Azərbaycanca
Беларускі
Dansk
Deutsch
Española
Français
Indonesia
Italiana
日本語
Қазақ
Lietuvos
Nederlands
Português
Русский
සිංහල
แบบไทย
Türkçe
Українська
中國人
United State
Afrikaans
Tıbbi görüntülemede, zaman-aktivite eğrisi, x ekseninde çizilen zamana karşı y ekseninde çizilen radyoaktivitenin (konsantrasyon açısından) bir eğrisidir. Dinamik bir taramadan zaman içinde ölçülen, bir görüntüdeki ilgilenilen bir bölgedeki radyo izleyicinin konsantrasyonunu gösterir. Genel olarak, bir doku içinde bir zaman-aktivite eğrisi elde edildiğinde, buna doku zaman-aktivite eğrisi adı verilir; bu, bir doku içinde ilgilenilen bir bölgedeki izleyicinin zaman içindeki konsantrasyonunu temsil eder.
Modern kinetik analiz, matematiksel modelin girdilerinden biri olarak doku zaman-aktivite eğrisini gerektiren çeşitli tıbbi görüntüleme tekniklerinde gerçekleştirilir. Örneğin dinamik pozitron emisyon tomografisinde (PET) görüntülemede veya perfüzyon BT'de veya dinamik kontrastlı manyetik rezonans görüntülemede (DCE-MRI) dinamik tarama kullanılır.
Dinamik tarama, iki boyutlu (2D) veya üç boyutlu (3D) görüntülerin, 2D/3D görüntü veri kümelerinin zaman serisini oluşturan bir zaman dilimi boyunca tekrar tekrar elde edildiği bir taramadır. Örneğin, on dakika boyunca elde edilen dinamik kontrastlı manyetik rezonans görüntüleme taraması, gadolinyum izleyicinin hızlı dinamiklerini yakalamak için 30 saniye boyunca elde edilen kısa görüntü çerçevelerini içerir. Zaman-aktivite eğrisindeki her veri noktası, zaman içinde elde edilen bu görüntü zaman çerçevelerinin her birinde bölümlere ayrılan bölgeden izleyici konsantrasyonunun bir ölçümünü temsil eder.
Zaman-aktivite eğrisinin elde edilmesi
İlgi bölgesi analizi yardımıyla zaman-aktivite eğrileri elde edilir. İlgi alanı analizi, görüntü verilerini ölçümlerin yapılabileceği belirli bir bölgeyle (örneğin bel omurları veya femur boynu) sınırlandırır. Bu özel olarak işaretlenmiş bölge içindeki görüntü pikselleri daha sonra dinamik taramanın tüm görüntü çerçeveleri üzerinde kopyalanır ve daha sonra tüm görüntü çerçevelerinden ortalama bir piksel değeri, bu görüntü çerçevelerinin elde edildiği zamana karşı çizilir.
Kavram aşağıda bir örnekle anlatılmıştır. Her tablonun farklı zamanlarda elde edilen bir görüntüyü temsil ettiği dinamik bir görüntü düşünün; örneğin t=1 saniye, t=2 saniye, t=3 saniye, t=4 saniye, t=5 saniye ve t=6 saniye. Bu görüntüde, her vokselin izleyici konsantrasyonunu ml başına Bq birimi cinsinden gösterdiğini varsayalım. Şimdi her görüntüdeki hedef bölgemizin yalnızca merkezi dört voksel olduğunu varsayalım. Öncelikle her görüntüde ilgi bölgemiz olan merkezi dört piksel belirlenir, ardından her kare için bir ortalama alınır.
|
|
|
|
|
|
|---|
t=1 saniye......t=2 saniye......t=3 saniye......t=4 saniye......t=5 saniye......t=6 saniye
Bu örnekte, t=1'de 1. kare için ortalama 2, t=2'de 2. kare için 3, t=3'te 3. kare için 4, t=4'te 4. kare için 6, t=5'te 5. kare için 4 ve t=6'da 6. kare için 3 ortalama değere sahip oluruz. Artık bu değerler, zamanın x ekseninde ve ortalama konsantrasyon değerlerinin y ekseninde olduğu bir grafik üzerinde gösterilebilir. Grafik aşağıdaki gibi görünür (görüntüdeki piksel değerlerinin t=0'da 0 olacağı varsayılmıştır):
İlgilenilen bölge (yukarıdaki örneklerde merkezi dört piksel) elle, yarı otomatik, veya otomatik yöntemler kullanılarak belirlenebilir. Elle ilgi alanı tanımı, kullanıcının hedef bölge etrafına subjektif olan keyfi bir sınır çizmesini gerektirir. Sınır, farklı kalınlık seviyelerindeki noktalar veya çizgilerle işaretlenebilir. Seçim aynı zamanda koordinat değerleri seçilerek de yapılabilir. İlgi konusu bir bölgeyi seçerken kullanıcı, sınır piksellerinin özelliklerini (örneğin, o anda seçili olan pikselin konumu ve değeri) takip edebilir.
Yarı otomatik yöntemler, minimum kullanıcı etkileşimi ile bir ilgi bölgesini tanımlar ve genel olarak geometrik seçim, eşikleme, ve bölge büyütme yöntemleri veya herhangi iki kriterin veya başka herhangi bir kriterin kombinasyonu şeklinde sınıflandırılabilir. Eşikleme yöntemlerinde görüntüde belirli bir yoğunluk seviyesinin üzerindeki pikseller ilgilenilen bölgeye dahil edilir. Bölge büyütme yöntemlerinde, kullanıcı ilgilenilen bölgedeki ilk pikseli tanımlayan bir çekirdek piksel seçer ve bir durdurma kriterine göre komşu pikseller çekirdek piksele eklenir ve Algoritma çekirdek pikselleri çevreleyen pikselleri durdurduğunda ilgilenilen bir bölge oluşturur.
Otomatik yöntemler kullanıcı müdahalesi gerektirmez ve analiz edilecek bölgeye ilişkin ön bilgilere dayalı olarak çalıştıkları için yinelemeli veya uyarlanabilir yöntemler olarak da anılırlar. Yarı otomatik yöntemlerin çoğunluğu otomatikleştirilebilir ancak bunların uzmanlar tarafından belirlenen elle altın standarda göre doğrulanması gerekir.
Arteriyel giriş fonksiyonu ile ilişki
Bir arter içindeki zaman-aktivite eğrisinin elde edilmesi, görüntüden türetilmiş arter giriş fonksiyonu (IDAIF) elde etmeye yönelik ilk adımdır. Arteriyel zaman-aktivite eğrisi daha sonra arteriyel/venöz kan örneği kullanılarak çeşitli hatalar için düzeltilir ve ardından arteriyel giriş fonksiyonu (AIF) kinetik analiz için modele girdi olarak kullanılabilir.
Ayrıca bakınız
Kaynakça
- ^ Mykkänen, Jouni M.; Juhola, Martti; Ruotsalainen, Ulla (2000). "Extracting VOIs from brain PET images". International Journal of Medical Informatics. Cilt 58-59. ss. 51-57. doi:10.1016/s1386-5056(00)00075-7. ISSN 1386-5056. (PMID) 10978909.
- ^ a b c Puri, T.; Blake, G. M.; Curran, K. M.; Carr, H.; Moore, A. E. B.; Colgan, N.; O'Connell, M. J.; Marsden, P. K.; Fogelman, I.; Frost, M. L. (2012). "Semi-automatic Region-of-Interest Validation at the Femur in 18F-Fluoride PET/CT". Journal of Nuclear Medicine Technology. 40 (3). ss. 168-174. doi:10.2967/jnmt.111.100107. ISSN 0091-4916. (PMID) 22892275.
- ^
“ Insert the text of the quote here, without quotation marks. „ - ^ Krak, Nanda C.; Boellaard, R.; Hoekstra, Otto S.; Twisk, Jos W. R.; Hoekstra, Corneline J.; Lammertsma, Adriaan A. (2004). "Effects of ROI definition and reconstruction method on quantitative outcome and applicability in a response monitoring trial". European Journal of Nuclear Medicine and Molecular Imaging. 32 (3). ss. 294-301. doi:10.1007/s00259-004-1566-1. ISSN 1619-7070. (PMID) 15791438.
- ^ Sankur, Bu¨lent (2004). "Survey over image thresholding techniques and quantitative performance evaluation". Journal of Electronic Imaging. 13 (1). s. 146. Bibcode:2004JEI....13..146S. doi:10.1117/1.1631315. ISSN 1017-9909.
- ^ ZHENG, L., JESSE, J. & HUGUES, T. (2001) Unseeded region growing for 3D image segmentation. Selected papers from the Pan-Sydney workshop on Visualisation – Volume 2. Sydney, Australia, Australian Computer Society, Inc.
- ^ Pan, Zhigeng; Lu, Jianfeng (2007). "A Bayes-Based Region-Growing Algorithm for Medical Image Segmentation". Computing in Science & Engineering. 9 (4). ss. 32-38. Bibcode:2007CSE.....9d..32P. doi:10.1109/mcse.2007.67. ISSN 1521-9615.
- ^ Suzuki, H.; Toriwaki, J. (1988). "Knowledge-guided automatic thresholding for 3-dimensional display of head MRI images". [1988 Proceedings] 9th International Conference on Pattern Recognition. IEEE Comput. Soc. Press. ss. 1210-1212. doi:10.1109/icpr.1988.28473. ISBN .
- ^ Weaver, Jean R.; Au, Jessie L-S. (1 Ekim 1997). "Application of automatic thresholding in image analysis scoring of cells in human solid tumors labeled for proliferation markers". Cytometry. 29 (2). ss. 128-135. doi:10.1002/(sici)1097-0320(19971001)29:2<128::aid-cyto5>3.0.co;2-9. ISSN 0196-4763. (PMID) 9332819.
wikipedia, wiki, viki, vikipedia, oku, kitap, kütüphane, kütübhane, ara, ara bul, bul, herşey, ne arasanız burada,hikayeler, makale, kitaplar, öğren, wiki, bilgi, tarih, yukle, izle, telefon için, turk, türk, türkçe, turkce, nasıl yapılır, ne demek, nasıl, yapmak, yapılır, indir, ücretsiz, ücretsiz indir, bedava, bedava indir, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, resim, müzik, şarkı, film, film, oyun, oyunlar, mobil, cep telefonu, telefon, android, ios, apple, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, pc, web, computer, bilgisayar
Tibbi goruntulemede zaman aktivite egrisi x ekseninde cizilen zamana karsi y ekseninde cizilen radyoaktivitenin konsantrasyon acisindan bir egrisidir Dinamik bir taramadan zaman icinde olculen bir goruntudeki ilgilenilen bir bolgedeki radyo izleyicinin konsantrasyonunu gosterir Genel olarak bir doku icinde bir zaman aktivite egrisi elde edildiginde buna doku zaman aktivite egrisi adi verilir bu bir doku icinde ilgilenilen bir bolgedeki izleyicinin zaman icindeki konsantrasyonunu temsil eder Ilgi duyulan doku bolgelerinde ilgi bolgesi zaman icinde izleyici konsantrasyonunu gosteren zaman aktivite egrisi Modern kinetik analiz matematiksel modelin girdilerinden biri olarak doku zaman aktivite egrisini gerektiren cesitli tibbi goruntuleme tekniklerinde gerceklestirilir Ornegin dinamik pozitron emisyon tomografisinde PET goruntulemede veya perfuzyon BT de veya dinamik kontrastli manyetik rezonans goruntulemede DCE MRI dinamik tarama kullanilir Dinamik tarama iki boyutlu 2D veya uc boyutlu 3D goruntulerin 2D 3D goruntu veri kumelerinin zaman serisini olusturan bir zaman dilimi boyunca tekrar tekrar elde edildigi bir taramadir Ornegin on dakika boyunca elde edilen dinamik kontrastli manyetik rezonans goruntuleme taramasi gadolinyum izleyicinin hizli dinamiklerini yakalamak icin 30 saniye boyunca elde edilen kisa goruntu cercevelerini icerir Zaman aktivite egrisindeki her veri noktasi zaman icinde elde edilen bu goruntu zaman cercevelerinin her birinde bolumlere ayrilan bolgeden izleyici konsantrasyonunun bir olcumunu temsil eder Zaman aktivite egrisinin elde edilmesiIlgi bolgesi analizi yardimiyla zaman aktivite egrileri elde edilir Ilgi alani analizi goruntu verilerini olcumlerin yapilabilecegi belirli bir bolgeyle ornegin bel omurlari veya femur boynu sinirlandirir Bu ozel olarak isaretlenmis bolge icindeki goruntu pikselleri daha sonra dinamik taramanin tum goruntu cerceveleri uzerinde kopyalanir ve daha sonra tum goruntu cercevelerinden ortalama bir piksel degeri bu goruntu cercevelerinin elde edildigi zamana karsi cizilir Kavram asagida bir ornekle anlatilmistir Her tablonun farkli zamanlarda elde edilen bir goruntuyu temsil ettigi dinamik bir goruntu dusunun ornegin t 1 saniye t 2 saniye t 3 saniye t 4 saniye t 5 saniye ve t 6 saniye Bu goruntude her vokselin izleyici konsantrasyonunu ml basina Bq birimi cinsinden gosterdigini varsayalim Simdi her goruntudeki hedef bolgemizin yalnizca merkezi dort voksel oldugunu varsayalim Oncelikle her goruntude ilgi bolgemiz olan merkezi dort piksel belirlenir ardindan her kare icin bir ortalama alinir 1 1 1 11 2 2 11 2 2 11 1 1 1 2 2 2 22 3 3 22 3 3 22 2 2 2 3 3 3 33 4 4 33 4 4 33 3 3 3 4 4 4 44 6 6 44 6 6 44 4 4 4 3 3 3 33 4 4 33 4 4 33 3 3 3 2 2 2 22 3 3 22 3 3 22 2 2 2 t 1 saniye t 2 saniye t 3 saniye t 4 saniye t 5 saniye t 6 saniye Bu ornekte t 1 de 1 kare icin ortalama 2 t 2 de 2 kare icin 3 t 3 te 3 kare icin 4 t 4 te 4 kare icin 6 t 5 te 5 kare icin 4 ve t 6 da 6 kare icin 3 ortalama degere sahip oluruz Artik bu degerler zamanin x ekseninde ve ortalama konsantrasyon degerlerinin y ekseninde oldugu bir grafik uzerinde gosterilebilir Grafik asagidaki gibi gorunur goruntudeki piksel degerlerinin t 0 da 0 olacagi varsayilmistir Metinde aciklanan ornek icin Zaman Aktivite egrisi Ilgilenilen bolge yukaridaki orneklerde merkezi dort piksel elle yari otomatik veya otomatik yontemler kullanilarak belirlenebilir Elle ilgi alani tanimi kullanicinin hedef bolge etrafina subjektif olan keyfi bir sinir cizmesini gerektirir Sinir farkli kalinlik seviyelerindeki noktalar veya cizgilerle isaretlenebilir Secim ayni zamanda koordinat degerleri secilerek de yapilabilir Ilgi konusu bir bolgeyi secerken kullanici sinir piksellerinin ozelliklerini ornegin o anda secili olan pikselin konumu ve degeri takip edebilir Yari otomatik yontemler minimum kullanici etkilesimi ile bir ilgi bolgesini tanimlar ve genel olarak geometrik secim esikleme ve bolge buyutme yontemleri veya herhangi iki kriterin veya baska herhangi bir kriterin kombinasyonu seklinde siniflandirilabilir Esikleme yontemlerinde goruntude belirli bir yogunluk seviyesinin uzerindeki pikseller ilgilenilen bolgeye dahil edilir Bolge buyutme yontemlerinde kullanici ilgilenilen bolgedeki ilk pikseli tanimlayan bir cekirdek piksel secer ve bir durdurma kriterine gore komsu pikseller cekirdek piksele eklenir ve Algoritma cekirdek pikselleri cevreleyen pikselleri durdurdugunda ilgilenilen bir bolge olusturur Otomatik yontemler kullanici mudahalesi gerektirmez ve analiz edilecek bolgeye iliskin on bilgilere dayali olarak calistiklari icin yinelemeli veya uyarlanabilir yontemler olarak da anilirlar Yari otomatik yontemlerin cogunlugu otomatiklestirilebilir ancak bunlarin uzmanlar tarafindan belirlenen elle altin standarda gore dogrulanmasi gerekir Arteriyel giris fonksiyonu ile iliskiBir arter icindeki zaman aktivite egrisinin elde edilmesi goruntuden turetilmis arter giris fonksiyonu IDAIF elde etmeye yonelik ilk adimdir Arteriyel zaman aktivite egrisi daha sonra arteriyel venoz kan ornegi kullanilarak cesitli hatalar icin duzeltilir ve ardindan arteriyel giris fonksiyonu AIF kinetik analiz icin modele girdi olarak kullanilabilir Ayrica bakinizPozitron emisyon tomografisiKaynakca Mykkanen Jouni M Juhola Martti Ruotsalainen Ulla 2000 Extracting VOIs from brain PET images International Journal of Medical Informatics Cilt 58 59 ss 51 57 doi 10 1016 s1386 5056 00 00075 7 ISSN 1386 5056 PMID 10978909 a b c Puri T Blake G M Curran K M Carr H Moore A E B Colgan N O Connell M J Marsden P K Fogelman I Frost M L 2012 Semi automatic Region of Interest Validation at the Femur in 18F Fluoride PET CT Journal of Nuclear Medicine Technology 40 3 ss 168 174 doi 10 2967 jnmt 111 100107 ISSN 0091 4916 PMID 22892275 Insert the text of the quote here without quotation marks Krak Nanda C Boellaard R Hoekstra Otto S Twisk Jos W R Hoekstra Corneline J Lammertsma Adriaan A 2004 Effects of ROI definition and reconstruction method on quantitative outcome and applicability in a response monitoring trial European Journal of Nuclear Medicine and Molecular Imaging 32 3 ss 294 301 doi 10 1007 s00259 004 1566 1 ISSN 1619 7070 PMID 15791438 Sankur Bu lent 2004 Survey over image thresholding techniques and quantitative performance evaluation Journal of Electronic Imaging 13 1 s 146 Bibcode 2004JEI 13 146S doi 10 1117 1 1631315 ISSN 1017 9909 ZHENG L JESSE J amp HUGUES T 2001 Unseeded region growing for 3D image segmentation Selected papers from the Pan Sydney workshop on Visualisation Volume 2 Sydney Australia Australian Computer Society Inc Pan Zhigeng Lu Jianfeng 2007 A Bayes Based Region Growing Algorithm for Medical Image Segmentation Computing in Science amp Engineering 9 4 ss 32 38 Bibcode 2007CSE 9d 32P doi 10 1109 mcse 2007 67 ISSN 1521 9615 Suzuki H Toriwaki J 1988 Knowledge guided automatic thresholding for 3 dimensional display of head MRI images 1988 Proceedings 9th International Conference on Pattern Recognition IEEE Comput Soc Press ss 1210 1212 doi 10 1109 icpr 1988 28473 ISBN 0 8186 0878 1 Weaver Jean R Au Jessie L S 1 Ekim 1997 Application of automatic thresholding in image analysis scoring of cells in human solid tumors labeled for proliferation markers Cytometry 29 2 ss 128 135 doi 10 1002 sici 1097 0320 19971001 29 2 lt 128 aid cyto5 gt 3 0 co 2 9 ISSN 0196 4763 PMID 9332819