DOI: https://doi.org/10.1007/s00259-026-07769-7
PMID: https://pubmed.ncbi.nlm.nih.gov/41617887
تاريخ النشر: 2026-01-31
المؤلف: Jouni Tuisku وآخرون
الموضوع الرئيسي: تقنيات وتطبيقات التصوير الطبي
نظرة عامة
تقدم الدراسة خط أنابيب تحليل آلي، يسمى TURBO، مصمم لمعالجة البيانات الكاملة لجسم PET باستخدام [^15O]H2O و [^18F]FDG. يتناول هذا الخط التحديات التي تطرحها عبء العمل اليدوي الكبير المرتبط بتصوير الجسم بالكامل من خلال استخدام تقسيم CT الآلي لتحديد مناطق الاهتمام (ROI)، وتحديد المدخلات المستمدة من الصور، ونمذجة الحركة الخاصة بالمنطقة. تم إجراء التحقق من صحة خط أنابيب TURBO باستخدام مسح من 21 موضوعًا لـ [^15O]H2O و 16 موضوعًا لـ [^18F]FDG، مع التركيز على ست مناطق اهتمام تمثل مستويات مختلفة من تدفق الدم وعمليات الأيض للجلوكوز.
أشارت النتائج إلى أن ملاءمة النموذج كانت ذات جودة عالية، مع قيم R² تتجاوز 0.91 لـ [^15O]H2O و 0.99 لـ [^18F]FDG. كانت الارتباطات بين الوظائف المدخلة اليدوية والآلية قوية (R² > 0.86 لـ [^15O]H2O و R² > 0.88 لـ [^18F]FDG)، مع ملاحظة انحياز ضئيل. بالإضافة إلى ذلك، كانت الاتفاقية بين بيانات ROI المستخرجة يدويًا وآليًا قوية (R² > 0.82 لـ [^15O]H2O و R² > 0.83 لـ [^18F]FDG). أظهر خط أنابيب TURBO متوسط وقت معالجة أقل من 180 دقيقة لكل موضوع، مما يوفر إطارًا موثوقًا وقابلًا للتكرار لدراسة تدفق الدم بين الأعضاء وعمليات الأيض، بما في ذلك التفاعلات بين الدماغ والجسم. بشكل عام، يمثل خط أنابيب TURBO تقدمًا كبيرًا في أتمتة تحليل PET للجسم بالكامل، مما يسهل البحث الفعال والقابل للتكرار في تدفق الأنسجة وعمليات الأيض.
مقدمة
تسلط مقدمة ماسحات PET ذات مجال الرؤية المحوري الطويل (LAFOV) الضوء على إمكاناتها في تعزيز البحث العلمي والتشخيصات السريرية من خلال التصوير المتزامن لعدة أعضاء وتفاعلاتها الفسيولوجية. تعزز هذه الأنظمة حساسية العد وتغطية الصورة بينما تمكن من استخراج الوظائف المدخلة المستمدة من الصورة من الشريان الأورطي (Knuuti et al., 2023). ومع ذلك، فإنها تقدم أيضًا تحديات كبيرة، خاصة فيما يتعلق بحركة المرضى، والمعالجة اليدوية التي تستغرق وقتًا طويلاً، وانحياز المشغل، مما قد يهدد القابلية للتكرار (Karjalainen et al., 2020). تتطلب تعقيدات المعالجة المسبقة والنمذجة وتحليل البيانات رقابة صارمة على الجودة، مما يجعل وجود خط معالجة شامل لبيانات PET للجسم بالكامل أمرًا ضروريًا.
لمعالجة هذه التحديات، يقدم المؤلفون خط أنابيب نمذجة PET للجسم بالكامل في توركو (TURBO)، وهو أداة مفتوحة المصدر مصممة للمعالجة الآلية والقابلة للتكرار ونمذجة الحركة لبيانات PET للجسم بالكامل. يدعم TURBO مجموعة متنوعة من المواد المشعة ونماذج الحركة، مما يسهل العمليات الآلية بالكامل مثل التوافق، وتصحيح الحركة، وتحديد وظيفة المدخلات، وتحديد مناطق الاهتمام (ROI). يسمح الخط بنمذجة الحركة على مستوى المنطقة والفوكسل، مع دمج نماذج محددة للأنسجة وتوفير أدوات للتحكم في الجودة البصرية والعددية. يتم إثبات تحقق TURBO باستخدام بيانات PET لـ [¹⁵O] H₂O و [¹⁸F] FDG، من خلال مقارنة الوظائف المدخلة المستمدة من الصورة الآلية مع المدخلات المحددة يدويًا، وتقييم تأثيرات تصحيح الحركة، وتقييم نتائج نمذجة الحركة على مستوى ROI والفوكسل. يفترض المؤلفون أن TURBO يقدم نهجًا سريعًا ودقيقًا وقابلًا للتكرار لنمذجة بيانات PET للجسم بالكامل المتعلقة بالتروية وعمليات الأيض.
الطرق
في هذه الدراسة، تم إجراء تحليلات إحصائية باستخدام برنامج R (الإصدار 4.4.1) لتقييم العلاقات بين الطرق المختلفة. تم استخدام ارتباط بيرسون لتقييم قوة واتجاه العلاقات الخطية بين المتغيرات. بالإضافة إلى ذلك، تم استخدام تحليل بلاند-ألتمن لت quantifying الفروق النسبية بين الطرق، مما يوفر حدود اتفاق بنسبة 95% لتسهيل تفسير النتائج. تعتبر هذه الأساليب الإحصائية ضرورية للتحقق من موثوقية وثبات الطرق قيد التحقيق.
النتائج
تشير نتائج الدراسة إلى وجود ارتباط قوي بين النمذجة على مستوى المنطقة والفوكسل لكل من المواد المشعة، [^18F]FDG و [^15O]H2O، مع متوسط فروق نسبية تقل عن 2% وأقل من 10%، على التوالي. من الجدير بالذكر أن الارتباطات الأقل والفروق النسبية المتوسطة الأعلى لوحظت في بيانات [^15O]H2O تحديدًا في الشرايين والرئتين والقلب. أظهرت نتائج مستوى الفوكسل المستمدة من طريقة الوظيفة الأساسية ارتباطًا أعلى وانحيازًا أقل مقارنة بالنموذج الشامل على مستوى الفوكسل الذي قدر جميع المعلمات الثلاثة.
فيما يتعلق بحجوم توزيع الكبد (K1/k2)، كشفت اختبارات التحقق عن نتائج متسقة عبر جميع الاختبارات، مع معامل تباين أقل بكثير (6.8% لـ K1/k2 مقابل 65.8% لـ K1(1-VA)). بينما كانت المناطق المحددة يدويًا أصغر من تلك التي تم الحصول عليها من خلال تقسيم CT الآلي، تم العثور على ارتباطات عالية بين تقديرات المعلمات من كلا الطريقتين لـ [^15O]H2O (R² > 0.82) و [^18F]FDG (R² > 0.83)، على الرغم من الفروق النسبية المتوسطة المعتدلة في مختلف الأعضاء. أدت التعديلات على أحجام مناطق CT المقطعة للكبد والطحال إلى تحسين التوافق مع مناطق ROI المرسومة يدويًا، وأنتج التجميع القائم على PET تقديرات قابلة للمقارنة في الدماغ، على الرغم من ملاحظة تقديرات أعلى في الكلى مقارنة بمناطق ROI المرسومة يدويًا.
المناقشة
يعد خط أنابيب TURBO (TURku total-BOdy) إطارًا شاملاً قائمًا على MATLAB مصمم لمعالجة بيانات PET للجسم بالكامل ونمذجة الحركة. يدمج مراحل مختلفة، بما في ذلك تسجيل CT إلى PET، وتصحيح الحركة، وتقسيم الأنسجة، ونمذجة الحركة، مما ينتج صورًا بارامترية ومقاييس للتحكم في الجودة. يستخدم الخط أدوات برمجية موثوقة ويؤتمت سير العمل بالكامل، مما يعزز القابلية للتكرار ويقلل من تباين المشغلين في تحديد مناطق ROI. أظهر تحقق الخط ارتباطًا عاليًا بين الوظائف المدخلة المستمدة آليًا ويدويًا والتقديرات الإقليمية، مما يؤكد موثوقيته لكل من المواد المشعة [^15O]H2O و [^18F]FDG.
تسلط الدراسة الضوء على أهمية تصحيح الحركة في تصوير PET، خاصة في المسحات الكاملة للجسم حيث يمكن أن تؤثر حركة الموضوع بشكل كبير على جودة البيانات. يستخدم الخط طريقة تصحيح ديفيومورفيك جنبًا إلى جنب مع تصحيح الحركة الصارمة، محققًا ارتباطًا عاليًا بين البيانات المصححة وغير المصححة. قد تشمل التحسينات المستقبلية تقسيم CT الزائف لتقليل عدم المحاذاة بشكل أكبر وتطوير قوالب للجسم بالكامل للتحليل الإحصائي. بشكل عام، يمثل خط أنابيب TURBO تقدمًا كبيرًا في التحليل الآلي لبيانات PET للجسم بالكامل، مما يسهل الدراسات واسعة النطاق لتروية الأنسجة وعمليات الأيض.
القيود
تتعلق قيود نموذج المياه المشعة في تطبيقات الكبد بشكل أساسي بمشكلات تحديد المعلمات الناجمة عن نموذج المدخلات المزدوجة (Becker et al., 2005). بينما أشارت نتائج التحقق إلى نتائج قابلة للمقارنة بين المعلمة الحركية $K_1(1-VA)$ وحجم التوزيع $K_1/k_2$، أظهر الأخير معامل تباين أقل بكثير، مما يجعله المقياس المفضل للتقدير. بالإضافة إلى ذلك، لوحظت اختلافات بين نتائج مستوى المنطقة ومستوى الفوكسل في بيانات [^15O]H2O، خاصة في مناطق مثل الشرايين والرئتين والقلب، حيث تعقد النسب العالية من حجم الشرايين تقدير معلمات $K_1$ و $VA$ لنموذج حجرة الأنسجة الواحدة (1TCM) (Johnson et al., 2023).
في المناطق ذات النسب العالية من حجم الشرايين، قد يساعد استخدام قيمة ثابتة لـ $VA$ في التخفيف من هذه التحديات في تحديد الهوية. على الرغم من أن ملاءمات النموذج كانت عمومًا مرضية عبر معظم المناطق، إلا أن الكلى أظهرت تقديرًا أقل قليلاً في المرحلة المتأخرة من المسح بسبب ديناميات التتبع المعقدة التي لم يتم التقاطها بشكل كافٍ بواسطة نموذج [^15O]H2O القياسي. تشير هذه الانحرافات، التي تحدث بشكل أساسي في المرحلة المتأخرة من المسح، إلى أن تقديرات التروية قد تظل موثوقة عندما تستند إلى بيانات سابقة. تسمح مرونة الخط بدمج نماذج مصممة خصيصًا مع مدخلات مخصصة، على الرغم من أن ذلك يتطلب مزيدًا من البحث والتحقق الدقيق لضمان الدقة.
DOI: https://doi.org/10.1007/s00259-026-07769-7
PMID: https://pubmed.ncbi.nlm.nih.gov/41617887
Publication Date: 2026-01-31
Author(s): Jouni Tuisku et al.
Primary Topic: Medical Imaging Techniques and Applications
Overview
The research presents an automated analysis pipeline, named TURBO, designed for the preprocessing and kinetic modeling of total-body PET data using [^15O]H2O and [^18F]FDG. This pipeline addresses the challenges posed by the extensive manual workload associated with total-body imaging by employing automated CT segmentation for region of interest (ROI) delineation, image-derived input determination, and region-specific kinetic modeling. Validation of the TURBO pipeline was conducted using scans from 21 subjects for [^15O]H2O and 16 subjects for [^18F]FDG, focusing on six ROIs that represent varying levels of blood flow and glucose metabolism.
Results indicated that the model fits were of high quality, with R² values exceeding 0.91 for [^15O]H2O and 0.99 for [^18F]FDG. Correlations between manual and automated input functions were strong (R² > 0.86 for [^15O]H2O and R² > 0.88 for [^18F]FDG), with minimal bias observed. Additionally, the agreement between manually and automatically extracted ROI data was robust (R² > 0.82 for [^15O]H2O and R² > 0.83 for [^18F]FDG). The TURBO pipeline demonstrated an average processing time of less than 180 minutes per subject, providing a reliable and reproducible framework for studying inter-organ blood flow and metabolism, including brain-body interactions. Overall, the TURBO pipeline represents a significant advancement in the automation of total-body PET analysis, facilitating efficient and reproducible research in tissue perfusion and metabolism.
Introduction
The introduction of Long Axial Field of View (LAFOV) PET scanners highlights their potential for advancing scientific research and clinical diagnostics through simultaneous imaging of multiple organs and their physiological interactions. These systems enhance count sensitivity and image coverage while enabling the extraction of image-derived input functions from the aorta (Knuuti et al., 2023). However, they also present significant challenges, particularly regarding patient movement, time-consuming manual preprocessing, and operator bias, which can compromise reproducibility (Karjalainen et al., 2020). The complexity of preprocessing, modeling, and data analysis necessitates robust quality control, making a comprehensive total-body PET processing pipeline essential.
To address these challenges, the authors introduce the Turku Total-Body PET Modelling Pipeline (TURBO), an open-source tool designed for automated and reproducible processing and kinetic modeling of total-body PET data. TURBO supports various radiotracers and kinetic models, facilitating fully automated processes such as coregistration, motion correction, input function determination, and region of interest (ROI) delineation. The pipeline allows for both regional and voxel-level kinetic modeling, incorporating tissue-specific models and providing visual and numerical quality control tools. The validation of TURBO is demonstrated using [¹⁵O] H₂O and [¹⁸F] FDG PET data, comparing automated image-derived input functions with manually delineated inputs, assessing motion correction effects, and evaluating ROI-based and voxel-level kinetic modeling outcomes. The authors hypothesize that TURBO offers a rapid, accurate, and reproducible approach for modeling total-body PET data related to perfusion and metabolism.
Methods
In this study, statistical analyses were conducted using R software (version 4.4.1) to evaluate the relationships between different methods. Pearson’s correlation was employed to assess the strength and direction of linear relationships between variables. Additionally, Bland-Altman analysis was utilized to quantify the relative differences between the methods, providing 95% limits of agreement to facilitate the interpretation of the results. These statistical approaches are essential for validating the reliability and consistency of the methods under investigation.
Results
The results of the study indicate a strong correlation between regional and voxel-level modeling for both radioligands, [^18F]FDG and [^15O]H2O, with mean relative differences of less than 2% and below 10%, respectively. Notably, lower correlation and higher mean relative differences were observed in [^15O]H2O data specifically in arteries, lungs, and the heart. The voxel-level results derived from the basis function method demonstrated higher correlation and reduced bias compared to the comprehensive voxel-level model that estimated all three parameters.
In terms of liver distribution volumes (K1/k2), the validation tests revealed consistent results across all tests, with a significantly lower coefficient of variation (6.8% for K1/k2 versus 65.8% for K1(1-VA)). While manually drawn regions of interest (ROIs) were smaller than those obtained through automatic CT segmentation, high correlations were found between parameter estimates from both methods for [^15O]H2O (R² > 0.82) and [^18F]FDG (R² > 0.83), despite moderate mean relative differences in various organs. Adjustments to the volumes of segmented liver and spleen CT ROIs improved alignment with manually drawn ROIs, and PET-based clustering yielded comparable estimates in the brain, although higher estimates were noted in the kidney compared to manually drawn ROIs.
Discussion
The TURBO (TURku total-BOdy) pipeline is a comprehensive MATLAB-based framework designed for total-body PET data processing and kinetic modeling. It integrates various stages, including CT to PET registration, motion correction, tissue segmentation, and kinetic modeling, producing parametric images and quality control metrics. The pipeline employs validated software tools and automates the entire workflow, enhancing reproducibility and reducing inter-operator variability in ROI delineation. The validation of the pipeline demonstrated high correlation between automatically and manually derived input functions and regional estimates, confirming its reliability for both [^15O]H2O and [^18F]FDG radioligands.
The study highlights the importance of motion correction in PET imaging, particularly in total-body scans where subject movement can significantly affect data quality. The pipeline utilizes a diffeomorphic correction method alongside rigid motion correction, achieving high correlation between corrected and uncorrected data. Future enhancements may include pseudo-CT segmentation to further minimize misalignment and the development of total-body templates for statistical analysis. Overall, the TURBO pipeline represents a significant advancement in the automated analysis of total-body PET data, facilitating large-scale studies of tissue perfusion and metabolism.
Limitations
The limitations of the radiowater model in liver applications are primarily related to parameter identifiability issues stemming from the dual input model (Becker et al., 2005). While validation results indicated comparable outcomes between the kinetic parameter $K_1(1-VA)$ and the distribution volume $K_1/k_2$, the latter demonstrated a significantly lower coefficient of variation, making it the preferred measure for quantification. Additionally, discrepancies were noted between region-level and voxel-level results in [^15O]H2O data, particularly in areas such as arteries, lungs, and the heart, where high arterial volume fractions complicate the estimation of the $K_1$ and $VA$ parameters of the one-tissue compartment model (1TCM) (Johnson et al., 2023).
In regions with elevated arterial volume fractions, employing a fixed value for $VA$ may mitigate these identifiability challenges. Although model fits were generally satisfactory across most regions, the kidneys exhibited slight underestimation in the late phase of the scan due to complex tracer kinetics not adequately captured by the standard [^15O]H2O model. This deviation, occurring primarily in the later scan phase, suggests that perfusion estimates may still be reliable when based on earlier data. The flexibility of the pipeline allows for the integration of tailored models with customized inputs, although this necessitates further research and careful validation to ensure accuracy.