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

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

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

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.

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

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

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

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

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

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

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.

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

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.

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

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.

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

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,

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.

( (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

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

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.

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)

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.

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

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].

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

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

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.

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

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

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.

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 achtergronden 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

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

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.

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

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

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

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

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

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

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)

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

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

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

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

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.

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

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

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

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

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

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

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

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

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.

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

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.

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

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.

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)

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

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.

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

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

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

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

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

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.

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

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

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)

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)

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

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

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

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

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

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

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

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.

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


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

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

Ejectiefcacties gemeten volgens drie methoden:


methode 2: middelpunt linkerventrikel en backgroundrichting






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



methode 2; middelpunt linkerventrikel en backgroundrichting



methode 3s als methode 2, echter met updating middelpunt



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









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









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









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

Intra-observer variaties :

Gemiddelde en variantie van gepaarde waarnemingen

waarnemer : 1


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



waarnemer : 2



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



waarnemer : 3



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



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

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


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


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.)

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.

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.

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.

TECHNISCHE HOGESCHOOL DELFT Afdeling der Elektrotechniek … · 2004. 5. 7. · TECHNISCHE...

Documents

Transcript of TECHNISCHE HOGESCHOOL DELFT Afdeling der Elektrotechniek … · 2004. 5. 7. · TECHNISCHE...