P.1.104 [1231]ADAM: A novel SPECT ligand for quantification of serotonin transporters in humans
EUROPEAN NEUROPSYCHOPHARMACOLOGY(2004)
Abstract
Partial volume correction (PVC) is an essential step for quantitative positron emission tomography (PET). In the present study, PVELab, a freely available software, is evaluated for PVC in 18F-FDOPA brain-PET, with a special focus on the accuracy degradation introduced by various MR-based segmentation approaches.Four PVC algorithms (M-PVC; MG-PVC; mMG-PVC; and R-PVC) were analyzed on simulated 18F-FDOPA brain-PET images. MR image segmentation was carried out using FSL (FMRIB Software Library) and SPM (Statistical Parametric Mapping) packages, including additional adaptation for subcortical regions (SPML). Different PVC and segmentation combinations were compared with respect to deviations in regional activity values and time-activity curves (TACs) of the occipital cortex (OCC), caudate nucleus (CN), and putamen (PUT). Additionally, the PVC impact on the determination of the influx constant (Ki) was assessed.Main differences between tissue-maps returned by three segmentation algorithms were found in the subcortical region, especially at PUT. Average misclassification errors in combination with volume reduction was found to be lowest for SPML (PUT < 30%) and highest for FSL (PUT > 70%). Accurate recovery of activity data at OCC is achieved by M-PVC (apparent recovery coefficient varies between 0.99 and 1.10). The other three evaluated PVC algorithms have demonstrated to be more suitable for subcortical regions with MG-PVC and mMG-PVC being less prone to the largest tissue misclassification error simulated in this study. Except for M-PVC, quantification accuracy of Ki for CN and PUT was clearly improved by PVC.The regional activity value of PUT was appreciably overcorrected by most of the PVC approaches employing FSL or SPM segmentation, revealing the importance of accurate MR image segmentation for the presented PVC framework. The selection of a PVC approach should be adapted to the anatomical structure of interest. Caution is recommended in subsequent interpretation of Ki values. The possible different change of activity concentrations due to PVC in both target and reference regions tends to alter the corresponding TACs, introducing bias to Ki determination. The accuracy of quantitative analysis was improved by PVC but at the expense of precision reduction, indicating the potential impropriety of applying the presented framework for group comparison studies.Ein wichtiger Aspekt für die quantitative Positronen-Emissions-Tomographie (PET) ist die Korrektur von Partialvolumeneffekten (PVC). In der vorliegenden Studie wurde die frei verfügbare Software PVELab auf ihre PVC-Eignung für die 18F-FDOPA-Hirn-PET untersucht. Ein spezielles Augenmerk wurde auf die Genauigkeitsverluste gelegt, welche durch verschiedene MR-basierte Segmentierungsansätze verursacht werden.Vier PVC-Algorithmen (M-PVC, MG-PVC, mMG-PVC sowie R-PVC) wurden an simulierten 18FFDOPA-Hirn-PET Daten analysiert. Unter Verwendung von FSL (FMRIB Software Library) und SPM (Statistical Parametric Mapping) wurden MR-Bildsegmentierungen inklusive zusätzlicher Anpassungen subkortikaler Regionen (SPML) durchgeführt. Unterschiedliche Kombinationen von PVC- und Segmentierungsansätzen wurden bezüglich Abweichungen regionaler Aktivivitätswerte sowie Zeitaktivitätskurven (TACs) im okzipitalen Kortex (OCC), Nucleus caudatus (CN) und Putamen (PUT) verglichen. Zusätzlich wurde der PVC-Einfluss auf die Bestimmung der Zuflusskonstante (Ki) untersucht.Wesentliche Unterschiede der drei untersuchten Segmentierungsalgorithmen wurden im PUT gefunden. Für SPML wurden die geringsten, für FSL die größten durchschnittlichen Abweichungen in Kombination mit Volumenreduktionen festgestellt (PUT: <30%, bzw. >70%). Eine akkurate Aktivitätsbestimmung im OCC wurde mittels M-PVC erreicht (durchschnittlicher Recovery-Koeffizient zwischen 0,99 und 1,10). Die anderen drei PVC-Algorithmen eignen sich deutlich besser für die subkortikalen Regionen, wobei sich MG-PVC und mMG-PVC als weniger anfällig auch für die Größten in dieser Studie simulierten Klassifizierungsfehler erwiesen haben. Mit Ausnahme von M-PVC konnte die Genauigkeit bei der Ki-Bestimmung im Bereich CN und PUT deutlich durch PVC verbessert werden.Die regionalen Aktivitätswerte für PUT wurden merkbar überkorrigiert durch die PVC-Ansätze unter Verwendung von FSL- oder SPM-Segmentierung. Präzise MR-Segmentierung, insbesondere subkortikaler Regionen, ist unverzichtbar für eine geeignete Partialvolumenkorrektur mittels PVELab für die 18F-FDOPA-Hirn-PET-Bildgebung. Entsprechend der untersuchten anatomischen Struktur sollte die jeweilige Wahl des PVC-Ansatzes angepasst werden. Vorsicht ist geboten in der anschließenden Interpretation der Ki-Werte. Die möglicherweise unterschiedlichen Veränderungen der Aktivitätskonzentration durch PVC in der Ziel- und Referenzregion tendieren dazu, die korrespondierenden TACs zu beeinflussen und können dadurch zu einem Bias in der Ki-Bestimmung führen. Die Genauigkeit der quantitativen Analyse wurde durch PVC verbessert, allerdings unter Inkaufnahme einer Reduktion der Präzision. Dies könnte ein Hinweis auf eine mögliche Fehlerquelle bei Gruppenvergleichsstudien sein.
MoreTranslated text
Key words
High-Performance Liquid Chromatography (HPLC),PET/CT,attenuation correction
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined