大型PET/CT数据集统计躯干器官标准化摄取值与个人生理特征的相关性
摘要
背景
了解正常躯干器官中18F-FDG（[18F] fluoro-deoxy-glucose）摄取范围有助于代谢性疾病的诊断和治疗计划。本研究旨在揭示躯干器官摄取与个人生理特征的关系，以便根据患者自身的生理参数快速计算出患者的正常摄取值。
材料和方法
本研究收集了767张正常人的 18F-FDG PET/CT（正电子发射断层扫描/计算机断层扫描）图像。对躯干器官区域进行分割，计算各器官经典体重归一化标准摄取值（W-SUV）和瘦体重归一化SUV（L-SUV）的平均值。计算Pearson相关系数和多元回归公式，揭示生理特征对W-SUV和L-SUV的影响。W-SUV和L-SUV在相关性强度、回归置信度和院间一致性方面也进行了比较。
结果
本研究根据个人生理参数获得正常器官摄取计算的回归公式。分析显示， L-SUV在器官摄取评估方面具有优势。
结论
本研究明确了躯干器官18F-FDG摄取的影响因素。推导出了计算单独适应的正常器官SUV的详细公式。L-SUV和W-SUV的比较也凸显了L-SUV在跨中心器官摄取分析中的稳定性和可靠性。
简介
18F-FDG ([18F] fluoro-deoxy-glucose)的正电子发射断层扫描（PET）广泛用于核医学中的葡萄糖代谢成像。由于18F-FDG的摄取在恶性肿瘤和正常组织之间有显着差异，因此18F-FDG PET成为肿瘤诊断和治疗的常用定量指标。此外，生理性疾病也会导致18F-FDG的大量积累，干扰临床诊断的判断。出于这种担忧，研究18F-FDG摄取的“正常”范围，以寻找广泛的临床参考，并用作普查的标准。躯干器官的正常摄取可能因个体特征而异，例如性别、年龄和人体测量参数（例如身高、体重、体重指数[BMI]和瘦体重[LBM]）。目前尚不清楚这些特征如何影响躯干器官的正常18F-FDG摄取。
经典SUV定义为体素的辐射剂量与注射到体内的平均剂量之比，其中平均剂量由总重量（即W-SUV）归一化。事实上，身体成分对SUV的影响是不可忽视的，主要是因为18F-FDG的获取主要发生在瘦组织中，由于18F-FDG在白色脂肪中的吸收很低，W-SUV不能忠实地反映18F-FDG在非脂肪组织中的吸收，特別是对肥胖患。因此，相同剂量的18F-FDG注射剂量相同，根据体脂和瘦组织的比例，可以具有SUV的多重性。几项研究建议使用LBM代替全身重量作为归一化因子（即L-SUV），与W-SUV相比，18F-FDG摄取的定量更稳定，肿瘤鉴别更可靠。对于器官组织，研究了W-SUV在多种解剖结构中的正常参考值，例如小脑、腭扁桃体、前列腺、舌骨肌等。几乎没有研究评估使用L-SUV计算正常参考摄取值的重要性。
本研究探讨器官SUV与个人生理特征的关系，为个体化核医学提供可靠、快速的正常器官18F-FDG摄取参考值计算。本研究旨在揭示器官SUV影响最大的因素，并提供统计回归公式，用于单独调整正常摄取参考计算。基于大型PET/CT数据集进行统计分析，计算SUV与个人特征之间的Pearson相关系数和回归公式。本研究还比较了W-SUV和L-SUV的Pearson相关强度和回归公式置信度，评估了SUV定义对器官摄取参考值可靠性的影响。
材料与方法
示例数据
本研究从两家大型中心城市医院收集了18F-FDG PET/CT图像。获取这些图像是为了进行疑似癌症检查。仅招募没有慢性疾病且被诊断为无症状的受试者，不包括任何已知的肿瘤浸润史、记录非癌性疾病或目前疑似感染/炎症。招募的图像均未使用CT造影剂。所有图像均使用相同的扫描仪类型采集，所有PET图像都针对散射、衰减、死区时间和随机巧合进行了校正。
器官分割
本文研究了骨骼、肝脏、脾脏、左肾和右肾等五大躯干器官。我们排除了心脏和肺，因为它们的组织成分混合（例如，血池和心肌、肺血管、气道和肺部空气）。为了测量每个靶器官的功能特征，我们从CT图像中半自动分割了感兴趣的区域。通过强度阈值对骨架进行分割，并手动调整每张图像的阈值，以确保准确分割（图1）。为了减轻从大型数据集中分割软器官的人工劳动，我们训练了一个深度卷积网络模型，每个CT图像都为网络提供了分割区域内的所有层。
图1.18F-FDG PET/CT数据示例。(a)CT图像;(b)PET图像;(c)躯干骨骼、肝脏、脾脏和肾脏的分割。
图像分析
计算分段器官的器官平均 W-SUV 和 L-SUV。广泛使用的W-SUV定义为：
其中c是器官区域的平均辐射剂量，I是注射到体内的总剂量，weight是体重。我们根据18F-FDG PET图像的器官分割标签和像素值，依次计算每个具有扫描参数的器官的c值。L-SUV的定义是将W-SUV方程式中的体重项替换为LBM。
根据亚洲脂肪组织百分比方程，LBM 计算为体重×（1-脂肪百分比），其中脂肪百分比是使用性别、年龄和 BMI 计算的身体脂肪百分比。
结果
样品分布
该研究对767 人（496名男性和271 名女性）进行。所选图像涵盖年龄在24至81岁之间，体重从40.0到143.0公斤，身高从1.29到1.98米。表1显示了按年龄组和性别划分的样本分布，图2显示了体重、身高、BMI和LBM的样本分布。男性组的身高、LBM和体重均值大于女性组，而两组的BMI和年龄分布相似。
表1：样本数据的年龄和性别分布
图2.对样本数据进行称重、身高、BMI和LBM分布。BMI，体重指数；LBM，瘦体重。
Pearson 相关性分析
器官SUV与生理特征的Pearson相关系数见表2。可以看出，W-SUV和L-SUV与身高、LBM、性别和体重均呈正相关，而L-SUV的相关系数远大于W-SUV。L-SUV与LBM和身高的相关性也比与性别和体重的相关性更强。然而，对于W-SUV来说，与体重的相关性似乎比其他特征更强。
表2：患者特征(行)与器官suv(列)之间的Pearson相关性。
多元回归分析
表3显示了W-SUV和L-SUV对不同器官的回归公式。 R > 0.5 的公式被认为是重要的。L-SUV公式对所有器官均表现出较强的回归置信度（R > 0.5）。所有L-SUV公式的R值都高于W-SUV公式。还可以观察到，L-SUV公式的自变量比W-SUV公式少。L-SUV的定义消除了白色脂肪组织的影响，使多元回归分析更容易将脂肪相关因素（即BMI、总体重和性别）与回归分离。
表3：不同器官的回归公式。
W-SUV与L-SUV的稳定性比较
为了测试L-SUV和W-SUV公式相对于医院来源的稳定性，还使用不同的医院数据集进行了多元回归分析。我们分别从两家不同的医院收集了513张和254张PET/CT图像。两家医院使用相同的成像方案（包括PET像素大小、帧扫描持续时间、图像重建和校正方法）。
表4分别报告了使用两家医院的数据获得的W-SUV和L-SUV公式。可以看出，W-SUV公式在自变量类型和常数系数值方面在医院之间差异很大。相比之下，L-SUV配方在不同医院中更加一致。
表4：不同医院数据集器官W-SUV和L-SUV的回归公式
结论
如今，SUV的可靠性备受关注，L-SUV逐渐成为临床PET评价的指标。一些研究发现L-SUV更能反映真正的葡萄糖代谢。本研究有意使用L-SUV作为W-SUV的无脂肪替代品，并验证脂肪排斥是否加强了器官摄取与生理特征之间的相关性。如表3和表4所示，L-SUV在Pearson相关分析和多元回归分析中R值均高于W-SUV，表明L-SUV更适合反映器官摄取与生理特征之间的内在相关性。该研究也从院际一致性方面证实了L-SUV的优势。如表4所示，尽管两家医院对体重、身高和年龄相似的患者使用了相似的成像方案，但W-SUV公式在医院之间仍然存在很大的差异。相比之下，L-SUV公式比W-SUV公式表现出更高的R值和更好的院间一致性，这意味着L-SUV在多中心研究中更可靠。
本研究核心内容
1）本研究基于PET/CT图像大数据集进行统计相关性分析，根据性别、年龄和人体测量学参数推导计算个性化正常器官SUV的回归公式。
2）瘦体重（LBM）是影响器官摄取的主要因素。性别与年龄和人体测量学参数相互作用，以影响器官18F-FDG的摄取。
3）使用 SUV （L-SUV） 的无脂肪定义可以针对多中心数据源对正常器官摄取参考值进行更可靠、更一致的预测。
原文信息
Zhang N, Huo L, Zhang Y, Yu L, Wang H. Large PET/CT dataset statistics for the correlation between torso organ standardized uptake value and personal physiological features. Digit Med. 2023;9:e00018. doi: 10.1097/DM2023-00018
作者信息
王洪凯
大连理工大学
教授，博士生导师。主要研究方向为医学影像大数据统计建模分析，所构建的可变形数字中国人图谱在人体建模仿真、医学影像分析领域取得诸多应用，初步形成全国范围的产学研合作网络。近年来在《IEEE Transactions on Medical Imaging》、《Medical Image Analysis》等领域顶级期刊以及Nature系列子刊发表论文多篇。
