TECHNISCHE HOGESCHOOL DELFT Afdeling der Elektrotechniek … · 2004. 5. 7. · TECHNISCHE...
Transcript of TECHNISCHE HOGESCHOOL DELFT Afdeling der Elektrotechniek … · 2004. 5. 7. · TECHNISCHE...
TECHNISCHE HOGESCHOOL DELFT
Afdeling der Elektrotechniek
Vakgroep Informatietheorie
AUTOMATISCHE VERWERKING VAN TECHNETIUM BLOODPOOL SCANS
door
Cornelis Hoek
Afstudeerhoogleraar
Afstudeermentoren
: Prof. Ir. IJ. Boxma
: Ir. J.J. Gerbrands,
Technische Hogeschool Delft
: Dr. Ir. J.H.C. Reiber,
Erasmus Universiteit Rotterdam
Delft, October 1980
PAGE 2
INHOUDSOPGAVE
biz .
Inhoudsopgave 2
Voorwoord 3
Summary 5
Woordenlijst 9
L i j s t van gebruikte symbolen 12
1. Inleiding 141.1 Probleemstelling 181.2 Doelstelling 191.3 Gebruikte apparatuur 202. £echnetium-99m gated-bloodpool scintigrafie 222.1 Fysische achtergronden 252.2 Klinische toepassing 30
3 Contourdetectie in scintigrafische beelden 323.1 In de literatuur beschreven methoden 353.2 Motivatie van de gekozen methodiek 39
4. Detectie van de linkerventrikelcontour 414.1 Berekening van de kostenfunctie 414.2 Bepaling van de minimale-kostencontour 474.3 Correctie van het aangegeven linkerventrikelmiddelpunt 544.4 Detectie van de linkerventrikelcontour in elk beeld 55
van een gated-bloodpool studie
5. De bepaling van de ejectie-fractie 575.1 Automatische selectie van het achtergrondgebied 575.2 Automatische selectie van eind-diastolische- 60
en eind-systolische beelden5.3 Berekening van de ejectie-fractie 62
6. Regionale wandbeweging en ejectiefractie 656.1 Weergave van regionale wandbeweging 666.2 Weergave van regionale ejectiefractie 67
7. Het softwarepakket 70
8 Resultaten, conclusies en suggesties 768.1 Resultaten 768.2 Conclusies 858.3 Suggesties voor nader onderzoek 87
Appendix 1 88
Appendix 2 92
Appendix 3 102
Literatuurlijst 106
VOORWOORD
In dit verslag wordt een toepassing van de automatische
beeldanalyse beschreven ten behoeve van hartfunctie-onderzoek met
behulp van Technetium-99m bloodpoolstudies. Deze toepassing houdt
in het automatisch detecteren van de contouren van het
linkerventrikel in elk beeld van een gated-bloodpool studie.
Tevens wordt een methode gegeven om een achtergrondgebied te
genereren, hetgeen gebruikt wordt om de beelden voor de
achtergrondstraling te corrigeren. Een eerste aanzet is gemaakt
om functionele beelden te maken, die regionale wandbewegingen en
regionale ejectiefracties van het linkerventrikel zichtbaar maken.
Uit evaluatie-studies is gebleken dat de automatische selectie van
linkerventrikelcontour en backgroundgebied een verkleining van de
inter- en intra-observer variaties in de berekening van de
ejectiefractie oplevert vergeleken met de tot nu toe toegepaste
manuele methode; als gevolg hiervan is de klinische bruikbaarheid
van de gated-bloodpoolscans verbeterd.
Dit afstudeerwerk werd verricht bij het Thoraxcenter Image
Processing Laboratory van het Thoraxcentrum, Erasmus Universiteit
en Academisch Ziekenhuis Dijkzicht te Rotterdam.
De bijzondere dank van de schrijver gaat uit naar ieder die direkt
of indirekt heeft bijgedragen aan het tot stand komen van dit
verslag. In de eerste plaats mijn afstudeermentoren Dr. Ir.
J.H.C. Reiber en Ir. J.J. Gerbrands voor hun begeleiding
tijdens de afstudeerperiode, verder Dr. M.L. Simoons en Drs.
A.J.A. Withagen voor hun klinische bijdragen, Ir. S.P. Lie en
Ir. F. Booman voor het verstrekken van adviezen bij het
schrijven van de software, en tenslotte Ing. C.N. de Graaf en
PAGE 4
drs. C.W.J. Schiepers van het Instituut voor Nucleaire
Geneeskunde van het Academisch Ziekenhuis te Utrecht, die zo
vriendelijk waren om het programma te testen op een aantal van hun
patientenstudies.
SUMMARY
Technetium-99m gated cardiac bloodpool scans are used in clinical
practice to measure left ventricular function. The calculation of
left ventricular ejection fraction and left ventricular wall
motion during rest and exercise may provide an objective measure
of the severity of myocardial damage due to ischemic heart
disease.
After in vivo labeling of the red blood cells with 15 mCi of
Tc-99m the studies are acquired with a medium field gamma camera
with an all-purpose parallel hole collimator. The rest image is
collected in the LAO 45 degrees orientation for a time period of 6
minutes and the subsequently performed exercise studies at
different levels of the workload for 2 minutes each. The RR
interval is divided into 20 frames and the matrix size is 64 by 64
pixels.
The ejection fraction is usually found by employing
operator-defined regions of interest. This results in relatively
large inter- and intra-observer variations. In order to reduce
these variations and to assess regional wall motion and ejection
fraction an automated contour detection algorithm has been
developed which allows the detection of the contour in each frame
of the study with minimal operator intervention.
At the start of the contour detection procedure the user indicates
the approximate center of the left ventricle in the sum-image of
the 20 frames with the joystick. The image is divided into 8
45-degrees pie-shaped segments around the indicated point. As a
first step, the first order derivative is obtained by computing in
PAGE 6
each segment the compass gradient function in the direction of the
centerline of that particular segment, away from the center of the
left ventricle. Repeating this procedure results in the second
order derivative. These data are then transformed into a polar
coordinate system with the angular position defined with respect
to the three o"clock position in the counterclockwise direction.
The contour is obtained by searching for the minimum cost path in
this polar representation; the cost function is defined as the
inverse function of the computed second order derivative. In this
polar representation a closed contour always contains the same
number of pixels and goes into the same general direction. This
makes it possible to find the contour much faster than in the
original representation.
In order to minimise the variations resulting from the manual
definition of the center of the left ventricle, this center is
updated with the point of gravity of the activity distribution
within the detected contour. Subsequently, the contour detection
procedure is repeated and a new contour is computed based on this
new centerpoint. This contour is used in each of the 20 frames
for the computation of the ejection fraction with a fixed left
ventricular region of interest. As an alternative, the ejection
fraction can be computed with a moving left ventricular region of
interest. This method requires the computation of the left
ventricular boundary in each frame of the gated bloodpool study
following basically the same method as described above. In this
case, the updated centerposition in the total image of the 20
frames is used in each frame as the center for that particular
activity distribution and the contour of the previous frame is
used as a model for the contour in the current frame. The contour
of the total image is used as the model for the contour in the
first frame. The detected minimum-cost contours can be
superimposed in the original pictures but can also be used in
combination with the polar representations of the original
pictures to quantify regional ejection fraction and regional wall
motion. The computertime for the computation of one contour is
about 10 seconds. As a result, the calculation of the ejection
fraction following the fixed region method takes approximately 20
seconds and following the moving region method approximately 3
minutes.
An algorithm for the automated selection of the background region
has been implemented. The background region is generated in a
user-defined direction relative to the center of the left
ventricle and has always the same size and distance to the left
ventricular boundary.
To evaluate the accuracy of the developed principles the contours
of the left ventricles of the sum-images were detected for a set
of 25 patient studies with varying cardiac diseases; the ejection
fractions were calculated according to the fixed-region method
with the background region in the same general direction
(3 0"clock). In only two cases the observer did not agree with
the detected contour. The ejection fractions of these studies
were also determined by four independent observers, who manually
traced the regions of interest; background selection was the same
as for the contour detection method. Prom statistical analysis of
the ejection fractions from the automated contour detection
program and the average ejection fractions from the four observers
it could be concluded that no significant differences in precision
exist between the two methods.
PAGE 8
The score of the automated contour detection program could be
assessed from a total of 111 bloodpoolstudies, Only 5% of the
detected contours were rejected bij the operator.
Another positive result from the use of the automated contour
detection is a decrease in the inter- and intra-observer
variations compared to manual tracing of the contours; this is
particular significant if the background region is selected in a
standard direction. These data were assessed from a set of 16
bloodpool studies. These studies were analysed at two occasions
by three observers, who applied the conventional manual method and
the described automated contour detection with a fixed left
ventricular region of interest. With the same background
direction per study for the repeated measurements the
intra-observer variations reduced from 1.57 to 0.25 % and the
inter-observer variations from 4.8 to 0.48 %. Finally, the
ejection fractions obtained with both fixed and moving left
ventricular regions of interest, were compared with the ejection
fractions from contrast-angiography. h correlation coefficient of
0.80 was found for the moving region of interest technique and of
0.73 for the fixed regions of interest.
In conclusion, a complete and routinely useful software package
has been developed for the automated detection of the left
ventricular activity structure in gated bloodpool studies. Prom
evaluation studies, the accuracy and success rate of the method
have been shown to be very good.
WOORDENLIJST.
angina pectoris
angiogram
background
bloodpool
hart-catheterisatie
collimator
comptonscatter
coronairvaten
desintegratie
ECG
eind-diastole
- pijn op de borst
- rö'ntgenopname van hart en bloedvaten,
schaduwgevend gemaakt door middel van een
contrastmiddel
- achtergrondgebied; wordt gebruikt ter
correctie van de gemeten straling binnen het
hart-ROI (region of interest), welke
afkomstig is van weefsel voor en achter het
hart liggend
- de hoeveelheid bloed in het hart
- het inbrengen van een catheter via een
slagader of een ader in het hart
- loden plaat met cirkelcilindrische gaten,
bestemd om slechts straling in bepaalde
richtingen door te laten
- het van richting en energie veranderen van
een foton door interacties met electronen
uit de electronenwolk van een atoom
- kransslagaders, die de hartspier van bloed
voorzien
- een spontane nucleaire transformatie,
gekarakteriseerd door de uitzending van
energie en/of massa van de kern
- electrocardiogram
- tijdstip, waarop het volume van de
linkerhartkamer maximaal is
PAGE 10
eind-systole
ejectiefractie
fantoom
frame
foton
FWHM
inter-observer
variaties
intra-observer
variaties
intraveneus
isotroop
listmode
tijdstip, waarop het volume van de
linkerhartkamer minimaal is
geeft aan de door het linkerventrikel
uitgepompte hoeveelheid boed, gerelateerd
aan het eind-diastolische volume; opgegeven
in procenten
model
beeld
een hoeveelheid electro-magnetische energie
(E) waarvan de waarde in Joules gelijk is
aan het product van de frequentie in hertz
(f) en de constante van Plane (h).
In formule : E = h.f
full width half maximum
variaties in resultaten die ontstaan als
een gelijksoortige bewerking door
verschillende personen wordt uitgevoerd
• variaties in resultaten die ontstaan als
een gelijksoortige bewerking meerdere malen
door dezelfde persoon wordt uitgevoerd
- toediening via een ader
- richtingsonafhankelijk
• computer-acquisitiemethode waarbij de x-y
coördinaten van geregistreerde scintillaties
achtereenvolgens in het geheugen van de
computer opgeslagen worden; voor de
tijdregistratie worden op regelmatige
tijdsintervallen markeringssignalen
meegegeven
linkerventrikel - linkerhartkamer
MTF - modulatie transfer function; amplitude van
de Fourier getransformeerde puntspreidings-
functie
peak filling rate - maximale volumeverandering per tijdseenheid
tijdens vullingsfase van linkerventrikel
peak ejection rate - maximale volumeverandering per tijdseenheid
tijdens ejectiefase van linkerventrikel
pixel - beeldelement (picture element)
scintigrafie - diagnostische techniek waarbij een
twee-dimensionaal beeld van een in het
lichaam aanwezige stralingsbron wordt
verkregen door middel van radioisotopen
scintillatie - lichtflits
strokevolume - verschil tussen eind-diastolisch en
eind-systolisch volume
PAGE 12
LUST VAN GEBRUIKTE SYMBOLEN.
BK
C(r,h)
ED
Ed
EP
Eg
Em
Er
ES
Es
EV(n,h)
F(x,y)
LV(n)
LVcor(n)
O(r,h)
PC(n,h;
pBK
P(n)
Q(Rh,h
Rd
(Rh,h)
over de hartcyclus gemiddeld aantal counts
in het achtergrondgebied
polaire kostenmatrix
eind-diastolische beeldnummer
detectie-rendement
ejectiefractie van het linkerventrikel
geometrisch-rendement
overall-rendement
registratie rendement
eind-systolische beeldnummer
bronrendement
regionale ejectiesnelheid
originele beeld
aantal counts binnen linkerventrikelcontour
in beeld n
voor achtergrondstraling gecorrigeerd
aantal counts binnen linkerventrikelcontour
in beeld n
' polaire voorstelling van origineel beeld
• regionale procentuele contractie
- aantal pixels in backgroundgebied
• aantal pixels binnen linkerventrikelcontour
in beeld n
- minimale kosten van (Rs,l) naar (Rh,h)
- aantal door gammacamera gedetecteerde fotonen
• polaire coördinaten contourpunt in richting h
(Rs,l) - polaire coördinaten startpunt contour
Rw - aantal op het kristal invallende
fotonen met de juiste energie
RE(n,h) - regionale ejectiefractie
Td - dode tijd van de combinatie van gammacamera
en computer
(Xlv,Ylv) - coördinaten linkerventrikel middelpunt
(Xlvn,Ylvn) - gecorrigeerde coördinaten linkerventrikel
middelpunt
PAGE 14
HOOFDSTUK 1
INLEIDING
De digitale beeldverwerking vindt steeds meer toepassing als
hulpmiddel bij het stellen van de diagnose bij verschillende
soorten van hartonderzoek, waarbij de informatie gepresenteerd
wordt in de vorm van beelden. Voorbeelden hiervan zijn de
scintigrafische onderzoekmethoden, waarbij gebruik gemaakt wordt
van radioaktieve stoffen die informatie kunnen verschaffen over de
vorm en grootte of de functie van het hart, en de
hartcatheterisatie, waarbij een röntgenfilm wordt gemaakt van het
hart of de kransslagaders nadat selektief via een catheter een
contrastvloeistof is ingespoten.
Dit verslag zal zich beperken tot de gated-bloodpool
scintigrafische onderzoekmethode [5,11,12,37,41]. Het voornaamste
doel van deze methode is het verkrijgen van gegevens over de
ejectiefractie, welke een maat is voor de pompfunctie van het
hart, en de wandbeweging van de linkerhartkamer (linkerventrikel)
zowel bij rust, verschillende stadia van inspanning als bij de
hierop volgende herstelperiode.
Men is met name geinteresseerd in de ejectiefractie en de
wandbeweging van het linkerventrikel, aangezien dit de pomp van
het hart is, die de grote bloedcirculatie moet verzorgen. Deze
methode is met name van toepassing bij patiënten met coronair
vaatlijden (coronair atherosclerose), waarbij in één of meerdere
van de kransslagaderen (coronairarterien) een vernauwing aanwezig
is. Bij ernstige mate van vernauwing zal bij inspanning het
PAGE 15
gedeelte van de hartspier dat verzorgd wordt door de
desbetreffende coronairarterie te weinig bloed ontvangen, hetgeen
resulteert in een verstoord evenwicht van vraag en 'aanbod van
zuurstof, met als mogelijk gevolg pijn op de borst (angina
pectoris). Dit zal in het algemeen gepaard gaan met
wandbewegingsstoornissen. Ten gevolge van deze stoornissen zal de
ejectiefractie bij toenemende belasting dalen; dit in
tegenstelling tot een stijgende ejectiefractie bij toenemende
belasting bij individuen zonder coronair vaatlijden. Bij
patiënten met een oud infarct, waarbij het geinfarceerde gedeelte
van het hartspierweefsel niet meer functioneert, zijn dergelijke
wandbewegingsstoornissen en een verlaagde ejectiefractie ook in
rust waar te nemen [1,8,9,10,34,35].
Het principe van gated-bloodpool scintigrafie berust op het
labelen (merken) van de rode bloedlichaampjes met het radioactieve
isotoop Technetium-99m. De uitgezonden straling wordt met een
gammacamera gemeten en zo mogelijk opgeslagen in het geheugen van
een aan de camera gekoppeld computersysteem. Door het
gelijktijdig registreren van het ECG is het mogelijk in de
computer elke hartslag te verdelen in een aantal, bijvoorbeeld 20,
tijdsegmenten. De door de gamma-camera gedetecteerde
scintillaties (counts) worden opgeslagen in 20 overeenkomstige
matrices in het geheugen van de computer, zodat de
activiteitsverdeling als functie van de tijd gemeten kan worden.
Het tijdstip in de hartcyclus waarop een scintillatie wordt
gedetecteerd, bepaalt nu de matrix waarin een element wordt
opgehoogd, terwijl de plaats in deze matrix bepaald wordt door de
x-y positie in de gamma camera waar deze scintillatie plaats vond.
Het meten van de energie van een ontvangen stralingskwant maakt
PAGE 16
het ten slotte mogelijk om ongewenste energienivo's, bijvoorbeeld
van strooistraling, te onderdrukken. Na de opname kunnen de
matrices herhaald als een "closed loop" film op een video-monitor
worden afgebeeld. In figuur 1.1 zijn de eerste 8 beelden van een
dergelijke film afgebeeld.
3 4
1 linker ventrikel
2 rechter ventrikel
3 aorta
4 longslagader
fig-jur 1.1
Het eerste'beeld (linksboven) komt overeen met eind-diastole,
waarbij het linkerventrikel het grootste volume heeft en het
laatste beeld (rechtsonder) met eind-systole, waarbij het
linkerventrikel het kleinste volume heeft.
De tot voor kort gevolgde methodiek voor de berekening van de
ejectiefractie bestond uit het in het sombeeld van de 20 frames
met een joystick aangeven van de contouren van het linkerventrikel
en van een achtergrondgebied (background region).
De ejectiefractie EF wordt nu gedefineerd door:
EF = pBK pBK
LV(ED)-BK.>{ED)
pBK (1.1)
LV(ED)-LV(ES)
LV(ED)-BK.>(ED)
pBK
PAGE 17
Hierbij zijn LV(ED) en LV(ES) het totaal aantal counts binnen de
linkerventrikelcontour in respectievelijk het eind-diastolische
beeld en het eind-systolische beeld. BK geeft aan hét aantal
counts in het backgroundgebiea, gemiddeld over alle 20 beelden.
Het aantal beeldelementen in het linkerventrikel en het
backgroundgebied zijn resp. p(ED) en pBK. De korrektie met de
term BK is noodzakelijk omdat een gedeelte van LV(ED) en LV(ES)
afkomstig is van bloed in weefsels voor en achter het
linkerventrikel. Het backgroundgebied levert een schatting voor
deze hoeveelheid activiteit. In figuur 1.2 is het totaalbeeld met
de ingetekende contouren weergegeven. De grafiek geeft de
hoeveelheid activiteit in het linkerventrikel en het
backgroundgebied als functie van de tijd.
figuur 1.2
De wandbewegingen van het linkerventrikel worden nog niet
gekwantificeerd maar door een waarnemer op grond van de door hem
bekeken film kwalitatief beschreven.
PAGE 18
1.1 PROBLEEMSTELLING
Het voornaamste probleem bij de berekening van de ejectiefractie
volgens de beschreven methode is het optreden van grote inter- en
intra-observer variaties [27,28,33,39].
Deze variaties worden voornamelijk veroorzaakt doordat er geen
scherpe begrenzing bestaat tussen het linkerventrikel en het
achtergrondgebied. Hierdoor is het intekenen van de contour van
het linkerventrikel een zeer subjectieve zaak. Onderzoek in het
Academisch Ziekenhuis in Utrecht heeft aangetoond dat bij
betrekkelijk geringe afwijkingen in de getekende contouren
relatief grote afwijkingen in de ejeciefracties ontstaan [33].
Vooral bij te klein intekenen van de linkerventrikel contour bleek
al snel een systematische onderwaardering van de ejectiefractie te
ontstaan. Een andere oorzaak is de grote invloed van de keuze va i
het backgroundgebied [8,9]. Vooral als de backgroundintensiteit
een relatief groot deel van LV(ED) uitmaakt, volgt uit (1.1) dat
kleine variaties in BK een grote invloed hebben op EF.
Behalve de grote inter- en intra-observer variaties treedt bij de
beschreven methode een systematische onderwaardering van de
ejectiefractie op ten opzichte van de waarde zoals die berekend
wordt van het röntgen linkerventrikel angiogram, dat veelal als de
gouden standaard wordt gehanteerd [8,9,13,28,36,39]. Dit laatste
wordt veroorzaaakt doordat dezelfde contour gebruikt wordt bij de
bepaling van LV(ED) en LV(ES), alhoewel het linkerventrikel bij
eind-diastole en eind-systole verschillende afmetingen heeft. Als
voor het eind-systolische beeld apart een contour wordt
ingetekend, wordt de ejectiefractie berekend volgens (1.1.1).
Hierbij wordt verondersteld dat de grootte van het linkerventrikel
tijdens eind-systole p(ES) pixels bedraagt, terwijl de totale
PAGE 19
activiteit binnen de eind-systolische contour gelijk is aan
LVl(ES).
LV(ED)_BK.£gD)
LV(ES)-LVl(ES) _ BK^= EF + * p(ED)-p(ES)
De gemiddelde activiteit (LV(ES)-LVl(ES))/(p(ED)-p(ES)) in het
gebied tussen de eind-diastolische contour en de eind-systolische
contour is in vrywel alle gevallen groter dan de gemiddelde
activiteit BK/pBK in het backgroundgebied zodat EFl groter is dan
EF. De werkelijke ejectie-fractie wordt dus beter benaderd als
verschillende contouren voor de eind-diastolische en de
eind-systolische beelden worden gebruikt [33,36]. Voor een goede
kwantificatie van regionale wandbewegingen en regionale
ejectie-fractie is het noodzakelijk voor elk frame de LV contour
te bepalen. De nauwkeurigheid waarmee dit moet gebeuren, alsmede
de benodigde tijd, maakt intekenen met de joystick onaanvaardbaar.
1.2 DOELSTELLING.
De doelstellingen van dit onderzoek zijn de volgende:
Het ontwikkelen van een contpurdetectie algoritme dat gevoelig
genoeg is om ook in beelden met een betrekkelijk geringe
signaal/ruis verhouding de contour van het linkerventrikel
betrouwbaar te detecteren. De automatische contourdetectie
dient te geschieden op de afzonderlijke beelden van een
bloodpoolstudie.
PAGE 20
- Het ontwikkelen van een methode waarmee het achtergrondgebieö
consequent een vaste grootte en plaats t.o.v. het
linkerventrikel krijgt.
- Het ontwikkelen van een kompleet, zoveel mogelijk
geautomatiseerd, software pakket gebaseerd op de hierboven
genoemde algoritmen, dat bruikbaar is in de klinische praktijk.
- uitvoeren van een klinische evaluatiestudie met de ontwikkelde
programmatuur op een . voldoend grote groep patiënten;
vergelijken van de verkregen resultaten met die verkregen
volgens conventionele methoden, met name wat betreft de inter-
en intra- observervariaties.
- Onderzoek naar nieuwe methoden voor bepaling van regionale
ejectiefractie en wandbewegingen van het linkerventrikel,
gebruik makend van de automatisch gedetecteerde contouren.
1.3 GEBRUIKTE APPARATUUR.
Het Gamma systeem waarvoor de software ontwikkeld is bestaat uit
een Searle Pho/Gamma V camera die met een NC11-A interface {A/D
converter) gekoppeld is met een DEC Gamma-11 computersysteem. De
opnamen worden gemaakt met een low energy general purpose
collimator (LEAP). Het Gamma-11 computersysteem bestaat uit een
PDP 11/34 computer met 128 K woorden geheugen, een RK06 disk unit
en TME11-ED magtape unit. Een LA-36 DEC writer of een VT-100
video terminal worden als background terminal gebruikt en een
VT-52 terminal dient voor foreground acquisitie. De
computerbeelden kunnen zichtbaar gemaakt worden via een CONRAD
VSV01 kleuren video display en een CONRAD SNA-14C zwartwit video
monitor. Hardcopy's van de computerbealden worden gemaakt op
röntgenfil.-n met behulp van een MATRIX Imager 6 video imager of
PAGE 21
door polaroid foto's te maken van de kleurenmonitor. Voor de
ontwikkeling van software is een tweede Gamma-11 computer systeem
met een vergelijkbare configuratie aanwezig. De Gamma-ll software
draait onder de PB monitor van het RT-11 versie 3B operating
system.
PAGE 22
HOOFDSTUK 2
TECHNETIUM-99m GATED-BLOODPOOL SCINTIGRAFIE
Het principe van de bloodpool scintigrafie berust op het labelen
van de rode bloedlichaampjes met het radioactieve isotoop
Technetium-99m. Een probleem bij dit labelen is de moeilijkheid
het isotoop zodanig vast aan de rode bloedlichaampjes te binden
dat gedurende de gehele opnameduur een praktisch konstante
hoeveelheid technetium in de bloedbaan aanwezig is (ervan uitgaand
dat de fysische halfwaardetijd lang is ten opzichte van de
studieduur). Als oplossing hiervoor is gevonden het intraveneus
toedienen van een kleine hoeveelheid pyrofosfaat (PPI) dat zich
goed aan de rode bloedlichaampjes hecht. Ongeveer 10 minuten
later wordt intraveneus 15 mCi Technetium-99m ingespoten [19].
Het isotoop hecht zich aan het pyrofosfaat en blijft hierdoor
gedurende lange tijd in een stabiele concentratie in de bloedbaan
aanwezig. Ongeveer 15 minuten na inspuiting heeft het isotoop een
homogene verdeling over het totale bloedvolume bereikt en kan met
de opnamen gestart worden. De opnamen worden gemaakt door de
gamma-camera zo dicht mogelijk boven het hart te positioneren in
een zodanige positie dat op de beelden een maximale scheiding
ontstaat tussen het linker ventrikel en het rechterventrikel. Het
is gebleken dat deze scheiding maximaal is in de LAO 45 (left
anterior oblique=links schuin voor) oriëntatie waarbij tevens een
rotatie van ongeveer 10 graden naar het hoofd ingesteld wordt.
De belangrijkste delen van het gamma-systeem zijn de collimator,
het kristal,de fotoversterkerbuizen met de gekoppelde electronica
PAGE 23
en de digitale computer. De functies van de diverse onderdelen
zullen hierna kort besproken worden. Een uitgebreide bespreking
kan gevonden worden in de artikelen van Budinger [11,12].' Het in
de bloedbaan gebrachte isotoop ondergaat bij. een dosis van 15 mCi
ongeveer 550 miljoen desintegraties per seconde. Per definitie
geldt namelijk 1 Ci=3.7 E10 desintegraties/seconde. Bij 90% van
deze desintegraties ontstaan fotonen met een energie van 140 keV
die zich in alle richtingen voortbewegen. Een gedeelte van deze
fotonen gaat door absorptie in het lichaam verloren (foto-effect),
terwijl een ander deel in het lichaam door interacties met
elektronen van richting wordt veranderd (compton scatter). Dit
laatste gaat met afname van de energie van de fotonen gepaard.
Het restant aan fotonen passeert ongehinderd het lichaam.
De parallel-hole collimator bestaat uit een dikke loden plaat met
een groot aantal parallelle cirkelcylindrische gaten (figuur 2.1).
Good phoion
\ I Bid photonGood photon \ | bminwg«dnot imaiisd \ i f
\ • \ I !\
\ \ | !\ N JU-̂ Sciwr
MULTI-CHANNEL COLLIMATOR
figuur 2.1 (ontleend aan Budinger ref. 11,12 )
De functie van de collimator kan vergeleken worden met die van een
lens. Alleen fotonen die zich voortbewegen in de richting van de
collimator en die één van de cirkelcylindrische gaten doorlopen,
PAGE 24
treffen het kristal. Hierdoor ontstaat als het ware een 1 op 1
afbeelding van het gebied onder de collimator.
In het NaJ(Tl) (natrium-jodide) kristal wordt het grootste
gedeelte van de doorgelaten fotonen geabsorbeerd, Ben foton zal
achtereenvolgens interacties ondergaan met de elektronen van de
natrium-jodide moleculen, waarbij deze electronen uit hun banen
gestoten worden. Bij het opvullen van de vacante posities treden
lichtflitsen op (scintillaties). De totale intensiteit van de
lichtflitsen veroorzaakt door een bepaald foton is evenredig met
de oorspronkelijke energie van dat foton. Zuiver NaJ scintilleert
in het UV-gebied; door toevoeging van ongeveer 1% Tl (thallium)
verschuift de golflengte van het geëmitteerde licht tot boven
4000 A en wordt de conversie efficiëntie verhoogd tot ongeveer
10 %. Boven het kristal zijn fotoversterkerbuizen aangebracht die
optisch gekoppeld zijn :net het kristal en de ontvangen
lichtflitsen omzetten in elektrische stroompjes die evenredig zijn
met de intensiteit van de lichtflitsen. Door de uitgangssignalen
van de fotoversterkerbuizen naar een elektronische schakeling te
sturen kunnen x-y signalen berekend worden die een maat zijn voor
de plaats waar het kristal door het foton getroffen werd (zie
figuur 2.2). Door sommatie van de uitgangsstromen van de
fotoversterkerbuizen ontstaat het z-signaal dat een maat is voor
de energie van het foton. Omdat fotonen die door comptonscatter
zijn afgebogen een lagere energie bezitten kunnen deze pulsen door
pulshoogtediscriminatiG onderdrukt worden.
De A-D converter in het computersysteem kwantiseert de analoge
positiesignalen in 64 stappen en kan deze op interruptbasis
doorgeven naar het geheugen.
PAGE 25
( (T l ) crystal
Pholomultipliertube»
TUBE RESPONSE
Evtnl Tube Number
A 4 hoi greotett response.Tub» | « 2 » 3 » 5 « 8 " 9
B 7 f t I I hove greatest response,Tube 6-12 Tube 8«10
Basic concapt bahind tha Anger camera. Tha poiilion of a icintillation it deduced by tha amount of light da-tactad by tha photolubas ralativa to one another.
figuur 2.2 (ontleend aan Budinger ref. 11,12 )
Tevens wordt een triggersignaal aan de computer doorgegeven dat is
afgeleid van de R-top van het ECG signaal. Met behulp van dit
signaal verdeelt de computer de gemiddelde hartslag in een aantal
tijdsegmenten. In het computergeheugen wordt een overeenkomstig
aantal matrices van 64 bij 64 beeldelementen gedefineerd. Als
tijdens een bepaald tijdsegment een interruptsignaal wordt
aangeboden» wordt in de overeenkomstige matrix dat matrixelement
dat overeenkomt met de door de A-D converter aangeboden x-y
coördinaten met één verhoogd. Na de opname kunnen deze matrices
als opeenvolgende beelden herhaald als ean film worden afgebeeld.
Dit geeft een indruk van de volumaveranderingen en de
wandbewegingen van het linkerventrikel.
2.1 FYSISCHE ACHTERGRONDEN.
Een fundamenteel probleem in de nucleaire geneeskunde is de
statistische onbetrouwbaarheid van de verkregen beelden [11,12].
Deze statistische onbetrouwbaarheid wordt veroorzaakt door het
geringe aantal van de oorspronkelijk uitgezonden fotonen dat
PAGE 26
tenslotte door de gamma-camera wordt gedetecteerd.
Het rendement van de meting, d.w.z. de verhouding tussen het
aantal in de gamma-camera geregistreerde fotonen en het aantal
geproduceerde fotonen, wordt bepaald door een complex van
factoren, waarbij o.a. de energie van de straling, de
geometrische configuratie van bron en detector en grootte en
gevoeligheid van de detector een rol spelen. Het overall
rendement Em kan worden geschreven als Em=Es,Eg.Ed,Er, waarin Es
bronrendement, Eg geometrisch rendement, Ed detector rendement en
Er registratierendement.
Tengevolge van de in het lichaam optredende absorptie en
verstrooiing is het bronrendement, dat de fractie van de straling,
die uit het lichaam treedt, aangeeft, kleiner dan 1. Daar de
uitgezonden straling isotroop is, zal slechts een gedeelte van de
straling uit het lichaam in de richting van de detector
uitgezonden worden. Dit gedeelte wordt aangegeven met het
geometrisch rendement. Van de op de detector vallende straling
zal ook weer slechts een gedeelte een interactie met de detector
geven. Deze fractie is het detectierendement. Tenslotte wordt in
de achter de detector geschakelde apparatuur slechts een gedeelte
van de door de detector geproduceerde signalen geregistreerd. Dit
komt tot uitdrukking in het registratierendement. Bij het gamma
systeem wordt het registratie rendement voornamelijk bepaald door
de zogenaamde dode tijd Td van het totale systeem van gamma camara
en computer. Gedurende deze tijd Td na de detectie van een foton
kan ' het systeem geen nieuwe fotonen detecteren [2]. De gemeten
dode tijd van ons camera-computer systeem bedraagt 7.5
microseconde. Als Rw het aantal invallende lichtfotonen per
tijdseenheid van de juiste energie is en Rd het aantal
PAGE 27
gedetecteerde fotonen per tijdseenheid dan geldt:
Rd 1RW " 1-Rd.Td = 1 TT (2.1.D
Rd "
Wanneer als eis gesteld wordt dat slechts 10% van het aantal
fotonen door de dode tijd verloren mag gaan dan volgt uit 2.1.1
dat Rd voor Td=7.5 microseconde maximaal gelijk mag zijn aan 14815
cnts/sec. Bij een opnametijd van 2 minuten en gebruik van 20
frames met 64*64 pixels zouden dan gemiddeld ongeveer 22
counts/pixel gedetecteerd worden. Bij de toegediende dosis van 15
mCi ligt Rd meestal een factor 1-4 lager zodat een gemiddeld
aantal counts/pixel van 10 normaal is.
Het ontstaan van fotonen is een stochastisch proces. De kans dat
per tijdsinterval in een bepaald gebied x counts geteld worden
heeft een Poisson verdeling en is gelijk aan:
k
p(x=*> = j-rr e"m (2.1.2)
Hierin is m het gemiddelde aantal ontvangen fotonen per
tijdseenheid. Een schatting voor m is het aantal ontvangen counts
n in het gebied. Voor grote waarden van n kan deze
Poisson-verdeling benaderd worden door een normale verdeling met
gemiddelde n en variantie n.
PAGE 28
p(x) =(x-n)'2n (2.1,3)
De spatiele resolutie van de scintigrafische beelden wordt bepaald
door de spatiele resolutie van de gebruikte collimator en door de
spatiele resolutie van de camera. De laatste waarde wordt ook wel
intrinsieke resolutie genoemd. Voor deze intrinsieke resolutie
worden meestal twee getallen opgegeven [11,12].
a) De breedte (in mm.) van de loodstrippen die nog onderscheiden
kunnen worden. Voor deze meting wordt een loodstrippenfantoom
gebruikt dat loodstrippen met een oplopende breedte bevat; de
onderlinge afstand tussen twee naburige loodstrippen is gelijk aan
de breedte van één van beide loodstrippen.
b) De FWHM (full width half maximum) van de lijnspreidingsfunctie.
Deze FWHM wordt gemeten met een smal buisje gevuld met activiteit
zoals in figuur 2.3 is weergegeven. De breedte van het buisje
moet veel kleiner zijn dan de FWHM.
Angtr cometo
Profile ot input irnoge
fWMM
FWIOmW
Line ipreod function
fatttttt ttonsfotm
y tyc'es pet cm1
c transfer function
figuur 2.3 (ontleend aan Budinger ref. 11,12)
PAGE 29
Uit de lijnspreidingsfunctie kan de MTF (modulatie transfer
functie) door Fourier transformatie bepaald worden [32]. In de
praktijk wordt meestal alleen de loodstrippen-resolutie bepaald en
neemt men voor de FWHM een tweemaal zo grote waarde aan. De
collimator-resolutie wordt gewoonlijk gedefineerd door de FWHM van
de lijnspreidingsfunctie van de betreffende collimator. Deze
resolutie wordt door de fabrikant opgegeven voor afstanden van 0,
5 en 10 cm. van de lijnbron tot de collimator. De spatiele
resolutie van het systeem kan nu als volgt berekend worden:
2 2FWHM (systeem) = V F W H M (intrinsiek) +FWHM (collimator) (2.1.4)
Voor de Searle Pho/Gamma V camera worden de volgende waarden
gevonden:
intrinsieke resolutie (FWHM) : 5.6 mm.
afstand collimator resolutie systeem resolutie
0 cm. 2.2 mm. 6.0 mm.
5 cm. 4.8 mm. 7.4 mm.
10 cm. 7.6 mm. 9.4 mm.
De systeemresolutie van 9.4 mm. op een afstand van 10 cm. komt
ongeveer overeen met 3 pixels bij een matrixgrootte van 64 bij 64
beeldpunten.
PAGE 30
2.2 KLINISCHE TOEPASSING
Het belangrijkste kwantitatieve gegeven dat met de gated
bloodpoolstudies wordt verkregen is de grootte van de
ejectiefractie van het linkerventrikel onder diverse
omstandigheden. Meestal wordt deze ejectiefractie tijdens een
onderzoek meerdere malen bepaald, bijvoorbeeld tijdens rust,
inspanning en herstel. Men is dan vooral geinteresseerd in de
optredende veranderingen in de ejectiefractie. Een verlaging van
de ejectiefractie tijdens inspanning kan bijvoorbeeld wijzen op
coronair hartlijden [1,8,9,10]. Om de klinische bruikbaarheid van
de methode te bepalen is het van belang een indruk te hebben van
de nauwkeurigheid waarmee de opgenomen studie geanalyseerd kan
worden. Enkele van de methoden die gebruikt worden om deze
nauwkeurigheid te bepalen zijn de volgende:
a) Intra-observer variaties
Dit zijn de variaties welke optreden als 1 waarnemer meerdere
malen achtereen de ejectiefractie van eenzelfde bloodpoolstudie
bepaalt.
b) Inter-observer variaties
Deze variaties ontstaan als meerdere personen de ejectiefractie
van eenzelfde bloodpoolstudie bepalen
c) Absolute nauwkeurigheid
Om de absolute nauwkeurigheid van de ejectiefractie te kunnen
bepalen, is recentelijk speciaal voor dit doel een dynamisch
hartfantoom ontwikkeld [31].
d) Correlatie met contrastangiografische meetgegevens
Dit is de van oudsher gebruikte methode voor bepaling van de
ejectiefractie waar de meeste specialisten mee vertrouwd zijn.
De waarden die voor de diverse grootheden in de literatuur genoemd
PAGE 31
worden verschillen sterk. Dit wordt enerzijds veroorzaakt door
het gebruik van verschillende stralingsdoses, opnameduur en
earneragevoeligheid en anderzijds door het gebruik van andere
methoden voor de bepaling van de linkerventrikelcontour en de
selectie van het achtergrondgebied. Een recent onderzoek in
Utrecht [33] geeft voor de intra-observer variaties in de bepaling
van de ejectiefractie 3 % (1 SD) en voor de inter-observer
variaties 5.5 % (1 SD). Bij dit onderzoek werd van 24
bloodpoolstudies door 5 waarnemers 5 maal herhaald de
ejectiefractie bepaald; de gemiddelde ejectiefractie van de 24
studies was 49 %. Onderzoeken naar de absolute nauwkeurigheid
zijn o.a. gedaan door Slutsky [34,35] en Burow [13j. Burow
bereikte met een ballonmodel een ejectiefractie van 48 % en vond
met bloodpoolscintigrafie en angiografie ejectiefracties van
respectievelijk 47 % en 44 ï. De correlatie en regressie van de
meetgegevens die met bloodpoolscintigrafie en contrastangiografie
worden verkregen is door veel onderzoekers gemeten
[8,9,13,28,36,39]. In vrijwel alle onderzoeken bleek dat bij
gebruik van verschillende contouren voor het eind-diastolische en
het eind-systolische beeld (moving ROI methode) een betere
overeenkomst gevonden werd dan /bij gebruik van dezelfde contour
(fixed ROI methode). Voor de "fixed region" en de "moving region"
methodes worden door Sorensen correlatiecoè'f f icienten van
respectievelijk 0.72 en 0.83 en regressiecoëfficienten van
respectievelijk 0.54 en 0.78 genoemd [36].
PAGE 32
HOOFDSTUK 3
CONTOüRDETECTIE IN SCINTIGRAPISCHE BEELDEN
De contourdetetie in scintigrafische beelden kenmerkt zich in het
algemeen door het uitvoeren van een voorbewerking, de eigenlijke
edgedetectie en soms een vorm van nabewerking, waarbij de gevonden
edgepunten tot een connectieve contour gecombineerd worden. De
voorbewerking heeft als doel de geringe signaal/ruis verhouding
van de beelden te verbeteren en de edgeinformatie meer
geprononceerd te maken [29,38]. Deze bewerking bestaat meestal
uit een vorm van lineaire- of nietlineaire-filtering, waarbij de
hoge en lage spatiele frequenties verzwakt worden en de spatiele
frequenties in het middengebied, die de gewenste edgeinformatie
bevatten, versterkt worden. Enkele filtermethoden (gegeven in de
veel gebruikte engelse benaming) die hiervoor vaak gebruikt worden
zijn:
a) "weighted nine point smooth" filter
b) "running average" filter
c) "median" filter
d) "data bounding" filter
e) "spatial and/or temporal Fourier" filtering
f) "2 dimensional least-mean-square" filter
g) "compass gradient" filter
Van deze filters worden a-d en f voor het verzwakken van de hoge
spatiele frequenties gebruikt, g voor het verzwakken van de lage
spatiele frequnties, terwijl e voor beide doeleinden gebruikt kan
worden. De eigenlijke edgedetectie kan bijvoorbeeld geschieden
met region-growing technieken, thresholding of minimum-cost
PAGE 33
contourdetectie, waarbij veelal naar maxima in de eerste- of
tweede- afgeleide functies gezocht wordt. De laatste techniek
maakt het mogelijk om ook in beelden met erg slechte signaal/ruis
verhouding contouren te detecteren.
De nabewerking zorgt er veelal voor dat geïsoleerde edgepunten
onderdrukt worden en dat gaten in de contouren gevuld worden,
Hiervoor worden o.a. combinaties van shrinking en expanding
gebruikt.
De slechte signaal/ruisverhouding is een belangrijke faktor bij de
keuze van de edgedetectie methode. Om een indruk te geven van de
kwaliteit van de beelden is in figuur 3.1 een doorsnede gemaakt in
het eerste frame van een gated bloodpool studie met een opnameduur
van 2 minuten.
figuur 3.1
Duidelijk is te zien dat de edgedetectie bemoeilijkt wordt door de
slechte kwaliteit van de beelden. Een veel toegepaste methode om
contouren te detecteren maakt gebruik van een verschil operator,
die het verschil van het aantal counts nl respectievelijk n2 van 2
naburige gebieden met elk een gelijk aantal pixels p bepaald. Om
PAGE 34
na te gaan wanneer dit verschil als significant beschouwd mag
worden moet eerst de kansverdeling van dit verschil bepaald
worden. Als de aantallen counts nl en n2 groot genoeg zijn om de
Poisson-verdeling door een normale-verdeling te benaderen, kan de
kansverdeling van het verschil ook door een normale verdeling
benaderd worden. Het gemiddelde en de variantie van deze normale
verdeling kunnen geschat worden door respectievelijk nl-n2 en
nl+n2 [11] ,
1 (x-(nl-n2))2
p(x) e 2(nl+n2) (3.1)y 2 ( l 2 ) '
Er kan nu met meer dan 95 % zekerheid gezegd worden dat er een
edge tussen beide gebieden aanwezig is als het verschil nl-n2 meer
dan 2 standaard-deviaties van 0 afwijkt. Als de gebieden een
grootte van p=l hebben dan is bij een gemiddeld nivo (nl+n2)/2.p
van 10 counts/pixel een verschil tussen de gemiddelden nl/p en
n2/p van minder dan 9 counts/pixel niet significant. Voor
gebieden met een grootte van 9 resp 25 pixels wordt dit verschil 3
counts/pixel en 1.8 counts/pixel. Om betrouwbare contourdetectie
in deze beelden mogelijk te maken zal dus de verschil operator op
gebieden met een groot aantal pixels moeten werken. Dit komt
eigenlijk neer op een vorm van spatiele filtering waarbij de hoge
spatiele frequenties verzwakt worden. De gebieden kunnen niet te
groot genomen worden omdat hierdoor ook de gewenste edgeinformatie
verzwakt wordt. Om toch een betrouwbare contourdetectie mogelijk
te maken is het gunstig een detectiemethode, die behalve spatiele
filtering ook temporale filtering gebruikt, toe te passen.
PAGE 35
3.1 IN DE LITERATUUR BESCHREVEN METHODEN.
In de literatuur zijn reeds verschillende methoden beschreven die
met meer of minder succes gebruikt zijn voor contourdétectie op
scintigrafische beelden. Slechts enkele van deze methoden zijn
volautomatisch. Meestal moet de gebruiker na de voorbewerking op
één of meerdere plaatsen een begrenzing aangeven om het
linkerventrikel van andere delen van het hart te scheiden.
Almasi et al [3] beschrijven een methode waarbij de acquisitie in
listmode plaatsvindt. Bij het gebruik van list-mode acquisitie
worden de x-y posities en het tijdstip van optreden van elk
geregistreerd foton in het computergeheugen vastgelegd. De
verwerking van de informatie tot een serie van opeenvolgende
beelden gebeurt nu achteraf, waardoor het mogelijk is de tijdens
onregelmatige hartslagen gedetecteerde fotonen te onderdrukken.
Een nadeel van deze methode i.s dat de beelden niet tijdens de
opname opgebouwd worden, zodat eventuele fouten, zoals een slechte
positionering van de camera of een verkeerd ingestelde pulshoogte
discriminator, niet al tijdens de opname zichtbaar worden. Deze
methode vereist een grote geheugen-capaciteit (gewoonlijk
achtergrondgeheugen op schijf), terwijl het "reframen" veel
rekentijd kost. Als voorbewerking wordt 3-dimensionale Fourier
filtering op de verkregen beelden toegepast. Tevens wordt voor
elk pixel de amplitude en de fase van de grondharmonische in het
tijddomein bepaald. Punten met een voldoend grote amplitude en
een fase, die binnen het interval ligt dat overeenkomt met de
kontractie van het linkerventrikel, worden toegewezen aan het
linkerventrikel. Met behulp van de gevonden punten wordt het
centrum van het linkerventrikel bepaald. Met een adaptief
tweede-afgeleide algoritme worden de edgepunten langs radiale
PAGE 36
lijnen, uitgaande van het gevonden LV-centrum, bepaald. De
contour van het linkerventrikel wordt verkregen door de edgepunten
te verbinden.
Askar en Modestino [4] gebruiken als voorbewerking een recursief
digitaal filter dat gebaseerd is op least-mean-sguare
filtermethoden. In het gefilterde beeld wordt door de gebruiker
een model van de te detecteren linkerventrikelcontour ingetekend.
Hierna wordt met een heuristische methode een benadering van de
minimale-kostencontour gevonden. Bij deze methode worden de
kosten van een edgepunt bepaald door de afstand tot het model van
de contour en door de edgeinformatie die met het recursieve
digitale filter verkregen is. Een nadeel van deze methode is dat
de tijdsduur en de geheugenruimte, die benodigd zijn voor de
bepaling van de contour, afhankelijk zijn van de kwaliteit van de
beelden en theoretisch zeer groot kunnen zijn. Bovendien is het
bij gebruik van een heuristische methode mogelijk dat niet de
beste contour gevonden wordt. Hiertegenover staat echter dat deze
methode het mogelijk maakt contouren te detecteren in beelden met
slechte signaal/ruis verhouding.
Douglas en Green [15] gebruiken het "stroke volume" beeld om een
rechthoek te bepalen waarbinnen het linkerventrikel ligt. Dit
strokevolume beeld wordt verkregen door voor elk pixel het aantal
counts in het eind-diastolische beeld te verminderen met het
aantal counts in het eind-systolische beeld. In het resulterende
beeld zijn de beide ventrikels met hoge intensiteit zichtbaar,
zodat door gebruik te maken van het gegeven dat het
linkerventrikel op de beelden rechts van het rechterventrikel
ligt, eenvoudig een rechthoek te bepalen is waarbinnen het
linkerventrikel ligt. Binnen het gevonden region wordt de
PAGE 37
compass-gradient bepaald in 8 richtingen. Door voor elk pixel het
aantal counts te verminderen met de maximale waarde van de
compass-gradient voor dat pixel ontstaat een beeld waarin de edges
zijn opgehaald. Dit beeld wordt zesmaal 15 graden gedraaid
waarbij steeds de pixels van de rijen en kolommen waarvan de rij-
of kolom-som beneden een bepaalde threshold liggen, worden
onderdrukt. De positieve pixels van het resulterende beeld worden
toegewezen aan het linkerventrikel. Het grote nadeel van deze
methode is dat slechts 6 richtingen zijn toegestaan voor de
rechtlijnige contoursegmenten. Bovendien kunnen pixels die op
grond van lokale eigenschappen tot het linkerventrikel
geaksepteerd zouden worden, toch op grond van te lage rij- of
kolom-sommen onderdrukt worden.
Door Hawman et al [18] worden eerste- of tweede-afgeleide beelden
bepaald door bewerkingen met 3x3 submatrices. Uitgaande van deze
beelden wordt door herhaling van thresholding en binair shrinking
de contour van het linkerventrikel gevonden. Voor het vinden van
de "ideale" contour zijn echter seer veel iteraties nodig. Hawman
heeft ook nog testen gedaan met kunstmatig gegenereerde beelden
van het linkerventrikel, waarbij ook de puntspreiding van de
gammacamera in rekening is gebracht. Het bleek dat de volgens de
eerste-afgeleide methode gevonden contour binnen de echte contour
lag en de volgens de tweede-afgeleide methode gevonden contour
buiten de echte contour. Volgens Hawman is dit laatste te
prefereren voor de bepaling van de ejectie-fractie omdat door de
grote puntspreiding van de gammacamera een gedeelte van de uit het
linkerventrikel afkomstige counts buiten de echte contour
gedetecteerd zullen worden.
Kuwahara [22] gebruikt een nie:~lineair filter als voorbewerking.
PAGE 38
Bij dit filter wordt voor elk pixel het gemiddelde en de variantie
van 4 aangrenzende gebieden {figuur 3.2a) bepaald. Het gemiddelde
van het gebied met de laagste variantie wordt aan het pixel
toegewezen. Het resultaat is een beeld waarin de edges versterkt
zijn en de achtergrond- en objectgebieden geëffend zijn [22/24],
Hierna wordt het linkerventrikel gescand langs radiale lijnen
uitgaande van het door de gebruiker aangegeven centrum van het
linkerventrikel (figuur 3.2b). Door middel van fitting met een
model van een ideale edge (figuur 3.2c) wordt op elke radiale lijn
de plaats van het edgepunt bepaald. Verbinding van de gevonden
contourpunten levert de gewenste contour.
VQ
dj
0I I
A
Cl)
•i-F' 'c
- • •
« . . : . : . v • : . • , • . v •• • . - : . . . - . _ ; • • : - . " • • '
r> N
Distance
Uft V«nlricle
a b c
figuur 3.2 (ontleend aan Kuwahara ref. 22 )
Kan et al [20] gebruiken hetzelfde niet-lineaire filter als
voorbewerking. Hierna wordt de compass-gradient in 8 richtingen
bepaald. Aan elk pixel wordt de grootte en richting van de
compass-gradient met het grootste uitgangssignaal toegekend.
Pixels met een in verhouding tot de aangrenzende pixels te lage
amplitude of afwijkende richting worden onderdrukt. In het
PAGE 39
resulterende beeld wordt door de gebruiker de
linkerventrikelcontour ingetekend.
In het Victoria Hospital [14] wordt een tweede afgeleidebeeld
bepaald door convolutie van het beeld met een 7x7 operator. Deze
operator is in figuur 3.3 weergegeven.
Er wordt door de operator een region of interest aangegeven dat
het linkerventrikel omvat en binnen dit ROI worden horizontale
lijnen gescand. Alle pixels tussen het eerste en laatste minimum
van de tweede-afgeleide worden toegekend aan het linkerventrikel.
Door toepassing van smoothing en thresholding wordt het
definitieve linkerventrikel bepaald.
10- 5
- 2
1
- 2
- 5
10
- 50
3
4
3
0
-23
6
7
6
3
- 2
14
7
8
7
4
1
figuur
- 23
6
7
6
3
- 2
3 . 3
- 503
4
3
0
- 5
-10- 5
- 2
1
- 2
- 5
-10
3.2 MOTIVATIE VAN DE GEKOZEN METHODIEK
Als de in de vorige paragraaf beschreven methoden vergeleken
worden, dan blijkt dat er een globale uitwisseling bestaat tussen
de benodigde rekentijd en het behaalde resultaat. Op grond van de
lange rekentijd is van het gebruik van Fourier filtering [3] en
van het niet-lineaire filter [22] afgezien. Verder blijkt dat het
gebruik van snelle en simpele voorbewerklngsmethoden zoals de
"weighted nine point smooth" en de "compass-gradient" toch goede
PAGE 40
resultaten te geven. Scannen langs radiale lijnen heeft als
voordeel dat een contour steeds uit een gelijk aantal punten
bestaat, terwijl het tevens eenvoudig is de wandbeweging van het
linkerventrikel langs deze radiale lijnen te beschrijven door de
contouren van opeenvolgende beelden te vergelijken.
Minimale-kostencontour detectie heeft als voordeel dat . het
mogelijk is ook in beelden met slechte signaal/ruis verhouding te
detecteren. Hierom is geprobeerd deze vier methoden te combineren
en tevens gebruik te maken van het gegeven dat de
linkerventrikelcontour een convexe vorm heeft. Dit laatste kan de
berekening van de compass-gradient en van de
minimale-kostencontour versnellen. Hoe deze vier methoden
gecombineerd kunnen worden zal in het volgende hoofdstuk
beschreven worden.
PAGE 41
HOOFDSTUK 4
DETECTIE VAN DE LINKERVENTRIKELCONTOUR
Voor de detectie van de linkerventrikelcontour wordt in elk punt
de waarde berekend van een kostenfunctie. Deze kostenfunctie is
zo gekozen, dat de kosten in een pixel hoog zijn als het pixel
waarschijnlijk niet tot de contour behoort, en klein zijn als het
pixel waarschijnlijk wel tot de contour behoort. Uit analyse van
met de hand getekende contouren is gebleken dat de plaats van een
contourpunt goed overeenkomt met de plaats van het maximum van de
tweede-afgeleide, die berekend wordt langs radiale lijnen
uitgaande van het centrum van het linkerventrikel. Dit wordt in
de literatuur o.a. ook door Hawman vermeld [18]. De
kostenfunctie wordt daarom gedefinieerd als de inverse van deze
tweede-afgeleide functie. De contour kan tenslotte gevonden
worden door een enkelvoudig gesloten minimum-kostenpad te zoeken
in de matrix van berekende kostenfunctie-waarden.
4.1 BEREKENING VAN DE KOSTENFUNCTIE
Voer de berekening van de kostenfunctie moet de tweede-afgeleide
functie bepaald worden langs een aantal (64) radiale lijnen
uitgaande van het door de gebruiker aangegeven centrum van het
linkerventrikel (zie ook paragraaf 4.3). Een sterke
vereenvoudiging ontstaat als de richting, waarin de afgeleide
bepaald wordt, afgerond wordt op veelvouden van 45 graden. In dit
geval kan het linkerventrikel verdeeld worden in 8 segmenten zoals
dit in figuur 4.1 is aangegeven. Voor elk punt in elk segment kan
de afgeleide bepaald worden door een convolutie van het beeld mst
PAGE 42
de compass-gradient operator die de grootste gevoeligheid heeft in
de r icht ing van de cen te r l i jn van het segment en in een u i t het
centrum van het l inkerventr ikel naar buiten gerichte r i ch t ing .
LV=linkerventrikel
RV=rechterventrikel
figuur 4.1
SECTOR
DIRECTION OFGRADIENT
FIVE LEVELSIMPLEMASKS
10-1
N
20-2
10-1
210
NW
10-1
0-1-2
121
W
000
-1-2-1
012
sw
-101
-2-10
SECTOR
DIRECTION OFGRADIENT
FIVE LEVELSIMPLEMASKS
SE E NE
- 1 - 2 - 1 - 2 - 1 0 - 1 0 1 0 1 20 0 0 - 1 0 1 - 2 0 2 - 1 0 11 2 1 0 1 2 - 1 0 1 - 2 - 1 0
figuur 4.2
De door de discretisatie ontstane fout in de richting is nu
maximaal 22.5 graden. In de praktijk is gebleken dat dit geen
probleem oplevert. De gebruikte compass-gradient operatoren zijn
de "five level simple masks" [21,30]. De compass-gradient
PAGE 43
operatoren die behoren bij de acht segmenten van figuur 4.1 zijn
in figuur 4.2 aangegeven. Door de geringe signaal/ruis verhouding
in scintigrafische beelden geeft het gebruik van deze
compass-gradient operatoren op pixelnivo geen goede resultaten.
De reden hiervoor is in hoofdstuk 3 al aangegeven. Een beter
resultaat ontstaat als de compass-gradient operatoren op 3x3
submatrices gebruikt worden. Als maat voor de intensiteit van een
submatrix kan dan de "weighted nine point smooth"-waarde gebruikt
worden. Het voordeel van deze smoothingmethode boven het "moving
average filter" is dat de hoge spatiele frequenties beter verzwakt
worden [38], terwijl de gewenste spatiele frequenties juist goed
doorgelaten worden. In figuur 4.3 zijn de operatoren van beide
filters vermeld, samen met de frequentieoverdracht in de
horizontale richting. In deze figuur is fO de grensfrequentie, die
uit het bemonsteringstheorema volgt (f0=l/2T0). Hierbij is TO de
bemonsteringsafstand, welke bij beelden van 64x64 pixels ongeveer
3.3 mm. bedraagt, zodat f0=0.15 cycles/mm. De totale operatie
bestaat uit het uitvoeren van twee convoluties, waarvan de eerste
met de "weighted nine point smooth" operator en de tweede met de
"modified compass gradient" operator. Deze laatste operator is
gemodificeerd tot een 5x5 operator omdat nu niet meer met pixels
maar met 3x3 submatrices gewerkt wordt. Immers, na de convolutie
van de beeldmatrix met de "nine point weighted smooth" operator
staan in de resulterende matrix de getallen, die representatief
zijn voor de intensiteit van de 8 naburige 3x3 submatrices, op
afstanden van twee pixels (vanaf centrum) in de x- en y-richting.
Ook van deze 5x5 operator is in figuur 4.3 de frequentieoverdracht
in de horizontale richting gegeven. Als laatste is de
frequentieoverdracht van de combinatie van beide toegepaste
PAGE 44
F(u,O)
A MOVING AVEPAGE FH1TER
MASK 1 1 1 '1 - 1 1
F(u,O)=Cl,(l+2cos(uT0))
B WEIGHTED NINE POINT SMOOTH
1 2 1MASK 2 4 2
F(u,0)=C2.(l+cos(uT0))
C MODIFIED COMPASS GRADIENT
- 1 0 0 0 10 0 0 0 0MASK
F(u,0)=C3.sin(2uT0)
-20
-1
000
000
000
201
D TOEGEPAST FIUTER
F(u,0)=C4.(sin(3uT0)+2.sin(2uT0)+sin(uT0))
FIGUUR 4.3
PAGE 45
filters gegeven. Uit de karakteristiek blijkt dat hoge en lage
frequenties goed onderdrukt worden terwijl de middenfrequenties
goed doorgelaten worden. Vooral deze middenfrequenties'bevatten
de gewenste edgeinformatie. Het resultaat van de twee convoluties
is een eerste-afgeleide beeld dat in figuur 4.4 samen met het
originele beeld is weergegeven.
figuur 4.4
In een eerste benadering is dit eerste-afgeleide beeld als
kostenfunctie voor de minimale-kosten contourdetectie gebruikt.
Het bleek echter dat het gebruik van de inverse van de
tweede-afgeleide veel betere resultaten opleverde, zowel wat
betreft de overeenkomst met de door de waarnemers ingetekende
beelden alswat betreft de ruisafhankelijkheid. Om deze redensn
is, ondanks de langere rekentijd, gekozen voor het gebruik van de
tweede afgeleide bij de berekening van de kostenfunctie. Door het
eerste-afgeleide beeld nogmaals met de beide operatoren te
convolueren ontstaat dit tweede-afgeleide beeld waarvan de inverse
als kostenfunctie wordt gebruikt.
Het orginele beeld wordt dus tweemaal met beide operatoren
PAGE 46
geconvolueerd. De frequentieovetdracht die hierdoor resulteerd is
in figuur 4.5 aangegeven.
t
00 2trfO=
TO2irTO
figuur 4.5
Het blijkt dat de overdracht van de middenfrequenties niet veel
verandert, terwijl de hoge en laqe frequenties beter onderdrukt
worden. In figuur 4.6 is de kostenmatrix samen met het orginele
beeld weergegeven. In deze kostenmatrix zal een minimum-kosten
pad gezocht
figuur 4.6
PAGE 47
4.2 BEPALING VAN DE MINIMALE-KOSTEN CONTOUR
Het zoeken van de minimale-kosten contour in een kostehmatrix
E(X,Y) heeft als bezwaar dat in principe zeer veel contouren
mogelijk zijn. Tevens zijn de lengten van de contouren niet
gelijk zodat het vergelijken van de kosten van twee contouren op
basis van gemiddelde kosten per lengteeenheid moet gebeuren. Om
de minimale-kosten contour te vinden moet hierom voor elke
mogelijke contour de gemiddelde kosten berekend worden alvorens de
beste contour bekend is. Omdat dit praktisch ondoenlijk is zijn
heuristische methoden ontwikkeld o.a. door Martelli [26] waarmee
het rekenwerk tot aanvaardbare grootte wordt teruggebracht. Door
gebruik te maken van de voorinformatie dat de contour enkelvoudig
gesloten en convex is, het middelpunt van het linkerventrikel
omvat en een bepaalde minimale en maximale afstand tot het centrum
van het linkerventrikel heeft, kan de minimale-kostencontour
aanmerkelijk sneller berekend worden. De maximale en minimale
afstanden van de contourpunten tot het centrum van het
linkerventrikel blijken ongeveer 20 en 5 bemonsteringsafstanden te
bedragen. In het algoritme wordt een maximale en minimale afstand
van 22 respectievelijk 3 bemonsteringsafstanden genomen zodat ook
bij abnormaal grote of kleine linkerventrikels geen problemen
ontstaan.
Voor de berekening van het minimum-kostenpad wordt uitgegaan van
de kostenmatrix E(x,y). Van deze matrix wordt als
gedachtenexperiment een "analoog" beeld gegenereerd bestaande uit
64x64 subbeeldjes. Voor elke discrete waarde van x en y wordt een
subbeeldje gemaakt, waarin de intensiteit van x-0.5 tot x+0.5 en
van y-0.5 en y+0.5 dezelfde waarde heeft, welke gelijk is aan
E(x,y). Dit beeld wordt bemonsterd op n radiale lijnen (n=64)
PAGE 48
uitgaande van het het centrum van linkerventrikel (Xlv,Ylv). Op
elke radiale lijn worden m bemonsteringen gedaan (m~22) met
eenzelfde bemonsteringsafstand als in het originele beeld. Er
resulteert nu een nxm polaire kostenmatrix C(r,h).
,h) = E(x,y) l<r<ra, Kh<n (4.2.1)
x = ENT{cos(2ith/n) .r+Xlv+0.5} (4 .2 .2 )
y = ENT{sin(2Trh/n) .r+Ylv+0.5} (4.2.3)
Deze matrix is samen met de originele kostenmatrix E(x,y) in
figuur 4.7 afgebeeld. In deze matrix staat op de horizontale as
van links naar rechts de afstand r uitgezet, terwijl op de
verticale as van beneden naar boven de richting h, ten opzichte
van een positie op 3 uur van het centrum van het linkerventrikel
(tegen de wijzers van de klok in), is uitgezet.
figuur 4.7
PAGE 49
In dese matrix kan nu een minimale-kosten pad gedetecteerd worden.
Deze minimale-kosten contourdetectie is niet de enige mogelijke
methode. Twee andere methoden, die getest zijn, behaalden echter
duidelijk mindere resultaten bij de slechte signaal/ruisverhouding
van de scintigrafische beelden. De eerste methode bestond uit het
scannen van de horizontale lijnen op minima van de kostenfunctie.
Een bezwaar van deze methode bleek dat de gevonden contour niet
connectief is. Bij de tweede methode werd getracht dit te
voorkomen door het minimum steeds binnen een bepaalde horizontale
afstand (1 pixel) van het vorige gedetecteerde minimum te zoeken.
Dit kan echter tot gevolg hebben dat niet de ideale contour
gevonden wordt, omdat een contourdeel met zeer lage kosten een te
grote afstand tot de voorlaatste minima kan hebben, terwijl de
gevonden contour ook niet gesloten hoeft te zijn. Alleen met de
minimale-kosten contourdetectie kan op eenvoudige wijze altijd een
enkelvoudig gesloten contour gevonden worden door in elke rij h
een matrixelement Rh te selecteren, zodanig dat voldaan is aan de
volgende eisen:
| Rh+l - Rh 1 «1 | l<h«n-l (4.2.4)
| Rn - Rl | «1 (4.2.5)
l<h«n
Rmin en Rmax vormen hierbij een verwachtingsvenster waarbinnen de
contour moet liggen. Het gebruik van dit verwachtingsvenster
geeft een belangrijke reduktie van de benodigde rekentijd. Als
PAGE 50
minimale-costencontour wordt nu gedefineerd de contour waarbij de
cumulatieve kosten F(RlfR2,...,Rn) langs die contour minimaal
zijn.
nF(Rl,R2,R3,...,Rn) = Frain = MIN E {c(Rh,h)} (4.2.7)
Rl,R2,..,,Rn h=l
Omdat de variabele Rn volgens (4.2.5) van de variabele Rl
afhankelijk is, is dit een probleem met een niet-serie karakter
[7,40]. Ben oplossing kan gevonden worden door eerst de functie
te minimaliseren voor de variabele Rl, dan voor de variabele R2,
enz. Dit is een vrij tijdrovende procedure.
Ben veel eenvoudiger probleem ontstaat als een geschikt startpunt
Rl=Rs gekozen kan worden. Aan de restricties waaronder de functie
geminimaliseerd moet worden,wordt in dit geval (4.2.8) toegevoegd.
Rl = Rs (4.2.8)
Omdat de variabele Rn nu niet afhankelijk is van een variabele Rl
maar. van een constante Rs is er nu wel sprake van een
optimalisatieprobleem met een seriekarakter. Dit probleem kan
opgelost worden met de volgende recursieve formule:
Rl=Rs
(4.2.9)
Q(Rh,h) = C(Rh,h) + MIN {Q(Rh-l,h-l)} | 2*hsn (4.2.10)Rh-1
PAGE 51
Fmin = MIN {Q(Rn,n)} (4.2.11)Rn
Hierbij zijn de kosten van een minimale-kostenlijnstuk van (Rs,l)
naar (Rh,h) gelijk aan Q(Rh,h). Als de waarden van Rh waarvoor de
minima van (4.2.10) optreden in een matrix M(Rh,h) worden
opgeslagen dan kan achteraf het minimale-kostenpad teruggevolgd
worden. In figuur 4.8 is dit toegelicht aan de hand van een
eenvoudige 4x4 kosten matrix.
R(Rh,h) Q(Rh,h) M(Rh,h)
1 2 1 2 5 6 4 5 2 2 4 43 2 3 1 6 4 5 3 2 3 3 33 2 1 3 4 3 2 » 2 2 2 -2 1 2 3 c o l o o c o _ _ _ _
figuur 4.8
Als startpunt is genomen (2,1). Fmin en R4 worden gevonden door
het minimum van Q(1,4),Q(2,4) en Q(3,4) te bepalen. Als hierdoor
het eindpunt van de contour is bepaald kan deze teruggevolgd
worden door uit de markeringsmatrix R3=M(R4,4), R2=M(R3,3) en
R1=M(R2,2) te bepalen.
Een resterend probleem is nu nog de keuze van het startpunt Rs.
Voor beelden met een grote signaal/ruisverhouding zal deze keuze
niet moeilijk zijn.
Formule (4.2.12) geeft een mogelijke keuze.
C(RS,1) = MIN {C(Rl,l)} (4.2.12)Rl
Voor beelden met een slechte signaal/ruisverhouding moet ook de
PAGE 52
informatie van de p voorafgaande (modulo n) en de p volgende rijen
van de matrix gebruikt worden. Er wordt nu een minimale-kosten
lijnstuk berekend over 2*p+l matrixrijen. Hiervoor kan een
gelijksoortige methode gebruikt worden, echter met iets andere
resticties. Voor p is een waarde van 16 genomen.
| Rh+1 - Rh | $ l | -p$h«p-l (4.2.13)
| -psh^p (4.2.14)
Q(R-p,-p) = c(R-p,-p) (4.2.15)
Q(Rh,h) = C(Rh,h) + MIN {Q(Rh-l,h-l } | -p+Uh$p (4.2.16)Rh-1
P M 2 171Fmin = MIN E {C(Kh,h)} = MIN {Q(Rp,p)} l '
R-p, ,Rp h=-p Rp
In deze formules zijn voor eenvoud van notatie negatieve indices
gebruikt. In werkelijkheid moet de modulo n waarde van de indices
genomen worden. De minimumkostencontour kan nu weer teruggevolgd
worden en de waarde van Rl wordt als startpunt genomen.
Figuur 4.9 geeft de polaire kostenmatrix met de gevonden
minimale-kosten contour gesuperponeerd.
PAGE 53
figuur 4.9
Door terugtransformatie met behulp van de formules (4.2.2) en
(4.2.3) worden 64 contourpunten in de x-y representatie gevonden.
Verbinding van deze ,cpntqurpunten levert een connectieve contour.
In figuur ,4.l0''*Ais./deze\contour/in^hét\-lcjSBtênbéeld'(i:echts) en in
het originele
figuur 4.10
PAGE 54
4.3 CORRECTIE VAN HET AANGEGEVEN LINKERVENTRIKELMIDDELPUNT
De hiervoor beschreven methode voor detectie van de
linkerventrikelcontour levert een vermindering van de inter- en
intra-observervariaties ten opzichte van de methode waarbij de
linkerventrikelcontour met de hand ingetekend wordt, indien
eenzelfde backgroundgebied wordt gekozen. Dit blijkt uit de
resultaten van een test, die in hoofdstuk 8 besproken wordt. Één
en ander mag verwacht worden omdat de resultaten alleen nog maar
afhankelijk zijn van de keuze van het middelpunt. Er blijft
echter nog een-kleine variatie die veroorzaakt wordt door het met
de hand aangeven van het centrum van het linkerventrikel.
Teneinde ook deze invloed sterk te verminderen wordt met behulp
van de gedetecteerde contour een betere schatting van de plaats
van het middelpunt verkregen. Dit verbeterd middelpunt wordt
gedefineerd als het activiteitszwaartepunt binnen de
linkerventrikelcontour zoals berekend volgens formules (4.3.1) en
(4.3.2.).
(4.3.1)
(4.3.2)
Met behulp van het nieuwe middelpunt (Xlvn,Ylvn) wordt de contour
cietectie herhaald. Na deze procedure resulteren slechts zeer
kleine inter- en intra-observer variaties (mits een gelijk
backgroundgebied gekozen wordt). In hoofdstuk 8 zijn de
resultaten gegeven van de voornoemde test waarbij drie waarnemers
elk met tussenpozen twee maal herhaald de ejectiefractie bepaalden
Xlvn
Ylvn
ZLV
ZLV
Z
LV
LV
F(x
F ( x
F(x
!? (x
, y )
,y>
.y )
,y )
.X
•y
PAGE 55
volgens 3 methoden. Deze methoden waren achtereenvolgens: het
met de hand intekenen van de contouren van linkerventrikel en
background, het met de hand aangeven van het
linkerventrikelmiddelpunt en automatisch detecteren van de
linkerventrikelcontour gecombineerd met de automatische selectie
van de background in een geschikt gebied en als laatste de methode
waarbij tevens het middelpunt gecorrigeerd wordt.
4.4 DETECTIE VAN DE LINKERVENTRIKELCONTOUR IN ELK BEELD VAN EEN
GATED-BLOODP00LSTÜDIE
Als voor elk beeld van een serie van 20 beelden de contour
berekend wordt, dan zullen de te bewerken beelden een
signaal/ruisverhouding hebben die meer als viermaal zo slecht is
als de signaal/ruisverhouding van het totaalbeeld van de 20
beelden. Deze slechte signaal/ruis kan iets verbeterd worden door
temporele filtering toe te passen. Opeenvolgende beelden worden
hiertoe met een 1-2-1 operator gefilterd. Het nadeel van de
hierdoor ontstane bewegingsonscherpte wordt ruimschoots
gecompenseerd door de betere statistiek van de beelden. Bij
detectie van een enkelvoudig gesloten minimum-kostenpad in de
opeenvolgende beelden kan het verwachtingsvenster nog aanmerkelijk
verkleind worden. Indien de contour van beeld m gecodeerd wordt
als Rm(l),Rm{2),...,Rm(n) dan kan als laatste restriktie gesteld
worden
Rm-l(h) - d < Rm(h) « Rm-1 (h) + d |2«m$20, Uh^n (4.3.18)
Hierbij is d de maximale afstand (d=2) tussen de contouren van
PAGE 56
twee opeenvolgende beelden van de bloodpoolstudie. Als model voor
het eerste frame wordt de contour van het totaalbeeld van de 20
frames van een bloodpoolstudie genomen. In figuur 4.11 zijn de
beelden van figuur 1.1 met de gedetecteerde contouren
gesuperponeerd weergegeven.
figuur 4.11
PAGE 57
HOOFDSTUK 5
DE BEPALING VAN DE EJECTIE-FRACTIE
Als de contour van het linkerventrikel in elk frame bepaald is,
dan kan door sommatie van het aantal counts binnen elk van deze
contouren een curve berekend worden die de activiteit in het
linkerventrikel weergeeft als functie van de tijd. Deze curve
moet echter nog gecorrigeerd worden omdat een gedeelte van de
gedetecteerde straling afkomstig is van bloedvaten gelegen voor en
achter het linkerventrikel. Een schatting voor de grootte van
deze achtergrondstraling kan verkregen worden door de bepaling van
de gemiddelde activiteit in een geschikt gekozen achtergrondgebied
(background region) dichtbij het linkerventrikel. Uit de voor de
achtergrondstraling gecorrigeerde curve moeten dan de tijdstippen
van eind-diastole en eind-systole bepaald worden alvorens de
ejectiefractie berekend kan worden.
5.1 AUTOMATISCHE SELECTIE VAN HET ACHTERGRONDGEBIED
De keuze van een geschikt achtergrondgebied is een van de grootste
problemen bij het verwerken van gated-bloodpoolstudies [17] .
Immers, uit formule (1.1) blijkt dat kleine variaties in het
gemiddelde aantal counts BK/pBK grote variaties in EF tot gevolg
kunnen hebben. Dit is met name het geval indien een gedeelte of
het gehele backgroundgebied gekozen wordt in een gebied met
plaatselijk verhoogde activiteit, bijvoorbeeld ten gevolge van
activiteit in de maag, aorta, atria of rechterventrikel.
Aangezien de atria en het rechterventrikel op de seintigrammen
gewoonlijk goed te zien zijn, kunnen deze gebieden altijd vermeden
PAGE 58
worden bij de selectie van het backgroundgebied. Moeilijker ligt
het met de aorta en de maag, die zwak actief kunnen zijn en
daardoor niet goed te herkennen. Soms is het zelfs totaal niet
mogelijk om een backgroundgebied te kiezen waarin in het geheel
geen overlap met andere strukturen optreedt. Al met al is het
geheel automatisch selecteren van een backgroundgebied een
moeilijke zaak. Het is echter bijzonder belangrijk dat
consistente resultaten verkregen worden bij de analyse van een
studie; d.w.z. bij herhaald analyseren mogen de resultaten niet
te veel verschillen van de eerst verkregen resultaten. Een
mogelijk geschikte benadering, waarmede tenminste consistente
resultaten verkregen worden, is om de gebruiker een richting ten
opzichte van het centrum van het linkerventrikel te laten aangeven
waar weinig storing te verwachten is en dan automatisch een gebied
op die plaats te laten genereren met een vaste afstand tot de
linkerventrikelcontour en een vaste grootte. In figuur 5.1 is
weergegeven hoe de selectie van dit gebied verloopt.
a=maximale hoek t.o.v.aangegeven richting
b=afstand tot linkerventrikelc=breedte van backgroundgebiedd=aangegeven richting
LV=linkerventrikel
RV=rechterventrikel
figuur 5.1
Het programma vraagt in welke richting ten opzichte van het
PAGE 59
centrum van het linkerventrikel het backgroundgebied gegenereerd
moet worden. De gebruiker voert hiertoe een geheel getal d van
1-12 in. Er wordt nu een backgroundgebied genereérd in een
richting van d x 30 graden uit de verticaal, rechtsom. Deze
richting komt overeen met de uren van een klok. Als bijvoorbeeld
een drie is ingevoerd dan wordt het backgroundgebied op drie uur
(= rechts) van het centrum van het linkerventrikel geplaatst. Er
wordt een region of interest gemaakt met een vaste breedte, een
vaste afstand tot het linkerventrikel en een vaste maximale hoek
ten opzichte van de opgegeven richting. Het huidige,
routinematige toegepaste programma gebruikt een afstand van 1
pixel, een breedte van 4 pixels en een hoek van 25 graden. In
figuur 5.2 is het resultaat van deze procedure weergegeven voor
een backgroundgebied op 5 uur.
figuur 5.2
PAGE 60
5.2 AUTOMATISCHE SELEKTIE VAN EIND-DIASTOLISCHE- EN
EIND-SYSTOLISCHE BEELDEN
In de meeste andere beschikbare computerprogramma's voor
berekening van de ejectiefractie worden de eind-diastolische en
eind-systolische beelden door de gebruiker opgegeven. Teneinde de
analyseprocedure zoveel mogelijk te automatiseren is een algoritme
ontwikkeld dat deze beelden automatisch bepaalt op grond van
lokale maxima en minima van de background-gecorrigeerde
activiteitscurve van het linkerventrikel. Deze gecorrigeerde
activiteitscurve wordt verkregen door voor elk beeld de activiteit
binnen het linkerventrikel te corrigeren volgens formule (5.2.1).
LVcor(n) = LV(n) - BK.|g> (5.2.1)
Hierbij is LVcor(n) de gecorrigeerde linkerventrikelactiviteit,
LV(n) de gemeten activiteit binnen het linkerventrikel en p(n) de
grootte (in pixels) van het linkerventrikel in beeld n. BK is de
gemiddelde activiteit in het backgroundgebied over de gehele
hartcyclus en pBK is het aantal pixels binnen dit gebied. Als de
"fixed region" methode gebruikt wordt dan is p(n) konstant over de
gehele hartcyclus, dit in tegensteling tot de situatie bij het
gebruik van de "moving region" methode.
Het algoritme bevat de volgende stappen:
1. bepaal het eind-diastolische beeld ED door voor oplopende n het
eerstvoorkomende beeld te bepalen, waarvoor geldt, dat:
LVcor(n) > LVcor(n+l) en LVcor(n) > LVcor(n+2)
2. bepaal het eind-systolische beeld ES door vanaf het
eind-diastolische beeld ED te zoeken naar het eerstvoorkomende
PAGE 61
beeld waarvoor geldt
LVcor(n) < LVcor(n+l) en LVcor (n) < LVcor(n+2)
3. test de juistheid van het eind-systolische beeld ES' door te
bepalen of
LVcor(ES) = MIN [ LVcor(n) ] n=l,18
4. test de juistheid van het eind-diastolische beeld ED door te
bepalen of
LVcor(ED) = MAX [ LVcor(n) ] n=l,ES
Als in stap 1 en/of stap 2 geen geschikt beeld wordt gevonden of
de gevonden beelden de testen van stap 3 en/of stap 4 niet
doorstaan dan moet de gebruiker de eind-diastolische en
eind-systolische beelden aangeven. In stap 3 worden de laatste
beelden niet in de test meegenomen omdat het aantal counts in deze
beelden meestal minder is. Dit komt omdat de "framing" geschiedt
op basis van de gemiddelde hartslag, waardoor bij een aantal
hartslagen met kortere duur de laatste frames niet aan bod komen.
De nogal gecompliceerde procedure is noodzakelijk omdat enerzijds
bij een onregelmatige hartslag de laatste beelden een kleinere
gecorrigeerde linkerventrikelactiviteit kunnen hebben dan het
beeld dat overeenkomt met de biologische eind-systole, terwijl
anderzijds door fluctuaties van de konstant veronderstelde
achtergrond in deze beelden een grotere waarde van deze
gecorrigeerde linkerventrikelactiviteit op kan treden dan in het
beeld dat overeenkomt met de biologische eind-diastole. Door
beide testen worden alle gevallen, waarin dit voorkomt naar de
gebruiker verwezen. In de praktijk blijkt dit een zeer klein
percentage te zijn ( <5 % ), tarwijl de oorzaak vaak ligt in
opnamefouten of een erg onregelmatige hartslag van de patient.
PAGE 62
5.3 BEREKENING VAN DE EJECTIEFRACTIE ...,_•---'
Als de tijdstippen van eind-diastole en eind-systole bekend zijn,
dan is de ejectiefractie eenvoudig volgens formule (5.3.1) te
bepalen.
EFLVcor(EP)-LVcor(ES)
LVcor(ED) ..- (5.3.1)
In figuur 5.3 is de background gecorrigeerde activiteitscurve
samen met de berekende ejectie-fractie weergegeven zowel voor
gebruik van een vaste contour als een bewegende contour.
Zoals verwacht blijkt dat de volgens de laatste methode berekende
ejectiefractie het hoogst is.
figuur 5.3
Voor klinisch gebruik wordt een hard-copy van de resultaten
gemaakt. Deze is in figuur 5.4 weergegeven. Behalve de
gedetecteerde tijdstippen van eind-diastole en eind-systole zijn
ook de patiëntgegevens, de background-gecorrigeerde
activiteitscurve van het linkerventrikel en de relatieve
PAGE 63
veranderingen in de backgroundactiviteit aangegeven. Deze laatste
curve wordt gebruikt als een controle op de goede plaatsing van de
background. Als de background te dicht bij het linkerventrikel
ligt of een gedeeltelijke overlap vertoont roet andere storende
gebieden dan zal de backgroundactiviteit sterk varieren. In dat
geval moet de bepaling van de ejectie-fractie herhaald worden met
een betere positie van het achtergrondgebied.
PAGE 64
01 too:08 28-0CT-B0
THORAX CENTER ERASMUS UNIVERSITY ROTTERDAM
*** TECHNETIUM GATED BLOODPOOL SCAN ***
PATIENT NAME ;PATIENT NUMBER ;PATIENT BIRTHDAY!VIEU OF PICTURE iACQUISITION DATE:
5644.
RU
LAO 457/24/79
X *
• • •
0+ - -0
+ - -5
+ END DIASTOLIC FRAMEX END SYSTOLIC FRAME* BACKGROUND CORRECTED
LEFT VENTRICULAR ACTIVITY. RELATIVE BACKGROUND CHANGE
* *
10+ - -IS
- - + FRAME20
EJECTION FRACTION-= 57 XHEART RATE a A5 BPMFIXED LEFT VENTRICLE REGION OF INTEREST
FIGUUR 5.4
PAGE 65
HOOFDSTUK 6
REGIONALE WANDBEWEGING EN EJECTIEFRACTIE
De globale ejectiefractie van het linkerventrikel, zoals deze tot
nu toe gedefineerd is, geeft een goede indicatie voor het al dan
niet goed functioneren van het linkerventrikel. Een verminderde
globale ejectiefractie tijdens rust en/of inspanning wijst op het
bestaan van een oud infarct of een verminderde doorbloeding van de
hartspier. Indien men een indruk wil hebben van de plaats waar de
wandbewegingsstoornissen optreden, zal men behalve de globale
ejectiefractie ook de regionale wandbewegingen en de regionale
ejectiefracties moeten berekenen [1].
Ten behoeve van de berekening van de globale ejectiefractie m.b.v.
de "moving region" methode zijn al, voor elk van de 20 beelden, de
posities van de contourpunten bepaald op radiale lijnen, uitgaande
van het als referentiepunt gebruikte activiteitszwaartepunt van
het linkerventrikel. De informatie die hiermee verkregen is kan
bijzonder. eenvoudig gebruikt worden voor het weergeven van
regionale wandbewegingen en met enig extra rekenwerk ook voor de
weergave van regionale ejectiefractie.
In de volgende paragrafen zullen functionele beelden gedefinieerd
worden ten behoeve van de wandbewegingsstudie en de regionale
ejectiefractie. Op dit moment staat nog niet vast of dit de meest
geschikte weergave is van deze parameters. Dit moet bestudeerd
worden aan de hand van een groot aantal klinische studies, waarbij
tevens de resultaten van eventuele rontgencontrastopnamen van de
linkerventrikel betrokken moeten worden.
PAGE 66
6.1 WEERGAVE VAN REGIONALE HANDBEWEGING
De regionale Handbewegingen worden met behulp van 2 beelden
beschreven. Deze beelden zijn in figuur 6.1 afgebeeld. Het
linker beeld geeft de genormaliseerde contractie PC(n,h) terwijl
het rechter beeld de contractie-snelheid VC(n,h) weergeeft. Op de
horizontale as is van links naar rechts het framenummer n uitgezet
en op de verticale as van onder naar boven de richting h ten
opzichte van het referentiepunt. Deze richting is op dezelfde
manier gedefinieerd als in figuur 4.6.
guur 6.1
De beide beelden worden berekend uit de beschikbare
contourinformatie door gebruik te maken van onderstaande formules.
Rmax(h) = MAX { Rn(h)}n=l,20
h+3PC(n,h) {Rn(h')/Rmax(h')}
h+3.VC(n,h) = i 2 {Rn-1 (h')-Rn+1 (h•)}
h'=h-3
(6.1.1)
(6.1.2)
(6.1.3)
PAGE 67
Er wordt gemiddeld over 7 segmenten omdat dit de
interpretatie-kwaliteit van de beelden verhoogd, terwijl er geen
essentiële informatie verloren gaat (voor de aanduiding' van de
plaats van abnormale wandbeweging worden normaal slechts ongeveer
3-8 richtingen gebruikt). Deze middeling heeft tot gevolg dat de
afgebeelde wandbewegingen de gemiddelde wandbewegingen zijn van
een cirkelsegment van ongeveer 40 graden. Met behulp van beide
beelden kunnen gebieden met hypokinesie (verminderde beweging),
akinesie (geen beweging) en dyskinesie (inverse beweging)
gelokaliseerd worden.
6,2 WEERGAVE VAN REGIONALE EJECTIEFRACTIE
Voor de weergave van de regionale ejectiefractie is het nodig het
verloop van het aantal counts als functie van'de tijd in kleine
segmenten van het linkerventrikel te kennen. Hiertoe worden eerst
de 20 beelden van de bloodpoolstudie met een gewogen
9-punts-smooth gefilterd en hierna op de zelfde wijze als de
kostenfunctie met behulp van de formules (4.2.1)-(4.2.3) in een
polair assenstelsel ingelezen. Op elk van de middellijnen van de
54 segmenten is nu op regelmatige afstanden het aantal ontvangen
counts/pixel bekend. Het aantal counts VS(n,h) in het segment h
beeld n is nu gelijk aan:
i Rnlh)VS(n,h) = gj t {O(r,h).(ïï(r+»s)2-Tr(r->5)2)}
r=1 (6,2.1)
2* R n ( h >
= |f z {O(r,h).r}
Hierin is O(r,h) de polaire voorstelling van het beeld n. De
regionale ejectiefractie RE(nrh) en de ejectiesnelheid EV(n,h)
kunnen nu met behulp van de formules (6.2.2)-(6.2.4) berekend
worden.
PAGE 68
VSmax(h) = - MAX (VS(n,h)}- •- n=l,20':
• """_.' - •- ~.~ ' ' h+3 -'--_-__ ;.::.V\ _ • ..
BE(n,h) = - ! - - - £ _{vs(n,h)/VSmax(h)}r-- - " — rh'=h-3- =-_, ___- - -.—-L-^z.-^:
""" h + 3 " ' " -••--- -
EV(n,h) = j E {VS(n-l,h) -VS(n+l,h)}h'=h-3
(6,2.2)
(6.2.3)
(6.2.4)
In figuur 6.2 is in het linkerbeeld de regionale ejectiefractie
afgebeeld en in het rechterbeeld de regionale ejectiesnelheid.
In het rechterbeeld zijn de tijdstippen en de grootten van de
"peak filling rate" en de "peak ejection rate" eenvoudig te
bepalen voor elk deel van het linkerventrikel. Deze laatste
grootheden komen in verschillende onderzoeken naar voren als de
grootheden die het beste gebruikt kunnen worden bij het zoeken
naar delen van de hartspier met een afwijkende functie [1].
Teneinde het gebruik van de beelden te illustreren zijn in figuur
PAGE 69
6.3 voor een patient met coronair-vaatlijden linksboven de
wandbewegingsbeelden en rechtsboven de ejeotiefractiebeelden, die
tijdens rust zijn gemaakt, weergegeven. De beelden linksonder en
rechtsonder zijn respectievelijk de wandbewegingsbeelden en de
ejectiefractiebeelden van dezelfde patient, nu echter tijdens
inspanning.
figuur 6.3
Tussen de rust- en inspannings-beelden zijn duidelijk verschillen
zichtbaar o.a. wat betreft de tijdstippen van maximaal en
minimaal volume en de tijdstippen waarop de "peak filling rate" en
de "peak ejection rate" optreden. Kennis van de grootte van deze
verschillen kan van nut zijn bij het stellen van de diagnose.
Hiertoe zal echter eerstvan een voldoend grote groep individuen
met normale linkerventrikelfunctie het gemiddelde en de spreiding
van de diverse grootheden moeten worden gemeten. Pas dan kan met
deze gegevens en met de aanname dat de verdeling van de grootheden
gaussisch is, bepaald worden of de gemeten verschillen significant
zijn.
PAGE 70
HOOFDSTUK 7
HET SOFTWARE PAKKET
De in de vorige hoofdstukken beschreven algoritmen zijn geschreven
in FORTSAN en zijn tot een softwarepakket samengevoegd. De
gebruiker kan door het intypen van verschilende Gamma
macrocommando's het gehele pakket of een gedeelte hiervan
gebruiken. De programma's bestaan uit een aantal subroutines,
bijvoorbeeld voor filtering of contourdetectie, die zo geschreven
zijn dat ze systeemonafhankelijk zijn, en uit een besturingsdeel,
dat gebruik maakt van de systeemprogrammatuur van het
gamma-computersysteem. Deze opzet maakt het mogelijk om de
contourdetectieprogramma's eenvoudig over te brengen naar een
gamma-computersysteem van een andere fabrikant. In dat geval
behoeft alleen het besturingsgedeelte te worden herschreven. De
bruikbaarheid van deze benadering is al bewezen door de
implementatie van de contourdetectie-programma's op een HP
(Hewlett Packard) computersysteem in het Academisch Ziekenhuis te
Utrecht.
Het het in Rotterdam gebruikte Gamma 11 computersysteem kan de
beelddata op twee manieren worden opgeslagen. Voor de permanente
opslag wordt voor elke patientenstudie een RT11 file gecreëerd,
waarin de administratieve data en de beeldmatrices van de 20
beelden van een bloodpoolstudie worden weggeschreven. Tijdelijke
opslag van beelden gebeurt in een van de 60 save-area's, welke elk
administratieve data, de beeldmatrixdata van 1 beeld en een ROI
(region of interest) bitmap kunnen bevatten. In de ROI bitmap
kunnen 12 contouren opgeslagen worden. Dynamische curven, die het
PAGE 71
activi'-.eitsverloop binnen deze contouren voor de 20 beelden van
een studie aangeven, kunnen dooc de systeemsoftware berekend
worden en in een save-area opgeslagen worden. Gamma-macro's zijn
door de gebruiker geschreven commando-strings die verschillende
gamma-commando's na elkaar uitvoeren. Deze commando's kunnen
inhouden:
- het optellen, aftrekken, vermenigvuldigen en delen van beelden
- het afbeelden van 1,2,4 of 8 beelden tegelijk in het display
- het met behulp van de "joystick" of met het keyboord intekenen van
maximaal 12 regions of interest
- het berekenen van dynamische curven,
- het opbergen van beelden of dynamische curven in 1 van de 60
save-area's.
- het aanroepen en communiceren met door de gebruiker geschreven
FORTRAN programma's.
Voor een uitvoerige beschrijving van het Gamma 11 systeem wordt
verwezen naar referentie 42.
De programma's, die in het software pakket zijn opgenomen, zullen
nu in het kort beschreven worden, waarbij tevens de belangrijkste
subroutines genoemd zullen worden. Voor een uitvoerige
beschrijving wordt verwezen naar het softwarepakket dat goed
gedocumenteerd is.
a EDCTOT.FOR
Dit programma leest het totaalbeeld van 20 beelden en de
coördinaten van het door de gebruiker aangegeven
linkerventrikelmiddelpunt met subroutine RDDATA. De inverse van
de tweede-afgeleide langs radiale lijnen, uitgaande van dit
middelpunt, vormt de polaire kostenmatrix en wordt berekend met
subroutine COST. Subroutine CONT berekent een enkelvoudig
PAGE 72
gesloten minimale-kosten contour in deze polaire kosten matrix.
De polaire coördinaten van de contour worden omgezet in x-y
coördinaten en het linkerventrikel wordt gemarkeerd met subroutine
MARK. Het subroutine UPDALV wordt een verbeterde schatting van
het centrum van het linkerventrikel verkregen door berekening van
het activiteitszwaartepunt binnen de gedetecteerde contour.
Opnieuw uitvoeren van de svibroutines COST,CONT en MARK levert de
definitieve linkerventrikelcontour. Met RDDATAr wordt de ROI
bitmapf waarin de regions of interest gecodeerd staan, gelezen.
Subroutine ROIOUT markeert de gevonden contour in de bitmap en
subroutine WRDATA schrijft de bitmap weer weg.
b BKG.FOR
Dit programma leest de ROI bitmap met subroutine RDDATA. De
gewenste linkerventrikelcontour wordt hieruit gelezen met
subroutine ROIIN en de gebruiker wordt naar de richting, ten
opzichte van het centrum van het linkerventrikel, gevraagd waar
het achtergrondgebied geplaatst moet worden. Subroutine MARKBG
genereert dit gebied met een vaste afstand tot het
linkerventrikel, een vaste breedte en een vaste maximale hoek ten
opzichte van de aangegeven richting. Subroutine ROIOUT markeert
het achtergrondgebied in de ROI bitmap en met subroutine WRDATA
wordt de bitmap weer weggeschreven,
c EPRAC.FOR
Na het inlezen van de activiteitscurven van linkerventrikel en
background berekent dit programma de voor de achtergrond
gecorrigeerde activiteitscurve van het linkerventrikel op grond
van eenzelfde linkerventrikelcontour voor elk beeld (fixed region
methode). De eind-diastolische- en eind-systolische beelden
worden bepaald en met behulp van deze informatie wordt de
PAGE 73
ejectiefractie berekend. Tenslotte wordt een hardcopy van de
resultaten gemaakt voor klinisch gebruik,
d EDCPIL.FOR
Dit programma maakt eerst een scratch patientenstudie-file en een
scratch data-file. De 20 beelden van een bloodpoolstudie worden
met subroutine RDDATA ingelezen en temporeel gefilterd met een
1-2-1 operator. De 20 gefilterde beelden worden naar de scratch
patientenfile geschreven door subroutine WRDATA. Nu wordt 20 maal
een gefilterd beeld ingelezen, de kostenfunctie bepaald met
subroutine COST en de minimale-kosten contour berekend met
subroutine CONTI. Subroutine RDDATA leest het bijbehorende
ongefilterde beeld in en subroutine MARK1 zet de polaire
coördinaten van de linkerventrikelcontour om in x-y coördinaten,
terwijl bovendien de activiteit binnen de linkerventrikelcontour
in het ongefilterde beeld, evenals de grootte van het
linkerventrikel bepaald worden. Deze gegevens worden met
subroutine WRDATA naar de scratch data-file weggeschreven.
Vervolgens worden de beelden met de contour hierin gemarkeerd met
subroutine WRDATA naar de scratch patientenstudie file geschreven,
e EFRAC1.FOR
Dit programma leest de dynamische curven van linkerventrikel en
background in en berekent de voor de achtergrond gecorrigeerde
activiteitscurve van het linkerventrikel op grond van een
verschillende linkerventrikelcontour voor elk beeld (moving region
methode). De verdere werking van dit programma is identiek aan de
werking van EFRAC1.FOR.
f WALLMO.FOR
De regionale wandbewegingsbeelden worden door dit programma
berekend op grond van de contourinformatie die in programma
PAGE 74
EDCFIL.FOR bepaald is. Deze contourinformatie wordt met
subroutine RDDATA gelezen uit de bij de patient behorende
data-file. In de wandbewegingsbeelden worden de procentuele
contractie en de contractiesnelheid zichtbaar gemaakt. Met
subroutine REGCOU wordt het activiteitsverloop in 64 segmenten van
het linkerventrikel berekend. Met deze informatie worden
regionale ejectiefractie en regionale ejectiesnelheid berekend en
in twee beelden zichtbaar gemaakt.
In figuur 7.1 is een blokschema gegeven dat de samenhang van de
verschillende bewerkingen aangeeft.
SELECTEE?. STUDIE
MARKEER MIDDENLINKERVENTRIKELIN TOTAALbEELD
IDETECTEER CONTOURLINKERVENTRIKELIN TOTAALBEELD
EDCTOT.FOR
1SELECTEERBACKGROUNDGEBIED
BKG.FOR
1DETECTEER CONTOURLINKERVENTRIKELIN ELK BEELD
EDCFIL.FOR
BEREKENEJECTIEFRACTIEFIXED REGION
EFRAC.FOR
1BEPAAL FUNCTIONELEBEELDEN
WANDBEWEGING. ..WALLMO.FOR
BEREKEN
EJECTIEFRACTIE
MOVING REGION
EFRAC!.FOR
BEPAAL FUNT1ONELE
BEELDEN
REG. EJECTIEFRACTIE
figuur 7.1
De bewerkingen in het linkergedeelte kunnen uitgevoerd worden door
het intypen van het Gamma macrocommando EFR1, de bewerkingen van
het linker- en het middengedeelte door het macrocommando BFR2
terwijl het totale software pakket met EFR3 aangeroepen wordt. De
PAGE 75
benodigde rekentijd inclusief uitvoer van de resultaten is
ongeveer 1 minuut voor EFR1, 5 minuten voor EPR2 en 7 minuten voor
EFR3, waarbij het uitprinten van de hardcopy-output ongeveer 45
seconden in beslag neemt.
PAGE 76
HOOFDSTUK 8
RESULTATEN, CONCLUSIES EN SUGGESTIES
8.1 RESULTATEN
Teneinde een indruk te krijgen van de toepasbaarheid van de in dit
verslag beschreven methode en de eigenschappen van deze methode te
vergelijken met die van de meer traditionele benadering, waarbij
de contouren met de hand aangegeven worden, zijn een aantal testen
gedaan. Het doel van deze testen was het, voor beide methoden,
bepalen van de volgende gegevens:
- de nauwkeurigheid van de methode.
- de inter- en intra-observer variaties
- de correlatie- en regressiecoéfficient van de ejectiefractie
gegevens van de technetium-99m bloodpool studies vergeleken met de
ejectiefracties berekend van r'óntgencontrast-angiogrammmen.
- de invloed van de keuze van het middelpunt op de ejectiefractie.
- de invloed van de keuze van de backgroundrichting op de
ejectiefractie.
- de betrouwbaarheid van de contourdetectie uitgevoerd op een set
patientenstudies, waarin de meest voorkomende soorten hartziekten
vertegenwoordigd zijn.
Er zijn in totaal drie testen gedaan. De steekproefgrootte is uit
praktische overwegingen vrij klein gebleven, zodat hooguit een
indruk wordt verkregen van de grootte-orde van de te meten
effecten.
De eerste test is uitgevoerd met de medewerking van het Instituut
voor Nucleaire Geneeskunde van het Academisch Ziekenhuis te
Utrecht. Hierbij is het ontwikkelde software pakket overgezet op
PAGE 77
het HP computersysteem van deze afdeling. Bij deze test werden
van 25 bloodpoolstudies, elk van een patient met een ander soort
hartziekte, de ejectiefractie (fixed region) bepaald volgens drie
methoden.
De eerste methode bestond uit het door vier onafhankelijke
waarnemers laten intekenen van de contour van het linkerventrikel
op grond van het sombeeld van de 20 beelden van een
bloodpoolstudie , vervolgens het automatisch door de computer
genereren van een achtergrondgebied in een vaste richting ten
opzichte van het middelpunt van het aangegeven ventrikel (op 3
uur) en het berekenen van de ejectiefractie. Voor elke
bloodpoolstudie werd de gemiddelde ejectiefractie van de vier
waarnemers bepaald.
De tweede methode verschilde van de eerste in het feit dat de
contour door de vier waarnemers werd ingetekend op grond van het
amplitude/fase beeld van de grondharmonische in het tijddomein.
Uit de aldus berekende ejectiefractie werd weer een gemiddelde
ejectiefractie voor elk van de bloodpoolstudies bepaald.
Als laatste methode werd door één waarnemer het middelpunt van het
linkerventrikel aangegeven in elk van de studies, waarna de
linkerventrikelcontour automatisch berekend werd volgens de in dit
verslag beschreven methodiek. Ook hier werd weer een
backgroundgebied gegenereerd in dezelfde standaard richting als
gebruikt bij de eerste methoden en met deze gegevens de
ejectiefractie bepaald. Bij de visuele beoordeling van alle
getekende en automatisch gedetecteerde contouren, bleek dat
slechts één automatisch gegenereerde contour duidelijk afweek van
de beide met de hand getekende contouren, terwijl in een tweede
geval een betrekkelijk geringe afwijking werd waargenomen. De
PAGE 78
overige 23 automatisch gegenereerde contouren werden zonder meer
acceptabel geacht. In appendix 1 zijn de berekende
ejectiefracties te zamen met de resultaten van een
regressie-analyse vermeld. Er blijkt een goede correlatie te
bestaan tussen de resultaten verkregen met de automatische methode
en de gemiddelden van de vier gebruikers voor de beide
handmethoden (r=0.90 en 0.91).
Teneinde een indruk te krijgen van de nauwkeurigheid van de
ontwikkelde methode is een statistische analyse toegepast die is
beschreven door Haloney [25]. Bij deze methode veronderstelt men
dat elke meetwaarde Hi die verkregen is volgens methode i
opgebouwd is uit de werkelijke waarde van de ejectiefractie Ti,
een konstante bias Bi en een random error component ei.
Mi = Ti + Bi + ei (8.1)
Onder de aanname dat zowel Mi als ei gaussisch verdeeld zijn en
bovendien statistisch onafhankelijk van elkaar, kan afgeleid
worden dat het verschil in bias B1-B2 van twee te vergelijken
meetprocedures 1 en 2 benaderd kan worden door M1-M2 en de
variantie . in de random-error componenten el en e2 door
respectievelijk var(Ml)-cov(Ml,M2) en var(M2)-cov(Ml,M2). Met de
verkregen gegevens kunnen 2 hypothesen getoetst worden:
HO : B1=B2 Hl :
HO : var(el)=var(e2) Hl : var(el)^var(e2) (8.3)
PAGE 79
De eerste toets levert geen problemen op, hiervoor kan een toets
voor verschil in ligging gebruikt worden. Voor de tweede toets is
een speciale toetsingsgrootheid ontwikkeld:
t •= Rwz.(n-2)l*/(l-R2wz)Jl (8.4)
Hierbij is Rwz de correlatiecoëffient van de som en het verschil
van gepaarde waarnemingen. In het artikel van Maloney [25] wordt
bewezen dat, als met beide methoden n meetwaarden verkregen zijn,
deze toetsingsgrootheid gebruikt kan worden met een
Student-t-verdeling met n-2 vrijheidsgraden (D.F.). Toepassing
van deze methode op de meetgegevens van de drie meetmethodes
levert de volgende resultaten:
methode 1 tegen methode 3 (meetwaarden in %)
mean(Ml)-48.92
mean(M3)=54.44
Bl-B3=-5.52
HO: B1=B3 t-paired=4.0838 p<0.001 (D.F.=24)
var(Ml)=161
var(M3)=228
cov(Ml,M3)=172
corr(Ml,M3)=0.8963
var(el)=-11
var(e3)=57
HO: var(el)=var(e3) t-maloney=1.9126 p<0.1 (D.F.=23)
PAGE 80
methode 2 tegen methode 3
mean(M2)=51.88
mean(M3)=54.44
B2-B3=-2.56
HO; B2=B3 t-paired=2.0451 p=0.05 (D.F.=24)
var(M2)=200
var(M3)=228
COV(M2,M3)<L95
corr(M2fM3)=0.9106
var(e2)=6
var(e3)=34
HO: var(e2)=var(e3) t-maloney=0.7611 N.S (D.F.=23)
Uit deze statistische analyse kan geconcludeerd worden dat de bias
van methode 3 significant verschilt van de bias van methode 1 en
2. Er bestaat een verschil in bias van 5.5% (p<0.001) tussen
methode 3 en 1, en van 2.6% (p=0.05) tussen methode 3 en 2. De
variantie van de random-error componenent e3 verschilt niet
significant van de varianties van de random-error componenten el
en e2. Dit is een mooi resultaat, aangezien voor methode 1 en
methode 2 de gemiddelde meetwaarden van 4 ervaren observers
gebruikt zijn. Uit de gevonden varianties van e3 kunnen de
grootten van de bijbehorende random errors bepaald worden. Deze
bedragen 7.5% en 6.7% (1 S.D.).
Bij ,de tweede test werden 16 bloodpoolstudies door drie waarnemers
met drie verschillende methoden geanalyseerd. Bij alle methoden
werden de ejectiefracties met een "fixed region" berekend. Enige
tijd later werd de totale procedure nogmaals herhaald, zodat
behalve de inter-observer variaties ook een indruk van de
PAGE 81
intra-observer variaties verkregen kon worden. De eerste methode
bestond uit het intekenen van de contouren van linkerventrikel en
achtergrondgebied in het totaalbeeld. Bij methode twee'werd het
middelpunt van het linkerventrikel aangegeven en de richting
opgegeven( ten opzichte van dit punt, waar de background geplaatst
moest worden. Op grond van deze gegevens werden de contouren van
linkerventrikel en background automatisch bepaald met de in dit
verslag beschreven algoritmes. Hierbij werd het centrum van het
linkerventrikel echter niet gecorrigeerd. Dit corrigeren van het
linkerventrikel-middelpunt op grond van de eerst gedetecteerde
contour gebeurde wel bij de derde methode, die verder identiek aan
de tweede was. De meetwaarden zijn in appendix 2 vermeld; hierin
zijn tevens de gekozen background-richtingen aangegeven. Ten
behoeve van de berekening van de intra-observer variaties werd
voor ieder paar meetwaarden (ejectiefracties berekend tijdens de
twee sessies) het gemiddelde en de variantie van de beide metingen
berekend. Deze waarden zijn eveneens in appendix 2 vermeldt.
Door hierna voor elk van de observers de varianties in alle
bloodpoolstudies te middelen werden de intra-observer variaties
van de observers gevonden. Uit een nauwkeurige analyse van de
waarnemingen blijkt dat de variatie, die veroorzaakt wordt door
het aangeven van het middelpunt van het linkerventrikel, in het
niet valt bij de variatie tengevolge van het aangeven van de
richting van de background. Bij studie 11 van waarnemer 2 is dit
wel heel erg het geval; er treedt een variatie op van meer dan
40%, hoewel de aangegeven backgroundgebieden op het oog acceptabel
geacht werden. Om de variatie tengevolge van het aangeven van het
middelpunt beter te kunnen beoordelen is de analyse-procedure
nogmaals herhaald, maar dan alleen met metingen, waarbij eenzelfde
PAGE 82
background was gekozen. Hieruit resulteerden voor observer 1, 2
en 3 respectievelijk 12, 6 en 7 metingen. Voor waarnemer 2 viel
hiervan nog 1 studie af omdat achteraf bleek dat eenmaal een
totaal verkeerd middelpunt aangegeven was (centrum linkerventrikel
en linkeratrium i.p.v, centrum linkerventrikel). De resultaten
zijn als volgt:
intra-observer variaties (1 SD in %) alle metingen
observer
1
2
3
gem.
methode 1
2.16
7.03
4.98
5.13
methode 2 methode3
3.30
9.19
6.00
6.62
3.
8.
6.
6.
12
78
65
65
intra-observer variaties (1 S.D.) zelfde background richting
observer methode 1
1
2
3
gem.
1.25
1.29
1.83
1.57
methode 2
1.02
1.28
0.81
1.00
methode3
0.09
0.43
0.17
0.25
Voor de schatting van de inter-observer variaties werd het
gemiddelde van elk meetpaar gebruikt. Voor elk van de drie
methoden werd per studie een gemiddelde en variantie bepaald; de
inter-observer variatie per methode werd vervolgens bepaald door
het 'gemiddelde van de berekende varianties voor die methode te
berekenen. Deze resultaten zijn hieronder gegeven. Tevens zijn
voor iedere methode vermeld de gemiddelde ejectiefractie van
iedere observer, alsmede de gemiddelde ejectiefractie van alle
PAGE 83
observers. Voor die studies waarbij twee of drie observers
eenzelfde backgroundrichting gekozen hadden is de variantie van de
meetwaarden (gemiddelde van 2 sessies) van deze observers'bepaald.
Hierna is de gemiddelde variantie van deze 6 studies bepaald. Ook
deze gegevens zijn hieronder vermeld.
inter-observer variaties (1 S.D.) alle metingen
methode 1 methode 2 methode3
5.95 5.42 4.39
inter-observer variaties (1 S.D.) zelfde background richting
methode 1 methode 2 methode3
4.80 0.53 0.48
gemiddelde ejectiefractie
observer methode 1 methode 2 methode3
1 47.04 48.50 47.66
2 40.10 43.56 43.22
3 45.53 45.22 45.00
gem. 44.22 45.76 45.29
Uit deze test is duidelijk gebleken dat het voor elk van de
observers moeilijk is om het backgroundgebied consistent op een
bepaalde plaats te kiezen. Observer 1 zocht naar een gebied met
een gemiddelde backgroundintensiteit, terwijl observers 2 en 3
meer naar een gebied met constante minimale activiteit zochten.
Dit heeft tot gevolg dat observer 1 een lagere variabiliteit heeft
en gemiddeld een hogere ejectiefractie vindt dan de observers 2 en
3. Concluderend kan gezegd worden dat de keuze van het
backgroundgebied zeer problematisch is voor de berekening van de
PAGE 84
ejectiefractie. Ook in de literatuur is nog geen oplossing voor
dit probleem beschreven.
De derde en laatste test bestond uit het analyseren van 16
bloodpoolstudies van patiënten, die ook een hartcatheterisatie
ondergaan hadden. Dientengevolge zijn de ejectiefracties van deze
patiënten, berekend van het rontgencontrast-linkerventrikel
angiogram, bekend. Bij de analyse van de scintigrammen is zowel
de "fixed region" methode als de "moving region" methode gebruikt
voor de berekening van de ejectiefractie. Alle meetwaarden zijn
in appendix 3 getabelleerd; de resultaten van een
regressie-analyse zijn eveneens in appendix 3 weergegeven. Het
blijkt dat de gegevens, verkregen met de "moving region" methode
een iets betere correlatie met de angio gegevens vertonen dan de
gegevens verkregen met de "fixed region" methode (0.80 en 0.73),
alhoewel in beide gevallen de correlatie zwak is. Dit is echter
niet zo verwonderlijk, wanneer men de scintigrafische en
rontgentechnische methoden voor de berekening van de
ejectiefractie nader beziet. De modellen voor de berekening van
de ejectiefractie zijn totaal verschillend. Bij het
contrastangiogram wordt een mathematisch model gehanteerd, waarbij
het volume van het linkerventrikel berekend wordt uit de
oppervlakte en de lange as van de met de hand getekende contour
van de linkerhartkamer in de RAO 30 projectie; dit is de
zogenaamde area-length methode. Bij de scintigrafische methode
word,t een benadering van het werkelijk volume verkregen door de
aantallen counts van de pixels binnen de linkerventrikel-contour
bij elkaar op te tellen; hierbij wordt verder geen mathematisch
model verondersteld. Een tweede complicatie treedt op doordat het
röntgenbeeld opgenomen is in de RAO 30 graden oriëntatie en de
PAGE 85
scintigcammen in de LAO 45 graden oriëntatie, dus een verschil van
75 graden. Indien de gehanteerde methoden op zich de
ejectiefracties nauwkeurig zouden benaderen, mag dit verschil in
oriëntatie geen groot effect hebben.
Tenslotte werd uit alle verrichtte testen de totaalscore van de
contourdetectie bepaald. In Utrecht werden bij de vermelde test
23 van de 25 automatisch gedetecteerde contouren acceptabel geacht
en bij een tweede, in dit verslag niet nader vermelde test, werd
een score van 38 uit 40 bereikt. Testen in Rotterdam gaven
eenzelfde beeld: 15 uit 16, 10 uit 10 en 19 uit 20, zodat voor
het totaal van 111 studies een score van 95% behaald werd.
Hierbij moet aangetekend worden dat de dataset die in Utrecht
gebruikt werd veel beelden bevatte die in de normale klinische
praktijk slechts zeer sporadisch voorkomen. Als gevolg daarvan
zal de score in de dagelijkse routine hoogstwaarschijnlijk hoger
liggen.
8.2 CONCLUSIES
Uit de meetresultaten van de verschillende testen kan
geconcludeerd worden dat de automatische contourdetectie van het
linkerventrikel op het overgrote deel van de studies goed werkt
(95% van de gedetecteerde contouren werd acceptabel geacht) en een
duidelijke vermindering van de inter- en intra-observer variaties
oplevert ten opzichte van de handmethode indien gelijke
backgroundgebieden worden gekozen. De variaties die bij een vrije
keuze van de plaats van het backgroundgebied optreden zijn echter
nog steeds vrij groot. Bij interventiestudies (zoals
inspanningsstudies met verschillende stadia van inspanning)
waarbij de positie van de patient onder de gamma camera niet
PAGE 86
wijzigt, treedt dit probleem niet op, omdat steeds eenzelfde
backgroundgebied gekozen kan worden.
Vergelijking van de ejectiefracties verkregen volgens de "fixed
region" methode en de "moving regon" methode bewees dat de laatste
methode een iets betere correlatie vertoont (0.80 tegen 0.73) met
de ejectiefracties, bepaald van de röntgencontrast-angiogrammen,
zodat laatstgenoemde methode te prefereren is. De voor berekening
van de ejectiefractie met een fixed region benodigde rekentijd is
ongeveer 1 minuut, terwijl de moving region techniek ongeveer 5
minuten in beslag neemt (inclusief hard-copy resultaten). Deze
langere rekentijd van de moving region methode is geen bezwaar
omdat de resultaten hiervan ook bruikbaar zijn voor de weergave
van regionale wandbeweging en regionale ejectiefractie. De
bruikbaarheid van de laatste grootheden zal in de toekomst door
nader onderzoek bepaald moeten worden.
De inter- en intra-observer variaties kunnen vermeden worden als
zowel de selectie van het centrum van het linkerventrikel als van
de richting van het backgroundgebied automatisch verricht kan
worden. Een methode voor de automatische selectie van het
middelpunt, met behulp van het totaalbeeld van de 20 frames en het
fase/amplitude beeld van de grondharmonische in het tijddomein, is
inmiddels ontwikkeld door medewerkers van het Instituut voor
Nucleaire Geneeskunde van het Academisch Ziekenhuis te Utrecht,
terwijl een eenvoudige selectie van een backgroundrichting
mogelijk is door het kiezen van een konstante richting, zoals in
test 1 is gebeurd. Door combinatie van beide methoden met de in
dit verslag beschreven methode resulteert een procedure waarbij de
inter- en intra-observer variaties tot nul gereduceerd zullen zijn
bij een hopelijk niet kleinere nauwkeurigheid. Deze procedure zal
PAGE 87
in samenwerking met het Academisch Ziekenhuis te Utrecht op een
groot aantal bloodpoolstudies getest worden, waarna de resultaten
gepubliceerd zullen worden.
Overigens is het gebruik van de automatische contourdetectie niet
gelimiteerd tot bloodpoolstudies. Zo is het algoritme
bijvoorbeeld ook met succes op Thallium beelden toegepast en in
principe kunnen de edges van elk object met een convexe vorm» dat
zich onderscheidt van zijn omgeving door een hogere of lagere
intensiteit, ermee gedetecteerd worden.
8,3 SUGGESTIES VOOR NADER ONDERZOEK
Als suggesties voor verder onderzoek kunnen genoemd worden:
- het onderzoeken van de invloed van verschillende methoden voor de
automatische selectie van een backgroundgebied op de
nauwkeurigheid van de berekende ejectiefr&cties. Gedacht kan
worden aan de selectie van een gebied van konstante grootte op die
plaats waar het totaal aantal counts minimaal is of waarbij de
variaties als functie van de tijd minimaal zijn.
- het bepalen van "normaalwaarden" voor ejectiefractie, regionale
wall motion en regionale ejectiefractie, zowel wat betreft de
absolute waarden als wat betreft de veranderingen die tijdens
inspanning optreden. Dit dient te gebeuren door onderzoek van een
voldoend grote groep individuen zonder aanwijsbare hartziekten.
PAGE 88
APPENDIX 1
Ejectiefracties met drie verschillende methoden voor selectie van
de linkerventrikelcontour.
methode 1 : met de hand ingetekend in het totaalbeeld
methode 2 : met de hand ingetekend in het amplitude/fase beeld
methode 3 : aangeven middelpunt linkerventrikel,
automatische detectie van de linkerventrikelcontour
alle methoden gebruiken automatische backgroundselectie in
een standaardrichting (op 3 uur).
Ejectiefracties in procenten weergegeven.
patient methode 1 methode 2 methode 3
12345678910111213141516171819202122232425
59245355347062584049463265445063515138562758286050
64285857397867614559483672475657535337622657266843
66275467387973674353523675715557575352602761286842
mean 48.9 51.9 54.4
COUP. CROUP t WITH GROUP 2 *******CROUP 1
MEAN = 4.892E+00I SD = 1.268E+001STANDARD ERROR = 2.535E+000
CROUP 2MEAN = 5.188E+001 SD = 1.415E+00ISTANDARD ERROR = 2 83IE+000
REGRESSION ANALYSIS: Y=A+B*X
A = 4.408E+000B = 8.580E-00ISEE = 3.707E+000
R = 0.958OEG FREEDOM = 23PROS. R = 0 : 6.395E-014
95X CONF INT R :0.906 TO0.982
X INTERVAL IGR 2) = 10Y INTERVAL (GR 11 = 10
DATEiM-OCT-80 1 5 . 1 2 , 0 8
I1 .-
oo
•+ •
METHODE 2
CORP. CROUP 3 WITH GROUP » *******CROUP 3
MEAN = 5.444E+001 SD = 1.511E+001STANDARD ERROR = 3.023E+000
CROUP 1MEAN = 4.882E+001
STANOARO ERROR =SD = 1.268E+001
2.535E+000
REGRESSION ANALYSIS. Y=A+B*X
A » 2.157E+000B * I.069E+000SEE = 6.846E+000
R = 0.896DEC FREEDOM = 23PROS. R s 0 i 1.371E-009
95X CONF INT R ,0.776 TO0.054
X INTERVAL (CR 1) = 10V INTERVAL CGR 3) = 10
DATE,14-OCT-80 1 5 : 1 0 , 5 8
METHODE 1
COUP CROUP 3 WITH CROUP 2CROUP 3
MEAN = 5.444E+001 SO = 1.5I1E+001STANDARD ERROR - 3.023E+000
CROUP 2MEAN = 5.188E+00I SO = 1.415E+001STANDARD ERROR = 2.83IE+000
REGRESSION ANALYSIS: Y=A+B*X
A = 3998E+000B = 9723E-00ISEE = 6.381E+0E0
R = 0.911DEC FREEDOM = 23PROB R a 0 , 2.678E-0I0
95X CONF INT R ,0.805 TO0.060
X INTERVAL CCR 2) = 10V INTERVAL (GR 3» = 10
D A T E • 1 4 - O C T - 8 0 1 5 , 1 1 = 1 7
1
METHODE 2
PAGE 92
APPENDIX 2
Ejectiefracties gemeten volgens drie methoden:
methode 1: linkerventrikel en background met hand ingetekend
methode 2; middelpunt linkerventrikel en backgroundsichting
aangegeven, hierna automatische selektie van
linkerventrikel en achtergrond
methode 3: als methode 2, echter met updating middelpunt
waarnemer: 1 sessie : 1
patient methode 1 methode 2 methode 3 background
1
2
3
4
5
6
7
8
9
10
11
12
\ 3
14
15
16
19.0
41.3
60.6
41.2
63.2
63.3
14.2
28.4
49.9
40.5
60.8
67.6
50.4
48.0
71.9
36.4
22.7
40.2
66.0
39.9
74.0
66.8
14.9
27.1
48.9
41.0
61.9
70.3
49.7
54.1
71.1
36.0
22.6
41.5
66.4
40.3
72.3
67.1
14.8
27.1
49.2
42.3
62.7
68.9
47.0
41.0
70.6
36.0
4
4
4
4
3
4
4
4
3
2
3
3
5
4
4
4
PAGE 93
Ejectiefcacties gemeten volgens drie methoden:
methode 1: linkerventrikel en background met hand ingetekend
methode 2: middelpunt linkerventrikel en backgroundrichting
aangegeven, hierna automatische selektie van
linkerventrikel en achtergrond
methode 3: als methode 2, echter met updating middelpunt
waarnemer: 1 sessie : 2
patient methode 1 methode 2 methode 3 background
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17.1
40.8
55.1
43.4
68.4
64.2
15.3
23.3
47.4
38.0
63.1
72.3
50.8
46.7
69.7
33.3
22.7
41.5
53.4
40.3
66.0
68.9
14.8
26.6
58.7
37.2
60.8
68.9
49.1
54.4
70.4
33.7
22.6
41.5
54.8
40.3
64.9
67.1
14.8
26.8
59.2
37.6
62.1
68.9
47.0
41.0
70.6
36.0
4
4
5
4
4
4
4
4
2
5
3
3
5
4
4
4
PAGE 94
Ejectiefracties gemeten volgens drie methoden:
methode 1: linkerventrikel en background met hand ingetekend
methode 2; middelpunt linkerventrikel en backgroundrichting
aangegeven, hierna automatische selektie van
linkerventrikel en achtergrond
methode 3s als methode 2, echter met updating middelpunt
waarnemer: 2 sessie : 1
patient methode 1 methode 2 methode 3 background
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
20.3
36.2
25.7
36.7
58.0
61.5
15.7
20.6
50.6
41.2
21.1
50.6
47.7
39.1
64.9
25.9
21.9
38.1
31.3
38.4
66.0
70.8
14.9
25.2
47.8
41.5
21.5
52.5
51.5
39.4
71.1
29.7
21.6
37.1
30.2
38.0
64.9
69.5
14.8
26.7
49.2
42.3
21.6
51.9
51.4
39.0
70.6
29.6
5
6
6
5
4
3
4
7
3
2
5
5
4
7
4
6
Ejectiefracties gemeten volgens drie methoden:
methode 1: linkerventrikel en background met hand ingetekend
methode 2: middelpunt linkerventrikel en backgroundrichting
aangegeven, hierna automatische selektie van
linkerventrikel en achtergrond
methode 3: als methode 2, echter met updating middelpunt
waarnemer: 2 sessie : 2
patient methode 1 methode 2 methode 3 background
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
20.1
36.3
36.9
35.6
61.2
60.3
15,7
21.9
52.1
35.5
58.4
50.0
49.0
38.4
67.0
29.2
22.4
36.5
49.9
36.9
67.2
66.7
15.0
23.0
72.5
37.2
62.5
50.9
49.0
42.6
71.1
28.8
22.6
36.4
49.7
37.9
65.5
67.3
14.8
23.0
68.2
37.6
62.4
51.9
47.0
40.2
70.6
29.7
4
5
6
5
4
7
3
6
7
5
6
5
5
7
4
5
PAGE 96
Ejectiefracties gemeten volgens drie methoden:
methode 1: linkerventrikel en background met hand ingetekend
methode 2: middelpunt linkerventrikel en backgroundrichting
aangegeven, hierna automatische selektie van
linkerventrikel en achtergrond
methode 3: als methode 2, echter met updating middelpunt
waarnemer: 3 sessie : 1
patient methode 1 methode 2 methode 3 background
1
2
3
4
5
6
7
8
9
10
11
12
13
14
3,5
16
16.8
39.4
54.9
40.5
67.6
64.7
15.9
25.1
50.0
39.0
63.2
51.5
50.0
46.8
68.7
27.8
22.6
36.4
50.9
36.4
64.9
68.6
16.1
26.6
47.3
37.2
61.5
46.9
51.5
34.1
69.1
29.2
22.6
36.4
50.4
37.9
65.2
68.7
15.8
27.1
47.9
37.3
62.5
47.0
50.6
34.2
68.7
28.9
4
5
6
5
4
4
5
4
3
5
6
6
4
5
4
5
Ejectiefracties gemeten volgens drie methoden:
methode 1: linkerventrikel en background met hand ingetekend
methode 2: middelpunt linkerventrikel en backgroundrichting
aangegeven, hierna automatische selektie van
linkerventrikel en achtergrond
methode 3: als methode 2, echter met updating middelpunt
waarnemer: 3 sessie : 2
patient methode 1 methode 2 methode 3 background
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
21.0
42.1
32.8
40.1
69.0
65.7
15.8
21.9
50.4 •
39.2
66.8
66.5
51.0
49.9
72.2
30.8
22.7
40.2
31.4
38.4
67.2
70.3
16.1
22.9
47.3
40.0
62.9
68.9
50.1
56.9
83.1
29.2
22.6
41.3
30.2
37.9
65.2
68.7
15.8
22.6
47.9
40.3
62.9
68.9
50.7
51.5
83.8
28.5
4
4
6
5
4
4
5
6
3
6
3
3
4
3
6
6
PAGE 98
Intra-observer variaties :
Gemiddelde en variantie van gepaarde waarnemingen
waarnemer : 1
patient methode 1 methode 2 methode 3
mean var mean var mean var
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
18,
41
57
42
65
63
14
25
48
39
61
69
50
47
70
34
.05
.05
.85
.30
.80
.70
.75
.85
.65
.25
.95
.95
.60
.35
.80
.85
1.
0.
15.
2.
13.
0.
0.
13.
3.
3.
2.
11.
0.
0.
2.
4.
80
12
12
42
52
50
60
00
12
12
64
04
08
84
,42
,80
22
40
59
40
70
67
14
26
53
39
61
69
49
54
70
34
.70
.85
.70
.10
.00
.85
.85
.85
.80
.10
.35
.60
.40
.25
.75
.85
0,
0,
79
0
32
2
0
0
48
7
0
0
0
0
0
2
.01
.84
.38
.08
.00
.20
.01
.12
.02
.22
.60
.98
.18
.04
.24
.64
22
41
60
40
68
67
14
26
54
39
62
68
47
41
70
36
.60
.50
.80
.30
.50
.10
.80
,95
.20
.95
.40
.90
.00
.00
.60
.00
0,
0,
67
0
27
0
0
0
50
11
0
0
0
0
0
0
.01
.01
.28
.01
.38
.01
.01
.04
.00
.04
.18
.01
.01
.01
.01
.01
mean 47.04 4.70 48.50 10.91 47.66 9.74
Intra-observer variaties :
Gemiddelde en variantie van gepaarde waarnemingen
waarnemer : 2
patient methode 1 methode 2 methode 3
mean var mean var mean var
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
20
36
31
36
59
60
15
21
51
38
39
50
48
38
65
27
.20
.25
.30
.15
.60
.90
.70
.25
.35
.35
.75
.30
.35
.75
.95
.55
0.
0.
62.
0.
5.
0.
0.
0.
1.
16.
695.
0.
0.
°-2.
5.
02
01
72
60
12
72
01
84
12
24
64
18
84
24
20
,44
22
37
40
37
66
68
14
24
60
39
42
51
50
41
71
29
.15
.30
.60
.65
.60
.75
.95
.10
.15
.35
.00
.70
.25
.00
.10
.25
0.
1.
172.
1.
0.
8.
0.
2.
305.
9.
840.
1.
3.
5.
0.
0.
12
28
98
12
72
40
01
42
04
24
50
28
12
12
01
,40
22,
36,
39
37
65
68
14
24
58
39
42
51
49
39
70
29
.10
.75
.95
.95
.20
.40
.80
.85
.70
.95
.00
.90
.20
.60
.60
.65
0.
0.
190.
0.
0.
2.
0.1
6'.
180.
11.
832.
0,
9,
0,
0,
0,
50
24
12
01
18
42
01
84
,50
,04
,32
.01
.68
.72
.01
.01
mean 40.10 49.50 43.56 84.48 43.22 77.16
PAGE 100
Intra-observer variaties :
Gemiddelde en variantie van gepaarde waarnemingen
waarnemer : 3
patient methode 1 methode 2 methode 3
mean var mean var mean var
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
18.
40,
43
40
68
65
15
23
50
39
65
59
50
48
70
29
.90
.75
.85
.30
.30
.20
.85
.50
.20
.10
.00
.00
.50
.35
.45
.30
8,
3,
244,
0
0
0
0
5
0
0
6
112
0
4
6
4
.82
.64
.20
.08
.98
.50
.01
.12
.08
.02
.48
.50
.50
.80
.12
.50
22,
38,
41
37
66
69
16
24
47
38
62
57
50
45
76
29
.65
.30
.15
.45
.05
.45
.10
.75
.30
.60
.20
.90
.80
.50
.10
.20
0.
7.
190.
2.
2.
1.
0.
6.
0.
3.
0.
242.
0.
259.
98.
0.
01
22
12
20
64
44
01
84
01
92
98
00
98
,92
,00
,01
22,
38
40
37
65
68
15
24
47
38
62
57
50
42
76
28
.60
.85
.30
.90
.20
.70
.80
.85
.90
.80
.70
.95
.65
.85
.25
.70
0,
12,
204,
0
0
0
0
10
0
4
0
239
0
149
114
0
.01
.00
.02
.01
.01
.01
.01
.12
.01
.50
.08
.80
.01
.64
.00
.08
mean 45.53 24.89 45.22 36.04 45.00 45.89
Inter-observer variaties s
Gemiddelden en varianties van de waarnemingen van 3 observers
berekend met de gemiddelden van gepaarde waarnemingen van elke
observer
patient methode 1 methode 2 methode 3
mean var mean var mean var
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
19,
39
44
39
64
63
15
23
50
38
55
59
49
44
69
30
.05
.35
.33
.58
.57
.27
.43
.53
.07
.90
.57
.75
.82
.82
.18
.57
1.
7.
176.
9.
20.
4.
0.
5.
1.
0.
189.
96.
1.
27.
7.
14.
17
23
40
84
06
76
36
29
84
23
95
95
62
85
84
53
22.
38.
54.
38.
67.
68.
15.
23.
53.
39.
55.
59.
50.
46.
72.
31.
50
80
52
40
55
68
30
20
75
00
18
70
15
92
65
,10
0.09
3.35
136.41
2.18
4.58
0.64
0.48
2.07
41.28
0.15
130.53
82.62
0.50
45.40
8.96
10.54
22.43
39.03
47.02
38.72
66.30
68.07
15.13
25.55
53.60
39.57
55.70
59.58
48.95
41.15
72.48
31.45
0
5
142
1
3
0
0
1
29
0
140
74
3
2
10
15
.08
.67
.56
.88
.63
.72
.33
.47
.43
.44
.79
.25
.38
.66
.64
.75
mean 44.22 35.37 45.76 29.36 45.29 19.25
PAGE 102
APPENDIX 3
Meting van de ejectiefractiefractie volgens 3 methoden
methode 1 = bloodpoolstudie, gebruik van zelfde contour voor elk
beeld (fixed region)
methode 2 = bloodpoolstudie, gebruik van andere contour voor elk
beeld (moving region)
methode 3 = ejectiefractie bepaald uit röntgen-contrast-
linkerventrikel angiogram
patient methode 1 methode 2 methode 3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
22
36
49
40
65
68
14
22
48
37
62
46
49
37
69
29
32
49
68
44
75
72
24
39
61
45
69
66
55
55
75
45
33
55
65
51
79
63
28
61
58
31
63
66
61
41
74
62
mean 43.3 54.6 55.6
COPIP. GROUP 2 WITH GROUP 1 *******GROUP 2
MEAN = 5.463E+001 SD = 1.573E+001STANDARD ERROR » 3.933E+000
CROUP 1MEAN = 4.33 IE+001
STANDARD ERROR aSO = t.693E+0014.233E+000
REGRESSION ANALYSIS:
A = I 648E+00I9 = 8.808E-001
= 5.165E+000
Y=A+B*X
R = 0 . 9 4 8OEG F/REÈUÜM « 14 i;PROB. R = 0 . 2 . 4 17E-006
95X CONF INT R ,0.853 TO0.982
X INTERVAL <GR 1) = 10Y INTERVAL CGR 2) = 10
DATE.14-OCT-80 15.20.26 o
I I
METHODE 1 (FIXED REGION)
COMP. GROUP 1 WITH GROUP 3 *******CRpyï» 1
^N = 4.33JE+001 SD = 1.693E+001SÏANÜARO ERROR = 4.233E+000
Rv
CROUP 3MEAN = 5.569E+001
STANDARD ERROR =SD = 1.508E+001
3.769E+000
REGRESSION ANALYSIS: Y=A+B*X
A = -2.022E+000B = 6.I4 1E-00ISEE = 1.207E+001
R = 0.725DEG FREEDOM = 14PROB. R = 0 : 1.487E-003
95% CONF INT R :0.358 TO0.898
X INTERVAL (GR 3) = 10Y INTERVAL (GR 1) = 10
D A T E . 1 4 - O C T - 8 0 1 5 , 2 0 , 1 2
METHODE 3 (CATH. LAB.)
COUP. CROUP 2 WITH GROUP 3CROUP 2
MEAN = 5.463E+00I SD = 1.573E+001STANDARD ERROR = 3.933E+000
CROUP 3MEAN = 5.569E+00J SO = 1.508E+001
STANDARD ERROR = 3.769E+000
REGRESSION ANALYSIS:
A = 8.204E+000B = 8.336E-00ISEE = 9.793E+000
2.055E-004
R = 0.799OEG FREEOOft = 14PROB. R = 0 .
95* CONF INT R0.502 TO0.927
X INTERVAL (GR 3) = 10Y INTERVAL (GR 2) - 10
DATE• 14-OCT-80 I 5•20,39
I
I
METHODE 3 (CATH. LAB.)
PAGE 106
LITERATUUR LIJST.
1 Adam, W.E., Tarkowska, A., Bitter, F,, e.a.Equilibrium (Gated) Radionuclide Ventriculography.Cardiovascular Radiology 2: 161-173, 1979.
2 Adams, R.,Hine, G.J., Zimmerman, C.D.Deadtime Measurements in Scintillation Cameras under ScatterConditions Simulating Quantitative Nuclear Cardiography.The Journal of Nuclear Medicine 19: 538-544, 1978.
3 Almasi, J.J., Bornstein, I., Eisner, R.L., e.a.Enhanced Clinical Utility of Nuclear Cardiology through AdvancedComputer Processing Methods.Intern rapport.General Electric Medical Systems Division, Milwaukee, WI 53201,1979.
4 Askhar, G.P., Modestino, J.W.The Contour Extraction Problem with Biomedical Appications.Computer Graphics and Image Processing 7: 331-355, 1978.
5 Bacharach, S.L., Green, M.V., Borer, J.S., e.a.A Real-Time System for Multi-Image Gated Cardiac Studies.The Journal of Nuclear Medicine 13: 79-84, 1977.
6 Bell, P.R., Dougherty, J.M.Nonlineair Image Processing Methods.IEEE Transactions on Nuclear Science, NS25, no. 2: 928-938,April 1978.
7 Berthele, U.Non-Serial Dynamic Programming.Academic Press, New York, 1972.
8 Bodenheimer, M.M., Banka, V.S., Helfant, R.H.Radionuclide Angiographic Assessment of Left VentricularContraction: Uses, Limitations and Future Directions.The American Journal of Cardiology 45: 661-673, 1980.
9 Bodenheimer, M.M., Banka, V.S., Fooshee, CM., e.a.Comparison of Wall Motion and Regional Ejection Fraction at Restand during Isometric Exercise: Concise Communication.The Journal of Nuclear Medicine 20: 724-732, 1979.
10 Borer, J.S., Kent, K.M., Bacharach, S.L., e.a.Sensitivity, Specificity and Predictive Accuracy of RadionuclideCineangiography during Exercise in Patients with Coronary ArteryDisease.Circulation 60: 572-580, 1979.
11 Budinger, T.F., Rollo, F.D.Physics and Instrumentation.Progress in Cardiovascular Diseases, vol.XX, no. 1: 19-53, 1977.
12 Budinger, T.F.Instrumentation Trends in Nuclear Medicine.Seminars in Nuclear Medicine, vol. 7, no.4: 285-297, 1977.
13 Burow, R.D., Strauss, H.W., Singleton, R., e.a.Analysis of Left Ventricular Function from Multiple GatedAcquisition Cardiac Bloodpool Imaging.Circulation, vol. 56, no. 6: 1024-1028, 1977.
14 Cradduck, T.D.Measurement of Ejectionfraction and Visualisation of Wall Motion.Division of Nuclear Medicine, Ontario Cancer Foundation,Victoria Hospital, London, Ontario, Canada.Gamma 11 software, 1978.
15 Douglas, M.A., Green, M.V.Evaluation of Automatically Generated Left Ventricular Regions ofInterest in Computerized ECG-Gated Radionuclide Angiocardiography.Computers in Cardiology: 201-204, September 1978.
16 Gerbrands, J.J.Inleiding in de Digitale Beeldverwerking.Collegedictaat , Laboratorium voor Informatietheorie Afdeling derElektrotechniek, Technische Hogeschool Delft, 1978.
17 Goris, M.L., Thomas, A.J., Bell, G.B.Aspects of Radionuclide Functional Imaging of the Heart.Intern rapport, Stanford University Medical Center, 1978.
18 Hawman, E.G.Digital Boundery Detection Techniques for the Analysis of GatedCardiac Scintigrams.Proceedings of the SPIE, vol. 286, Meeting August 27-29, 1979.
19 Hegge, F.N., Hamilton, G.W., Larson, S.M., e.a.Cardiac Chamber Imaging: a Comparison of Red Blood Cells Labeledwith Tc-99m in Vitro and in Vivo.The Journal of Nuclear Medicine 19: 129-134, 1978.
20 Kan, M.K., Hopkins, G.B.Edge Enhancement of ECG-Gated Cardiac Images using DirectionalMasks.Radiology 127: 525-528, May 1978.
21 Kuile, t.M.Onderzoek naar de Automatische Detectie van de Coronairboom:Een vergelijkend Onderzoek naar de Prestaties van vierEdgedetectoren.Afstudeerverslag, Laboratorium voor InformatietheorieAfdeling der Elektrotechniek, Technische Hogeschool Delft, 1980.
22 Kuwahara, M., Hachimura, K., Eiho, S., e.a.Processing of RI-Angiographic Images.from Digital Processing of Biomedical Images,edited by Preston, K. and Onoe, M.Plenum Publishing Corporation, 1976.
PAGE 108
23 Larson, R.E.Principles of Dynamic Programming.Part 1: Basic Analytic and Computational Methods.Marcel Dekker Inc. , New York, 1973.
24 Lie, S.P.Kwantitatieve Analyse van Thallium-Scintigrammen.Afstudeerverslag, Laboratorium voor InformatietheorieAfdeling der Elektrotechniek, Technische Hogeschool Delft, 1979.
25 Maloney, J.C, ïlastogi, S.C.Significance Test for Grubbs Estimators.Biometrics; 671-676, December 1970.
26 Martelli, A.An Application óf Heuristic Search Methods to Edge and ContourDetection.Communications of the ACM, vol. 19, no 2: 217-227, 1976.
27 Okada, R.D., Kirshenbaum, H.D., Kushner, F.G., e.a.Observer Variance in the Qualitative Evaluation of LeftVentricular Wall Motion and the Quantitation of Left VenticularEjection Fraction using Rest and Exercise Multigated BloodpoolImaging.Circulation, vol. 61, no. 1: 128-136, 1980.
28 Pfisterer, M.E., Ricci, D.R., Schuier, G, e.a.Validity of Left-Ventricular Ejection Fractions Measured at Restand Peak Exercise by Equilibrium Radionuclide Angiography usingShort Acquisition Times.The Journal of Nuclear Medicine 20: 484-490, 1979.
29 Pizer, S.M.Methods and Limitations of Edge Detection for Noisy Images.Intern rapport, University of North Carolina,Chapel Hill, NC, 1979.
30 Robinson, G.S.Edgedetection by Compass Gradient Masks.Computer Graphics and Image Processing 6: 492-501, 1977.
31 Rollo, F.D., Price, R.R., Patton, J.A., e.a.A dynamic cardiac phanthom for quality control testing of gatedacquisition systems.International Symposium on Medical Radionuclide Imaging, IAEA,Heidelberg, 1-5 September, 1980, Poster session.
32 Rosenfeld, A., Kak, A.C.Digital Picture Processing.Computer Science and Applied Mathematics.Academic Press, New York, 1976.
33 Schiepers, C.W.J. Ejectie Fractie Bepaling: Variantie en._.--= Reproduceerbaarheid.
Intern rapport, Instituut voor Nucleare Geneeskunde,Academisch Ziekenhuis utrecht, 1980.
PAGE 109
34 Slutsky, R., Karliner, J., Ricci, D.f e.a.Left Ventricular Volumes by Gated Equilibrium RadionuclideAngiography: a New Method.Circulation, vol. 60, no. 3: 556-564, 1979.
35 Slutsky, R., Karliner, J., Ricci, D., e.a.Response of Left Ventricular Volume to Exercise in Man Assessed byRadionuclide Equilibrium Angiography.Circulation, vol. 60, no. 3: 565-571, 1979.
36 Sorensen, S.G., Hamilton, G.W., Williams, D.L., e.a.A Comparison of the Accuracy and Reproducibility of Fixed andComputer-Automated Varying Regions of Interest for Determining theLeft Ventricular Ejection Fraction.Radiology 131: 473-478, 1979.
37 Strauss, H.W., Pitt, B.Gated Cardiac Blood-Pool Scans: Use in Patients with CoronaryHeart Disease.Progress in Cardiovascular Diseases, vol.XX, no. 3: 207-216,1977.
38 Todd-Pokropek, A.Image Processing in Nuclear Medicine.IEEE Transactions on Nuclear Science, NS27, no. 3: 1080-1094,June 1980.
39 Wackers, F.J.Th., Berger, H.J., Johnstone, D.E., e.a.Multiple Gated Cardiac Bloodpool Imaging for Left VentricularEjection Fraction: Validation of the Technique and Assessment ofVariability.The American Journal of Cardiology, vol. 43: 1159-1166, June1979.
40 Wagner, H.M.Principles of Operations Research.Prentice Hall International Editions, 1975.
41 Wainwright, R.J., Maisey, M.N.Cardiac Imaging, Part 2, Radionuclide Angiocardiography.Reprint from Hospital Update, October and November 1978.
42 Gamma-11 System Reference, Order No AA-2186B-TC.Digital Equipment Corporation, Maynard Massachusetts, 1978.
Automated left ventricular boundary extraction from gated cardiac blood poolscintigrams; fixed and moving regions of interest.
J.H.C. Reiber, C. Hoek, S.P.Lie, J.J.Gerbrands (x), M.L. Simoons,Thoraxcenter, Erasmus University, Rotterdam,(x) Information Theory Group, Delft University of Technology, Netherlands.
Technetium-99m gated cardiac blood pool scintigraphy has been accepted inclinical practice as a noninvasive technique for the assessment of left ven-tricular (LV) function. Computation of the ejection fraction (EF) requiresthe delineation of the LV boundary and the definition of a background region.This is usually achieved by manual tracing, which results in relatively large. inter- and intra-observer variations. Regional EF, segraental wall motionand derived parameters can only be obtained if the contours in each of theframes are available.To circumvent these limitations and to provide objective quantitative re-sults we have developed algorithms for the automated detection of LV con-tours in each of the frames of a cardiac study. This procedure has been im-plemented on a DEC gamma-11 computer system. At the start of the contour de-tection procedure the user indicates the approximate center of the LV in thesum-image of the 20 frames-study. The image is divided into eight 45- degreespie-shaped segments around this tentative center position. In each segment amodified compass gradient operator is applied twice to obtain a 2nd orderderivative image. This image is then transformed into a polar coordinatesystem. The contour is obtained by searching for the minimal cost path inthis polar representation; the cost function is defined as the inverse ofthe 2nd order derivative function. To minimize the variations resulting fromthe manual definition of the LV center, this center is now replaced by thepoint of gravity of the activity distribution within the contour. Subsequent-ly, the contour detection procedure is repeated and a new contour is comput-ed. This contour may be used for the computation of the EF following the fix-ed region method. The moving region method requires the delineation of theLV boundary in each frame. In this case, the updated center position in thesum-image is used in each frame as the center position and the LV contour ofa specific frame is used as a model to guide the search for the contour inthe next frame. The background region is generated in a user-defined direct-ion relative to the LV center and has fixed size and distance to the LVboundary. The complete procedure for the fixed region method takes 20s.,while the moving region method requires 3 min. From the contours regional EFand ejection velocity as well as wall displacement and velocity are determin-ed.
To evaluate the precision of the developed principles, the LV contours in thetotal images were detected in a set of 25 patient studies with varying card-iac diseases. The LV regions of interest (ROD were also traced manually by4 independent observers. EF's were calculated with the fixed ROI with thesame background in corresponding studies. From statistical analysis it couldbe concluded that there exist no significant differences in precision betweenthe automated method and the average EF from the 4 observers. To assessinter- and intra-observer variations, 16 blood pool studies were analyzed attwo different occasions by 3 independent observers, who applied the convent-ional manual method and the automated LV procedure. With the same backgroundregions for the repeated measurements the intra-observer variations decreas-ed from 1.57 to 0.25% and the inter-observer variations from 4.8 to 0.48%. Arate of success in the automated contour detection of 95% could be assessedfrom a total of 111 blood pool studies.In conclusion, a complete and routinely useful software package has been dev-eloped for the automated detection of the left ventricular activity in gatedblood pool studies.