リケラボ論文検索は、全国の大学リポジトリにある学位論文・教授論文を一括検索できる論文検索サービスです。

リケラボ 全国の大学リポジトリにある学位論文・教授論文を一括検索するならリケラボ論文検索大学・研究所にある論文を検索できる

リケラボ 全国の大学リポジトリにある学位論文・教授論文を一括検索するならリケラボ論文検索大学・研究所にある論文を検索できる

大学・研究所にある論文を検索できる 「Evaluation of the quantitative performance of non-enhanced dual-energy CT X-map in detecting acute ischemic brain stroke: A model observer study using computer simulation」の論文概要。リケラボ論文検索は、全国の大学リポジトリにある学位論文・教授論文を一括検索できる論文検索サービスです。
リケラボ

コピーが完了しました

URLをコピーしました

論文の公開元へ論文の公開元へ
書き出し

Evaluation of the quantitative performance of non-enhanced dual-energy CT X-map in detecting acute ischemic brain stroke: A model observer study using computer simulation

伊藤 俊英 富山大学

2022.12.28

概要

〔目的〕
急性期虚血性脳梗塞の治療は時間との戦いである。治療開始が早いほど予後が良好となる。血栓溶解療法や機械的血栓除去術を実施する前に、虚血性脳梗塞を迅速かつ正確に診断することで患者の予後が改善する。MRIは脳組織の虚血性変化を初期段階から同定することができるが、CTと比較して撮影時間が長く、夜間の運用が限定されることから、頭蓋内出血や虚血性脳梗塞疑いの患者の初期評価の手段とはなりにくい。これに対して非造影X線CTはその感度の高さから頭蓋内出血の除外に適した手段であり、脳組織の虚血性変化を早期に把握することが可能である。しかしながら虚血性変化と正常組織の吸収値の差はCT値で数HU程度と白質と灰白質のCT値差よりも小さいことから、急性期の脳虚血診断は必ずしも容易とは言えない。

近年、dual-energy CT（DECT）が画像診断に用いられるようになってきている。物質がX線の線質に依存した減弱度を示すことを利用し、異なる2つのX線管電圧によって同時に収集された計測データから、数学的に物質固有の情報を抽出・強調した画像を作成する手法である。我々は造影剤を投与することなく虚血性脳組織の変化を可視化する手法X-mapを考案し、2016年にその臨床有用性を報告した。X-mapは脳組織の画素から脂質成分を選択的に抑制することにより、白質と灰白質の差異を除去した仮想灰白質画像を生成する手法である。結果、水分量の増加によって正常組織よりも密度が低下した虚血性浮腫を鋭敏に画像化することができる。2016年以降、いくつかのグループが虚血性浮腫を可視化することを目的にX-mapを模した手法を報告している。いずれもmixed画像（DECTにより生成される画像で、標準的な管電圧である120kVで撮影されたCT画像に相当するもの）よりも虚血性浮腫の初期段階の可視化に有益であると結論づけているが、浮腫密度の違いや撮影線量の変化によるX-mapの客観的な浮腫検出能を定量的に検証した報告はない。
客観的な検出能の評価には複数の医師による視覚実験が必要である。しかしながら正確な結果を得るためには大量の画像を繰り返し読影する必要があり、時間や労力の点で現実的ではない。この問題を解決するために、コンピュータ・プログラムに人間の視覚メカニズムをシミュレートさせ客観的な画質評価を実施する手法（モデルオブザーバ）が提案されている。本研究ではX-mapアルゴリズムの理論的妥当性を明らかにすることを目的に、シミュレーションにより生成した非造影DECT画像を用いて、X-map画像とmixed画像の浮腫検出能をモデルオブザーバによって定量的に評価した。

〔方法並びに成績〕
次の(1)～(4)の手順にて、コンピュータ・シミュレーションを実施した。
(1)正常脳組織を基準に3種類（5%、10%、15%）の密度をともなう直径15mmの虚血（浮腫）を埋め込んだ頭部ファントムをコンピュータ上に作成した。浮腫の発生箇所を任意とするために、白質と灰白質を5種類（0%/100%、25%/75%、50%/50%、75%/25%、100%/0%）の比率でそれぞれランダムに組み合わせ、浮腫の背景となる局所的な脳組織をモデルした。

(2)2管球型DECTの物理特性をエミュレートした仮想的なスキャナをコンピュータ上に構築し、(1)で作成した頭部ファントムをDECTモードによって撮影した。撮影には急性期脳梗塞の標準的な撮影プロトコールと等価な条件を使用した。また、虚血の視認性に最も影響があると考えられる撮影線量は、標準値の60mGyに加え40mGy、20mGyの3段階を設定し、管電圧80kVとSn150kVのDECT画像をそれぞれ得た。

(3)(2)のDECT画像からX-map画像、ならびにmixed画像を作成した。

(4)(3)で得た45種類（3種類の浮腫密度、5種類の脳組織、および3段階の撮影線量）のX-map画像とmixed画像のそれぞれの浮腫検出能を、Channelized Hotelling Observer （CHO）と呼ばれるモデルオブザーバによって数値化した。検出能の指標には、Receiver Operating Characteristic（ROC）のカーブ化面積（AUC）を採用した。

X-map画像、mixed画像ともに浮腫密度、撮影線量の増加とともに高いAUC値を示す傾向があった。また、浮腫密度5%、10%、15%の各X-map画像は対応する密度のmixed画像と比較し、20mGyの場合は9.2%、10.7%、12.6%、40mGyの場合は10.1%、15.5%、17.7%、60mGyの場合は14%、19.4%、19%といずれも有意に高いAUC値を示した。加えて、20mGyのX-map画像のAUC値は、20mGy、40mGy、60mGyのいずれの線量レベルのmixed画像よりも有意に高いAUC値を示した。

画像ノイズの影響を受けにくいと考えられる60mGy、15%の浮腫密度を例に浮腫の発生箇所の脳組織構造と検出能の関係を調べた。Mixed画像のAUC値は灰白質の割合が増えるほど高値を示す傾向があったが、X-map画像においてはそのような傾向は見られなかった。X-mapの浮腫検出能は発生箇所の脳組織構造には依存しないことがわかった。

〔総括〕
急性期脳梗塞のCT診断を現行の管電圧120kV画像からDECTのX-map画像に置き換えることによって、脳組織の虚血性浮腫変化をこれまでよりも早期に検出できる可能性が示された。またX-mapはmixed画像と同程度の浮腫検出能を確保しつつ、撮影線量を60%以上低減することも示唆された。

論文の公開元へ

この論文で使われている画像

関連論文

参考文献

[1] Phipps MS, Cronin CA. Management of acute ischemic stroke. BMJ. 2020;368:l6983.

[2] National Institute of Neurological D, Stroke rt PASSG. Tissue plasminogen activator for acute ischemic stroke. N Engl J Med. 1995;333:1581-7.

[3] Saver JL, Goyal M, van der Lugt A, Menon BK, Majoie CB, Dippel DW, et al. Time to Treatment With Endovascular Thrombectomy and Outcomes From Ischemic Stroke: A Metaanalysis. JAMA. 2016;316:1279-88.

[4] Warren DJ, Musson R, Connolly DJ, Griffiths PD, Hoggard N. Imaging in acute ischaemic stroke: essential for modern stroke care. Postgrad Med J. 2010;86:409-18.

[5] Srinivasan A, Goyal M, Al Azri F, Lum C. State-of-the-art imaging of acute stroke. Radiographics. 2006;26 Suppl 1:S75-95.

[6] Rindler RS, Allen JW, Barrow JW, Pradilla G, Barrow DL. Neuroimaging of Intracerebral Hemorrhage. Neurosurgery. 2020;86:E414-E23.

[7] Powers WJ, Rabinstein AA, Ackerson T, Adeoye OM, Bambakidis NC, Becker K, et al. Guidelines for the Early Management of Patients With Acute Ischemic Stroke: 2019 Update to the 2018 Guidelines for the Early Management of Acute Ischemic Stroke: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association. Stroke. 2019;50:e344-e418.

[8] Arimitsu T, Di Chiro G, Brooks RA, Smith PB. White-gray matter differentiation in computed tomography. J Comput Assist Tomogr. 1977;1:437-42.

[9] Oh JH, Choi SP, Wee JH, Park JH. Inter-scanner variability in Hounsfield unit measured by CT of the brain and effect on gray-to-white matter ratio. Am J Emerg Med. 2019;37:680-4.

[10] Noguchi K, Itoh T, Naruto N, Takashima S, Tanaka K, Kuroda S. A Novel Imaging Technique (X-Map) to Identify Acute Ischemic Lesions Using Noncontrast Dual-Energy Computed Tomography. J Stroke Cerebrovasc Dis. 2017;26:34-41. (Epub: Sep 14, 2016)

[11] Mohammed MF, Marais O, Min A, Ferguson D, Jalal S, Khosa F, et al. Unenhanced DualEnergy Computed Tomography: Visualization of Brain Edema. Invest Radiol. 2018;53:63-9.

[12] Grams AE, Djurdjevic T, Rehwald R, Schiestl T, Dazinger F, Steiger R, et al. Improved visualisation of early cerebral infarctions after endovascular stroke therapy using dual-energy computed tomography oedema maps. Eur Radiol. 2018;28:4534-41.

[13] Yu L, Primak AN, Liu X, McCollough CH. Image quality optimization and evaluation of linearly mixed images in dual-source, dual-energy CT. Med Phys. 2009;36:1019-24.

[14] Tseng HW, Fan J, Kupinski MA, Sainath P, Hsieh J. Assessing image quality and dose reduction of a new x-ray computed tomography iterative reconstruction algorithm using model observers. Med Phys. 2014;41:071910.

[15] Barrett HH, Myers KJ, Hoeschen C, Kupinski MA, Little MP. Task-based measures of image quality and their relation to radiation dose and patient risk. Phys Med Biol. 2015;60:R1-75.

[16] Abbey CK, Barrett HH. Human- and model-observer performance in ramp-spectrum noise: effects of regularization and object variability. J Opt Soc Am A Opt Image Sci Vis. 2001;18:473- 88.

[17] Itoh T, Noguchi K. Evaluation of the quantitative performance of non-enhanced dual-energy CT X-map in detecting acute ischemic brain stroke: A model observer study using computer simulation. Phys Med. 2022;104:85-92.

[18] Petersilka M, Stierstorfer K, Bruder H, Flohr T. Strategies for scatter correction in dual source CT. Med Phys. 2010;37:5971-92.

[19] Schmidt B, Flohr T. Principles and applications of dual source CT. Phys Med. 2020;79:36- 46.

[20] Erath J, Voth T, Maier J, Fournie E, Petersilka M, Stierstorfer K, et al. Deep learning-based forward and cross-scatter correction in dual-source CT. Med Phys. 2021;48:4824-42.

[21] Woodard HQ, White DR. The composition of body tissues. Br J Radiol. 1986;59:1209-18.

[22] Kanal KM, Butler PF, Sengupta D, Bhargavan-Chatfield M, Coombs LP, Morin RL. U.S. Diagnostic Reference Levels and Achievable Doses for 10 Adult CT Examinations. Radiology. 2017;284:120-33.

[23] Paulo G, Damilakis J, Tsapaki V, Schegerer AA, Repussard J, Jaschke W, et al. Diagnostic Reference Levels based on clinical indications in computed tomography: a literature review. Insights Imaging. 2020;11:96.

[24] Stierstorfer K, Rauscher A, Boese J, Bruder H, Schaller S, Flohr T. Weighted FBP--a simple approximate 3D FBP algorithm for multislice spiral CT with good dose usage for arbitrary pitch. Phys Med Biol. 2004;49:2209-18.

[25] Bongers MN, Schabel C, Krauss B, Tsiflikas I, Ketelsen D, Mangold S, et al. Noiseoptimized virtual monoenergetic images and iodine maps for the detection of venous thrombosis in second-generation dual-energy CT (DECT): an ex vivo phantom study. Eur Radiol. 2015;25:1655-64.

[26] Efron B, Tibshirani R. The Bootstrap Method for Assessing Statistical Accuracy. Behaviormetrika. 1985;12:1-35.

[27] Dzialowski I, Klotz E, Goericke S, Doerfler A, Forsting M, von Kummer R. Ischemic brain tissue water content: CT monitoring during middle cerebral artery occlusion and reperfusion in rats. Radiology. 2007;243:720-6.

[28] Grotta JC, Chiu D, Lu M, Patel S, Levine SR, Tilley BC, et al. Agreement and variability in the interpretation of early CT changes in stroke patients qualifying for intravenous rtPA therapy. Stroke. 1999;30:1528-33.

[29] Wardlaw JM, Dorman PJ, Lewis SC, Sandercock PA. Can stroke physicians and neuroradiologists identify signs of early cerebral infarction on CT? J Neurol Neurosurg Psychiatry. 1999;67:651-3.

[30] Wardlaw JM, Mielke O. Early signs of brain infarction at CT: observer reliability and outcome after thrombolytic treatment--systematic review. Radiology. 2005;235:444-53.

[31] Finlayson O, John V, Yeung R, Dowlatshahi D, Howard P, Zhang L, et al. Interobserver agreement of ASPECT score distribution for noncontrast CT, CT angiography, and CT perfusion in acute stroke. Stroke. 2013;44:234-6.

[32] Coutts SB, Lev MH, Eliasziw M, Roccatagliata L, Hill MD, Schwamm LH, et al. ASPECTS on CTA source images versus unenhanced CT: added value in predicting final infarct extent and clinical outcome. Stroke. 2004;35:2472-6.

[33] Lev MH, Farkas J, Gemmete JJ, Hossain ST, Hunter GJ, Koroshetz WJ, et al. Acute stroke: improved nonenhanced CT detection--benefits of soft-copy interpretation by using variable window width and center level settings. Radiology. 1999;213:150-5.

[34] Potter CA, Sodickson AD. Dual-Energy CT in Emergency Neuroimaging: Added Value and Novel Applications. Radiographics. 2016;36:2186-98.

[35] Naruto N, Tannai H, Nishikawa K, Yamagishi K, Hashimoto M, Kawabe H, et al. Dualenergy bone removal computed tomography (BRCT): preliminary report of efficacy of acute intracranial hemorrhage detection. Emerg Radiol. 2018;25:29-33.

[36] Flohr T, Petersilka M, Henning A, Ulzheimer S, Ferda J, Schmidt B. Photon-counting CT review. Phys Med. 2020;79:126-36.

[37] Lillie EM, Urban JE, Lynch SK, Weaver AA, Stitzel JD. Evaluation of Skull Cortical Thickness Changes With Age and Sex From Computed Tomography Scans. J Bone Miner Res. 2016;31:299-307.

[38] Mangesius S, Janjic T, Steiger R, Haider L, Rehwald R, Knoflach M, et al. Dual-energy computed tomography in acute ischemic stroke: state-of-the-art. Eur Radiol. 2021;31:4138-47.

[39] Lell MM, Wildberger JE, Alkadhi H, Damilakis J, Kachelriess M. Evolution in Computed Tomography: The Battle for Speed and Dose. Invest Radiol. 2015;50:629-44.

[40] Alagic Z, Diaz Cardenas J, Halldorsson K, Grozman V, Wallgren S, Suzuki C, et al. Deep learning versus iterative image reconstruction algorithm for head CT in trauma. Emerg Radiol. 2022;29:339-52.

[41] Faby S, Kuchenbecker S, Sawall S, Simons D, Schlemmer HP, Lell M, et al. Performance of today's dual energy CT and future multi energy CT in virtual non-contrast imaging and in iodine quantification: A simulation study. Med Phys. 2015;42:4349-66.

参考文献をもっと見る

全国の大学の
卒論・修論・学位論文
を
一発検索！

この論文の関連論文を見る