Curva de actividad-tiempo

En imagenología médica , una curva de actividad-tiempo es una curva de radiactividad (en términos de concentración) representada en el eje Y frente al tiempo representado en el eje X. Muestra la concentración de un radiotrazador dentro de una región de interés en una imagen, medida a lo largo del tiempo mediante una exploración dinámica. Generalmente, cuando se obtiene una curva de actividad-tiempo dentro de un tejido, se denomina curva de actividad-tiempo tisular, que representa la concentración del trazador dentro de una región de interés dentro del tejido a lo largo del tiempo.

El análisis cinético moderno se realiza en diversas técnicas de imagen médica, que requieren una curva de actividad-tiempo del tejido como uno de los datos de entrada del modelo matemático, por ejemplo, en la tomografía por emisión de positrones (PET) dinámica, la tomografía computarizada (TC) de perfusión o la resonancia magnética con contraste dinámico (DCE-MRI) mediante una exploración dinámica. Una exploración dinámica es aquella en la que se adquieren repetidamente imágenes bidimensionales (2D) o tridimensionales (3D) durante un período de tiempo, formando una serie temporal de conjuntos de datos de imágenes 2D/3D. Por ejemplo, una resonancia magnética con contraste dinámico adquirida durante diez minutos contiene fotogramas cortos de 30 segundos de duración para capturar la rápida dinámica del trazador de gadolinio. Cada punto de datos en la curva de actividad-tiempo representa una medición de la concentración del trazador en la región segmentada en cada uno de estos fotogramas adquiridos a lo largo del tiempo.

Las curvas de actividad temporal se obtienen mediante el análisis de regiones de interés. Este análisis restringe los datos de la imagen a una región específica donde se pueden realizar mediciones, por ejemplo, las vértebras lumbares o el cuello femoral. Los píxeles de la imagen dentro de esa región marcada se replican en todos los fotogramas del escaneo dinámico, y se grafica el valor promedio de cada píxel en función del tiempo en que se obtuvieron dichos fotogramas.

El concepto se explica con el siguiente ejemplo. Consideremos una imagen dinámica donde cada tabla representa una imagen, obtenida en diferentes momentos, digamos en los tiempos t=1 s, t=2 s, t=3 s, t=4 s, t=5 s y t=6 s. En esta imagen, supongamos que cada vóxel muestra la concentración del trazador en unidades de Bq por ml. Ahora, supongamos que nuestra región objetivo dentro de cada imagen son solo los cuatro vóxeles centrales. Primero, se identifican los cuatro píxeles centrales en cada imagen, que es nuestra región de interés, luego se toma un promedio para cada fotograma.

t=1 seg........... t=2 seg............t=3 seg............t=4 seg............t=5 seg............t=6 seg

En este ejemplo, tendríamos un valor promedio de 2 para el primer fotograma en t=1, 3 para el segundo fotograma en t=2, 4 para el tercer fotograma en t=3, 6 para el cuarto fotograma en t=4, 4 para el quinto fotograma en t=5 y 3 para el sexto fotograma en t=6. Ahora, estos valores se pueden representar en un gráfico, donde el tiempo está en el eje x y los valores de concentración promedio en el eje y. El gráfico se verá de la siguiente manera (suponiendo que los valores de los píxeles en la imagen serán 0 en t=0):

La región de interés (los cuatro píxeles centrales en los ejemplos anteriores) se puede identificar mediante métodos manuales, ^{[ 1 ]} semiautomáticos ^{[ 2 ]} o automáticos ^{[ 3 ]} . La definición manual de la región de interés requiere que el usuario dibuje un contorno arbitrario alrededor de la región objetivo, lo cual es subjetivo. El contorno se puede marcar con puntos o líneas de diferentes grosores. La selección también se puede realizar eligiendo los valores de las coordenadas. Al seleccionar una región de interés, el usuario puede realizar un seguimiento de las propiedades de los píxeles del contorno, por ejemplo, la posición y el valor del píxel seleccionado.

Los métodos semiautomáticos definen una región de interés con una interacción mínima del usuario y pueden clasificarse ampliamente en selección geométrica, ^{[ 4 ] [ 2 ]} umbralización, ^{[ 5 ]} y métodos de crecimiento de región, ^{[ 6 ]} o una combinación de dos o cualquier otro criterio. ^{[ 7 ]} En los métodos de umbralización, los píxeles por encima de un cierto nivel de intensidad en una imagen se incluyen en la región de interés. En los métodos de crecimiento de región, un usuario selecciona un píxel semilla que identifica el primer píxel dentro de la región de interés y, según un criterio de parada, los píxeles vecinos se unen al píxel semilla y, cuando el algoritmo se detiene, los píxeles que rodean a los píxeles semilla forman una región de interés.

Los métodos automáticos no requieren intervención del usuario, ^{[ 8 ]} y también se denominan métodos iterativos o adaptativos, ya que funcionan basándose en el conocimiento previo de la región a analizar. La mayoría de los métodos semiautomáticos también pueden automatizarse, pero necesitan ser validados con respecto al estándar de referencia manual elaborado por expertos. ^{[ 2 ] [ 9 ]}

La obtención de la curva de actividad-tiempo dentro de una arteria es el primer paso para obtener la función de entrada arterial derivada de la imagen (IDAIF). Posteriormente, la curva de actividad-tiempo arterial se corrige para compensar diversos errores utilizando una muestra de sangre arterial/venosa antes de que la función de entrada arterial (AIF) pueda utilizarse como entrada para el modelo de análisis cinético.

• Función de entrada arterial
• tomografía por emisión de positrones