Les méthodes de seuillage en TEP : un état de l’art

Médecine Nucléaire 34 (2010) 119–131

Revue générale

Les méthodes de seuillage en TEP : un état de l’art Thresholding methods for PET imaging: A review A.-S. Dewalle-Vignion a,b,c, A. El Abiad d, N. Betrouni a, C. Hossein-Foucher b,c, D. Huglo a,b,c, M. Vermandel a,*,b,c a

Inserm, U703, institut Hippocrate, 152, rue du Docteur-Yersin, 59120 Loos cedex Lille, France b PRES, université de Lille Nord-de-France, 59000 Lille, France c Service central de médecine nucléaire, hôpital Roger-Salengro, CHRU de Lille, 59000 Lille, France d Écoles des mines, 44307 Nantes, France Reçu le 28 juillet 2009 ; accepté le 16 novembre 2009 Disponible sur Internet le 25 janvier 2010

Résumé Cette étude bibliographique traite des méthodes de segmentation utilisées en tomographie par émission de positons pour la détermination des volumes tumoraux. Nous proposons ici un état de l’art sur les techniques se basant sur un seuillage, qu’il soit fixe ou adaptatif. Les méthodes trouvées dans la littérature sont analysées du point de vue de leur méthodologie, de leurs avantages et inconvénients. Enfin, nous proposons une synthèse comparative sous forme de tableaux. # 2010 Elsevier Masson SAS. Tous droits réservés. Mots clés : Segmentation ; Seuillage ; Tomographie par émission de positons ; SUV

Abstract This work deals with positron emission tomography segmentation methods for tumor volume determination. We propose a state of art techniques based on fixed or adaptive threshold. Methods found in literature are analysed with an objective point of view on their methodology, advantages and limitations. Finally, a comparative study is presented. # 2010 Elsevier Masson SAS. All rights reserved. Keywords: Segmentation; Thresholding; Positron emission tomography; SUV

1. Introduction Depuis un peu plus de dix ans, la tomographie par émission de positons (TEP) apparaît comme une modalité incontournable dans l’exploration fonctionnelle oncologique. Elle offre en effet la possibilité d’indicateurs quantitatifs quant au métabolisme des tumeurs primitives, des lymphomes et des métastases. L’intérêt d’une volumétrie associée à cette évaluation fonctionnelle est de plus en plus démontré [1]. Dans le contexte de la radiothérapie, même si l’imagerie morphologique demeure encore la référence pour la planifica-

* Auteur correspondant. Adresse e-mail : [email protected] (M. Vermandel).

tion, la définition des volumes cibles ou le suivi, l’intérêt de la TEP est aujourd’hui reconnu [2]. Plusieurs études ont par ailleurs montré l’apport de la TEP pour la délimitation du volume cible en complément de la tomodensitométrie (TDM) [3–5], notamment pour les cancers du poumon où la TDM seule ne peut pas toujours différencier le bloc tumoral et l’atélectasie [6–9]. Les images issues de la TEP présentant une résolution spatiale faible (d’environ 5 mm) et un niveau de bruit élevé, il est alors d’autant plus difficile d’obtenir un contour bien défini de la tumeur. De nombreuses méthodes de segmentation en TEP ont ainsi été proposées et étudiées mais aucune, à l’heure actuelle, n’est considérée comme un standard. Ces diverses méthodes ont montré leur intérêt tant au niveau du contourage du volume cible que lors du suivi post-traitement [10–13].

0928-1258/$ – see front matter # 2010 Elsevier Masson SAS. Tous droits réservés. doi:10.1016/j.mednuc.2009.12.004

120

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

Ainsi, récemment, à partir d’acquisitions en cours de radiothérapie, des applications ont été proposées soit pour adapter la dose après un certain nombre de fractions, soit pour décider une escalade de dose en présence de fixations résiduelles [11–13]. Proposer une synthèse de toutes les méthodes de segmentation en TEP reste une gageure tant le nombre de propositions dans ce domaine est élevé. Aussi, l’objet de cet article est un état de l’art centré sur les méthodes de segmentation basées sur les approches de type seuillage afin de présenter les principes, avantages et inconvénients des solutions décrites dans la littérature. À noter que, selon Drever et al., les méthodes de seuillage semblent être moins sensibles aux effets de volume partiel et au bruit que des approches adoptant un schéma plus complexe d’analyse d’images du type watershed [14] ou détection de contours de Sobel [15]. De manière générale, les méthodes de segmentation basées sur un seuillage sont couramment utilisées pour la délinéation des hyperfixations du fait de leur simplicité. Leur principe repose sur l’utilisation d’un seuil sur l’intensité au-dessus duquel tout voxel est considéré comme appartenant au volume tumoral. Ce seuil peut être soit appliqué de manière fixe (comme par exemple l’application d’un pourcentage de l’intensité maximale. . .), soit être variable dépendant alors de paramètres de l’image (bruit de fond, rapport signal sur bruit de fond [S/B]. . .) ; dans ce cas, le seuil est dit adaptatif et est déterminé par des algorithmes plus complexes. Dans cet article, nous abordons en premier lieu les méthodes dites à seuil fixe, puis celles dites à seuil adaptatif. Nous proposons enfin une synthèse des différentes méthodes abordées. 2. Segmentation par application d’un seuil fixe 2.1. Méthode basée sur un seuil fixe de valeur du standardized uptake value 2.1.1. Méthode Cette méthode fait appel à la notion de standardized uptake value (SUV) ou valeur de fixation normalisée dont la définition la plus couramment employée est la suivante, eq. (1) : SUV ¼

fixation activit´e=poids du patient

(1)

ou` « fixation » correspond a` la concentration mesure´e sur un pixel donne´ et exprime´e en kilobecquerel(s)/millilitre (kBq/ mL), « activite´ » est l’activite´ de radio-isotope injecte´e, exprime´e en kBq et corrige´e de la de´croissance et le « poids » du patient est exprime´ en grammes. Cette valeur s’exprime en grammes par millilitre mais en la rapportant à la densité de l’eau, elle peut aussi correspondre à une valeur sans dimension. Elle est facilement calculée pour chaque pixel de l’image et reste le critère de quantification le plus utilisé en conditions cliniques. Dans le cas de la segmentation de volume, une valeur seuil égale à 2,5 a été proposée dans la littérature pour différencier

les tumeurs malignes des fixations non significatives [16]. Tous les pixels ayant une valeur de SUV supérieure à 2,5 sont alors considérés comme appartenant à la cible. À noter que ce seuil de 2,5 a été évalué de manière empirique et qu’une autre valeur peut s’avérer plus juste en fonction de la pathologie [16]. 2.1.2. Conclusion Cette technique a l’avantage d’être simple dans son utilisation et sa mise en œuvre. L’inconvénient majeur est la non-reproductibilité du SUV d’un examen à l’autre car il est influencé par de nombreux paramètres : l’algorithme de reconstruction utilisé, l’effet de volume partiel, la résolution spatiale de la TEP, les mouvements physiologiques tels que les mouvements respiratoires, la glycémie du patient sont autant de sources de variabilité sur l’estimation du SUV [17–19]. 2.2. Méthode de Zasadny et al. 2.2.1. Méthode Cette méthode proposée par Zasadny et al. [20] en 1998 est basée sur l’application d’un seuil fixe Ts calculé via l’eq. (2) : Ts ¼ BG þ 3  s BG

(2)

ou` BG et sBG sont respectivement la moyenne et l’e´cart-type du bruit de fond calcule´s sur une large re´gion d’inte´reˆt (ROI) d’environ 250 pixels se´lectionne´e a` proximite´ de la tumeur et englobant le bruit de fond. La notion de bruit de fond, qui va apparaître de façon récurrente dans la suite de cet article, désigne l’activité présente à proximité de la fixation (tumeur, lésion. . .). Diverses caractéristiques relatives à ce bruit de fond seront requises lors de la description des différentes méthodes. Le calcul de ces caractéristiques se fait à proximité de la fixation tout en évitant bien évidemment son inclusion ainsi que celle de tout organe sain hyperfixant (reins, vessie. . .). À noter qu’une même caractéristique peut être calculée différemment selon les auteurs en fonction du nombre de ROI utilisées pour effectuer les calculs, de la taille de ces ROI. . . Le volume tumoral déterminé par la méthode de Zasadny et al. [20] est obtenu de la manière suivante :  choix d’une coupe sur laquelle la tumeur apparaît :  détermination d’une ROI à proximité de la tumeur mais n’englobant ni la tumeur ni aucun des organes sains hyperfixants,  calcul de BG et sBG sur cette ROI,  calcul du seuil Ts via l’eq. (2) ;  pour chaque coupe :  application du seuil Ts sur une ROI englobant la tumeur : tout pixel dont l’intensité est supérieure à Ts est considéré comme appartenant à la tumeur,  calcul de l’aire de la région, égale au nombre de pixels considérés comme appartenant à la tumeur ;  obtention du volume total par sommation des aires obtenues pour chacune des coupes.

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

121

2.2.2. Validation Une étude portant sur 14 patients atteints de cancer a été menée. Pour chaque patient, une acquisition couplée TDM et TEP a été réalisée. La population de patients a été séparée en deux groupes :

Erdi et al. [21] détaillés plus loin dans cet article. Par ailleurs, des travaux réalisés au sein d’autres équipes montrent que, pour des lésions très nettement fixantes, cette valeur de 40 % mène à une corrélation significative et à des valeurs proches entre les volumes TEP et les volumes TDM [23].

 le groupe 1 était composé de patients pour lesquels l’acquisition d’images avait eu lieu avant chimiothérapie (huit patients). Parmi ces patients, sept souffraient d’un cancer du poumon, le dernier étant atteint d’un cancer de la paroi thoracique ;  le groupe 2 se composait de patients atteints de lymphomes non hodgkiniens et pour lesquels l’acquisition d’images avait eu lieu après chimiothérapie (six patients).

2.3.2. Conclusion Cette méthode est très simple d’utilisation ; elle ne nécessite que la définition d’un volume d’intérêt (VOI) autour de la tumeur permettant de déterminer le SUVmax. Cette approche reste cependant limitée, car il est nécessaire d’adapter le seuil en fonction de la pathologie, des paramètres de l’image. Ainsi, l’étude menée par Fernando et al. [24] montre que pour les patients présentant des cancers bronchiques non à petites cellules (CBNPC) et dont les images TEP ont été acquises sans synchronisation respiratoire, une application d’un seuil fixe de 20 % est préférable.

L’évaluation a été réalisée par le biais de comparaisons entre les volumes TEP obtenus et les volumes déterminés par TDM. Ces comparaisons ont mené à une forte corrélation (coefficient de corrélation r = 0,98) entre volume TEP et volume TDM pour le groupe 1 et à une plus faible corrélation en ce qui concerne la totalité des 14 patients (r = 0,70). Au final, les auteurs concluent à la faisabilité de la détermination des volumes tumoraux par leur méthode pour des cancers non traités dans une gamme de volume de 10 à 500 mL. En ce qui concerne les cancers traités, la différence observée entre le volume TDM et TEP est selon les auteurs dû au fait que le volume résiduel ne correspond pas au volume tumoral présentant un métabolisme actif. 2.2.3. Conclusion L’avantage de cette méthode réside dans sa simplicité de mise en œuvre, bien que par rapport à la méthode précédente une plus grande implication de l’opérateur soit nécessaire (sélection d’une ROI englobant le fond sur une coupe puis sélection d’une ROI englobant la tumeur sur chacune des coupes). On peut reprocher à cette méthode le fait que le seuil ne soit calculé qu’à partir d’une seule ROI disposée sur une seule coupe. Par ailleurs, l’absence d’étude statistique plus approfondie est regrettable. À noter, dans l’article original, l’absence du coefficient de corrélation relatif au groupe 2 seul et de validation sur fantôme. 2.3. Méthode basée sur un pourcentage fixe du SUV maximal (SUVmax) 2.3.1. Méthode Cette méthode est souvent utilisée comme référence lors de comparaisons et/ou d’évaluations de nouvelles approches de segmentation en TEP. Elle consiste en l’application d’un seuil fixe dont la valeur est égale à un pourcentage donné du SUVmax rencontré sur la ROI. Bien que de nombreux paramètres tels que la taille de la tumeur, le contraste, le niveau de bruit dans les images [21,22] influencent la valeur du seuil optimal, un seul et même seuil est classiquement utilisé pour tous les examens. De manière générale, le seuil appliqué dans les études varie de 40 à 50 %. La valeur de 40 % qui est aujourd’hui largement utilisée en routine clinique provient d’une simplification des travaux de

3. Segmentation par application d’un seuil adaptatif 3.1. Méthode de Erdi et al. En 1997, Erdi et al. [21] ont proposé une méthode permettant de déterminer le seuil optimal connaissant le volume tumoral réel et le rapport S/B que nous notons S/B. Cette méthode nécessite une étape préalable de calibration. 3.1.1. Calibration Un fantôme de type Jaszczak contenant des sphères de 0,4 à 5,5 mL a été utilisé. Une solution de 18F d’activité 74 à 111 kBq/mL a été injectée à l’intérieur de ces sphères. La cavité du fantôme a quant à elle été remplie successivement par des solutions de 18F d’activité variable de sorte à obtenir différents S/B (7,4 ; 5,5 ; 3,1 et 2,8 et 1). La première étape de calibration consistait à déterminer pour chaque S/B et chaque sphère le seuil optimal autrement dit le seuil permettant d’obtenir un volume TEP aussi proche que possible du volume réel. Ce seuil optimal déterminé de manière itérative est exprimé en pourcentage de l’intensité maximale. La Fig. 1 illustre la procédure itérative utilisée. Les auteurs ont ensuite représenté, pour chaque S/B, les seuils optimaux obtenus en fonction du volume des sphères et ont ainsi généré des courbes de calibration (Fig. 2). Il est alors apparu que, pour des volumes inférieurs à 4 ml, le seuil optimal et le volume de la sphère étaient liés par la relation suivante, eq. (3) : Ts ð%Þ ¼ a  ec  volume

(3)

ou` Ts est le seuil optimal en pourcentage de l’intensite´ maximale, a et c sont des parame`tres ajustables et « volume » est ` chaque S/B est associe´ un couple de exprime´ en millilitre. A parame`tres (a, c) obtenu par re´gression a` partir de la courbe de calibration correspondante (Fig. 2). Les courbes de calibration obtenues par les auteurs ont également montré que pour des volumes supérieurs à 4 mL, le seuil optimal tend vers une asymptote horizontale de valeur

122

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

Fig. 2. Représentation, pour divers S/B, des courbes de calibration (seuil optimal en fonction du volume) utilisées dans la méthode de Erdi et al. [21] (données issues de l’article original [21]). Plot of the calibration curves (optimal threshold according the volume) used in Erdi et al. [21] (data from the original paper [21]).

Fig. 1. Procédure itérative appliquée à différents volumes et avec différents S/ B dans la méthode de Erdi et al. [25] pour obtenir les courbes de calibration (Ts : seuil optimal). Iterative procedure applied to different volumes with different signal to noise ratio (SNR) al. [20] to obtain calibration data.

comprise entre 36 et 44 % selon le S/B. La simplification de ces constatations amène, comme nous l’avons mentionné ci-avant, au seuil de 40 % largement utilisé en routine clinique. À noter que les travaux de Erdi et al. ne justifient l’emploi d’un tel seuil que pour des tumeurs ayant un volume supérieur à 4 mL. 3.1.2. Méthode L’eq. (3) permet de déterminer le seuil optimal et donc le volume TEP optimal connaissant le volume réel de la tumeur. Cependant, dans les cas cliniques les volumes tumoraux réels n’étant pas connus, les auteurs ont choisi de s’orienter vers une estimation de ces volumes par TDM. Il s’ensuit que les étapes nécessaires à la détermination du volume tumoral par la méthode de Erdi et al. [21] sont les suivantes :  calcul du S/B ;  détermination de la courbe de calibration à utiliser (en fonction de la valeur du S/B) et donc spécification du couple de paramètres (a, c) à appliquer dans l’eq. (3) ;  estimation du volume de la tumeur par TDM ;  détermination du seuil optimal en pourcentage de l’intensité maximale via l’eq. (3) ;  application du seuil optimal. Pour le calcul du S/B, les auteurs ont utilisé un outil fourni par le constructeur dont ils ne précisent pas la formule, mais qui

doit en toute logique nécessiter la définition manuelle d’au moins deux volumes d’intérêt : l’un englobant le bruit de fond et l’autre la tumeur. 3.1.3. Validation La méthode ne semble avoir été évaluée que sur des données cliniques puisque aucune étude sur fantôme n’est mentionnée. En ce qui concerne l’évaluation clinique, les auteurs ont appliqué leur méthode aux données issues de dix patients et correspondant à 17 lésions pulmonaires primitives ou secondaires. Le Tableau 1 présente les résultats obtenus. Les volumes TEP obtenus présentent une bonne corrélation avec les volumes TDM (r = 0,999). Une différence et un écarttype moyens valant, respectivement, 8,45 et 7,66 mL ont été obtenus. 3.1.4. Conclusion Cette méthode présente l’avantage de prendre en compte le S/B et le volume qui sont deux paramètres d’influence essentiels sur la valeur du seuil optimal [21]. Bien que les auteurs ne précisent pas la formule de calcul du S/B, on peut vraisemblablement supposer qu’elle nécessite, de la part de l’utilisateur, la définition manuelle d’au moins deux volumes d’intérêt, le premier englobant le bruit de fond et le second la tumeur. On peut également discuter du choix fait par les auteurs quant à remplacer le paramètre volume réel apparaissant dans l’eq. (3) par le volume TDM. À noter l’absence de validation sur fantôme. 3.2. Méthode de Jentzen et al. En 2007, Jentzen et al. [26] ont proposé une version « optimisée » de la méthode proposée en 1997 par Erdi et al. [21,25]. Cette nouvelle version permet de s’affranchir de

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

123

Tableau 1 Comparaison entre le volume TEP obtenu par la méthode de Erdi et al. [21] et le volume TDM pour 17 tumeurs métastatiques du poumon chez 10 sujets (données issues de l’article original [21]) (S/B : signal sur bruit de fond, Ts : seuil optimal). Comparison between PET volume obtained from Erdi et al. [21] and CT volume for 17 metastatic lung tumors (data from the original article [21]). Numéro des patients 1

2 3 4 5 6 7 8 9 10

Lésion

S/B

Ts (%)

Volume TDM (ml)

Volume TEP (ml)

Différence (%)

1 2 3 4 5 6 1 2 1 1 1 1 1 2 1 1 1

5,6 3,0 3,7 4,3 4,8 3,4 7,8 3,1 2,3 8,2 13,7 4,2 3,2 5,4 5,5 9,2 6,7

42 52 61 45 55 29 29 42 44 30 31 51 31 32 30 29 30

6,61 2,73 0,88 4,48 1,94 13,98 38,83 5,85 8,93 49,05 6,29 2,19 11,49 6,73 76,94 26,51 16,76

6,67 2,84 1,17 4,71 2,22 13,27 39,29 6,24 5,02 51,51 6,94 2,34 11,01 7,36 75,02 24,86 19,02

0,91 1,03 32,92 5,13 14,43 5,08 1,18 6,66 15,34 5,01 10,33 6,85 4,18 9,36 2,49 6,22 13,48

S/B : signal sur bruit de fond ; Ts : seuil fixe.

l’étape d’estimation du volume par TDM grâce à l’utilisation d’une approche itérative. Cette méthode nécessite également une étape préalable de calibration. 3.2.1. Calibration L’étape de calibration est semblable à celle proposée par Erdi et al. puisqu’elle consiste à déterminer, pour différents rapports S/B, les courbes de calibration représentant le seuil optimal en fonction du volume tumoral. Pour cela, un fantôme du type NEMA IEC/2001 contenant six sphères de différents volumes a été utilisé. Les sphères ont été remplies avec une solution d’activité 5 à 100 kBq/mL alors que la cavité a été remplie successivement par des solutions d’activité variable de sorte à obtenir différents S/B (2,0 ; 3,0 ; 5,0 ; 9,0 et 1). À partir des courbes de calibration obtenues, les auteurs ont proposé une relation du type inverse entre le seuil optimal et le volume tumoral, eq. (4) : Ts ð%Þ ¼

m þt volume

(4)

ou` le seuil optimal Ts et le « volume » sont exprime´s respectivement en pourcentage de l’intensite´ maximale et en millilitre. Les parame`tres ajustables m et t propres a` un S/B donne´ sont obtenus par re´gression a` partir de la courbe de calibration correspondante. 3.2.2. Méthode Une fois les courbes de calibration obtenues, la zone tumorale est déterminée en utilisant l’algorithme itératif représenté sur la Fig. 3. Le calcul du S/B s’effectue comme suit :  détermination de Imax définie comme étant la concentration maximale observée au centre de la tumeur. Afin de s’affranchir des valeurs aberrantes, les concentrations des

voisins de Imax sur les six coupes adjacentes ont été prises en compte via un ajustement parabolique ;  détermination de Ifond définie comme la concentration moyenne du bruit de fond calculée sur trois régions d’intérêt disposées à proximité de la tumeur (pour la calibration le calcul de Ifond a été réalisé sur 15 régions d’intérêt) ;  calcul de S/B = Imax/Ifond. 3.2.3. Validation La méthode a été évaluée à la fois sur des données fantôme et patients. Les données fantômes ont été acquises sur le même fantôme que celui employé lors de la calibration. Les données des patients sont issues de deux bases, l’une regroupant 15 patients avec trois localisations (quatre cancers du poumon, cinq cancers tête et cou, six cancers gastro-intestinaux), l’autre regroupant neuf patients porteurs d’un carcinome thyroïdien différencié et ayant subi une thyroïdectomie. Les résultats sur fantôme ont montré que pour des sphères ayant un volume supérieur à 1 mL, l’erreur moyenne entre le volume TEP obtenu et le volume réel était de 8 % avec un écarttype de 4 %. Pour ce qui est des plus petites sphères, les auteurs ont observé une surestimation des volumes. En ce qui concerne les données cliniques, la validation des résultats a été réalisée par comparaison du volume TEP avec le volume TDM. Les résultats ont montré que l’erreur moyenne observée pour des lésions comprises entre 0,8 et 7,5 mL était de 9 % avec un écart-type de 8 %. Pour des volumes supérieurs à 7,5 mL, l’erreur moyenne atteignait 15 % avec un écart-type de 8 %. 3.2.4. Conclusion Comparée à la méthode de Erdi et al. [21,25], la méthode de Jentzen et al. [26] a l’avantage de s’affranchir de la TDM tout en conservant la prise en compte du S/B et du volume qui sont deux paramètres d’influence essentielles sur la valeur du seuil

124

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

Fig. 3. Algorithme itératif utilisé pour la segmentation du volume dans la méthode de Jentzen et al. [26] (S/B : signal sur bruit de fond ; Ts : seuil optimal). The iterative algorithm used in the Jentzen et al. [26].

optimal [21]. À noter que le calcul du S/B requiert la définition de quatre volumes d’intérêt : trois pour le calcul de Ifond et un pour le calcul de Imax lors de l’utilisation en routine clinique et que le fantôme utilisé pour la validation est le même que celui employé lors de la calibration.

 recherche itérative du seuil optimal (permettant d’obtenir un volume TEP aussi proche que possible du volume réel) exprimé en pourcentage de Imax. La représentation des seuils optimaux en fonction des S/B laisse apparaître une relation du type inverse, eq. (5).

3.3. Méthode de Daisne et al. En 2003, Daisne et al. [27] ont proposé une nouvelle méthode de segmentation. Cette méthode nécessitant le calcul du S/B ne fait pas intervenir, à l’inverse des deux dernières méthodes décrites [21,25,26], le volume tumoral. Le principe repose sur l’existence d’une relation entre le S/B et le seuil optimal. L’établissement de cette relation nécessite la réalisation d’une calibration. 3.3.1. Calibration Daisne et al. [27] ont utilisé un fantôme sphérique contenant six sphères de 0,55 à 17,15 mL remplies par une solution de 18F d’activité 74 à 111 kBq. La cavité du fantôme ayant été remplie successivement par des solutions de 18F d’activité croissante, il s’ensuit différents S/B (8,7 ; 6,5 ; 4,7 ; 3,0 ; 2,1 et 1,5). Des mesures ont ensuite été réalisées en appliquant pour chaque S/B la démarche suivante à l’ensemble des six sphères :  calcul de la valeur moyenne du bruit de fond Ifond définie comme étant la moyenne des valeurs prises dans des ROI d’environ 100 ml englobant le bruit de fond ;  calcul de l’activité maximale Imax définie comme étant la moyenne des neuf voxels voisins du voxel le plus intense rencontré dans la ROI englobant la sphère considérée ;  calcul du S/B = Imax/Ifond ;

Ts ð%Þ ¼ a þ

b S=B

(5)

ou` Ts est le seuil optimal exprime´ en pourcentage de Imax et les coefficients a et b sont obtenus par re´gression a` partir des courbes de calibration. À noter que, les auteurs ont étudié l’impact de l’algorithme de reconstruction sur leur méthode de segmentation d’où la présence de plusieurs courbes de calibration [27]. À chaque algorithme de reconstruction sont donc associés une courbe de calibration et un couple de coefficients (a, b). 3.3.2. Méthode Une fois la courbe de calibration déterminée (propre à l’algorithme de reconstruction utilisé), le volume tumoral s’obtient comme suit :  définition manuelle de plusieurs volumes d’intérêt dans le bruit de fond ;  calcul de Ifond ;  définition manuelle d’un VOI englobant la tumeur ;  calcul de Imax ;  détermination de S/B = Imax/Ifond ;  détermination du seuil optimal Ts via l’eq. (5) ;  application du seuil optimal.

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

125

Fig. 4. Représentation du volume TEP obtenu par la méthode de Daisne et al. [27] en fonction du volume réel pour des sphères de différents volumes et pour les deux algorithmes de reconstruction que sont FBP et OSEM8 (données issues de l’article original [27]). Plot of the PET volume obtained by Daisne et al. [27] according to the real volume of spheres and the reconstruction algorithms (data from the original article [27]).

3.3.3. Validation Une première évaluation a été réalisée sur les images issues d’un fantôme contenant des sphères de divers volumes. Il s’est avéré que les petites sphères (< 2 mL) étaient surestimées alors que les grandes sphères étaient sous-estimées (Fig. 4). Une seconde évaluation portant sur des données cliniques issues de 29 patients a été menée. Parmi ces 29 patients, dix présentaient des tumeurs oropharyngées, 13 des tumeurs du larynx et six des tumeurs de l’hypopharynx. Cette seconde évaluation a permis la comparaison des volumes tumoraux issus de trois modalités : TDM, imagerie par résonance magnétique (IRM), TEP. Pour neuf des patients, la comparaison a pu être complétée par la présence du volume réel des données anatomopathologiques. [28]. Les auteurs ont conclu que leur

méthode donnait de meilleures estimations des volumes que la TDM ou l’IRM (Tableau 2). 3.3.4. Conclusion La méthode de Daisne et al. a l’avantage de prendre en considération le S/B tout en s’affranchissant du paramètre « volume » utilisé par les deux méthodes précédentes. L’intervention du S/B requiert de la part de l’opérateur la définition de plusieurs volumes d’intérêt (plusieurs dans le bruit de fond et un englobant la tumeur). On peut apprécier l’évaluation complète de la méthode, même si les données d’anatomopathologie sont peu nombreuses. Il est en revanche regrettable que le fantôme utilisé pour la validation soit le même que celui employé pour la calibration.

Tableau 2 Comparaison avec les volumes réels des volumes cibles déterminés par TDM, IRM et par la méthode de Daisne et al. [28] (données issues de l’article original [28]). Comparison between the actual volume of target obtained from CT, MRI and from Daisne et al. [28] (data from the original article [28]). Numéro des patients

Volume TDM (ml)

Volume IRM (ml)

Volume TEP (ml)

Volume réel (ml)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

4,7 18,0 41,1 7,1 4,1 3,7 5,8 17,3 13,1 55,6 1,9 6,2 41,0 11,1 14,6 18,4 28,1 25,0 40,4

36,3 9,9 30,2 10,6 9,1 1,4 7,0 17,6 30,7 53,4 2,4 9,8 58,4 6,6 22,0 22,0 32,3 23,5 37,3

19,3 6,0 9,2 7,3 2,3 1,2 3,2 12,6 11,4 34,2 3,4 8,5 30,2 8,0 10,2 11,4 26,6 20,0 28,7

NA NA NA NA NA NA NA NA NA NA 2,2 5,1 30,9 4,1 5,6 8,6 17,3 15,4 24,3

126

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

un panel de 15 patients atteints de CBNPC. Cette validation a fait intervenir le pourcentage d’erreur défini par l’eq. (7) :

3.4. Méthode de Black et al. En 2004, Black et al. [29] ont proposé une méthode développée autour d’une formule de régression linéaire permettant de déterminer le seuil optimal Ts connaissant le SUV moyen (SUVmoyen). Avant de limiter leur formule de régression au SUV moyen seul, les auteurs ont préalablement démontré la non-influence de la concentration en FDG du fond ainsi que la non-influence du volume de la cible [29]. Cette méthode nécessite une calibration. 3.4.1. Calibration Black et al. [29] ont utilisé pour leur calibration un fantôme cylindrique contenant six sphères de volume identique (92,9 mL). Ces six sphères ont été remplies par des solutions de 18F-FDG d’activités différentes : 21,79 ; 37,89 ; 52,80 ; 69,23 ; 91,70 ; 112,89 kBq/mL. Le fond a été rempli avec une solution de 18F-FDG d’activité 5,33 kBq/mL. Le seuil optimal relatif à chacune des six sphères a été déterminé de manière itérative. La Fig. 5 illustre la procédure itérative utilisée. Le SUVmoyen de chaque sphère a ensuite été calculé de sorte à pouvoir tracer la courbe représentant le seuil optimal trouvé en fonction du SUVmoyen. Les auteurs ont alors observé une relation linéaire entre le seuil optimal Ts et le SUVmoyen, eq. (6) : Ts ¼ a  SUVmoyen þ b

(6)

ou` les coefficients a et b sont de´termine´s a` l’aide d’une calibration sur fantoˆme. 3.4.2. Méthode Une fois les coefficients a et b de l’eq. (6) obtenus, la détermination du volume tumoral se fait en suivant l’algorithme itératif illustré à la Fig. 6. À noter que les auteurs ont montré que cet algorithme converge en cinq itérations au maximum et que le résultat obtenu est le même, quel que soit le seuil initial choisi. 3.4.3. Validation La validation s’est déroulée en deux étapes puisqu’elle a porté dans un premier temps sur des données issues d’un fantôme contenant des sphères, puis dans un second temps sur

Fig. 5. Procédure itérative utilisée dans la méthode Black et al. [29] pour obtenir les paramètres a et b de l’eq. (6) (Ts : seuil optimal). Iterative procedure used in the Black et al. [29] to obtain the parameters a and b of eq. (6).

Erreur ð%Þ ¼

volume 1  volume 2  100 % volume 2

(7)

En ce qui concerne les donne´es sur fantoˆme, la validation a e´te´ re´alise´e en calculant les pourcentages d’erreur entre les volumes obtenus par la me´thode Black et al. [29] (= volume 1) et les volumes re´els (= volume 2). Les pourcentages d’erreur entre les volumes obtenus par l’application d’un seuillage fixe e´gal a` 42 % de l’intensite´ maximale (= volume 1) et les volumes re´els (= volume 2) ont e´galement e´te´ calcule´s. Les auteurs ont montre´ que les volumes obtenus par leur me´thode e´taient beaucoup plus proches de la re´alite´ que ceux obtenus avec l’application d’un seuillage fixe e´gal a` 42 % de l’intensite´ maximale (Tableau 3). Pour les donne´es cliniques, les auteurs ont choisi de comparer leurs re´sultats (= volume 2) avec ceux obtenus en appliquant un seuillage fixe e´gal a` 42 % de l’intensite´ maximale (= volume 1). Les re´sultats sont e´galement pre´sente´s dans le Tableau 3. 3.4.4. Conclusion La méthode proposée par Black et al. [29] a l’avantage de ne faire intervenir qu’un seul paramètre, le SUVmoyen. Les résultats sur données cliniques sont insuffisants, puisque la comparaison avec l’application d’un seuillage à 42 % du SUVmax est discutable. 3.5. Méthode de Nestle et al. En 2005, Nestle et al. [30] ont proposé une approche de segmentation utilisant à la fois l’intensité moyenne de la tumeur et celle du fond. Un article publié en 2008 par cette même équipe décrit la méthode de manière très détaillée [31] et en particulier la calibration. 3.5.1. Calibration Afin de réaliser la calibration, les auteurs ont utilisé un fantôme contenant des sphères de différents volumes (7,4 ; 13,7 ; 33,8 ; 64,0 ; 107,1 ; 171,3 et 258,0 mL). Les sphères ont été remplies avec une solution de FDG d’activité égale à 47 kBq/mL. Le fond a été rempli avec des solutions de FDG d’activités croissantes (2 ; 3,9 ; 7,8 kBq/mL). Pour chaque sphère et chacune des activités du fond, les étapes à suivre sont les suivantes :  détermination de SUVmoyen_70 % qui est l’intensité moyenne des voxels ayant une intensité supérieure à 70 % de l’intensité maximale observée dans la zone d’intérêt :  définition d’un VOI englobant la sphère considérée,  détermination du SUVmax du VOI,  calcul de la moyenne des SUV du VOI supérieurs à 70 % de SUVmax ;  détermination de BG, la valeur moyenne du bruit de fond :  dessiner plusieurs régions d’intérêt (ROI) entre les sphères à une distance d’au moins 5 mm,  calcul de la moyenne des SUV de toutes les ROI ;

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

127

Fig. 6. Méthode itérative utilisée pour la détermination du volume cible par la méthode de Black et al. [29] (Ts : seuil optimal). Iterative method used for determining the target volume in Black et al. [29]. Tableau 3 Pourcentages d’erreur, eq. (7), entre les volumes issus des diverses méthodes dont celle de Black et al. [29] (données issues de l’article original [29]). Percentage of error, eq. (7), between the volumes from various methods including Black et al. [29] (data from the original article [29]). Validation

Méthodes utilisées

Moyenne (%)

Écart-type (%)

Min (%)

Max (%)

Sur fantôme

Black et al. versus réel Seuil à 42 % versus réel Black et al. versus 42 %

1 23 67

2 8 16

3 34 93

4 13 35

Sur patients

 détermination du seuil normalisé Tnorm défini par l’eq. (9) :

 calcul du contraste C défini par l’eq. (8) SUVmoyen 70 %  BG ; BG  recherche itérative du seuil optimal Ts ; C¼

(8)

T norm ¼

Ts : SUVmoyen 70 %  BG

(9)

À partir de l’ensemble des données acquises, les auteurs ont réalisé deux courbes de calibration représentant le seuil normalisé en fonction du contraste ; la première courbe concerne les sphères dont le diamètre est inférieur à 3 cm et la seconde les sphères de diamètre supérieur à 3 cm [30]. La Fig. 7 représente un exemple de courbe de calibration pouvant être obtenue par la méthode de Nestle et al. [30]. À partir de ces courbes, on constate une relation de la forme inverse, eq. (10) : T norm ¼

k þa C

(10)

ou` les parame`tres a et k sont de´termine´s par re´gression a` partir des courbes de calibration. En intégrant les eqs (8) et (9) dans la relation, eq. (10), les auteurs ont obtenu l’égalité, eq. (11) : Ts ¼ a  SUVmoyen Fig. 7. Courbe de calibration (seuil normalisé en fonction du contraste) obtenue via la méthode de Nestle et al. [30]. Calibration curve (threshold according to the contrast) obtained from Nestle et al. [30].

70%

þ ðk  aÞ  BG

(11)

3.5.2. Méthode La détermination du volume tumoral s’effectue alors en reprenant les étapes listées sur la Fig. 8.

128

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

conclu que leur méthode était la plus apte à fournir un volume cible adéquat. 3.5.4. Conclusion Selon les auteurs, leur méthode a l’avantage d’être stable face à des tumeurs inhomogènes du fait de la prise en compte de la valeur du fond. Les auteurs ont utilisé comme paramètre SUVmoyen_70 %, alors que la majorité des autres approches utilisent le SUVmax. Cela permet de limiter l’influence des valeurs maximales non représentatives de l’image de la lésion. Ces cas s’observent notamment en présence d’inhomogénéités. 4. Discussion

Fig. 8. Étapes à suivre pour la détermination du volume TEP par la méthode de Nestle et al. [30] (Ts : seuil optimal, VOI : volume d’intérêt, ROI : région d’intérêt). Steps to determine the PET volume from Nestle et al. [30].

3.5.3. Validation Les auteurs ont évalué leur méthode à la fois sur des données issues d’un fantôme (référence = volume réel) et sur des données cliniques (référence = volume TDM). L’étude sur fantôme a conclu à une surestimation du volume pouvant aller jusque 7 % pour des sphères de diamètre supérieur à 3 cm, ce qui équivaut à une surestimation du rayon de 0,7 mm. Pour des sphères de plus petites tailles, un pourcentage d’erreur compris entre 6 et +12 % a été observé, ce qui correspond à une erreur du rayon allant de 0,3 à +0,4 mm. Les auteurs ont alors noté que l’ensemble des erreurs de rayon se situait en deçà de la résolution des imageurs TEP actuels. Les résultats obtenus sur les données cliniques acquises sur huit patients atteints de CBNPC sont présentés dans le Tableau 4. Dans la plupart des cas, une surestimation des volumes a été observée. De plus, des études comparatives [30,32] ont permis de confronter leur méthode aux autres techniques que sont le contourage manuel, le seuil basé sur un SUV fixe de 2,5 et le seuil fixe égal à 40 % du SUVmax. De ces études, les auteurs ont

Tableau 4 Résultats de la segmentation du volume TEP par la méthode de Nestle et al. [30] sur les données cliniques (données issues de l’article original [29]). Results of segmentation of PET volumes in Nestle et al. [30] from clinical data (data from the original article [29]). Numéro des patients

Volume TDM (mL)

Volume TEP (mL)

Différence (%)

1 2 3 4 5 6 7 8

66,4 5,5 12,7 20,7 27,0 49,9 69,0 185,2

67,3 5,5 16,2 20,8 30,2 45,4 72,5 194,5

+1,3 0,0 +27,8 0,2 11,7 9,0 +5,0 +5,1

Comme nous avons pu le voir au long de cette revue bibliographique sur les méthodes de segmentation par seuillage en TEP, de nombreuses études ont été réalisées depuis une vingtaine d’années afin d’obtenir un volume tumoral TEP de plus en plus précis. L’utilisation d’un seuillage s’est très vite répandue du fait de sa facilité d’application, bien que d’autres méthodes se soient développées en parallèle (algorithme basé sur la croissance par région, approche contour, méthode basée sur les champs de Markov. . .) utilisant des processus beaucoup plus complexes et à la mise en œuvre moins évidente. L’application d’un seuil fixe (SUV, pourcentage de l’intensité max. . .) a montré très vite ses limites du fait de la non-prise en compte des paramètres de l’image à segmenter. À partir de ces observations, plusieurs équipes ont mis au point des méthodes de segmentation utilisant des seuils adaptatifs faisant intervenir des caractéristiques de l’image (bruit de fond, rapport S/B. . .). Ces méthodes offrent des résultats plus satisfaisants, mais requièrent la plupart du temps une étape de calibration. À l’heure actuelle, aucune méthode ne peut être considérée comme standard même si les méthodes à base de calibration sont plus utilisées en recherche et les méthodes à seuil fixe en routine clinique. La recherche dans le domaine s’intensifie. Les développements de méthodes de segmentation s’orientent de plus en plus vers des techniques précises ne nécessitant plus d’étapes de calibration. En effet, si les méthodes nécessitant une calibration préalable fournissent des résultats plus satisfaisants, il n’en demeure pas moins que leur mise en œuvre est plus contraignante. Tout d’abord, la mise au point de courbes de calibration est coûteuse en temps humain (présence de radiopharmaciens, radiophysiciens, manipulateurs. . .), en temps machine et nécessite une activité non négligeable de FDG. De plus, ces méthodes sont dépendantes des éventuelles dérives des appareils et doivent être recalibrées en fonction des opérations de maintenance et des rapports de contrôle qualité. Finalement, lors des calibrations, le nombre de S/B est nécessairement limité (généralement trois à six) ce qui est une source potentielle d’imprécision notamment pour les méthodes de Erdi et al. [21,25] et de Jentzen et al. [26]. En effet, ces deux méthodes reposent sur un ensemble de courbes de calibration relatives à des S/B donnés. Il s’ensuit que les valeurs de S/B pour lesquelles les courbes de calibration n’ont pas été

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

réalisées, nécessitent alors des approximations (interpolations, plus proches voisins. . .) afin de déterminer la courbe à utiliser et donc le seuil à appliquer. Par ailleurs, plusieurs équipes ont confronté certaines des méthodes répertoriées ci-dessus. Ainsi, Boursot et al. [33] ont réalisé une comparaison des résultats obtenus par trois méthodes de segmentation automatique : la méthode de Black et al. [29], la méthode de Nestle et al. [30–32] et une méthode plus sophistiquée du type watershed [14]. Cette comparaison a été menée sur 17 patients atteints d’un CBNPC. Les auteurs ont conclu que la méthode de Black et al. [29] était la plus discordante, que l’algorithme de Nestle et al. [30–32] avait tendance, pour les tumeurs inférieures à 45 mL, à surévaluer le volume scannographique, et que la technique de Tylski et al. [14] sous-évaluait nettement le volume cible. Venel et al. [34] ont quant à eux réalisé une comparaison entre un seuillage fixe égal à 40 % de l’intensité maximale, un seuillage fixe égal à 50 % de l’intensité maximale, la méthode de Black et al. [29] et la méthode de Nestle et al. [30–32]. Cette comparaison a porté sur quatre patients souffrant d’un CBNPC. Comparativement à l’anatomopathologie, les auteurs ont montré que les volumes définis par les seuillages fixes de 40 ou 50 % de l’intensité maximale étaient tous sous-estimés, que les volumes déterminés par la méthode de Black et al. sous-estimaient les tumeurs les plus volumineuses et surestimaient les plus petites, que la formule de Nestle et al. appliquée directement sans

129

calibration – eq. (11) avec a = 0,15 et k  a = 1 – estimait correctement les tumeurs les plus volumineuses mais surestimaient celles inférieures à 2 cm et enfin que la formule de Nestle et al. « corrigée » mais non calibrée – eq. (11) avec a = 0,264 et k  a = 1 – sous-estimait trois tumeurs. Les auteurs ont finalement conclu que la méthode de Nestle et al. semble être la plus appropriée pour les tumeurs de plus de 2 cm de diamètre. Pour conclure, nous pouvons dire qu’à ce jour et à notre connaissance, il n’existe pas de consensus sur l’utilisation des méthodes de segmentation présentées dans cet état de l’art. Il serait intéressant de pouvoir associer à chaque localisation une méthode validée, ce qui permettrait d’une part d’établir un consensus et d’autre part une utilisation en routine clinique. Une discussion peut également être menée sur le plan de l’évaluation et plus particulièrement sur le fait que plusieurs auteurs [20,21,25,26,30–32] utilisent les volumes TDM pour valider leur méthode sur des données cliniques. Bien qu’actuellement, le standard pour la définition du volume cible repose sur l’utilisation d’images anatomiques issues de la TDM, voire de l’IRM, il n’en demeure pas moins que ces deux modalités ne fournissent pas l’information fonctionnelle apportée par la TEP [35–40]. Les volumes issus de la TEP ne sont donc « de par nature » pas comparables avec ceux issus de la TDM ou de l’IRM, ce qui a par ailleurs été montré par Dwamena et al. [41]. La question d’un « gold standard » se pose

Tableau 5 Synthèse quant à la méthodologie des différentes méthodes présentées dans cet article où (+ +) correspond à une mise en œuvre facile ou à une intervention minimale de l’utilisateur et à l’inverse ( ) correspond à une mise en œuvre difficile ou à une intervention importante de l’utilisateur. La mise en œuvre a été jugée selon plusieurs critères : nécessité d’une calibration, complexité de l’algorithme, nombre de paramètres à déterminer. . . L’intervention de l’opérateur reflète le nombre de régions ou de volumes d’intérêt à sélectionner, l’estimation du volume par TDM. . . (S/B : signal sur bruit de fond). Summary of different methods presented in this article where (+ +) corresponds to an easy implementation and minimal user intervention and vice versa ( ) corresponds to an implementation difficult or an important user intervention. The implementation has been evaluated giving several criteria for: calibration needed, algorithm complexity, number of parameters required. The intervention of the operator reflects the number of regions or volumes of interest to be selected. Méthode

Références

Principe

Mise en œuvre

Implication de l’opérateur

Calibration

SUV fixe

[16,42]

Seuil fixe dépendant de Valeur du SUV

++

++

Non

Zasadny et al.

[20]

Seuil fixe dépendant de Moyenne du bruit de fond Écart-type du bruit de fond

+



Non

L’intensité max (%)

[21,24]

Seuil fixe dépendant de SUV maximal (%)

++

+

Non

Erdi et al.

[21,25]

Seuil adaptatif dépendant de S/B Volume (TDM)





Oui

Jentzen et al.

[26]

Seuil adaptatif dépendant de S/B Volume (estimé par approche itérative)





Oui

Daisne et al.

[27,28]

Seuil adaptatif dépendant de S/B Algorithme de reconstruction utilisé





Oui

Black et al.

[29]

Seuil adaptatif dépendant de SUV moyen



+

Oui

Nestle et al.

[30–32]

Seuil adaptatif dépendant de Intensité moyenne de la tumeur Intensité moyenne du fond





Oui

S/B : signal sur bruit de fond.

130

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131

Tableau 6 Synthèse quant à l’évaluation des différentes méthodes présentées dans cet article. Summary for the evaluation of different methods presented in this article. Méthode

Références

Validation

SUV fixe

[16,42]

Clinique

Zasadny et al.

[20]

Clinique

Étude comparative avec

Évaluation clinique sur

Volume TDM

8 patients non traités 7 cancers du poumon 1 cancer de la paroi thoracique 6 patients traités 6 lymphomes non hodgkiniens

L’intensité max (%)

[21,24]

Fantôme Clinique

Erdi et al.

[21,25]

Clinique

Volume TDM

10 patients 17 lésions pulmonaires primitives ou secondaires

Jentzen et al.

[26]

Fantôme Clinique

Volume TDM

1re base de données (15 patients) 4 cancers du poumon 5 cancers tête et cou 6 cancers gastro-intestinaux 2e base de données (9 patients) 9 carcinomes thyroïdiens différenciés

Daisne et al.

[27,28]

Fantôme Clinique Histologie

Volume TDM Volume IRM

29 patients 10 tumeurs oropharyngées 13 tumeurs du larynx 6 tumeurs de l’hypopharynx.

Black et al.

[29]

Fantôme Clinique

Seuil fixe égal à 42 % SUVmax

15 patients atteints de cancer pulmonaire non à petites cellules

Nestle et al.

[30–32]

Fantôme Clinique

Contourage manuel Seuil fixe égal à 40 % SUVmax Seuil fixe SUV = 2,5 Volume TDM

8 patients atteints de cancer pulmonaire non à petites cellules

donc. Si l’utilisation de l’anatomopathologie y répond en partie, l’utilisation d’images obtenues par simulation MonteCarlo permettrait de valider les méthodologies par confrontation à une vérité terrain. En l’absence de cette vérité, l’utilisation d’examens contourés par plusieurs experts pourrait également constituer un bon outil d’évaluation des méthodes de segmentation. 5. Conclusion Finalement, nous proposons Tableaux 5 et 6 une synthèse des méthodes répertoriées dans ce papier. Conflit d’intérêt Les auteurs n’ont pas transmis de conflit d’intérêt. Références [1] Berkowitz A, Basu S, Srinivas S, Sankaran S, Schuster S, Alavi A. Determination of whole-body metabolic burden as a quantitative measure of disease activity in lymphoma: a novel approach with fluorodeoxyglucose-PET. Nucl Med Comm 2008;29:521–6. [2] Grégoire V, Haustermans K, Geets X, Roels S, Lonneux M. PET-based treatment planning in radiotherapy: a new standard? J Med Nucl 2007; 48:68–77.

[3] Devic S, Tomic N, Faria S, Dean G, Lisbona R, Parker W, et al. Impact of 18 FDG-PET/CT on biological target volume (BTV) definition for treatment planning for non-small cell lung cancer patients. Nucl Instrum Methods Phys Res 2007;571:89–92. [4] Nestle U, Kremp S, Grosu AL. Practical integration of [18F]-FDG-PET and PET-CT in the planning of radiotherapy for non-small cell lung cancer (NSCLC): The technical basis, ICRU-target volumes, problems, perspectives. Radiother Oncol 2006;81:209–25. [5] Erdi YE, Rosenzweig K, Erdi AK, Macapinlac HA, Hu YC, Braban LE, et al. Radiotherapy treatment planning for patients with non-small cell lung cancer using positron emission tomography (PET). Radiother Oncol 2002;62:51–60. [6] Nestle U, Walter K, Schmidt S, Licht N, Nieder C, Motaref B, et al. 18Fdeoxyglucose positron-emission tomography (FDG-PET) for the planning of radiotherapy in lung cancer: high impact in patients with atelectasis. Int J Radiat Oncol Biol Phys 1999;44:593–7. [7] Bachaud JM, Marre D, Dygai I, Caselles O, Hamelin D, Bègue M, et al. Intérêt de la tomographie par émission de positons au [18F]-fluoro-2désoxyglucose dans la détermination des volumes cibles de radiothérapie. Application à l’irradiation conformationnelle des cancers bronchiques non à petites cellules. Cancer Radiother 2005;9:602–9. [8] Deniaud-Alexandre E. 18FDG et radiothérapie externe, le point de vue du radiothérapeute : application des techniques de fusion d’images à la radiothérapie des carcinomes bronchiques. Med Nucl 2008;32: 530–5. [9] Deniaud-Alexandre E, Touboul E, Lerouge D, Grahek D, Foulquier JN, Petegnief Y, et al. Tomographie par émission de positons et détection en coïncidence (TEDC) et recalage d’images de simulation virtuelle par tomodensitométrie. Impact sur la planification de la radiothérapie conformationnelle des cancers bronchiques non à petites cellules. Cancer Radiother 2005;9:304–15.

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131 [10] Green AJ, Francis RJ, Baig S, Begent RH. Semiautomatic volume of interest drawing for (18)F-FDG image analysis-method and preliminary results. Eur J Nucl Med Mol Imaging 2008;35:393–406. [11] Feng M, Kong FM, Gross M, Fernando S, Hayman JA, Ten Haken RK. Using fluorodeoxyglucose positron emission tomography to assess tumor volume during radiotherapy for non-small-cell lung cancer and its potential impact on adaptive dose escalation and normal tissue sparing. Int J Radiat Oncol Biol Phys 2009;73:1228–34. [12] Guido A, Fuccio L, Rombi B, Castelluci P, Cecconi A, Bunkheila F, et al. Combined 18F-FDG-PET/CT imaging in radiotherapy target delineation for head-and-neck cancer. Int J Radiat Oncol Biol Phys 2009;73:756–63. [13] Gillham C, Zips D, Pönisch F, Evers C, Enghardt W, Abolmaali N, et al. Additional PET/CT in week 5–6 of radiotherapy for patients with stage III non-small cell lung cancer as a means of dose escalation planning? Radiother Oncol 2008;88:335–41. [14] Tylski P, Bonniaud G, Decenciere E, Stawiaski J, Coulot J, Lefkopoulos D, et al. 18F-FDG PET images segmentation using morphological watershed: a phantom study. In: IEEE Nuclear Science Symposium Conference Record; 2006.p. 2063–7. [15] Drever L, Roa W, McEwan A, Robinson D. Comparison of three image segmentation techniques for target volume delineation in positron emission tomography. J Appl Clin Med Phys 2007;8:93–109. [16] Bryant AS, Cerfolio RJ. The maximum standardized uptake values on integrated FDG-PET/CT is useful in differentiating benign from malignant pulmonary nodules. Ann Thorac Surg 2006;82:1016–20. [17] Huglo D. Quantification de la fixation tumorale du fluoro-désoxyglucose [Quantification of fluoro-deoxyglucose tumor uptake]. Med Nucl 2002;26: 175–88. [18] Buvat I. Les limites du SUV. Med Nucl 2007;31:165–72. [19] Erdi YE, Nehmed SA, Pan T, Pevsner A, Rosenzweig KE, Mageras G, et al. The CT motion quantitation of lung lesions and its impact on PETmeasured SUVs. J Nucl Med 2004;45:1287–92. [20] Zasadny KR, Kison PV, Francis IR, Wahl RL. FDG-PET determination of metabolically active tumor volume and comparison with CT. Clin Positron Imaging 1998;1:123–9. [21] Erdi YE, Mawlawi O, Larson SM, Imbriaco M, Yeung H, Finn R, et al. Segmentation of lung lesion volume by adaptive positron emission tomography image thresholding. Cancer 1997;80:2505–9. [22] Huglo D, Vermandel M, Rousseau J, Vasseur C, Steinling M. Limites des méthodes de seuillage pour la détermination des volumes en tomographie d’émission de positons. Med Nucl 2004;28:155–62. [23] Miller TR, Grigsby PW. Measurement of tumor volume by PET to evaluate prognosis in patients with advanced cervical cancer treated by radiation therapy. Int J Radiat Oncol Biol Phys 2002;53:353–9. [24] Fernando S, Kong F, Kessler M, Chetty I, Narayan S, Tatro D, et al. Using FDG-PET to delineate gross tumor and internal target volumes. Int J Radiat Oncol Biol Phys 2005;63:400–1. [25] Erdi YE, Wessels BW, Loew MH, Erdi AK. Threshold estimation in single photon emission computed tomography and planar imaging for clinical radio-immunotherapy. Cancer Res 1995;55:5823–6. [26] Jentzen W, Freudenberg L, Eising EG, Heinze M, Brandau W, Bockisch A. Segmentation of PET volumes by iterative image thresholding. J Nucl Med 2007;48:108–14. [27] Daisne JF, Sibomana M, Bol A, Doumont T, Lonneux M, Grégoire V. Tridimensional automatic segmentation of PET volumes based on measured source-to-background ratios: influence of the reconstruction algorithms. Radiother Oncol 2003;69:247–50.

131

[28] Daisne JF, Duprez T, Weynand B, Lonneux M, Hamoir M, Reychler H, et al. Tumor volume in pharyngolaryngeal squamous cell carcinoma: Comparison between CT, MR imaging, and FDG PET and validation with surgical specimen. Radiology 2004;233:93–100. [29] Black QC, Grills IS, Kestin LL, Wong CYO, Wong JW, Martinez AA, et al. Defining a radiotherapy target with positron emission tomography. Int J Radiat Oncol Biol Phys 2004;690:1272–82. [30] Nestle U, Schaefer-Schuler A, Kremp S, Groeschel A, Hellwig D, Rube C, et al. Target volume definition for 18F-FDG PET-positive lymph nodes in radiotherapy of patients with non-small cell lung cancer. Eur J Nucl Med Mol Imaging 2007;34:453–62. [31] Schaefer A, Kremp S, Hellwig D, Rube C, Kirsch CM, Nestle U. A contrast-oriented algorithm for FDG-PET-based delineation of tumour volumes for the radiotherapy of lung cancer: derivation from phantom measurements and validation in patient data. Eur J Nucl Med Mol Imaging 2008;35:1989–99. [32] Nestle U, Kremp S, Schaefer-Schuler A, Sebastian-Welsch C, Hellwig D, Rube C, et al. Comparison of different methods for delineation of PETpositive tissue for target volume definition in radiotherapy of patients with non-small cell lung cancer. J Nucl Med 2005;46:1342–8. [33] Boursot C, Le Borgne A, Barillot I, Venel Y, De Muret A, Baulieu JL, et al. Segmentation automatique du volume tumoral des cancers pulmonaires non à petites cellules sur la 18F-FDG TEP-TDM en vue d’un traitement par radiothérapie. Med Nucl 2009;33:440–9. [34] Venel Y, Garhi H, De Muret A, Baulieu JL, Barillot I, Prunier-Aesch C. Comparaison de six méthodes de segmentation du volume tumoral sur la 18 F-FDG TEP-TDM avec le volume de référence anatomopathologique dans les cancers bronchopulmonaires non à petites cellules. Med Nucl 2008;32:339–53. [35] Ford EC, Kinahan PE, Hanlon L, Alessio A, Rajendran J, Schwartz DL, et al. Tumor delineation using PET in head and neck cancers: Threshold contouring and lesion volumes. Med Phys 2006;33:4280–8. [36] Schwartz DL, Ford EC, Rajendran J, Yueh B, Coltrera MD, Virgin J, et al. FDG-PET/CT-guided intensity modulated head and neck radiotherapy: A pilot investigation. Head Neck 2005;27:478–87. [37] Wang D, Bialkowski M, Schultz CJ, Jursinic PA, Zhu X, Brown W, et al. FDG-PET/CT guided IMRT for head and neck carcinoma. Int J Radiat Oncol Biol Phys 2004;60:519–20. [38] Fakhry N, Barberet M, Lussato D, Mundler O, Giovanni A, Zanaret M. Apport de la [18F]-FDG TEP/TDM dans la stadification initiale des cancers de la tête et du cou. Rev Laryngol Otol Rhinol 2007;128: 3–9. [39] Westerterp M, Van Westreenen HL, Reitsma JB, Hoekstra OS, Stoker J, Fockens P, et al. Esophageal cancer: CT, endoscopic US, and FDG PET for assessment of response to neoadjuvant therapy – Systematic review. Radiology 2005;236:841–51. [40] Sun L, Su XH, Guan YS, Pan WM, Luo ZM, Wei JH, et al. Clinical usefulness of 18F-FDG PET/CT in the restaging of esophageal cancer after surgical resection and radiotherapy. World J Gastroenterol 2009;15: 1836–42. [41] Dwamena BA, Sonnad SS, Angobaldo JO, Wahl RL. Metastases from non-small cell lung cancer: mediastinal staging in the 1990s – Metaanalytic comparison of PET and CT. Radiology 1999;213:530–6. [42] Schinagl DA, Hoffmann AL, Vogel WV, Van Dalen JA, Verstappen SM, Oyen WJ, et al. Can FDG-PET assist in radiotherapy target volume definition of metastatic lymph nodes in head-and-neck cancer? Radiother Oncol 2009;91:95–100.