Aplikace pro měření pohybu pacienta při snímání obrazu pozitronové emisní tomografie

Abstract

Pohyb pacienta během FDG-PET vyšetření může vést ke zhoršení efektivního prostorového rozlišení pořízeného snímku a zhoršit jeho kvalitu pro další hodnocení. V případě, kdy je pohyb pacienta odhalen bezprostředně po skončení snímání, je možné negativní vliv pohybu omezit zkrácením časového úseku rekonstrukce pouze na dobu, během které pacient nevykonal žádný velký pohyb. Pohyb pacienta je v klinické praxi běžně hodnocen vizuálně, nicméně odhalení pohybu může být obtížné a závisí na individuálním hodnotiteli. Proto byla v této práci vyvinuta samospustitelná aplikace, která na základě registrace sekvence dynamických PET snímků automaticky změří a vyhodnotí pohyb pacienta. Aplikace umožňuje změřit a klasifikovat velikost pohybu na základě uživatelem zadaných mezí nebo na základě automatické statistické analýzy v rámci referenční skupiny pacientů. Vytvořená aplikace má grafické uživatelské rozhraní, které uživateli umožňuje volit nastavení analýzy pohybu a zobrazit a uložit její výsledky. Aplikace byla implementována v jazyce Python s využitím registrace obrazů knihovny SimpleITK. Je samospustitelná v operačním systému Windows. Navržená aplikace splňuje všechny zadané funkční požadavky. Umožňuje vyčíslit a přehledně zobrazit velikost pohybu, čímž může pomoci při odhalení a hodnocení pohybu pacienta během FDG-PET snímání. V budoucnu bude dále vyvíjena a přizpůsobena potřebám klinické praxe.

Patient motion during FDG-PET examination can lead to decrease in effective spatial resolution of the acquired image and degrade its quality for further evaluation. If patient motion is detected immediately after image acquisition, it is possible to diminish the negative impact of patient motion by shortening the time interval of image reconstruction. Therefore, the acquired image will be reconstructed only from the time interval during which the patient did not make any significant movement. In clinical practice, patient motion is usually evaluated visually by radiologists, however detecting patient motion can be challenging and may depend on individual evaluator. Therefore, a self-executable application, which can automatically measure patient motion based on the registration of dynamic PET images, was developed in this thesis. The application enables the measurement and classification of motion magnitude based on user-defined thresholds or automatic statistical analysis within the reference group of patients. The application has a graphical user interface which allows users to change analysis settings and display and save its results. The application was implemented in Python with the use of images registration in SimpleITK library. It is self-executable in Windows operating system. The developed application meets all the functional requirements given. It computes and clearly displays the magnitude of motion. Therefore, it can help detect and evaluate patient movement during FDG-PET image acquisition. In the future, the application will be further developed and adapted to clinical practice needs.