医用画像において、時間放射能曲線とは、放射能（濃度）をy軸に、時間をx軸にプロットした曲線です。これは、画像内の関心領域における放射性トレーサーの濃度を、ダイナミックスキャンから時間経過とともに測定して示します。一般的に、組織内で得られた時間放射能曲線は組織時間放射能曲線と呼ばれ、組織内の関心領域におけるトレーサーの濃度を時間経過とともに表します。
現代の動態分析は、さまざまな医療用画像技術で実行されており、その際には、例えば、動的陽電子放出断層撮影(PET) 画像、灌流 CT、または動的スキャンを使用した動的造影磁気共鳴画像(DCE-MRI) など、数学モデルへの入力の 1 つとして組織の時間活性曲線が必要です。動的スキャンとは、2 次元 (2D) または 3 次元 (3D) 画像を一定期間にわたって繰り返し取得して、2D/3D 画像データセットの時系列を形成するスキャンです。たとえば、10 分間にわたって取得された動的造影磁気共鳴画像スキャンには、ガドリニウム トレーサーの高速ダイナミクスを捉えるために 30 秒間取得された短い画像フレームが含まれます。時間活性曲線の各データ ポイントは、時間の経過とともに取得されたこれらの各画像時間フレームで分割された領域からのトレーサー濃度の測定値を表します。
時間活動曲線の取得
時間活動曲線は、関心領域解析を用いて得られます。関心領域解析では、画像データを計測可能な特定の領域（例えば、腰椎や大腿骨頸部）に限定します。そして、その特定領域内の画像ピクセルをダイナミックスキャンの全画像フレームに複製し、全画像フレームの平均ピクセル値を、これらの画像フレームが取得された時刻に対してプロットします。
この概念は、以下の例を用いて説明されます。各テーブルが異なる時刻（例えば、時刻t=1秒、t=2秒、t=3秒、t=4秒、t=5秒、t=6秒）に取得された画像を表す動画像を考えてみましょう。この画像では、各ボクセルがトレーサー濃度をBq/ml単位で示していると仮定します。ここで、各画像内のターゲット領域は中央の4つのボクセルのみであるとします。まず、各画像内の中央の4つのピクセル（関心領域）を特定し、次に各フレームの平均を計算します。
|
|
|
|
|
|
|---|
t=1秒............ t=2秒............t=3秒............t=4秒............t=5秒............t=6秒
この例では、1フレーム目（t=1）の平均値2、2フレーム目（t=2）の平均値3、3フレーム目（t=3）の平均値4、4フレーム目（t=4）の平均値6、5フレーム目（t=5）の平均値4、6フレーム目（t=6）の平均値3となります。これらの値は、時間をx軸、平均濃度をy軸にとってグラフにプロットできます。グラフは以下のようになります（画像のピクセル値はt=0で0と仮定）。
関心領域（上記の例では中央の4ピクセル）は、手動、[1]、半自動、[2]、または自動[3]の方法で特定できます。手動で関心領域を定義する場合、ユーザーは対象領域の周囲に任意の境界線を描く必要がありますが、これは主観的なものです。境界線は、異なる太さの点または線で示すことができます。また、座標値を選択して選択することもできます。関心領域を選択する際に、ユーザーは境界ピクセルのプロパティ、例えば現在選択されているピクセルの位置や値などを把握することができます。
半自動方式は、ユーザー操作を最小限に抑えて関心領域を定義するもので、幾何学的選択法[4] [2]、閾値法[5] 、領域拡張法[6]、あるいはこれら2つ、あるいはその他の基準の組み合わせに大別されます。[7]閾値法では、画像内の特定の輝度レベルを超えるピクセルが関心領域に含まれます。領域拡張法では、ユーザーが関心領域内の最初のピクセルを識別するシードピクセルを選択し、停止基準に基づいて隣接するピクセルがシードピクセルに付加されます。アルゴリズムが停止すると、シードピクセルを囲むピクセルが関心領域を形成します。
自動手法はユーザーの介入を必要とせず[8]、分析対象領域に関する事前知識に基づいて動作するため、反復手法または適応手法とも呼ばれます。半自動手法の大部分も自動化可能ですが、専門家が作成した手動のゴールドスタンダードに基づいて検証する必要があります[2] [9] 。
動脈入力関数との関係
動脈内の時間-活動曲線を取得することは、画像由来動脈入力関数（IDAIF）を取得するための第一歩です。次に、動脈/静脈血サンプルを用いて動脈時間-活動曲線の様々な誤差を補正し、動脈入力関数（AIF）を運動解析モデルの入力として使用します。
参照
参考文献
- ^ ミッカネン、ジョウニ M.;ジュホラ、マルティ。ルオザライネン、ウッラ (2000)。「脳PET画像からのVOIの抽出」。国際医療情報学ジャーナル。58–59 : 51–57。土井:10.1016/s1386-5056(00)00075-7。ISSN 1386-5056。PMID 10978909。
- ^ abc Puri, T.; Blake, GM; Curran, KM; Carr, H.; Moore, AEB; Colgan, N.; O'Connell, MJ; Marsden, PK; Fogelman, I.; Frost, ML (2012). 「18F-フッ化物PET/CTにおける大腿骨における半自動関心領域検証」. Journal of Nuclear Medicine Technology . 40 (3): 168– 174. doi : 10.2967/jnmt.111.100107 . ISSN 0091-4916. PMID 22892275.
- ^ Feng, Yue; Fang, Hui; Jiang, Jianmin (2005)、「セマンティックビデオオブジェクトセグメンテーションのための自動シーディングによる領域拡張」、パターン認識と画像分析：ICAPR 2005、コンピュータサイエンスの講義ノートv. 3687、Springer、pp. 542– 549、doi :10.1007/11552499_60、ISBN 978-3-540-28833-6、 2021年4月12日閲覧
- ^ Krak, Nanda C.; Boellaard, R.; Hoekstra, Otto S.; Twisk, Jos WR; Hoekstra, Corneline J.; Lammertsma, Adriaan A. (2004). 「ROI定義と再構成法が反応モニタリング試験における定量的結果と適用性に及ぼす影響」 . European Journal of Nuclear Medicine and Molecular Imaging . 32 (3): 294– 301. doi :10.1007/s00259-004-1566-1. ISSN 1619-7070. PMID 15791438. S2CID 22518269.
- ^ Sankur, Bu¨lent (2004). 「画像閾値化技術と定量的性能評価に関する調査」 . Journal of Electronic Imaging . 13 (1): 146. Bibcode :2004JEI....13..146S. doi :10.1117/1.1631315. ISSN 1017-9909.
- ^ ZHENG, L., JESSE, J. & HUGUES, T. (2001) 3D画像セグメンテーションのための未シード領域拡張. Pan-Sydney 視覚化ワークショップ第2巻からの選抜論文.オーストラリア、シドニー、オーストラリアコンピュータ協会.
- ^ Pan, Zhigeng; Lu, Jianfeng (2007). 「医用画像セグメンテーションのためのベイズベース領域成長アルゴリズム」 . Computing in Science & Engineering . 9 (4): 32– 38. Bibcode :2007CSE.....9d..32P. doi :10.1109/mcse.2007.67. ISSN 1521-9615. S2CID 14423626.
- ^ 鈴木 秀; 鳥脇 淳 (1988). 「頭部MRI画像の3次元表示のための知識誘導型自動閾値設定」. [1988 Proceedings] 第9回国際パターン認識会議. IEEE Comput. Soc. Press. pp. 1210– 1212. doi :10.1109/icpr.1988.28473. ISBN 0-8186-0878-1. S2CID 26177669。
- ^ Weaver, Jean R.; Au, Jessie LS. (1997年10月1日). 「増殖マーカー標識ヒト固形腫瘍細胞の画像解析スコアリングにおける自動閾値処理の応用」Cytometry . 29 (2): 128– 135. doi : 10.1002/(sici)1097-0320(19971001)29:2<128::aid-cyto5>3.0.co;2-9 . ISSN 0196-4763. PMID 9332819.
