente clínico
title_fullStr Discovery IQ 4R: otimização da imagem PET-CT em ambiente clínico
title_full_unstemmed Discovery IQ 4R: otimização da imagem PET-CT em ambiente clínico
title_sort Discovery IQ 4R: otimização da imagem PET-CT em ambiente clínico
author Paninho, Helena Isabel Ferreira
author_facet Paninho, Helena Isabel Ferreira
author_role author
dc.contributor.author.fl_str_mv Paninho, Helena Isabel Ferreira
dc.subject.por.fl_str_mv Tecnologias da imagem médica
Diagnóstico por imagem
Radiologia assistida por computador
topic Tecnologias da imagem médica
Diagnóstico por imagem
Radiologia assistida por computador
description O recente equipamento da GE Healthcare, o PET/CT Discovery IQ 4R, fornece a maior sensibilidade, o maior campo de visão da indústria e tecnologia de aquisição de duplo canal. Ainda, o algoritmo de reconstrução Q.Clear controla o ruído através de um fator de penalização (β), permite uma convergência efetiva e providencia valores de Standardized Uptake Vaues (SUV) mais precisos. O objetivo deste projeto foi determinar qual o fator de penalização ótimo e parâmetros de aquisição ideais em estudos clínicos. Foram adquiridas imagens com o fantoma de qualidade NEMA IEC, preenchido com uma concentração radioativa de fundo de 5,40 kBq/mL e as esferas com 24,66 kBq/mL. Foram calculados coeficientes de recuperação (CR) e variabilidade de fundo (VF) nas imagens reconstruídas com o algoritmo Q.Clear (β variável entre 150 e 500). Sessenta doentes realizaram estudos PET/CT com 18F-FDG e foram divididos de acordo com a atividade administrada (2, 3 e 4 MBq/kg). As imagens foram adquiridas em list mode e reconstruídas com 30, 60, 90 e 120 segundos, usando um algoritmo standard (VUE Point HD) e o algoritmo Q.Clear. Foram avaliados SUV máximos das lesões, rácios lesão/fundo e as imagens foram revistas visualmente por 2 observadores. Observou-se que os valores de CR e VF diminuem à medida que o fator β aumenta, especialmente em pequenas estruturas. Os valores de SUV máximo diminuem à medida que o fator β aumenta. Os rácios lesão/fundo são mais elevados com o Q.Clear em relação ao algoritmo standard, sem diferenças estatísticas significativas em todos os conjuntos. A avaliação qualitativa mostrou uma concordância reduzida entre os observadores. Os resultados obtidos demonstram que o algoritmo Q.Clear tem um impacto significativo no contraste e quantificação das lesões. O valor ótimo para o fator de penalização β necessita de ser ajustado de acordo com o tipo de estrutura a ser estudada. xii
publishDate 2017
dc.date.none.fl_str_mv 2017-11-11T10:35:36Z
2017-01-01T00:00:00Z
2017
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10773/18794
TID:201940809
url http://hdl.handle.net/10773/18794
identifier_str_mv TID:201940809
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade de Aveiro
publisher.none.fl_str_mv Universidade de Aveiro
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799137588853866496