Este documento describe un método para clasificar tejidos en imágenes PET/CT oncológicas. El método utiliza un algoritmo K-means para segmentar las imágenes basadas en valores de SUV de PET y densidad de tejido de CT. Esto permite delimitar con precisión las lesiones tumorales y cuantificar valores de SUV de manera objetiva, lo que es útil para la planificación de radioterapia y la práctica de medicina nuclear.

1. Tissue classification in oncological PET/CT images
Clasificación de Tejidos en Imágenes PET/CT
Oncológicas.
(Tissue classification in oncological PET/CT images)
Jhonalbert Aponte
Hospital Oncológico Luis Razetti, Caracas, Venezuela
David Grande
Centro de Física Molecular y Médica, Facultad de Ciencias, UCV
Wuilian Torres
Centro de Procesamiento Digital de Imágenes, Fundación Instituto de
Ingeniería para la Investigación y Desarrollo Tecnológico, Caracas, Venezuela
Miguel Martín Landrove
Centro de Física Molecular y Médica, Facultad de Ciencias, UCV
Centro de Visualización Médica, Instituto Nacional de Bioingeniería, UCV
Centro de Diagnóstico Docente Las Mercedes
Caracas, Venezuela

2. Tissue classification in oncological PET/CT images
• En la medicina, la combinación de imágenes de diferente modalidad tiene
cada vez un rol más importante.
• En el área de radioterapia, es necesario definir con precisión la lesión a
tratar para evitar entregar dosis de radiación a tejidos sanos.
• PET/CT es un estudio que combina Tomografía Computada (CT) con
Tomografía por Emisión de Positrones (PET) para obtener imágenes
fusionadas con información anatómica y molecular que puede ser
utilizada para evaluar la actividad tumoral y su localización espacial.
Introducción

3. Tissue classification in oncological PET/CT images
Tomografía de emisión de positrón

4. Tissue classification in oncological PET/CT images
PET/CT

5. Tissue classification in oncological PET/CT images
PET/CT

6. Tissue classification in oncological PET/CT images
PET/CT

7. Tissue classification in oncological PET/CT images
PET/CT

8. Tissue classification in oncological PET/CT images

9. Tissue classification in oncological PET/CT images
 
 MBqdaAdministraActividad
KgPacientedelPeso
ml
MBq
coRadiofármadelCaptación
SUV








10. Tissue classification in oncological PET/CT images
1000


agua
aguatejido
CT



11. Tissue classification in oncological PET/CT images
,
( , )
( , ) ( , ) log
( ) ( )a b
p a b
I A B p a b
p a p b
 
   
 


12. Tissue classification in oncological PET/CT images
Método de segmentación. Kmeans

13. Tissue classification in oncological PET/CT images
Método de segmentación. Kmeans

14. Tissue classification in oncological PET/CT images
Evaluación del GTV

15. Tissue classification in oncological PET/CT images
SUV
6 8 10 12 14 16 18 20
Frequency
0.000
0.002
0.004
0.006
0.008
0.010
0.012
0.014
0.016
Distribución del SUV

16. Tissue classification in oncological PET/CT images
Patient
0 10 20 30 40 50
SUV
0
5
10
15
20
25
Cuantificación del SUV en lesiones

17. Tissue classification in oncological PET/CT images
Conclusiones
• El método desarrollado toma en consideración en igual valor
la información proveniente de la PET y de la CT, permitiendo
una clasificación de los tejidos en base a la modificación de
sus propiedades debidas a la patología.
• Permite establecer una delimitación de la lesión tumoral o
GTV para fines de tratamiento con radioterapia.
• Permite establecer, en una forma objetiva, los valores de
captación estandarizada SUV, dentro de la práctica de un
servicio de medicina nuclear que utilice PET/CT cómo parte
de su equipamiento.