Medicine

Hele kroppen og regionale kvantificering af aktive menneskelige brunt fedtvæv bruger ¹⁸F-FDG PET/CT

Published: April 1, 2019 doi: 10.3791/58469

Katherine Kim¹, Shan Huang², Laura A. Fletcher¹, Alana E. O'Mara¹, Ilan Tal³, Robert J. Brychta¹, Aaron M. Cypess¹, Kong Y. Chen¹, Brooks P. Leitner¹

¹Diabetes, Endocrinology, and Obesity Branch, National Institute of Diabetes and Digestive and Kidney Diseases, National Institutes of Health, ²National Cancer Institute, National Institutes of Health, ³Division of Nuclear Medicine and Molecular Imaging, Department of Radiology, Beth Israel Deaconess Medical Center, Harvard Medical School

Summary

Ved hjælp af gratis, open source software, har vi udviklet en analytisk tilgang til at kvantificere samlede og regionale brun til fedtvæv (BAT) volumen og metaboliske aktivitet af BAT ved hjælp af ¹⁸F-FDG PET/CT

Abstract

Endoterm dyr, er brunt fedtvæv (BAT) aktiveret til at producere varme for at forsvare kropstemperatur som reaktion på kulde. BATS evne til at forbruge energi har gjort det et potentielt mål for nye behandlinger til at forbedre fedme og tilknyttede metaboliske sygdomme hos mennesker. Selvom dette væv er blevet godt undersøgt i små dyr, BATS termogeniske kapacitet i mennesker er stadig stort set ukendt fordi var vanskeligt at måle dens volumen, aktivitet og distribution. At identificere og kvantificere aktive menneskelige BAT er almindeligvis udføres ved hjælp af ¹⁸F-Fluorodeoxyglucose (¹⁸F-FDG) positron emissions tomografi og computertomografi (PET/CT) scanninger følger kolde-eksponering eller farmakologiske aktivering. Her beskriver vi en detaljeret billedanalyse tilgang for at kvantificere total-krop menneskelige BAT fra ¹⁸F-FDG PET/CT scanner bruger en open source software. Vi demonstrere tegning af bruger-specificeret regioner af interesse at identificere metabolisk aktive fedtvæv samtidig undgå fælles ikke-BAT væv, at foranstaltningen BAT volumen og aktivitet, og at yderligere karakterisere sin anatomiske distribution. Selv om denne strenghed er tidskrævende, mener vi, det vil i sidste ende giver et fundament for at udvikle fremtidige automatiseret BAT kvantificering algoritmer.

Introduction

Den stigende forekomst af fedme verdensomspændende¹ har bedt om en undersøgelse af roman therapeutics at forhindre og rette op på fedme og dens tilknyttede komplikationer. Fedme skyldes delvis overskydende energi lagret i hvidt fedtvæv (WAT) i form af triglycerider². Brunt fedtvæv (BAT) adskiller sig fra WAT især på grund af dets højere mitokondrie indhold, mindre og multilocular lipid dråber, forskellige anatomiske distribution, større sympatiske innervation og varme generere evne. Selvom BAT var engang troede at eksistere kun i små pattedyr og nyfødte spædbørn, blev tilstedeværelsen af funktionelle BAT bekræftet i voksne mennesker i 2009³^,⁴^,⁵. Menneskelige BAT termogeniske kapacitet er endnu ikke kendt, men omfattende undersøgelse i små dyr har vist, at ikke-rystede termogenese kan udgøre op til 60% af deres stofskifte under kolde-eksponering⁶. Som et resultat, er menneskelige BAT nu ved at blive undersøgt som et mål for behandling og forebyggelse af fedme og beslægtede lidelser⁷. Adskillige kliniske undersøgelser har vist, at BAT termogenese korrelerer med øget glukose optagelse og energi udgifter ved aktivering af mild koldt eksponering⁸^,⁹^,¹⁰. Endnu, BATS bidrag til kolde-induceret termogenese er fortsat kontroversielt¹¹^,¹²^,¹³^,¹⁴, med megen debat centreret omkring hvordan man kan kvantificere menneskelige BAT¹⁵. For bedre at forstå hvis BAT termogenese kan udnyttes til at bekæmpe fedme, er det afgørende at have en nøjagtig måling af dens volumen og metaboliske aktivitet.

At opnå præcise målinger af BAT er en udfordring på grund af BATS unikke anatomiske distribution hos mennesker. BAT er fordelt i de hvide fedt depoter i hals, brystkasse og underliv i websteder, der er utilgængelige for ukompliceret biopsier¹⁴. Obduktioner er blevet brugt til at karakterisere BAT anatomisk¹⁶, men er umuligt for de fleste forskning laboratorier gør store undersøgelser og kan ikke give længderetningen eller funktionelle oplysninger. Da BAT har en lignende tæthed til WAT og kan forekomme i smalle fascial lag eller i små lommer spækket med WAT¹⁶, er det vanskeligt at identificere ved hjælp af en enkelt, konventionelle imaging teknik. Denne forskelligartethed gør også automatisk kvantificering af BAT vanskeligere end kvantificering af homogene strukturer som den lever¹⁷.

For at overvinde disse udfordringer, er BAT volumen og aktivitet almindeligt kvantificeret ved at koble computertomografi (CT) og positron emission tomografi (PET). Radiolabeled glucose analog ¹⁸F-Fluourodeoxyglucose (¹⁸F-FDG) er den mest udbredte sporstof til at studere BAT metaboliske aktivitet¹⁸. Fedtvæv kan skelnes fra andre væv og luft baseret på tæthed oplysninger fra CT billede i Hounsfield enheder (HU). PET billeder viser mængden af ¹⁸F-FDG tages i et volumen af væv i enheder af standardiserede optagelse værdier (SUV). Aktive BAT kan adskilles fra væv med ubetydelige tracer udbredelse, herunder WAT og inaktive BAT, co registrerer PET billeder med tilsvarende CT-scanninger og at vælge en passende SUV tærskel.

Gennem dette papir tilstræber vi at give en trinvis fremgangsmåde med en instruktions video, der kan bruges af kliniske forskere til at kvantificere menneskelige BAT ved hjælp af ¹⁸F-FDG PET/CT-scanninger. Dette billede analyse teknik er ideelt anvendes efter fag har været udsat for kulde eller behandlet med farmakologiske BAT stimulanser. Specifikt, vise vi brugere om, hvordan at konstruere regioner af interesse (ROIs) samtidig minimere falske positiver ved hjælp af en gratis, open source billedbehandling software (ImageJ) med en særlig plug-in (petctviewer.org). Resultatet af denne tilgang kan bruges til at studere BAT volumen, aktivitet (glukoseoptagelse) og anatomiske distribution i individuelle undersøgelse emner.

Protocol

Alle PET/CT billeder vist i dette håndskrift var indhentet fra deltagere i National Institutes of Health protokol nr. 12-DK-0097 (ClinicalTrials.gov id NCT01568671). Alle deltagerne skriftlig informeret samtykke, og alle forsøg blev godkendt af det institutionelle Review Board af nationale Institut for Diabetes og Digestive og nyresygdomme.

1. Programinstallation

Download ImageJ fra imagej.net eller brug linket i petctviewer.org til at hente Fiji.
Bemærk: Den 64-bit version af ImageJ er nødvendig for sæt med over 1000 billeder.
Dataoverføre og andrage PET/CT Viewer Plug-in til ImageJ følge installationsvejledningen på petctviewer.org. Henvise til denne hjemmeside for en omfattende guide til PET/CT Viewer, og sørg for at tjekke for regelmæssige opdateringer til softwaren og link til generelle instruktioner (http://sourceforge.net/p/bifijiplugins/wiki/Brown%20fat%20Volume/).

2. ladning PET/CT billeder

Uploade de følgende tre stakke af billeder til PET/CT Viewer Plug-in: dæmpning korrigeret PET (CPet), ikke-dæmpning korrigeret PET (UPet) og dæmpning korrigeret CT (CT). Uploade billeder ved hjælp af en af to metoder (figur 1).
1. Metode 1: Træk og slip
  1. Træk-og-slip fra Stifinder CT, CPet og UPet filesets.
  2. Klik på "ja" på de tre prompter, der vises (åben alle X billeder i "mappe" som en stak), forlader afkrydsningsfelter i anvisningerne ukontrolleret.
  3. Når alle tre billede sæt er indlæst, gå til værktøjslinjen ImageJ, Vælg "plug-ins", og rul den henlægge-nede menu hen til sluttet "Pet-ct viewer".
2. Metode 2: Læs undersøgelser fra CD eller placering på disken:
  1. Tildele en lokationens navn til datasættet i fanen "Setup" Tildel et "DICOM-path" ved at klikke på "Gennemse" og navigere til en højtstående opbevaring omslag indeholdende alle billede sæt.
    Bemærk: DICOM (Digital Imaging and Communications in Medicine) er en filformat der almindeligvis anvendes til medicinske billeder og "DICOM-stien" henviser til det sæt af mapper, der indeholder alle rå DICOM-billeder.
  2. Vende tilbage til fanen "Læse" hvor individuelle scanninger (fra et emne og en dato) bliver valgbar til billedbehandling.
  3. Vælg emnet, tryk på "Læs", og ImageJ vil automatisk uploade alle tre tilhørende sæt og starte PET/CT-fremviseren.
Indlæse en tidligere foretaget sæt ROIs tilbage i PET/CT-fremviseren ved at klikke på knappen "load" på den "brun fedt, ROIs" editor.
Bemærk: ImageJ tillader kun en ROI .csv fil oprettet fra den aktuelle række CT, CPET og UPET billeder skal indlæses.

3. navigere PET/CT Viewer Plug-in

Vent til PET/CT-fremviseren vises efter lastning som et nyt vindue med tre separate visninger af PET/CT billeder, fremlægges enten individuelt eller smeltet.
1. Klik på knappen "MIP" øverst til venstre i PET/CT seeren til at erstatte en af de andre to vinduer med en smeltet PET/CT-Vis. Men hvis denne knap er kun klikket en enkelt gang, MIP vil ikke længere være tilgængelige.
  Bemærk: MIP eller maksimal intensitet projektion er en to-dimensionelle, fulde kropsbillede viser kun pixels med højeste intensitet i hver aksial skive.
2. Klik på knappen "MIP" igen at bringe tilbage mindsteimportprisen; udsigt over sammenvoksede PET/CT, CT og MIP bør nu være tilgængelig.
Skifte MIP billede orientering med den ">>", "F" og "S" knapper øverst på PET-CT-fremviseren.
Ændre retningen af PET, CT og sammenvokset PET/CT billeder til aksial, koronale, og sagittal fly med de tre knapper til venstre for Forstørrelsesglas.
Klik på forstørrelsesglas på værktøjslinjen øverst i PET-CT seeren at skifte funktion musens rullehjul.
1. Zoome ind på alle visninger (undtagen MIP) ved at rulle med forstørrelsesglasset valgt.
2. Navigere gennem skiver på alle visninger (undtagen MIP) ved at rulle når Forstørrelsesglas ikke er markeret.
  Bemærk: At klikke på MIP vil også ændre PET og CT skiver til den anatomiske placering på niveau med markøren.
Vælg "Rediger" øverst til venstre på værktøjslinjen og vælge "Brun fedtstoffet, ROIs" i rullemenuen, der vises. En ny dialogboks vises. Kontroller, at følgende indstillinger er valgt inden du starter kvantificering:
1. Check "Brug SUV" og "Brug CT" afkrydsningsfelter.
2. Vælg en af de tre voxel optagelse kriterier ("Nogen", "Gennemsnitlige" eller "Alle").
  Bemærk: "Nogen" blev brugt i Leitner et al. 2017¹⁹. For en detaljeret forklaring af andre muligheder, henvises til petctviewer.org.
3. Vælg "Indretning" at anvende BAT afsløring algoritme til at undersøge voxels inde (i stedet for uden for) området af ROI.
Input SUV grænser for BAT i den første række i fritekst felter af denne dialogboks.
1. Input en SUV nedre grænse normaliseret til enkeltperson målt eller forudsagte lean body mass og en øvre grænse, der er tilstrækkeligt til at imødekomme høje aktivitet niveauer¹⁹^,²⁰.
  Bemærk: BAT maksimal SUV'er så højt som ~ 75 g/mL er blevet rapporteret i tidligere undersøgelser¹⁷; 100 g/mL er således en rimelig øvre grænse.
Input BAT tæthed vifte i den anden række af fritekst felter.
Bemærk: En-300 HU nedre grænse og -10 HU øvre grænse blev brugt i Leitner et al. 2017¹⁹ og et interval fra-190 til-10 HU blev også tidligere anbefalet²¹.
Indskrive den checkhæfte placeret under "Vol * betyder" så at alle voxels anses for at være BAT bliver fremhævet med blåt, mens det "brune fedt, ROI" vinduet er åbent.
Bemærk: SUVmax vises med rødt og justerbar tallet ud for dette afkrydsningsfelt dikterer tykkelsen af højdepunktet.
Tegn ROIs
1. Klik på knappen "Draw" i den "brune fedt, ROI" dialogboksen. Alle klik inden for PET/CT Fremviserens vindue vil blive betragtet som punkter, der udgør ROIs.
  1. Klik et sted i en af de tre visninger til at begynde at tegne en ROI.
    Bemærk: Et minimum af tre punkter er forpligtet til at danne en ROI. Dobbeltklik på efter den første eller anden punkt automatisk slette punkterne og forlade ROI tegning tilstand.
  2. Lukke og gemme Investeringsafkastet ved at dobbeltklikke på efter definere mere end to punkter.
Kompilering ROIs at opnå samlede BAT volumen
1. Tegne ROIs i aksial flyet at opnå samlede BAT volumen.
  Bemærk: Det er nemmest at have højst en ROI pr. aksial skive. Herunder mere end én ROI pr. skive kan føre til utilsigtet overlapning. Voxels identificeret som BAT i overlappende områder vil derefter blive talt mere end én gang mod samlede BAT volumen.
2. Angiv start- og slutpunkt "skær grænse" til den samme skive, så ROI gælder kun til den aktuelle aksial Skive (f.eks. starter skive = 90 og slutter skive = 90).
3. Cirkel et depot af BAT (f.eks. i regionen venstre supraclavicular) uden at færdiggøre ROI. Fortsætte Investeringsafkastet ved at udvide en forbindende linje på tværs af kroppen til at fjerne segment af BAT. Vedlægge den anden BAT depot og dobbeltklik på den tidligere identificerede punkt i starten af 2^nd -regionen. Justere ROI point efter behov for yderligere at reducere muligheden for falske positiver.
4. Label ROI baseret på anatomiske niveauet for fremtidig reference bruger tekstfeltet nederst til venstre i dialogboksen.
Slette uønskede ROIs
1. Fjerne en uønsket ROI lige efter færdiggørelsen.
  1. Dobbeltklik på hvor som helst inden for PET/CT-fremviseren til at fuldføre den uønskede ROI.
  2. Klik på knappen med genanvendelse bin ikon i dialogboksen "Brun fedtstoffet, ROI".
  3. Klik på "ja" når du bliver spurgt om, hvorvidt brugeren ønsker at fjerne den nuværende ROI.
2. Slette en tidligere foretaget ROI.
  1. Vælg den ønskede Investeringsafkast med op eller ned-pilene ud for ROI.
  2. Klik på knappen genbrug.
    Bemærk: Når ROI er blevet slettet, de numre, der er forbundet med hver større end den slettede ROI Investeringsafkast derfor flytte i rækkefølge (f.eks. hvis ROI #2 er slettet, ROI #3 bliver #2, og ROI #4 vil blive #3 og så videre). Mærket ROIs gøre denne proces lettere.
Gemme ROIs
1. Klik på knappen "Gem" og angive et filnavn til at gemme udfyldte ROIs i en .csv-fil.
  Bemærk: Det anbefales at ROIs gemmes i intervaller af 10 skiver, så fremskridt ikke er tabt. .csv-filerne kan åbnes i en tekst editor eller regneark program og indeholder alle relevante data om identificerede BAT i hver ROI, herunder volumen, aktivitet, SUVmean, etc. ændring værdier i et regnearksprogram kan ændre filformat og gøre det ulæselig i ImageJ.

4. kvantificering af hele kroppen BAT

Brug disse generelle retningslinjer til at identificere BAT i alle regioner i kroppen.
1. Undgå sektioner af grænser op til væv med høj densitet eller aktivitet kontraster, som minut Co tilmeldingsproblemer kan indføre falske positiver.
  Bemærk: Husk på, at BAT depoter er ofte symmetriske, en egenskab, der vil støtte i visual BAT identifikation.
Brug unikke anatomiske landemærker som vertebrale form, andre benede strukturer og tilstedeværelsen af organer til at identificere den pågældende anatomiske region. Undgå region-specifikke strukturer kendt for at producere falske-positiver.
1. Identificere BAT i regionen livmoderhalskræft (ryghvirvler C3-C7).
  1. Navigere til den aksiale visning på den tredje halshvirvel (C3).
    Bemærk: C1-C2 regioner kan også indeholde BAT, men BAT opdagelse er tilbøjelige til at blive forvirret af høj optagelsen af FDG i hjernen og skeletmuskulatur.
  2. Begynde ROI på den laterale side af fedtvæv depot, undgå halsen musklerne omkring spinosus proces i ryghvirvel, og skabe en grænse lige posteriort for den nederste kant af mandiblen.
  3. Udelukke skjoldbruskkirtlen, som kan have lignende tæthed og aktivitetsniveau som BAT (figur 2A og 2B).
2. Identificere BAT i regionen dorsocervical (ryghvirvler C5-C7).
  1. Medtage dette lille, subkutane depot af BAT.
    Bemærk: Det vises symmetrisk i det subkutane fedt tilbage i nærheden af C5-C7, figur 2B.
  2. Omhyggeligt omfatte subkutane fedtvæv kun hvor metaboliske aktivitet forekommer.
3. Identificere BAT i regionen supraclavicular (ryghvirvler C7-T3; Foran rygsøjlen, posteriort for Mediastinum)
  1. Begynde tegne ROI ene mest overfladiske, tæt på den meget aktive BAT region.
    Bemærk: BAT kan udvide til området omkring lederen af humerus.
  2. Undgå området direkte over i luftrøret, som indeholder skjoldbruskkirtlen, og vedlægge ROI, således at falske positiver i nærheden af nakkemuskler og lunger er udelukket.
4. Identificere BAT i regionen aksillær (ryghvirvler T3-T7).
  1. Find aksillær BAT som en progression fra supraclavicular-regionen.
  2. Vælg BAT nær hvor armen begynder at adskille fra torso, men undgå ribbenene og lungerne.
    Bemærk: Disse fedt depoter vil i sidste ende overgang til subkutan WAT på linjen midaxillary.
5. Identificere BAT i regionen mediastinale (ryghvirvler T1-T7; Anterior):
  Bemærk: BAT kan ophobe sig rundt i sin helhed af brystbenet for nogle personer.
  1. Vælg BAT hvor brystbenet begynder at dukke op i begyndelsen af T2 nær regionen anterior-mest af den enkeltes brysthulen, og fortsætte ROIs inferiorly indtil udgangen af formet som et sværd proces.
6. Identificere BAT i regionen paraspinal (ryghvirvler T1-T12), ved at tegne ROIs omkring BAT omkring kroppen, ikke spinosus processen, af ryghvirvel.
  1. Begynde, herunder paraspinal BAT fra udseendet af det første ribben på den nederste kant af C7.
  2. Medtag ikke områder mellem ribben, hvor mellemsiddende muskler er lokaliseret.
7. Identificere BAT i bughulen (ringere end T12).
  1. Undgå urinledere, som har en lignende tæthed til BAT og meget højt aktivitetsniveau. (Figur 2D).
  2. Spore aktiv fedt direkte omkring nyrerne, indtil metaboliske aktivitet er ikke længere til stede.
  3. Justere abdominal ROIs i denne region for at udelukke urinlederne hvis SUVmax voxel vises i eller i nærheden af den mediale del af nyrerne.

5. kvalitetssikring

Undersøge mindsteimportprisen for nogen indlysende falske positiver, når ROIs har været henledt på alle aksiale skiver målt fra C3 ryghvirvler til omkring L3-4.
Sikre, at den røde SUVmax voxel i en region, der indeholder BAT, i stedet for strukturer såsom urinledere, som viser lignende tæthedsværdier BAT og meget høje værdier, SUV.
Gemme endelige .csv-filen når sikker på, at alle BAT er blevet identificeret og alle falske-positiver er blevet udelukket.

6. segmentering BAT i individuelle depoter

Bemærk: Følgende afsnit fokuserer kun på kvantificere regionale depoter af BAT¹⁷. Skridt er ikke nødvendigt at få hele kroppen BAT volumen og aktivitet.

Generere en BAT maske i den "brune fedt, ROI" editor (figur 1).
Bemærk: Masken er defineret som en folier PET billede indeholder kun SUV værdier for voxels bekræftet som BAT inden for ROIs skabt i løbet af de foregående trin af denne protokol. SUV værdien for alle andre voxels er angivet til 0.
1. Holde PET/CT Viewer åbent med alle identificerede BAT eller genåbne PET/CT Viewer fra "Plug-Ins" drop-down menuen og indlæse ROIs gemte ovenfor.
  1. Åbn de tre sæt af fagets scanning.
  2. Åben "Brun fedtstoffet, ROI" dialogboksen.
2. Vælg fanen "maske" og tryk "gøre maskerede PET".
3. Vente en ekstra boks hen til affyre oppe, med filnavn, der starten med "DUP_..."
4. Luk PET/CT Viewer, men forlader de individuelle bokse (med CT og PET scanninger) åbne, og derefter re-lukke op en ny PET/CT Fremviserens vindue.
5. Vælg følgende tre afkrydsningsfelter i dialogboksen, der vises: CT sæt, UPET sæt, og den seneste CPET sæt (dvs. CPET sat tættest på bunden af listen) - Dette er den fil, der indeholder den maske, der er genereret tidligere.
6. Ændre visningen af PET/CT-billederne til sagittal og begynde at tegne alle ROIs for hele regionen analyse start på den samme sagittal skive.
  Bemærk: MIP billede orientering ændres ikke. Den mest centrale Skive (dvs langs midten af ryggen) er også en god igangsætning placering.
7. Change skive begrænser til vifte fra Skive 1 til den sidste skive i scanningen ved at blive analyseret.
8. Uncheck tærsklen tæthed (HU) og ændre den nedre grænse for PET (SUV) tærsklen til 0,01 SUV at udelukke nogen ikke BAT voxels, som nu har en SUV værdien 0. Afkrydsningsfeltet ovenfor "Tegne næste"-knappen.
  1. Etiket regioner ved at skrive den ønskede etiket (fx "livmoderhalskræft", "supraclavicular", osv.) i tekstfeltet nederst til venstre i dialogboksen "Brun fedtstoffet, ROI".
Draw og etiket cervikal ROI (figur 3a) ved starten på toppen af C3 og udvide ROI til C7, tegne en streg under kroppen af C7 før du lukker ROI.
Draw og etiket supraclavicular ROI (figur 3b).
1. Begynde på C7, men ikke omfatter selve brysthvirvlernes tværtappe samtidig udvide ROI til T3, så udvide den venstre kant af ROI til toppen af manubrium af brystbenet.
2. Linje den højre kant af ROI med den forreste kant af kroppen af thorax ryghvirvler inkluderet i denne region.
Tegne og mærke den aksillær ROI (figur 3 c).
1. Begynde på T3, men ikke omfatter selve brysthvirvlernes tværtappe samtidig udvide ROI til T7, så udvide den venstre kant af Investeringsafkast fra kroppen af brystbenet.
2. Linje den højre kant af ROI med den forreste kant af kroppen af thorax ryghvirvler inkluderet i denne region.
Tegne og etiket mediastinale ROI (figur 3d) af omfatter hele brystbenet inden for en enkelt ROI.
Tegne og etiket Paraspinal ROI (figur 3e) starter ved T1, herunder alle thorax ryghvirvler (indtil T12) inden for ROI.
1. Linje den venstre kant af ROI med den forreste kant af kroppen af thorax-hvirvlerne.
  Udvide den højre kant af ROI, så alle BAT i regionen er inkluderet.
Tegne og mærke den abdominale ROI (figur 3f) ved starten på toppen af L1 og omfatter enhver BAT, der ikke var tegnede sig for i nogen af de andre tidligere regioner inden for abdominal ROI.
Draw og etiket dorsocervical ROI (figur 3 g).
1. Omfatte region af dorsale spæk i nærheden af livmoderhalskræft og top af regionen paraspinal; Dette er, hvor personens krop har gjort kontakt med scanning sengen.
Check "Vis alle" for at få vist ROIs i alle regioner til at line op alle ROIs at forhindre overlapning eller under forkalkulation.
1. Position omkredsen af tilstødende ROIs flugter med hinanden, således at ingen BAT er inkluderet i to regioner, og der ingen BAT mangler i alle regioner.
2. Observere MIP fra begge front og side synspunkter til at kontrollere, hvis alle skiver indgår i de afgrænsede områder. Kontrollere skive grænser, hvis der er områder, der ikke er fremhævet i blåt (trin 6.2.2).
Gem de endelige data til en ny .csv-fil. Denne fil vil indeholde regionale totaler eller gennemsnit for alle BAT parametre fra hver identificerede depot.

Representative Results

BAT er kvantificeret gennem en serie af post billede-erhvervelse behandlingstrin som vist i figur 1. PET og CT tærskler bruges til at identificere voxels, som er metabolisk aktive og har tæthed af fedtvæv. Men, nogle voxels opfylder disse kriterier kan opstå anatomiske steder ikke kan formodes at indeholde BAT. For at undgå disse falske positiver, PET, CT, og anatomiske oplysninger skal alle tages i betragtning ved udarbejdelsen ROIs (figur 2). Flere fælles områder omfatter og undgå når kvantificere hele kroppen BAT i kolde-stimuleret fag er vist i figur 2, såsom metabolisk aktive cervikal BAT vs spytkirtler, stemmebånd og skjoldbruskkirtlen (figur 2A og 2B); supraclavicular BAT vs rystede muskel nær grænserne af luft og solid vævet (fx mellemsiddende muskler) (figur 2 c); og abdominal BAT vs calyces af nyrerne som de klart mærket glukose (figur 2D). Efter ROI på hver aksial skive er kompileret, BAT depoter kan segmenteres i sagittale flyet at undersøge intra- / Inter individuelle forskelle i regionale BAT aktivering (figur 3).

Figur 1. Skematisk Flow af de billede behandlingstrin. Først, PET og tilsvarende CT billeder uploadet til PET/CT plug-in (A). Efter aksial ROIs er tegnet på hver PET/CT Skive (B), identificeres hver voxel opfylder kriterierne for både PET og CT blå (C). En maske er genereret fra disse BAT-identificerede voxels (D), som i stedet for den oprindelige korrigeret PET-scanning (E), og depoter er opdelt i den sagittal udsigt (F). Venligst klik her for at se en større version af dette tal.

Figur 2. Aksial BAT Region af interesse udvalg og fælles områder for at undgå i flere BAT depoter. Aksial skiver fra et sammenvokset PET/CT-billede (kolonne 1 og 2) og en maksimal intensitet projektion billede (MIP, kolonne 3) med grønne linjer til at betegne skive højde fra en scanning erhvervet efter kolde-stimulation. Grøn ROIs er drawnaround områder med fedtvæv tæthed, høj FDG optagelse og anatomiske steder, som formodes at indeholde aktive BAT i kolonne 1 og 2. Anatomiske områder usandsynligt at indeholde BAT er fremhævet med rødt i kolonne 2. Voxels opfylder kriterierne for BAT PET og CT er bekræftet af ImageJ og fremhævet med blåt. Eksempler er taget fra (A) forreste cervikal depotet, b cervikal depot på niveauet af skjoldbruskkirtlen, (C) Supraclavicular/aksillær depot i nærheden rystede skeletmuskulatur (dvs. Intercostals) og (D) den abdominale depot på niveauet af urinlederne af nyrerne. Venligst klik her for at se en større version af dette tal.

Figur 3. Regionale segmentering af syv BAT depoter i den Sagittal udsigt. Efter generation af en "BAT maske" billede, der indeholder kun PET voxels tidligere identificeret som aktive BAT, følgende regioner kan adskilles med ROIs trukket i sagittale flyet: (A) cervikal (C3-C7), (B) Supraclavicular (C7-T3, undtagen ryghvirvler), (C ) Aksillær (T3-T7, undtagen ryghvirvler), (D) Mediastinal (anterior mediastinum), (E) Paraspinal (T1-T12, fra den forreste kant af hvirvlerne at torntappene), (F) Abdominal (T12-L3, retroperitoneal) og (G) Dorsocervical (fedt depot adskilte og posterior til paraspinal depot. i nærheden af cervikal region). Det sammensatte billede med alle regioner vises i (H). Venligst klik her for at se en større version af dette tal.

Discussion

Siden bekræftelse af funktionelle BAT i voksne mennesker, har der været stor interesse i at forstå rollen af BAT i human fysiologi. Men fordi denne termogeniske væv findes ofte i smalle fascial fly, afbrudt i hvidt fedt, og de omkringliggende andre organer, det udfordrende for at kvantificere. I 2016, var en konsensus dokument udgivet af en International BAT ekspert panel med anbefalinger for rapportering relevante deltager specifikationer, kriterier for emnet forberedelse og en protokol for at erhverve PET/CT billeder²¹. Panelet også peget på behovet for mere ensartethed i behandlingen af PET/CT for BAT kvantificering, at bemærke, at metoder til at identificere BAT har varieret meget, og i de fleste tilfælde er kun begrænset detalje af BAT kvantificering procedure fastsat. Derfor, mens rapporter om inden for undersøgelse reproducerbarhed er høj²²^,²³^,²⁴, mærkbart forskellige BAT volumen og aktivitet er blevet rapporteret af grupper, der bruger forskellige kvantificering metoder, selv når deltagerne er af tilsvarende alder, køn og BMI²⁵^,²⁶. Disse uoverensstemmelser vanskeliggør sammenligne resultater og har ført til en kontrovers over mængden af BAT i den voksne menneskelige¹⁵.

En iboende begrænsning af PET/CT billedbehandling er inddragelse af voxels, der opfylder kriterier, både PET og CT men anatomiske steder, der svarer til strukturer end BAT. Perfekt samarbejde registrering af PET og CT-billeder er næsten umuligt på grund af forskelle i opløsning og emne bevægelse under scanninger. Som følge heraf er strukturer der grænser op til luft eller knogle og regioner af høj tracer optagelse ofte fejlagtigt identificeret som aktive BAT. For at begrænse inddragelse af falsk positive voxels, bør man anvende PET og CT kriterier kun inden for de ROIs, som brugerne konstruere. Men nuværende metoder til at kvantificere BAT med bruger-specificeret ROIs eller automatiseret analyser varierer i mængden af brugerinddragelse og viden de kræver. Vi har vist, at bruge en enkelt, to-dimensionelle brugerdefinerede koronale ROI anvendes på hele stakken af billeder kan være mere tilbøjelige til at herunder falsk positive områder¹⁹. Flere grupper har udviklet automatiserede metoder til at kvantificere BAT, der kan hurtigt behandle store datasæt uden meget brugerinput. Men disse metoder undlader enten at medtage alle potentielle BAT-holdige regioner, især i de lavere organ²⁷, eller pådrage sig relativt høje rater af falske positiver²⁸ og falske negativer²⁶. Da mængden af menneskelige BAT er generelt lav (< 600 mL, eller < 2% af den samlede kropsmasse), lille absolutte fejl i kvantificering kan føre til store relative forskelle.

Denne undersøgelse af tegning ROIs på hver aksial PET-CT skive strengere fremgangsmåden tillader detektering af BAT i smalle fascial lag samtidig mere tillid til at falske positiver er blevet udelukket. Dette giver en detaljeret kvantificering i hver enkelte, snarere end en binær vurdering af BATS tilstedeværelse eller fravær²⁹. Det kan derfor mere passende for kontrollerede eksperimenter i små stikprøver har til hensigt at studere BAT fysiologi og/eller effekter fra interventioner. Derudover kan evnen til at definere regionsspecifikke BAT depoter giver mere indblik i BATS funktionelle relevans og udviklingsmæssige oprindelse. Vi mener, at disse kvantitative foranstaltninger er vigtige ikke blot for sammenligning på tværs af feltet, men også bedre skøn BATS bidrag til energimetabolisme og termoregulering i voksne mennesker.

Flere anatomiske funktioner af BAT vil hjælpe brugerne med vores metode grænse optagelse af falsk positive voxels. BAT er typisk findes i kontinuerlig og symmetrisk fascial lag. Således, mens tegning og raffinering en ROI, undersøge de overlegne og underlegne aksial skiver for kontinuitet og symmetri af den markerede fedtvæv kan hjælpe brugere maksimere optagelsen af fedtvæv og minimere medtagelsen af skeletmuskulatur, ben og andre indlysende ikke-BAT strukturer. Aktive BAT er også sjældent findes i subkutan fedt depoter, så vi anbefaler brugere at undgå disse områder, når der opføres ROIs. Som det fremgår af protokollen, er BAT fordelt på flere forskellige anatomiske regioner, herunder den cervikale, dorsocervical, supraclavicular, aksil, mediastinale, paraspinal, og abdominale depoter. Disse depoter er fordelt sådan, at en aksial skive kan indeholde mere end BAT fra flere depoter. For eksempel kan en aksial skive i regionen thorax indeholder BAT fra mediastinale depot (proksimale og anterior), paraspinal depot (proksimale og posterior langs rygsøjlen) og aksillær depot (lateral og nær midten af antero posterior linje). Viden om disse depoter kan hjælpe brugerne oprette ROIs i forskellige områder af kroppen, eftersom de forekommer i pre beskrevne lokaliteter er stort set sammenhængende, som beskrevet i vores protokol. Men fordi vi opfordrer brugerne til at tegne kun én ROI pr. skive for at undgå ROI overlapning, de yderligere skridt til at skabe en BAT maske og trække sagittal ROIs er forpligtet til at adskille de tidligere identificerede BAT voxels i de forskellige regionale depoter, hvis oplysninger om BAT distribution ønskes, dvs. adskille mediastinale, paraspinal og aksil BAT opdaget i den samme aksiale ROI i depoter baseret på sagital placering (figur 3).

PET/CT viewer software kan også bruges til at kvantificere aktiviteten af væv end BAT, for eksempel rystede skeletmuskulatur, hvor også store spiller en rolle kold induceret termogenese¹⁹, eller forskellige områder i hjernen eller leveren, der har været foreslået som reference væv for PET/CT analyse²¹. Disse væv skal dog tætheder og anatomiske distributioner, der afviger fra BAT og er uden for fokus for vores nuværende protokol. Vi direkte læsere til konsensus dokument for større detalje på disse emner²¹. Endelig anbefaler vi alle brugere at løbende opdatere ImageJ og besøg petctviewer.org for plug-in-opdateringer og software bistand.

Selvom vi mener, at denne strenge metode er mere præcise end automatiserede metoder²⁶^,²⁸ og metoder, der bruger en forenklet, enkelt ROI for at anslå samlede BAT bind⁹^,³⁰, er det ikke uden begrænsninger. Der er ingen ideel metode til ikke-invasivt kvantificere BAT i mennesker, og ¹⁸F-FDG repræsenterer kun glukoseoptagelse, hvilket ikke er det samme som glukose metabolisme¹¹. Men selv om andre radioaktive sporstoffer har været brugt³¹^,³²^,³³, ¹⁸F-FDG er den mest fremtrædende tracer bruges til at studere menneskets BAT. Således fortsat udvikle standardiserede metoder til at analysere ¹⁸F-FDG PET/CT billeder vil være slagkraftige i studiet af menneskets BAT fysiologi for en overskuelig fremtid.

Den metode, vi foreslår, at skabe en ROI på hver BAT-holdige aksial skive samtidig undgå fælles problemområder, er arbejdsintensive og kræver, at brugeren har kendskab til underliggende anatomi. Det er også muligt, at den strenge ROI udvalg kan indføre falske negativer, da nogle BAT-holdige depoter kan undgås. Tegning ROIs på hver aksial skive af sammenvoksede PET/CT billedet giver mulighed for omhyggelig forskelsbehandling mellem fedtvæv og nærliggende metabolisk aktive væv og/eller regioner påvirket af spill over og delvis volumen effekter³⁴. Men den tid det tager for at fuldføre analyse af en enkelt scanning kan variere fra tre til otte timer, med mulighed for at forkorte tidsrammen med praksis og erfaring. Forskellige machine learning tilgange kan muligvis reducere arbejdskraft og ekspertise, der kræves for at udføre denne opgave. Men at skabe en mere automatiseret metode, der kan præcist afsløre BAT og er robust over for falske positiver lavet af aktuelle imaging begrænsninger vil kræve et stort datasæt med individer af varieret kropssammensætning og BAT distribution. Vi håber, at denne metode kan bruges til at producere en detaljeret BAT atlas, der kan fungere som en skabelon for mere sofistikerede big data tilgange.

Afslutningsvis vil vist vi en trinvis billede analyse tilgang for at kvantificere menneskelige brunt fedtvæv volumen, aktivitet og distribution ved hjælp af kold-induceret FDG PET/CT-scanninger. De kritiske trin omfatter 1) kontinuerligt og sekventielt analysere aksial ROIs og 2) vurdering af relevante BAT depoter af deres anatomiske placering samtidig undgå andre metabolisk aktive væv. Denne streng kvantificering tilgang kan bruges af efterforskere i feltet til at studere BAT fysiologi og tjene som reference standard for at udvikle automatiserede menneskelige BAT kvantitering tilgange i fremtiden.

Disclosures

Forfatterne har ikke noget at oplyse.

Acknowledgments

Vi vil gerne takke alle de undersøgelse frivillige, sygepleje og kliniske personale og diætister af NIH kliniske Center for deres deltagelse i vores kolde eksponeringsundersøgelser og behandling under en indlæggelse ophold. Vi vil også gerne takke Dr. Bill Dieckmann for alle hans bistand med erhvervelse og distribution af PET-CT billederne til vores undersøgelser. Dette arbejde blev støttet af murene Research Program af nationale Institut for Diabetes og Digestive og nyre sygdomme tilskud Z01 DK071014 (til K.Y.C.) og DK075116-02 (til A.M.C.).

Materials

Name	Company	Catalog Number	Comments
ImageJ/Fiji Software	ImageJ	https://imagej.net/Fiji/Downloads	Open Source Software

DOWNLOAD MATERIALS LIST

References

Bovet, P., Chiolero, A., Gedeon, J. Health effects of overweight and obesity in 195 countries. The New England Journal of Medicine. 377 (15), 1495-1496 (2017).
Maughan, R. Carbohydrate metabolism. Surgery (Oxford). 27 (1), 6-10 (2009).
Cypess, A. M., et al. Identification and importance of brown adipose tissue in adult humans. The New England Journal of Medicine. 360 (15), 1509-1517 (2009).
van Marken Lichtenbelt, W. D., et al. Cold-activated brown adipose tissue in healthy men. The New England Journal of Medicine. 360 (15), 1500-1508 (2009).
Virtanen, K. A., et al. Functional brown adipose tissue in healthy adults. The New England Journal of Medicine. 360 (15), 1518-1525 (2009).
Abreu-Vieira, G., Xiao, C., Gavrilova, O., Reitman, M. L. Integration of body temperature into the analysis of energy expenditure in the mouse. Molecular Metabolism. 4 (6), 461-470 (2015).
Cypess, A. M., Kahn, C. R. Brown fat as a therapy for obesity and diabetes. Current Opinion in Endocrinology, Diabetes, and Obesity. 17 (2), 143-149 (2010).
Orava, J., et al. Different metabolic responses of human brown adipose tissue to activation by cold and insulin. Cell Metabolism. 14 (2), 272-279 (2011).
Chen, K. Y., et al. Brown fat activation mediates cold-induced thermogenesis in adult humans in response to a mild decrease in ambient temperature. The Journal of Clinical Endocrinology and Metabolism. 98 (7), E1218-E1223 (2013).
Ouellet, V., et al. Brown adipose tissue oxidative metabolism contributes to energy expenditure during acute cold exposure in humans. The Journal of Clinical Investigation. 122 (2), 545-552 (2012).
Blondin, D. P., et al. Contributions of white and brown adipose tissues and skeletal muscles to acute cold-induced metabolic responses in healthy men. The Journal of Physiology. 593 (3), 701-714 (2015).
Ruiz, J. R., Martinez-Tellez, B., Sanchez-Delgado, G., Aguilera, C. M., Gil, A. Regulation of energy balance by brown adipose tissue: at least three potential roles for physical activity. British Journal of Sports Medicine. 49 (15), 972-973 (2015).
Bakker, L. E. H., et al. Brown adipose tissue volume in healthy lean south Asian adults compared with white Caucasians: a prospective, case-controlled observational study. The Lancet Diabetes & Endocrinology. 2 (3), 210-217 (2014).
Lee, P., et al. Temperature-acclimated brown adipose tissue modulates insulin sensitivity in humans. Diabetes. 63 (11), 3686-3698 (2014).
Jensen, M. D. Brown adipose tissue - not as hot as we thought. The Journal of Physiology. 593 (3), 489-490 (2015).
Heaton, J. M. The distribution of brown adipose tissue in the human. Journal of Anatomy. 112 (Pt 1), 35-39 (1972).
Chauvie, S., Bertone, E., Bergesio, F., Terulla, A., Botto, D., Cerello, P. Automatic liver detection and standardised uptake value evaluation in whole-body Positron Emission Tomography/Computed Tomography scans. Computer Methods and Programs in Biomedicine. , 47-52 (2018).
Chondronikola, M., Beeman, S. C., Wahl, R. L. Non-invasive methods for the assessment of brown adipose tissue in humans. The Journal of Physiology. 596 (3), 363-378 (2018).
Leitner, B. P., et al. Mapping of human brown adipose tissue in lean and obese young men. Proceedings of the National Academy of Sciences of the United States of America. 114 (32), 8649-8654 (2017).
Martinez-Tellez, B., et al. The impact of using BARCIST 1.0 criteria on quantification of BAT volume and activity in three independent cohorts of adults. Scientific Reports. 8 (1), 8567 (2018).
Chen, K. Y., et al. Brown Adipose Reporting Criteria in Imaging STudies (BARCIST 1.0): recommendations for standardized FDG-PET/CT experiments in humans. Cell Metabolism. 24 (2), 210-222 (2016).
Rasmussen, J. M., et al. Brown adipose tissue quantification in human neonates using water-fat separated MRI. PloS One. 8 (10), e77907 (2013).
Becker, A. S., et al. In-depth analysis of interreader agreement and accuracy in categorical assessment of brown adipose tissue in (18)FDG-PET/CT. European Journal of Radiology. 91 (18), 41-46 (2017).
Lee, Y. -H., Hsiao, H. -F., Yang, H. -T., Huang, S. -Y., Chan, W. P. Reproducibility and repeatability of computer tomography-based measurement of abdominal subcutaneous and visceral adipose tissues. Scientific Reports. 7, 40389 (2017).
Lundström, E., Strand, R., Johansson, L., Bergsten, P., Ahlström, H., Kullberg, J. Magnetic resonance imaging cooling-reheating protocol indicates decreased fat fraction via lipid consumption in suspected brown adipose tissue. PLOS One. 10 (4), e0126705 (2015).
Gifford, A., Towse, T. F., Walker, R. C., Avison, M. J., Welch, E. B. Human brown adipose tissue depots automatically segmented by positron emission tomography/computed tomography and registered magnetic resonance images. Journal of Visualized Experiments. (96), (2015).
Jones, T. A., et al. Brown fat depots in adult humans remain static in their locations on PET/CT despite changes in seasonality. Physiological Reports. 5 (11), (2017).
Ruth, M. R., Wellman, T., Mercier, G., Szabo, T., Apovian, C. M. An automated algorithm to identify and quantify brown adipose tissue in human 18F-FDG-PET/CT scans. Obesity (Silver Spring, Md). 21 (8), 1554-1560 (2013).
Hibi, M., et al. Brown adipose tissue is involved in diet-induced thermogenesis and whole-body fat utilization in healthy humans. International Journal of Obesity. 40 (2005), 1655-1661 (2005).
Hanssen, M. J. W., et al. Short-term cold acclimation recruits brown adipose tissue in obese humans. Diabetes. 65 (5), 1179-1189 (2016).
Muzik, O., Mangner, T. J., Leonard, W. R., Kumar, A., Janisse, J., Granneman, J. G. 15O PET measurement of blood flow and oxygen consumption in cold-activated human brown fat. Journal of Nuclear Medicine: Official Publication, Society of Nuclear Medicine. 54 (4), 523-531 (2013).
Blondin, D. P., et al. Inhibition of intracellular triglyceride lipolysis suppresses cold-induced brown adipose tissue metabolism and increases shivering in humans. Cell Metabolism. 25 (2), 438-447 (2017).
Admiraal, W. M., Holleman, F., Bahler, L., Soeters, M. R., Hoekstra, J. B., Verberne, H. J. Combining 123I-metaiodobenzylguanidine SPECT/CT and 18F-FDG PET/CT for the assessment of brown adipose tissue activity in humans during cold exposure. Journal of Nuclear Medicine: Official Publication, Society of Nuclear Medicine. 54 (2), 208-212 (2013).
Soret, M., Bacharach, S. L., Buvat, I. Partial-volume effect in PET tumor imaging. Journal of Nuclear Medicine: Official Publication, Society of Nuclear Medicine. 48 (6), 932-945 (2007).

Medicine

Hele kroppen og regionale kvantificering af aktive menneskelige brunt fedtvæv bruger ¹⁸F-FDG PET/CT

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Disclosures

Acknowledgments

Materials

References

Tags

Cite this Article

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Disclosures

Acknowledgments

Materials

References

Tags

Cite this Article

Get cutting-edge science videos from JoVE sent straight to your inbox every month.