مدل سازی سینتیک ردیاب و استخراج منحنی‌های فعالیت زمانی در پرتونگاری با نشر پوزیترون برای افزایش دقت در تشخیص نواحی سرطانی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی مکانیک، دانشگاه بی نالمللی امام خمینی(ره)، قزوین، ایران

2 گروه مهندسی مکانیک، واحد پردیس، دانشگاه آزاد اسلامی، پردیس، ایران

3 دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران دانشکده رادیولوژی و علوم رادیولوژیستی، دانشگاه علوم پزشکی، دانشگاه جان هاپکینز، بالتیمور، امریکا

چکیده

یکی از کارآمدترین روش‌های تشخیص سرطان، پرتونگاری با نشر پوزیترون است. در این روش یک ماده پرتوزا (گسیل کننده پوزیترون) که ردیاب نامیده می‌شود به بدن بیمار تزریق شده و دستگاه پرتونگاری با استفاده از پرتوهای گسیل شده از ردیاب موجود در بدن تصویر برمی‌دارد. این روش علی رغم مزایایی که در تشخیص سرطان دارد هرگاه به صورت کیفی استفاده شود باعث ایجاد خطا در تشخیص صحیح می‌گردد. در این مقاله از روش کمی مبتنی بر معادلات ریاضی برای تشخیص نواحی سرطانی براساس تصاویر به دست آمده استفاده شده است. مدل ریاضی مورد استفاده مبتنی بر مدل‌های سینیتک چند بخشی است. به منظور مدل سازی، ردیاب فلو دی اکسی گلوکوز (اف-دی-جی)که یکی از معروف ترین ردیاب های در تشخیص سرطان است در نظر گرفته شده است و مدلی سه بخشی برای محاسبه سینتیک ردیاب به کار رفته است. به منظور بررسی صحت روش به کار رفته، نتایج تجربی یک مدل واقعی(تصاویر دینامیک پرتونگاری با نشر پوزیترون یک موش) مورد بررسی قرار گرفته و منحنی‌های فعالیت زمانی ردیاب در نواحی مختلف به منظور تشخیص ناحیه سرطانی استفاده شده است. نتایج، بیانگر این موضوع است که استفاده از منحنی‌های فعالیت زمانی ردیاب به دست آمده از مدل سازی، کمک شایانی به تشخیص نواحی سرطانی از بافت‌های طبیعی خواهد نمود.
 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Tracer Kinetic Modeling and Derivation of Time Activity Curves in Positron Emission Tomography in order to Enhance Accuracy in Cancerous Regions Diagnosis

نویسندگان [English]

  • M. R. Marghoubkar 1
  • M. Sefidgar 2
  • M. Mafi 1
  • M. Soltani 3
1 Department of Mechanical Engineering, Imam Khomeini International University, Qazvin, Iran
2 Department of Mechanical Engineering, Pardis Branch, Islamic Azad University, Pardis, Iran
3 Department of Mechanical Engineering, K. N. Toosi University of Technology, Tehran, Iran Division of Nuclear Medicine, Department of Radiology, School of Medicine, Johns Hopkins University, Baltimore, USA
چکیده [English]

Positron Emission Tomography is one of the most efficient cancer diagnosis methods. In this method a radioactive (positron emitting) substance called Tracer is injected to the patient and the positron emission tomography scanner produces images by capturing the positrons emitted from the tracer existing inside the body. The qualified methods has mistaken in cancer diagnostics. In this paper, a mathematical method is used for diagnosis of cancerous region based on image obtained from positron emission tomography. A compartmental model based on ordinary differential equation is used for this reason. The fludeoxyglucose tracer which is one of most famous tracer for cancer diagnostic is used for modeling and the three compartments model is applied. To verify the applied mathematical methods, the experimental results of real case (positron emission tomography imaging of a mouse) is investigated and activity curve of tracer for different region of real case are plotted for diagnosis of cancerous tissue. The results indicated that reviewing time activity curves alongside positron emission tomography images can help enhancing the accuracy of cancer diagnosis.

کلیدواژه‌ها [English]

  • Positron emission tomography
  • Tracer kinetics
  • Compartmental model
  • Time activity curve
  • Fludeoxyglucose

مراجع

[1] T. Mihara, A. Noda, H. Arai, K. Mihara, Brain Adenosine A2A Receptor Occupancy by a Novel A1/A2A Receptor Antagonist, ASP5854, in Rhesus Monkeys: Relationship to Anticataleptic Effect, J. Nucl. Med. 49 (7) (2008) 1183–1188.
[2] B. Ahn and A. Gholamrezanezhad, Physiologic and False Positive Pathologic Uptakes on Radioiodine Whole Body Scan, in Nucl. Med., INTECH, (2011).
[3] P.D. Shreve, Y. Anzai, and R.L. Wahl, Pitfalls in Oncologic Diagnosis with FDG PET Imaging: Physiologic and Benign Variants, RadioGraphics 19 (1) (1999) 61–77.
[4] M.Marghoubkar et al., TracerKinetic Modeling and derivation of Time Activity Curves in order to enhance cancer diagnosis acuracy in PET, in 11th Confrence Med. Phys., (2014): p. 525.
[5] G. Komar, Imaging of Tumour Microenvironment for The Planning of Oncoiogical Therapies Using Positron Emission Tomography, PhD Thesis, University of Turku, Turku, Finland, Annales Universitatis Turkuensis D 1051, 2013.
[6] E.D. Morris et al., Kinetic Modeling in Positron Emission Tomography, in J.N.B.T.-E.T. Aarsvold (Ed.), Emiss. Tomogr., Academic Press, San Diego, (2004): pp. 499–540.
[7] R.F.J. Muzic and S. Cornelius, COMKAT: compartment model kinetic analysis tool, J. Nucl. Med. 42 (4) (2001) 636–645.
[8] H. Watabe et al., PET kinetic analysis—compartmental model, Ann. Nucl. Med. 20 (9) (2006) 583–588.
[9] M. Bentourkia and H. Zaidi, Tracer Kinetic Modeling in PET, PET Clin. 2 (2) (2007) 267–277.
[10] G.T. Cobelli, Claudio, David Foster, Tracer Kinetics In Biomedical Research, (2002).
[11] R.N. Gunn et al., Positron emission tomography compartmental models: a basis pursuit strategy for kinetic modeling, J. Cereb. Blood Flow Metab. 22 (12) (2002) 1425–1439.
[12] K.C. Schmidt and F.E. Turkheimer, Kinetic modeling in positron emission tomography, Q. J. Nucl. Med. 46 (1) (2002) 70–85.
[13] M.N.M. R. E. Carson, P.E. Valk, D.L. Bailey, D.W. Townsend, Positron Emission Tomography: Basic Science and Clinical Practice, (2005).
[14] P.S. Tofts, Modeling tracer kinetics in dynamic Gd-DTPA MR imaging, J. Magn. Reson. Imaging 7 (1) (1997) 91–101.
[15] L.A. Green et al., Noninvasive methods for quantitating blood time-activity curves from mouse PET images obtained with fluorine-18-fluorodeoxyglucose , J. Nucl. Med. 39 (4) (1998) 729–734.
[16] D. Feng, S.-C. Huang, and X. Wang, Models for computer simulation studies of input functions for tracer kinetic modeling with positron emission tomography, Int. J. Biomed. Comput. 32 (2) (1993) 95–110.
[17] COMKAT Wiki; Accessed 15 June 2014;, (n.d.).
[18] D.H. Anderson, Compartmental Modeling and Tracer Kinetics, Springer-Verlag, New york, (1983).
[19] B.R. Smith, G. Hamarneh, and A. Saad, Fast GPU Fitting of Kinetic Models for Dynamic PET, Int. Work. High-Performance Med. Image Comput. Image-Assisted Clin. Interv. Decis. (2010) 1–10.
[20] H. Jadvar and J.A. Parker, Clinical PET and PET/CT, Springer-Verlag, London, (2005). 
نشریه مهندسی مکانیک امیرکبیر
دوره 50، شماره 4
مهر و آبان 1397
صفحه 813-822

فایل ها

هم رسانی

ارجاع به این مقاله

آمار