Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Medicine
Click here for the English version

Medicine

Hele kroppen og regionale kvantifisering av aktiv person brune fettvev med 18F-FDG PET/CT

Published: April 1, 2019 doi: 10.3791/58469
Automatic Translation
1, 2, 1, 1, 3, 1, 1, 1, 1
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

Bruker gratis, åpen kildekode programvare, har vi utviklet en analytisk tilnærming for å kvantifisere totalt og regionale brun fettvev (BAT) volum og metabolsk aktivitet av BAT med 18F-FDG PET/CT.

Abstract

I endoterm dyr, er brun fettvev (BAT) aktivert for å produsere varme for å forsvare kroppstemperatur svar på kalde. BATS evne til å bruke energi har gjort det et mulig mål for romanen terapi for å bøte fedme og tilknyttede metabolske forstyrrelser hos mennesker. Selv om dette vevet har vært godt studert i små dyr, forblir BAT thermogenic kapasitet i mennesker hovedsakelig ukjent på grunn av vanskelighetene med å måle dens volum, aktivitet og distribusjon. Identifisere og kvantifisere aktive human BAT utføres vanligvis med 18F-Fluorodeoxyglucose (18F-FDG) fantes et positron utslipp tomografi og beregnede tomografi (PET/CT) skanner etter kald-eksponering eller farmakologiske aktivisering. Her beskriver vi en detaljert bilde-analyse tilnærming for å kvantifisere sum-kropp human BAT 18F-FDG PET/CT skanner bruker en åpen kildekode programvare. Vi viser tegningen av brukerdefinert regioner av interesse å identifisere metabolically aktiv fettvev mens du unngår vanlige ikke-BAT vev, måle BAT volum og aktivitet, og ytterligere karakterisere anatomiske distribusjon. Selv om denne strenge tilnærming er tidkrevende, tror vi det vil til slutt gi grunnlag for å utvikle fremtidige automatisert BAT kvantifisering algoritmer.

Introduction

Den økende utbredelsen av fedme verdensomspennende1 har bedt om en etterforskning romanen therapeutics å hindre og bøte fedme og dens tilknyttede komplikasjoner. Fedme skyldes delvis overflødig energi lagret i hvit fettvev (WAT) i form av triglyserider2. Brun fettvev (BAT) skiller seg fra WAT særlig på grunn av sin høyere mitokondrie innhold, mindre og multilocular lipid dråper, forskjellige anatomiske distribusjon, større sympatisk gir og varmegenererende evne. Selv om BAT en gang syntes eksisterer bare i små pattedyr og nyfødt spedbarn, ble tilstedeværelse av funksjonelle BAT bekreftet i voksne mennesker i 20093,4,5. Human BAT thermogenic kapasitet er ennå ikke kjent, men omfattende studie i små dyr har vist at ikke-skjelving termotilblivelsen kan utgjøre opptil 60% av metabolismen under kalde eksponering6. Som et resultat, blir human BAT nå undersøkt som et mål for behandling og forebygging av fedme og relaterte lidelser7. Flere kliniske studier har vist at BAT termotilblivelsen korrelerer med økt glukose opptak og energiforbruk ved aktivering av mild kulde eksponering8,9,10. Likevel, BATS bidrag til kalde-indusert termotilblivelsen restene kontroversielle11,12,13,14, med mye debatt sentrert rundt hvordan kvantifisere human BAT15. For bedre å forstå hvis BAT termotilblivelsen kan bli brukt til å bekjempe fedme, er det avgjørende å ha en nøyaktig måling av volum og metabolsk aktivitet.

Få nøyaktige mål av BAT er utfordrende på grunn av BAT unike anatomiske distribusjon i mennesker. BAT distribueres i de hvite adipose depoter i halsen, thorax og buk i områder som er utilgjengelige ukomplisert biopsier14. Obduksjoner har blitt brukt til å beskrive BAT anatomisk16, men det er umulig for de fleste forskning laboratorier gjør store studier og ikke oppgi langsgående eller funksjonelle. Siden BAT har en lignende tetthet Wat og kan oppstå i smale fascial lag eller i små lommer ispedd WAT16, er det vanskelig å identifisere ved hjelp av en enkelt, konvensjonelle tenkelig teknikk. Denne heterogene gjør også automatisk kvantifisering av BAT vanskeligere enn kvantifisering av homogene strukturer som de lever17.

For å overvinne disse utfordringene, er BAT volum og aktivitet vanligvis kvantifisert ved kobling beregnet tomografi (CT) og fantes et positron utslipp tomografi (PET). Den radiolabeled glukose analoge 18F-Fluourodeoxyglucose (18F-FDG) er de mest brukte tracer å studere BAT metabolsk aktivitet18. Fettvev kan være differensiert fra andre vev og luften basert på tetthet informasjon levert av CT-bilde i Hounsfield enheter (HU). PET bilder viser 18F-FDG tatt opp til et volum av vev i enheter av standardiserte opptak verdier (SUV). Aktive BAT kan skilles fra vev med ubetydelig tracer opptak, inkludert WAT og inaktive balltre, co registrerer PET bilder med tilsvarende CT skanner og velge en passende SUV terskel.

Gjennom dette papiret ønsker vi å gi en trinnvis tilnærming med en Instruksjonsvideo som kan brukes av kliniske forskere for å kvantifisere human BAT med 18F-FDG PET/CT skanner. Bildet analyse teknikken brukes ideelt etter emne (r) er utsatt for kulden eller behandlet med farmakologiske BAT sentralstimulerende midler. Spesielt, viser vi til brukere om hvordan områder av interesse (ROIs) samtidig minimere falske positiver bruke et gratis, åpen kildekode bildebehandling programvare (ImageJ) med en bestemt plug-in (petctviewer.org). Resultatet av denne tilnærmingen kan brukes å studere BAT volum, aktivitet (glukose opptak) og anatomisk distribusjon i personlige studien fag.

Protocol

Alle PET/CT-bilder vises i dette manuskriptet ble mottatt av deltakere i National Institutes of Health protokollen nr. 12-DK-0097 (ClinicalTrials.gov for NCT01568671). Alle deltakerne gitt skriftlig samtykke, og alle eksperimentene ble godkjent av institusjonelle gjennomgang styret av National Institute Diabetes og fordøyelsesenzymer og nyre sykdommer.

1. programvareinstallasjon

  1. Last ned ImageJ fra imagej.net eller bruke koblingen petctviewer.org laste ned Fiji.
    Merk: 64-bitersversjonen av ImageJ er nødvendig for sett med over 1000 bilder.
  2. Last ned og PET/CT Viewer Plug-in gjelder ImageJ følge installasjonsanvisningene på petctviewer.org. Se på dette nettstedet for en omfattende guide til PET/CT-visningen, og kontroller for regelmessige oppdateringer til programvaren og koblingen til generelle instruksjoner (http://sourceforge.net/p/bifijiplugins/wiki/Brown%20fat%20Volume/).

2. lasting PET/CT-bilder

  1. Laste opp følgende tre stabler av bilder til PET/CT Viewer Plug-in: demping korrigert PET (CPet), ikke-demping korrigert PET (UPet) og demping korrigert CT (CT). Last opp bilder ved hjelp av en av to metoder (figur 1).
    1. Metode 1: Dra og slipp
      1. Dra og slipp fra Utforsker CT, CPet og UPet filesets.
      2. Klikk "ja" på tre instruksjonene som vises (åpen alle X bilder i "mappe" som en stabel), forlater avmerkingsboksene i instruksjonene ukontrollert.
      3. Når alle tre image sett lastes, gå ImageJ verktøylinjen, velger du "plug-ins" og rull ned rullegardinmenyen til å velge "Pet-ct viewer".
    2. Metode 2: Les studier fra CD eller plassering på disken:
      1. Tilordne lokasjonsnavnet DataSet i kategorien "Setup" tilordner en "DICOM bane" ved å klikke "Søk" og navigere til et høyt nivå mappen som inneholder alle bilde sett.
        Merk: DICOM (Digital Imaging and Communications in Medicine) er et filformat som er brukt for medisinske bilder og den "DICOM banen" refererer til antall mapper som inneholder alle rå DICOM-bilder.
      2. Gå tilbake til kategorien "Lese" hvor personlige skanner (fra ett fag og én dato) vil bli valgbar for bildebehandling.
      3. Velg emnet, trykk "Lese" og ImageJ vil automatisk laste opp alle tre tilknyttede sett og starte PET/CT visningsprogrammet.
  2. Laste inn en tidligere utført sett med ROIs tilbake i PET/CT visningen ved å klikke på "Last" på "Brown fett, ROIs" editor.
    Merk: ImageJ kan bare en avkastning CSV-fil opprettet fra gjeldende sett med CT, CPET og UPET bilder lastes.

3. navigere PET/CT betrakteren Plug-in

  1. Vent for PET/CT betrakteren etter lasting et nytt vindu med tre separate visninger av PET/CT-bilder presentert enten individuelt eller smeltet.
    1. Klikk "MIP" øverst til venstre for PET/CT betrakteren til å erstatte ett av de andre to vinduene med smeltet PET/CT utsikt. Men, hvis denne knappen er bare en gang klikket, MIP vil ikke lenger være tilgjengelig.
      Merk: Den MIP eller maksimal intensitet projeksjon er en todimensjonal, full kroppsbilde viser bare bildepunktene med høyeste intensitet i hver aksial skive.
    2. Klikk "MIP" igjen for å bringe tilbake MIP; utsikt over den smeltet PET/CT CT og MIP skal nå være tilgjengelig.
  2. Bytte MIP bilderetningen med den ">>", "F", og "S" knappene på toppen av PET-CT betrakteren.
  3. Endre retningen av PET, CT og smeltet PET/CT-bilder til aksial, koronale eller sagittal fly ved hjelp av tre knappene til venstre for forstørrelsesglasset.
  4. Klikk på forstørrelsesglasset på verktøylinjen øverst i PET-CT betrakteren til å slå funksjonen av rullehjulet på musen.
    1. Zoom inn på alle visninger (unntatt MIP) ved å rulle med forstørrelsesglass merket.
    2. Navigere gjennom skiver på alle visninger (unntatt MIP) ved rulling når forstørrelsesglasset ikke er valgt.
      Merk: Å klikke på MIP vil også endre PET og CT skiver til anatomiske plasseringen på nivå med markøren.
  5. Velg "Rediger" øverst til venstre på verktøylinjen og velg "Brown fett, ROIs" fra rullegardinmenyen som vises. En ny dialogboks vises. Kontroller at følgende alternativer er valgt før du starter kvantifisering:
    1. Sjekk "Bruk SUV" og "Bruk CT" avmerkingsboksene.
    2. Velg ett av tre voxel inklusjonskriterier ("Noen", "Gjennomsnittlig" eller "Alle").
      Merk: "Noen" ble brukt i Leitner et al. 201719. For en detaljert forklaring av andre alternativer, se petctviewer.org.
    3. Velg "Interior" gjelder BAT algoritme for å undersøke voxels innsiden (snarere enn utenfor) området av Avkastningen.
  6. Inngang SUV grenser for BAT i den første raden av fritekst-dialogboksen.
    1. Inndata en SUV nedre grense normalisert til individuelle målt eller spådd lean body mass og en øvre grense tilstrekkelig å imøtekomme høy aktivitet nivåer19,20.
      Merk: BAT maksimal SUVer så høyt som ~ 75 g/mL er rapportert tidligere studier17; Dermed er 100 g/mL et rimelig øvre grense.
  7. Angi BAT tetthet området i den andre raden i fritekst-felt.
    Merk: En-300 HU nedre grense og -10 HU øvre grense ble brukt i Leitner et al. 201719 og området fra-190 til-10 HU ble også tidligere anbefalt21.
  8. Sjekk sjekkheftet ligger under "Vol * betyr" slik at alle voxels anses å være BAT vil bli markert i blue mens vinduet "brown fett, ROI" er åpen.
    Merk: SUVmax vises i rødt og justerbart tallet ved siden av denne avmerkingsboksen bestemmer tykkelsen på høydepunktet.
  9. Trekke ROIs
    1. Klikk "Draw" i "brown fett, ROI" dialogboksen. Alle klikk innen visningsvinduet PET/CT vil bli vurdert som utgjør ROIs.
      1. Klikk et sted i en av de tre visningene til å begynne å tegne en avkastning.
        Merk: Minimum tre poeng er pålagt å danne en avkastning. Dobbeltklikk etter første eller andre poenget å automatisk slette poeng og la ROI tegning-modus.
      2. Lukk og lagre Avkastningen ved å dobbeltklikke etter definere mer enn to poeng.
  10. Kompilering ROIs hente BAT totalvolum
    1. Tegne ROIs i aksial flyet å få BAT totalvolum.
      Merk: Det er lettest å ha maksimalt en avkastning per aksial skive. Inkludert flere avkastning per sektor kan føre til utilsiktet overlapper. Voxels identifisert som BAT i overlappende områder ville så telles flere ganger mot BAT totalvolum.
    2. Angi start- og "skjær grensen" til samme stykke, slik at Avkastningen gjelder bare gjeldende aksial sektoren (f.eks starter skive = 90 og slutter skive = 90).
    3. Sirkel en depot for BAT (f.eks i regionen venstre supraclavicular) uten å fullføre Avkastningen. Fortsette Avkastningen ved å utvide en koblingslinje over kroppen å fjerne segmentet av BAT. Omslutt andre BAT depot og dobbeltklikk på tidligere identifisert punkt ved starten av 2nd regionen. Juster ROI poeng som nødvendig å redusere muligheten for falske positiver.
    4. Etiketten avkastning basert på anatomiske nivået for fremtidig referanse bruke tekstboksen nederst til venstre på dialogboksen.
  11. Slette uønskede ROIs
    1. Fjerne en uønsket avkastning rett etter ferdigstillelse.
      1. Dobbeltklikk hvor som helst i PET/CT betrakteren til å fullføre uønskede Avkastningen.
      2. Klikker du med ikonet for resirkulering bin i dialogboksen "Brown fett, avkastning".
      3. Klikk "ja" når spørsmål hvorvidt brukeren ønsker å fjerne gjeldende Avkastningen.
    2. Slette en tidligere gjort avkastning.
      1. Velg ønskede Avkastningen bruke opp eller ned pilene ved siden av hvor Avkastningen.
      2. Velg knappen resirkulering.
        Merk: Når Avkastningen er slettet, tallene knyttet til hver avkastning større enn slettede avkastning vil derfor skifte i rekkefølge (f.eks hvis avkastning #2 slettes, ROI #3 blir #2, og Avkastningen #4 blir #3, og så videre). Merket ROIs gjøre denne prosessen enklere.
  12. Lagre ROIs
    1. Klikk "Lagre" og angi et filnavn for å lagre fullførte ROIs i en CSV-fil.
      Merk: Det anbefales at ROIs lagres i intervaller på 10 skiver slik at fremdriften ikke er tapt. CSV-filene kan åpnes i en tekst editor eller regneark program og inneholder alle relevante data om identifiserte BAT i hver ROI inkludert lydvolum, aktivitet, SUVmean, etc. endre verdier i et regnearkprogram kan endre filformatet og gjør det uleselig i ImageJ.

4. kvantifisering hele kroppen BAT

  1. Bruk følgende generelle retningslinjer for å identifisere BAT i alle regioner av kroppen.
    1. Unngå deler av grenser vev med høy tetthet eller aktivitet kontraster, som minutt co-registrering problemer kan introdusere falske positiver.
      Merk: Vær oppmerksom på at BAT depoter er ofte symmetriske, en egenskap som vil hjelpe i visuell BAT identifikasjon.
  2. Bruk unike anatomiske landemerker som ryggvirvel form, andre benete strukturer og tilstedeværelsen av organer for å identifisere gjeldende anatomiske område. Unngå regionspesifikke strukturer kjent for å produsere falske positiver.
    1. Identifisere BAT i regionen cervical (vertebrae C3-C7).
      1. Naviger til aksial visning på tredje cervical vertebra (C3).
        Merk: C1-C2 regioner kan også inneholde BAT, men BAT gjenkjenning er sannsynlig å bli tilbakevist av høy opptak av FDG i hjernen og skjelettlidelser muskel.
      2. Starte Avkastningen på den laterale siden av fettvev depot, unngå nakkemusklene rundt spinous prosessen på vertebra, og lage en kantlinje bare bakenfor nedre kant av mandible.
      3. Utelukke skjoldbruskkjertelen, som kan ha lignende tetthet og aktivitetsnivå som BAT (figur 2A og 2B).
    2. Identifisere BAT i regionen dorsocervical (Vertebrae C5-C7).
      1. Inkluder denne liten, subkutan depot for BAT.
        Merk: Det vises symmetrisk i subkutant fett tilbake i nærheten C5-C7, figur 2B.
      2. Nøye Inkluder subkutan fettvev bare der metabolsk aktivitet oppstår.
    3. Identifisere BAT i regionen supraclavicular (Vertebrae C7-T3; Fremre ryggraden, bakenfor brysthulen)
      1. Begynn å tegne ROI ene mest overfladiske, nær høyaktiv BAT regionen.
        Merk: BAT forlenge til området rundt hodet av humerus.
      2. Unngå området direkte over luftrøret, som inneholder skjoldbruskkjertelen, og omslutter Avkastningen slik at falske positiver nær nakkemusklene og lungene er utelukket.
    4. Identifisere BAT i regionen axillaris (Vertebrae T3-T7).
      1. Finne axillaris BAT som en progresjon fra regionen supraclavicular.
      2. Velg BAT nær der armen begynner å skille fra torso, men unngå ribbeina og lungene.
        Merk: Disse fett depoter vil senere overgang til subkutan WAT på aksillarlinje linjen.
    5. Identifisere BAT i mediastinal regionen (ryggvirvler T1-T7; Fremre):
      Merk: BAT kan samle rundt helheten av sternum for noen personer.
      1. Velg BAT der sternum begynner å vises i begynnelsen av T2 nær fremre mest regionen individuelle bryst hulrom, og fortsette ROIs inferiorly til slutten av xiphoid prosessen.
    6. Identifisere BAT i regionen paraspinal (ryggvirvler T1-T12), ved å tegne ROIs rundt BAT rundt kroppen, ikke spinous prosessen på vertebra.
      1. Begynne inkludert paraspinal BAT fra utseende av det første ribbenet på nedre kant av C7.
      2. Inkluder ikke områder mellom ribbeina, der interkostalrom musklene er lokalisert.
    7. Identifisere BAT i mageregionen (underlegen T12).
      1. Unngå urinlederne, som har en lignende tetthet BAT og svært høyt aktivitetsnivå. (Figur 2D).
      2. Spore aktive fett direkte rundt nyrene, til metabolsk aktivitet finnes ikke lenger.
      3. Justere abdominal ROIs i denne regionen for å utelate urinlederne hvis SUVmax voxel vises i eller nær den mediale delen av nyrene.

5. kvalitetssikring

  1. Undersøke MIP for noen åpenbart falske positive når ROIs har blitt tegnet på alle aksial skiver målt fra C3 ryggvirvlene å rundt L3-4.
  2. Kontroller at den røde SUVmax voxel er i et område som inneholder balltre, i stedet for strukturer som urinlederne, som viser lignende tetthet BAT og svært høy SUV verdier.
  3. Lagre siste CSV-filen når at alle BAT er identifisert og alle falske positiver er utelatt.

6. segmentering BAT til individuelle depoter

Merk: Nedenfor er fokusert på kvantifisere regionale depoter BAT17. Trinnene er ikke nødvendig å få hele kroppen BAT volum og aktivitet.

  1. Generere en BAT maske i redigeringsprogrammet "brown fett, ROI" (figur 1).
    Merk: Masken er definert som en Spartments PET bildet inneholder bare SUV verdier for voxels bekreftet som BAT innenfor ROIs opprettet i de forrige trinnene i denne protokollen. SUV verdien for alle andre voxels settes til 0.
    1. Holde PET/CT Viewer åpen med alle identifiserte BAT eller åpne PET/CT Viewer fra rullegardinmenyen "Plug-Ins" og laste ROIs lagret over.
      1. Åpne de tre settene med emnet skanning.
      2. Åpne "brown fett, ROI"-dialogboksen.
    2. Velg kategorien "maske" og trykk "Gjøre maskert PET".
    3. Vente på en ekstra boks i dukker opp, med den filnavn som begynnelsen med "DUP_..."
    4. Lukk PET/CT Viewer, men la boksene (med CT og PET-skanner) åpne, og åpne en ny PET/CT Viewer-vinduet på nytt.
    5. Merk av i følgende tre boksene i dialogboksen som vises: hvilke CT UPET satt, og den siste CPET angitt (dvs. CPET ligger nærmest til bunnen av listen) - Dette er filen som inneholder masken generert tidligere.
    6. Endre visningen av PET/CT-bildene til sagittal og begynner å trekke alle ROIs regionsomfattende analyse start på samme sagittal skive.
      Merk: Bilderetningen MIP endres ikke. Den mest sentrale sektoren (dvs. langs midten av ryggraden) er også en god posisjon.
    7. Endre skive begrenser området fra skive 1 til siste sektor i søket blir analysert.
    8. Fjern terskelen tetthet (HU) og endre den nedre grensen for PET (SUV) terskelen til 0,01 SUV å utelukke eventuelle ikke-BAT voxels, som nå har en SUV verdien 0. Sjekk boksen over "Tegne neste"-knappen.
      1. Etiketten regioner ved å skrive inn ønsket etiketten (f.eks "cervical", "supraclavicular", etc.) i tekstfeltet nederst til venstre i dialogboksen "Brown fett, ROI".
  2. Tegn og etiketten cervical Avkastningen (figur 3a) ved begynnelsen på toppen av C3 og utvide Avkastningen til C7, tegne en linje under selve C7 før du lukker Avkastningen.
  3. Tegn og etiketten supraclavicular ROI (figur 3b).
    1. Start C7, men ikke inkludere kroppen av thorax ryggvirvlene utvide Avkastningen til T3, og deretter utvide venstre kantlinje ROI til toppen av manubrium av sternum.
    2. Justere høyre kant av Avkastningen med den fremre kanten av kroppen av thorax ryggvirvlene inkludert i denne regionen.
  4. Tegn og etiketten axillaris Avkastningen (Figur 3 c).
    1. Start T3, men ikke inkludere kroppen av thorax vertebrae utvide Avkastningen til T7, og deretter utvide den venstre kanten av Avkastningen av kroppen av sternum.
    2. Langs høyre kant av Avkastningen med den fremre kanten av kroppen av thorax ryggvirvlene inkludert i denne regionen.
  5. Tegn og merke mediastinal Avkastningen (figur 3d) ved omfatter hele sternum innenfor en enkelt avkastning.
  6. Tegn og gi Paraspinal ROI (figur 3e) begynner på T1, inkludert alle thorax ryggvirvlene (til T12) innen Avkastningen.
    1. Langs venstre kant av Avkastningen med den fremre kanten av kroppen av thorax ryggvirvlene.
      Utvide høyre kant av Avkastningen slik at alle BAT i regionen er inkludert.
  7. Tegne og merke Abdominal Avkastningen (figur 3f) ved begynnelsen på toppen av L1 og inkluderer noen BAT som ikke var regnskapsført i noen av de andre tidligere regionene i abdominal Avkastningen.
  8. Tegn og etiketten dorsocervical ROI (Figur 3 g).
    1. Inkluder regionen dorsal subkutant fett cervical og toppen av den paraspinal regionen. Dette er hvor emnet kroppen har gjort kontakt med skanning seng.
  9. Sjekk "Vis alt" vise ROIs for alle regioner til alle ROIs å forhindre overlappende eller under estimering.
    1. Plasseringen omkretsen av tilstøtende ROIs flush med hverandre, slik at ingen balltre inngår i to områder, og at ingen balltre mangler i alle regioner.
    2. Observere MIP fra både front- og utsikt å sjekk hvis alle skiver inkluderes i regionene kodedel. Sjekk skive grensene hvis det er områder som ikke er uthevet i blått (trinn 6.2.2).
  10. Lagre de endelige dataene i en ny CSV-fil. Denne filen inneholder regionale Summer eller gjennomsnitt for alle BAT parametere fra hver identifisert depot.

Representative Results

BAT er kvantifisert gjennom en rekke innlegg bildeopptak behandlingstrinnene som vist i figur 1. PET og CT terskler brukes til å identifisere voxels som er metabolically aktiv og har tettheten av fettvev. Noen voxels møte disse kriteriene kan imidlertid oppstå anatomiske steder ikke sannsynlig å inneholde BAT. For å unngå disse falske positiver, PET, CT, og anatomisk informasjon må alle tas i betraktning når du tegner ROIs (figur 2). Flere felles områder inkluderer og unngå når kvantifisere hele kroppen BAT i kalde-stimulert fag er vist i figur 2, som metabolically aktiv cervical BAT vs spyttkjertler, vokal akkorder og skjoldbruskkjertelen (figur 2A og 2B); supraclavicular BAT vs skjelving muskel nær grensene av luft og solid vev (f.eks interkostalrom musklene) (figur 2C); og abdominal BAT vs calyces av nyrer siden de merkes glukose (figur 2D). Etter at Avkastningens hver aksial sektoren er kompilert, BAT depoter kan segmenteres i sagittal flyet undersøke intra- / mellom individuelle forskjeller i regionale BAT Aktivisering (Figur 3).

Figure 1
Figur 1. Skjematisk flyten av bildet behandlingstrinnene. Først PET bilder og tilsvarende CT-bildene er lastet opp til PET/CT plug-in (A). Når aksial ROIs er tegnet på hver PET/CT SKIVE (B), identifiseres hver voxel møte både PET og CT blått (C). En maske er generert fra disse BAT-identifisert voxels (D), som erstattet den opprinnelige korrigert PET scan (E), og depoter er segmentert i visningen sagittal (F). Klikk her for å se en større versjon av dette tallet.

Figure 2
Figur 2. Aksial BAT regionen steder utvalg og felles områder for å unngå i flere BAT depoter. Aksial skiver fra en smeltet PET/CT-bilde (kolonne 1 og 2) og en maksimal intensitet projeksjon image (MIP, kolonne 3) med grønne linjene betegne skive høyde fra en skanning ervervet etter kald-stimulering. Green ROIs er drawnaround områder med fettvev tetthet, høy FDG opptak og anatomisk plasseringer inneholder aktive BAT i kolonne 1 og 2. Anatomisk områder neppe inneholde BAT er markert med rødt i kolonne 2. Voxels oppfyller kriteriet BAT PET og CT er bekreftet av ImageJ og uthevet i blått. Eksempler er Hentet fra (A) fremre cervical depot, (B) cervical depot på nivået av skjoldbruskkjertelen, (C) Supraclavicular/aksillær depot i nærheten skjelving Skjelettmuskel (dvs. Intercostals) og (D) Abdominal depot på nivået av urinlederne av nyrene. Klikk her for å se en større versjon av dette tallet.

Figure 3
Figur 3. Regionale segmentering av syv BAT depoter i visningen Sagittal. Etter generasjonen av en "BAT maske" bilde som inneholder bare PET voxels tidligere identifisert som aktive balltre, følgende områder kan skilles med ROIs i sagittal flyet: (A) Cervical (C3-C7), (B) Supraclavicular (C7-T3, unntatt vertebrae), (C ) Aksillær (T3-T7, unntatt vertebrae), (D) Mediastinal (anterior brysthulen), (E) Paraspinal (T1-T12, fra den fremre kanten av ryggvirvlene å spinous prosesser), (F) magesmerter (T12-L3, retroperitoneal) og (G) Dorsocervical (fett depot distinkte og bakenfor paraspinal depot; i nærheten av cervical regionen). Det sammensatte bildet med alle regioner vises i (H). Klikk her for å se en større versjon av dette tallet.

Discussion

Siden bekreftelse på funksjonell BAT i voksne, har det vært stor interesse i forståelsen av BAT i menneskelige fysiologi. Men fordi dette thermogenic vevet er ofte funnet i smale fascial flyene, ispedd i hvite fett og rundt andre organer, det er utfordrende for å kvantifisere. I 2016 publisert et konsensus dokument av en internasjonal BAT ekspert panel med anbefalinger for rapportering relevante deltaker egenskapene, kriterier for emnet forberedelse og en protokoll for å skaffe PET/CT bilder21. Panelet også identifisert behovet for mer konsistens i behandling av PET/CT for BAT kvantifisering, bemerker at metoder for å identifisere BAT har variert mye og i de fleste tilfeller er bare begrenset detalj av BAT kvantifisering prosedyren gitt. Derfor, mens rapporter om i studien reproduserbarhet høy22,23,24, merkbart forskjellige BAT volum og aktivitet har rapportert grupper med forskjellige kvantifisering metoder selv når deltakerne er av samme alder, kjønn og BMI25,26. Disse inkonsekvensene gjøre sammenligne resultatene vanskelig, og har ført til en kontrovers over mengden BAT i voksen menneskelige15.

En iboende begrensning av PET/CT bildebehandling er inkluderingen av voxels som oppfyller både PET og CT men er anatomisk steder som tilsvarer strukturer enn BAT. Perfekt co-registrering av PET og CT bilder er nesten umulig på grunn av forskjeller i oppløsning og emnet bevegelse under skanner. Som en konsekvens, er strukturer grenser luft eller bein og regioner i høy tracer opptak ofte feilaktig identifisert som aktive BAT. For å begrense inkludering av falske positive voxels, bør en bruke PET og CT kriterier innenfor ROIs som brukere konstruere. Men dagens tilnærminger å kvantifisere BAT med brukerdefinert ROIs eller automatisert analyser varierer i brukeren og kunnskap som de krever. Vi har vist at bruker en enkelt, todimensjonal brukerdefinerte Koronal avkastning brukes hele bunken med bilder kan være mer utsatt for inkludert falske positive områder19. Flere grupper har utviklet automatiserte metoder for å kvantifisere BAT som kan raskt håndtere store datasett uten mye brukerinndata. Men metodene enten ikke ta alle potensielle BAT inneholder regioner, spesielt i de lavere kropp27, eller pådra seg forholdsvis høye tall for falske positiver28 og falske negativer26. Siden volumet av human BAT er generelt lavt (< 600 mL, eller < 2% av total body mass), små absolutt feil i kvantifisering kan føre til store relative forskjeller.

Strengere tilnærming beskrevet av denne studien på tegningen ROIs hver aksial PET-CT skive gjør påvisning av BAT i smale fascial lag samtidig som det gir mer tillit at falske positiver er utelatt. Dette gir en detaljert kvantifisering i hver egen, i stedet for en binær vurdering av BAT tilstedeværelse eller fravær29. Derfor kan det være mer egnet for kontrollerte forsøk i små utvalgsstørrelser som skal studere BAT fysiologi og/eller effekter fra intervensjoner. Videre, muligheten til å definere regionspesifikke BAT depoter kan gi mer innsikt i BAT funksjonell relevans og utviklingsmessige opprinnelse. Vi tror disse kvantitative tiltak er viktig ikke bare for sammenligning i feltet, men også å bedre estimat BAT bidrag til energi metabolisme og thermoregulation hos voksne mennesker.

Flere anatomiske funksjoner i BAT vil hjelpe brukerne av våre metoden grense inkludering av falsk positiv voxels. BAT finner du vanligvis i kontinuerlig og symmetrisk fascial lag. Dermed tegning og raffinering en avkastning, kan undersøke og nedsenkede aksial sektorene for kontinuitet og symmetri av valgte fettvev hjelpe brukere å maksimere inkludering av fettvev samtidig som inkludering av skjelettlidelser muskler, bein og andre åpenbart ikke-BAT strukturer. Aktive BAT finnes også sjelden i subcutaneous adipose depoter, så vi anbefaler brukere å unngå disse områdene når du konstruere ROIs. Som nevnt i protokollen, er BAT fordelt på flere forskjellige anatomiske regioner, inkludert livmorhalsen, dorsocervical, supraclavicular, aksillær, mediastinal, paraspinal og abdominal depoter. Disse depoter er fordelt slik at en aksial skjær kan inneholde mer enn BAT fra flere depoter. For eksempel kan en aksial skive i regionen thorax inneholde BAT fra mediastinal depot (proksimale og fremre), paraspinal depot (proksimale og bakre, langs ryggraden) og axillaris depot (laterale og nær midten av antero bakre linjen). Kunnskap om disse depoter kan hjelpe brukerne opprette ROIs i ulike områder av kroppen, siden de forekommer i pre beskrevet steder er i stor grad sammenhengende, som beskrevet i våre protokollen. Men fordi vi oppfordrer brukere å trekke eneste avkastning per stykke for å unngå ROI overlapping, forholdsregler genererer en BAT maske og tegning sagittal ROIs er nødvendig å skille tidligere identifisert BAT voxels i de distinkte regionale depoter hvis informasjon om BAT distribusjon er ønsket, dvs. skille mediastinal, paraspinal og aksillær BAT oppdaget i samme aksial Avkastningen til depoter basert på sagital plassering (Figur 3).

PET/CT seer programvare kan også brukes til å kvantifisere aktiviteten til vev enn balltre, for eksempel skjelving skjelettmuskulatur, som også store spiller en rolle kald indusert termotilblivelsen19, eller ulike områder av hjernen eller leveren som er foreslått referanse vev for PET/CT analyse21. Disse vevsprøvene vil imidlertid ha tettheter og anatomisk distribusjoner som avviker fra BAT og utenfor fokus for vår nåværende protokollen. Vi henvise leserne til konsensus dokumentet for nærmere på disse fagene21. Til slutt, vi anbefaler alle brukere kontinuerlig oppdatere ImageJ og besøke petctviewer.org for Plug-in oppdateringer og programvarehjelp.

Selv om vi mener at denne strenge metoden er mer presis enn automatiserte metoder26,28 og metoder som bruker en forenklet, enkelt avkastning til å beregne totale BAT volum9,30, er det ikke uten begrensninger. Det finnes ingen ideelle metode ikke-invasively kvantifisere BAT hos mennesker, og 18F-FDG representerer bare glukose opptak, som ikke er det samme som glukose metabolisme11. Men selv om andre radioaktivt tracers har vært brukte31,32,33, er 18F-FDG de mest fremtredende tracer brukes til å studere human BAT. Dermed vil utvikle standardiserte metoder for å analysere 18F-FDG PET/CT-bildene fortsette å være slagkraftige i studiet av menneskelig BAT fysiologi i overskuelig fremtid.

Metoden vi foreslår å lage en avkastning på hver BAT inneholder aksial skive mens du unngår vanlige problemområder, er arbeidsintensiv og krever at brukeren har kjennskap til underliggende anatomi. Det er også mulig at strenge ROI utvalget kan introdusere feilaktige negativer, siden noen BAT inneholder depoter kan unngås. Tegning ROIs på hver aksial stykke smeltet PET/CT bildet gir forsiktig diskriminering mellom fettvev og nærliggende metabolically aktivt vev og/eller regioner påvirket av utslipp og delvis volum effekter34. Men kan tiden det tar for å fullføre analyse av et enkelt søk variere fra tre å åtte timene, med mulighet for kortere tidsramme med praksis og erfaring. Ulike maskinlæring tilnærminger kunne redusere arbeidskraft og ekspertisen som kreves for å utføre denne oppgaven. Men vil å skape en mer automatisert metode som kan nøyaktig oppdage BAT og er robust til falske positiver opprettet av nåværende tenkelig begrensninger kreve store datasett med enkeltpersoner variert kroppssammensetning og BAT distribusjon. Vi håper at denne metoden kan brukes til å produsere en detaljert BAT atlas som kan tjene som en mal for mer avanserte store data tilnærminger.

Avslutningsvis viste vi en trinnvis bildet analyse tilnærming for å kvantifisere menneskelige brun fettvev volum, aktivitet og distribusjon med kalde-indusert FDG PET/CT skanner. Kritisk trinnene inkluderer 1) kontinuerlig og sekvensielt analyse aksial ROIs og 2) vurdere aktuelle BAT depoter etter anatomiske plassering og unngå andre metabolsk aktive vev. Denne strenge kvantifisering kan brukes av etterforskere i feltet å studere BAT fysiologi og tjene som referanse standard for å utvikle automatiserte human BAT kvantifisering metoder i fremtiden.

Disclosures

Forfatterne ikke avsløre.

Acknowledgments

Vi ønsker å takke alle de studie frivillige, sykepleie og kliniske personalet, og dieticians ved NIH kliniske senter for deres deltakelse i våre kalde eksponering studier og omsorg gitt under institusjon forblir. Vi vil også gjerne takke Dr. Bill Dieckmann for alle hans hjelp med oppkjøp og distribusjon av PET-CT-bilder for våre studier. Dette arbeidet ble støttet av Intramural forskningsprogram av National Institute Diabetes og fordøyelsesenzymer og nyre sykdommer tilskudd 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

  1. 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).
  2. Maughan, R. Carbohydrate metabolism. Surgery (Oxford). 27 (1), 6-10 (2009).
  3. 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).
  4. 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).
  5. Virtanen, K. A., et al. Functional brown adipose tissue in healthy adults. The New England Journal of Medicine. 360 (15), 1518-1525 (2009).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. Lee, P., et al. Temperature-acclimated brown adipose tissue modulates insulin sensitivity in humans. Diabetes. 63 (11), 3686-3698 (2014).
  15. Jensen, M. D. Brown adipose tissue - not as hot as we thought. The Journal of Physiology. 593 (3), 489-490 (2015).
  16. Heaton, J. M. The distribution of brown adipose tissue in the human. Journal of Anatomy. 112 (Pt 1), 35-39 (1972).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. 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).
  22. Rasmussen, J. M., et al. Brown adipose tissue quantification in human neonates using water-fat separated MRI. PloS One. 8 (10), e77907 (2013).
  23. 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).
  24. 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).
  25. 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).
  26. 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).
  27. 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).
  28. 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).
  29. 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).
  30. Hanssen, M. J. W., et al. Short-term cold acclimation recruits brown adipose tissue in obese humans. Diabetes. 65 (5), 1179-1189 (2016).
  31. 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).
  32. 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).
  33. 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).
  34. 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).

Tags

Medisin problemet 146 brun fettvev kald-aktivisering voksen human fluorodeoxyglucose fantes et positron utslipp tomografi beregnede tomografi fedme thermoregulation
Hele kroppen og regionale kvantifisering av aktiv person brune fettvev med <sup>18</sup>F-FDG PET/CT
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Kim, K., Huang, S., Fletcher, L. A., … More

Kim, K., Huang, S., Fletcher, L. A., O'Mara, A. E., Tal, I., Brychta, R. J., Cypess, A. M., Chen, K. Y., Leitner, B. P. Whole Body and Regional Quantification of Active Human Brown Adipose Tissue Using 18F-FDG PET/CT. J. Vis. Exp. (146), e58469, doi:10.3791/58469 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

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

Waiting X
Simple Hit Counter