Quantitative Auswertemethoden für die Beurteilung von Patientenbewegungen in der klinischen PET

Ziel/Aim:

Aufgrund der kontinuierlich gestiegenen Auflösung der Geräte stellen Patientenbewegungen während einer PET-Aufnahme vor allem bei der Analyse kleiner Strukturen ein wachsendes Problem dar. Dies macht immer häufiger den Einsatz von Bewegungskorrekturmethoden notwendig. Um den Zeitbedarf für die Berechnungen in einem vertretbaren Rahmen zu halten, müssen geeignete Schwellwerte aus den Bewegungsdaten ermittelt werden, unterhalb derer eine Bewegungskorrektur vermieden werden kann. Die sechs die Bewegung beschreibenden Transformationsparameter sind hierzu nur bedingt geeignet, da der kombinierte Einfluss aller Parameter auf die Bewegung nicht einfach abschätzbar ist. Unsere Studie greift dies auf und zeigt am Beispiel von Hirnuntersuchungen wie aus den Daten eines externen Bewegungsmesssystems aussagefähige Schwellwerte abgeleitet werden können. Wir zeigen ferner wie eine routinemäßige Nutzung der Bewegungsanalyse für die Qualitätskontrolle genutzt werden kann.

Methodik/Methods:

Die bei einer PET-Aufnahme von einem Bewegungstracker aufgezeichneten Daten werden automatisch mittels des statistischen Analysewerkzeuges ‚R’ verarbeitet. Es werden statistische Kenngrößen bzgl. der Stabilität der Bewegungsmessung berechnet, sowie die Daten der sechs Translations-/Rotations-Freiheitsgrade graphisch dargestellt und hieraus Transformationsmatrizen berechnet. Zur Analyse des Bewegungseinflusses innerhalb des relevanten Bildvolumens werden die (zeitabhängigen) Transformationsmatrizen auf die Oberfläche einer Kugel von ; 20 cm angewandt. Hierbei wird jeder Punkt eines Gitternetzes transformiert und die euklidische Längen der
Differenzvektoren zwischen ursprünglichem und transformiertem Gitternetz berechnet. Anhand eines Schwellwertes für diese Verschiebung werden die Transformationsmatrizen ausgewählt, die für eine Bewegungskorrektur relevant sind. Zusätzlich ist es möglich, Zielkoordinaten wie z. B. die des Striatums einzugeben, um die berechneten Bewegungsmatrizen auf eine beliebige ROI anzuwenden und somit unmittelbar Bewegungsinformationen für dieses Areal zu erhalten.

Ergebnisse/Results:

Die entwickelten Methoden generieren nach einer Bewegungsmessung automatisch Auswertungen in Form einer PDF-Datei. Diese beinhaltet neben verschiedenen graphischen Statistiken eine Zusammenfassung über die als relevant eingestuften Bewegungen des Patienten und lokalisiert Areale, welche kritisch von Bewegungen betroffen sind.

Schlussfolgerungen/Conclusions:

Durch die Integration der vorgestellten Auswertemethoden in die klinische PET lässt sich die Qualität einer Untersuchung in Hinblick auf den Einfluss der Patientenbewegung objektiver beurteilen. Es ist hiermit möglich, routinemäßige Bewegungsanalysen für PET-Untersuchungen durchzuführen und diese für eine akkurate, in Hinblick auf den Rechenaufwand optimierte Bewegungskorrektur zu nutzen.