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

Revue générale

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

Thresholding methods for PET imaging: A review

A.-S. Dewalle-Vignion a,b,c, A. El Abiad d, N. Betrouni a, C. Hossein-Foucher b,c,D. Huglo a,b,c, M. Vermandel a,*,b,c

a Inserm, U703, institut Hippocrate, 152, rue du Docteur-Yersin, 59120 Loos cedex Lille, Franceb PRES, université de Lille Nord-de-France, 59000 Lille, France

c Service central de médecine nucléaire, hôpital Roger-Salengro, CHRU de Lille, 59000 Lille, Franced Écoles des mines, 44307 Nantes, France

Reçu le 28 juillet 2009 ; accepté le 16 novembre 2009Disponible sur Internet le 25 janvier 2010

Résumé

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

Mots clés : Segmentation ; Seuillage ; Tomographie par émission de positons ; SUV

Abstract

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

Keywords: Segmentation; Thresholding; Positron emission tomography; SUV

Médecine Nucléaire 34 (2010) 119–131

1. Introduction

Depuis un peu plus de dix ans, la tomographie par émissionde positons (TEP) apparaît comme une modalité incontour-nable dans l’exploration fonctionnelle oncologique. Elle offreen effet la possibilité d’indicateurs quantitatifs quant aumétabolisme des tumeurs primitives, des lymphomes et desmétastases. L’intérêt d’une volumétrie associée à cetteévaluation fonctionnelle est de plus en plus démontré [1].

Dans le contexte de la radiothérapie, même si l’imageriemorphologique demeure encore la référence pour la planifica-

* Auteur correspondant.Adresse e-mail : m-vermandel@chru-lille.fr (M. Vermandel).

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

tion, la définition des volumes cibles ou le suivi, l’intérêt de laTEP est aujourd’hui reconnu [2]. Plusieurs études ont parailleurs montré l’apport de la TEP pour la délimitation duvolume cible en complément de la tomodensitométrie (TDM)[3–5], notamment pour les cancers du poumon où la TDM seulene peut pas toujours différencier le bloc tumoral et l’atélectasie[6–9].

Les images issues de la TEP présentant une résolutionspatiale faible (d’environ 5 mm) et un niveau de bruit élevé, ilest alors d’autant plus difficile d’obtenir un contour bien définide la tumeur. De nombreuses méthodes de segmentation enTEP ont ainsi été proposées et étudiées mais aucune, à l’heureactuelle, n’est considérée comme un standard. Ces diversesméthodes ont montré leur intérêt tant au niveau du contouragedu volume cible que lors du suivi post-traitement [10–13].

és.

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131120

Ainsi, récemment, à partir d’acquisitions en cours de radio-thérapie, des applications ont été proposées soit pour adapterla dose après un certain nombre de fractions, soit pour déciderune escalade de dose en présence de fixations résiduelles[11–13].

Proposer une synthèse de toutes les méthodes de segmenta-tion en TEP reste une gageure tant le nombre de propositionsdans ce domaine est élevé. Aussi, l’objet de cet article est unétat de l’art centré sur les méthodes de segmentation basées surles approches de type seuillage afin de présenter les principes,avantages et inconvénients des solutions décrites dans lalittérature. À noter que, selon Drever et al., les méthodes deseuillage semblent être moins sensibles aux effets de volumepartiel et au bruit que des approches adoptant un schéma pluscomplexe d’analyse d’images du type watershed [14] oudétection de contours de Sobel [15].

De manière générale, les méthodes de segmentationbasées sur un seuillage sont couramment utilisées pour ladélinéation des hyperfixations du fait de leur simplicité.Leur principe repose sur l’utilisation d’un seuil sur l’intensitéau-dessus duquel tout voxel est considéré comme apparte-nant au volume tumoral. Ce seuil peut être soit appliqué demanière fixe (comme par exemple l’application d’unpourcentage de l’intensité maximale. . .), soit être variabledépendant alors de paramètres de l’image (bruit de fond,rapport signal sur bruit de fond [S/B]. . .) ; dans ce cas, leseuil est dit adaptatif et est déterminé par des algorithmesplus complexes.

Dans cet article, nous abordons en premier lieu les méthodesdites à seuil fixe, puis celles dites à seuil adaptatif. Nousproposons enfin une synthèse des différentes méthodesabordées.

2. Segmentation par application d’un seuil fixe

2.1. Méthode basée sur un seuil fixe de valeur dustandardized uptake value

2.1.1. MéthodeCette méthode fait appel à la notion de standardized uptake

value (SUV) ou valeur de fixation normalisée dont la définitionla plus couramment employée est la suivante, eq. (1) :

SUV ¼ fixation

activite=poids du patient(1)

ou « fixation » correspond a la concentration mesuree sur un

pixel donne et exprimee en kilobecquerel(s)/millilitre (kBq/

mL), « activite » est l’activite de radio-isotope injectee, expri-

mee en kBq et corrigee de la decroissance et le « poids » du

patient est exprime en grammes.

Cette valeur s’exprime en grammes par millilitre mais en larapportant à la densité de l’eau, elle peut aussi correspondre àune valeur sans dimension. Elle est facilement calculée pourchaque pixel de l’image et reste le critère de quantification leplus utilisé en conditions cliniques.

Dans le cas de la segmentation de volume, une valeur seuilégale à 2,5 a été proposée dans la littérature pour différencier

les tumeurs malignes des fixations non significatives [16].Tous les pixels ayant une valeur de SUV supérieure à 2,5 sontalors considérés comme appartenant à la cible. À noter que ceseuil de 2,5 a été évalué de manière empirique et qu’une autrevaleur peut s’avérer plus juste en fonction de la pathologie[16].

2.1.2. ConclusionCette technique a l’avantage d’être simple dans son

utilisation et sa mise en œuvre. L’inconvénient majeur est lanon-reproductibilité du SUV d’un examen à l’autre car il estinfluencé par de nombreux paramètres : l’algorithme dereconstruction utilisé, l’effet de volume partiel, la résolutionspatiale de la TEP, les mouvements physiologiques tels que lesmouvements respiratoires, la glycémie du patient sont autant desources de variabilité sur l’estimation du SUV [17–19].

2.2. Méthode de Zasadny et al.

2.2.1. MéthodeCette méthode proposée par Zasadny et al. [20] en 1998 est

basée sur l’application d’un seuil fixe Ts calculé via l’eq. (2) :

Ts ¼ BGþ 3� sBG (2)

ou BG et sBG sont respectivement la moyenne et l’ecart-type du

bruit de fond calcules sur une large region d’interet (ROI)

d’environ 250 pixels selectionnee a proximite de la tumeur et

englobant le bruit de fond.

La notion de bruit de fond, qui va apparaître de façonrécurrente dans la suite de cet article, désigne l’activité présenteà proximité de la fixation (tumeur, lésion. . .). Diversescaractéristiques relatives à ce bruit de fond seront requiseslors de la description des différentes méthodes. Le calcul de cescaractéristiques se fait à proximité de la fixation tout en évitantbien évidemment son inclusion ainsi que celle de tout organesain hyperfixant (reins, vessie. . .). À noter qu’une mêmecaractéristique peut être calculée différemment selon lesauteurs en fonction du nombre de ROI utilisées pour effectuerles calculs, de la taille de ces ROI. . .

Le volume tumoral déterminé par la méthode de Zasadnyet al. [20] est obtenu de la manière suivante :

� choix d’une coupe sur laquelle la tumeur apparaît :� détermination d’une ROI à proximité de la tumeur mais

n’englobant ni la tumeur ni aucun des organes sainshyperfixants,� calcul de BG et sBG sur cette ROI,� calcul du seuil Ts via l’eq. (2) ;� pour chaque coupe :� application du seuil Ts sur une ROI englobant la tumeur :

tout pixel dont l’intensité est supérieure à Ts est considérécomme appartenant à la tumeur,� calcul de l’aire de la région, égale au nombre de pixels

considérés comme appartenant à la tumeur ;� obtention du volume total par sommation des aires obtenues

pour chacune des coupes.

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131 121

2.2.2. ValidationUne étude portant sur 14 patients atteints de cancer a été

menée. Pour chaque patient, une acquisition couplée TDM etTEP a été réalisée. La population de patients a été séparée endeux groupes :

� le groupe 1 était composé de patients pour lesquelsl’acquisition d’images avait eu lieu avant chimiothérapie(huit patients). Parmi ces patients, sept souffraient d’uncancer du poumon, le dernier étant atteint d’un cancer de laparoi thoracique ;� le groupe 2 se composait de patients atteints de lymphomes

non hodgkiniens et pour lesquels l’acquisition d’images avaiteu lieu après chimiothérapie (six patients).

L’évaluation a été réalisée par le biais de comparaisons entreles volumes TEP obtenus et les volumes déterminés par TDM.Ces comparaisons ont mené à une forte corrélation (coefficientde corrélation r = 0,98) entre volume TEP et volume TDM pourle groupe 1 et à une plus faible corrélation en ce qui concerne latotalité des 14 patients (r = 0,70).

Au final, les auteurs concluent à la faisabilité de ladétermination des volumes tumoraux par leur méthode pour descancers non traités dans une gamme de volume de 10 à 500 mL.En ce qui concerne les cancers traités, la différence observéeentre le volume TDM et TEP est selon les auteurs dû au fait quele volume résiduel ne correspond pas au volume tumoralprésentant un métabolisme actif.

2.2.3. ConclusionL’avantage de cette méthode réside dans sa simplicité de

mise en œuvre, bien que par rapport à la méthode précédenteune plus grande implication de l’opérateur soit nécessaire(sélection d’une ROI englobant le fond sur une coupe puissélection d’une ROI englobant la tumeur sur chacune descoupes). On peut reprocher à cette méthode le fait que le seuilne soit calculé qu’à partir d’une seule ROI disposée sur uneseule coupe. Par ailleurs, l’absence d’étude statistique plusapprofondie est regrettable. À noter, dans l’article original,l’absence du coefficient de corrélation relatif au groupe 2 seul etde validation sur fantôme.

2.3. Méthode basée sur un pourcentage fixe du SUVmaximal (SUVmax)

2.3.1. MéthodeCette méthode est souvent utilisée comme référence lors de

comparaisons et/ou d’évaluations de nouvelles approches desegmentation en TEP. Elle consiste en l’application d’un seuilfixe dont la valeur est égale à un pourcentage donné du SUVmax

rencontré sur la ROI. Bien que de nombreux paramètres tels quela taille de la tumeur, le contraste, le niveau de bruit dans lesimages [21,22] influencent la valeur du seuil optimal, un seul etmême seuil est classiquement utilisé pour tous les examens. Demanière générale, le seuil appliqué dans les études varie de 40 à50 %. La valeur de 40 % qui est aujourd’hui largement utiliséeen routine clinique provient d’une simplification des travaux de

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

2.3.2. ConclusionCette méthode est très simple d’utilisation ; elle ne nécessite

que la définition d’un volume d’intérêt (VOI) autour de latumeur permettant de déterminer le SUVmax. Cette approchereste cependant limitée, car il est nécessaire d’adapter le seuilen fonction de la pathologie, des paramètres de l’image. Ainsi,l’étude menée par Fernando et al. [24] montre que pour lespatients présentant des cancers bronchiques non à petitescellules (CBNPC) et dont les images TEP ont été acquises sanssynchronisation respiratoire, une application d’un seuil fixe de20 % est préférable.

3. Segmentation par application d’un seuil adaptatif

3.1. Méthode de Erdi et al.

En 1997, Erdi et al. [21] ont proposé une méthodepermettant de déterminer le seuil optimal connaissant levolume tumoral réel et le rapport S/B que nous notons S/B.Cette méthode nécessite une étape préalable de calibration.

3.1.1. CalibrationUn fantôme de type Jaszczak contenant des sphères de 0,4 à

5,5 mL a été utilisé. Une solution de 18F d’activité 74 à111 kBq/mL a été injectée à l’intérieur de ces sphères. La cavitédu fantôme a quant à elle été remplie successivement par dessolutions de 18F d’activité variable de sorte à obtenir différentsS/B (7,4 ; 5,5 ; 3,1 et 2,8 et 1).

La première étape de calibration consistait à déterminer pourchaque S/B et chaque sphère le seuil optimal autrement dit leseuil permettant d’obtenir un volume TEP aussi proche quepossible du volume réel. Ce seuil optimal déterminé de manièreitérative est exprimé en pourcentage de l’intensité maximale.La Fig. 1 illustre la procédure itérative utilisée.

Les auteurs ont ensuite représenté, pour chaque S/B, lesseuils optimaux obtenus en fonction du volume des sphères etont ainsi généré des courbes de calibration (Fig. 2). Il est alorsapparu que, pour des volumes inférieurs à 4 ml, le seuil optimalet le volume de la sphère étaient liés par la relation suivante,eq. (3) :

Ts ð%Þ ¼ a � e�c� volume (3)

ou Ts est le seuil optimal en pourcentage de l’intensite maxi-

male, a et c sont des parametres ajustables et « volume » est

exprime en millilitre. A chaque S/B est associe un couple de

parametres (a, c) obtenu par regression a partir de la courbe de

calibration correspondante (Fig. 2).

Les courbes de calibration obtenues par les auteurs ontégalement montré que pour des volumes supérieurs à 4 mL, leseuil optimal tend vers une asymptote horizontale de valeur

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

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

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131122

comprise entre 36 et 44 % selon le S/B. La simplification de cesconstatations amène, comme nous l’avons mentionné ci-avant,au seuil de 40 % largement utilisé en routine clinique. À noterque les travaux de Erdi et al. ne justifient l’emploi d’un tel seuilque pour des tumeurs ayant un volume supérieur à 4 mL.

3.1.2. MéthodeL’eq. (3) permet de déterminer le seuil optimal et donc le

volume TEP optimal connaissant le volume réel de la tumeur.Cependant, dans les cas cliniques les volumes tumoraux réelsn’étant pas connus, les auteurs ont choisi de s’orienter vers uneestimation de ces volumes par TDM.

Il s’ensuit que les étapes nécessaires à la détermination duvolume tumoral par la méthode de Erdi et al. [21] sont lessuivantes :

� calcul du S/B ;� détermination de la courbe de calibration à utiliser (en

fonction de la valeur du S/B) et donc spécification du couplede paramètres (a, c) à appliquer dans l’eq. (3) ;� estimation du volume de la tumeur par TDM ;� détermination du seuil optimal en pourcentage de l’intensité

maximale via l’eq. (3) ;� application du seuil optimal.

Pour le calcul du S/B, les auteurs ont utilisé un outil fournipar le constructeur dont ils ne précisent pas la formule, mais qui

doit en toute logique nécessiter la définition manuelle d’aumoins deux volumes d’intérêt : l’un englobant le bruit de fondet l’autre la tumeur.

3.1.3. ValidationLa méthode ne semble avoir été évaluée que sur des données

cliniques puisque aucune étude sur fantôme n’est mentionnée.En ce qui concerne l’évaluation clinique, les auteurs ont

appliqué leur méthode aux données issues de dix patients etcorrespondant à 17 lésions pulmonaires primitives ousecondaires. Le Tableau 1 présente les résultats obtenus.

Les volumes TEP obtenus présentent une bonne corrélationavec les volumes TDM (r = 0,999). Une différence et un écart-type moyens valant, respectivement, 8,45 et 7,66 mL ont étéobtenus.

3.1.4. ConclusionCette méthode présente l’avantage de prendre en compte le

S/B et le volume qui sont deux paramètres d’influenceessentiels sur la valeur du seuil optimal [21]. Bien que lesauteurs ne précisent pas la formule de calcul du S/B, on peutvraisemblablement supposer qu’elle nécessite, de la part del’utilisateur, la définition manuelle d’au moins deux volumesd’intérêt, le premier englobant le bruit de fond et le second latumeur. On peut également discuter du choix fait par les auteursquant à remplacer le paramètre volume réel apparaissant dansl’eq. (3) par le volume TDM. À noter l’absence de validationsur fantôme.

3.2. Méthode de Jentzen et al.

En 2007, Jentzen et al. [26] ont proposé une version« optimisée » de la méthode proposée en 1997 par Erdi et al.[21,25]. Cette nouvelle version permet de s’affranchir de

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

Numéro des patients Lésion S/B Ts (%) Volume TDM (ml) Volume TEP (ml) Différence (%)

1 1 5,6 42 6,61 6,67 0,912 3,0 52 2,73 2,84 1,033 3,7 61 0,88 1,17 32,924 4,3 45 4,48 4,71 5,135 4,8 55 1,94 2,22 14,436 3,4 29 13,98 13,27 5,08

2 1 7,8 29 38,83 39,29 1,182 3,1 42 5,85 6,24 6,66

3 1 2,3 44 8,93 5,02 15,344 1 8,2 30 49,05 51,51 5,015 1 13,7 31 6,29 6,94 10,336 1 4,2 51 2,19 2,34 6,857 1 3,2 31 11,49 11,01 4,18

2 5,4 32 6,73 7,36 9,368 1 5,5 30 76,94 75,02 2,499 1 9,2 29 26,51 24,86 6,22

10 1 6,7 30 16,76 19,02 13,48

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

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131 123

l’étape d’estimation du volume par TDM grâce à l’utilisationd’une approche itérative. Cette méthode nécessite égalementune étape préalable de calibration.

3.2.1. CalibrationL’étape de calibration est semblable à celle proposée par

Erdi et al. puisqu’elle consiste à déterminer, pour différentsrapports S/B, les courbes de calibration représentant le seuiloptimal en fonction du volume tumoral. Pour cela, un fantômedu type NEMA IEC/2001 contenant six sphères de différentsvolumes a été utilisé. Les sphères ont été remplies avec unesolution d’activité 5 à 100 kBq/mL alors que la cavité a étéremplie successivement par des solutions d’activité variable desorte à obtenir différents S/B (2,0 ; 3,0 ; 5,0 ; 9,0 et 1).

À partir des courbes de calibration obtenues, les auteurs ontproposé une relation du type inverse entre le seuil optimal et levolume tumoral, eq. (4) :

Ts ð%Þ ¼ m

volumeþ t (4)

ou le seuil optimal Ts et le « volume » sont exprimes respecti-

vement en pourcentage de l’intensite maximale et en millilitre.

Les parametres ajustables m et t propres a un S/B donne sont

obtenus par regression a partir de la courbe de calibration

correspondante.

3.2.2. MéthodeUne fois les courbes de calibration obtenues, la zone

tumorale est déterminée en utilisant l’algorithme itératifreprésenté sur la Fig. 3.

Le calcul du S/B s’effectue comme suit :

� détermination de Imax définie comme étant la concentrationmaximale observée au centre de la tumeur. Afin des’affranchir des valeurs aberrantes, les concentrations des

voisins de Imax sur les six coupes adjacentes ont été prises encompte via un ajustement parabolique ;� détermination de Ifond définie comme la concentration

moyenne du bruit de fond calculée sur trois régions d’intérêtdisposées à proximité de la tumeur (pour la calibration lecalcul de Ifond a été réalisé sur 15 régions d’intérêt) ;� calcul de S/B = Imax/Ifond.

3.2.3. ValidationLa méthode a été évaluée à la fois sur des données fantôme et

patients. Les données fantômes ont été acquises sur le mêmefantôme que celui employé lors de la calibration. Les donnéesdes patients sont issues de deux bases, l’une regroupant15 patients avec trois localisations (quatre cancers du poumon,cinq cancers tête et cou, six cancers gastro-intestinaux), l’autreregroupant neuf patients porteurs d’un carcinome thyroïdiendifférencié et ayant subi une thyroïdectomie.

Les résultats sur fantôme ont montré que pour des sphèresayant un volume supérieur à 1 mL, l’erreur moyenne entre levolume TEP obtenu et le volume réel était de 8 % avec un écart-type de 4 %. Pour ce qui est des plus petites sphères, les auteursont observé une surestimation des volumes.

En ce qui concerne les données cliniques, la validation desrésultats a été réalisée par comparaison du volume TEP avec levolume TDM. Les résultats ont montré que l’erreur moyenneobservée pour des lésions comprises entre 0,8 et 7,5 mL était de9 % avec un écart-type de 8 %. Pour des volumes supérieurs à7,5 mL, l’erreur moyenne atteignait 15 % avec un écart-type de8 %.

3.2.4. ConclusionComparée à la méthode de Erdi et al. [21,25], la méthode de

Jentzen et al. [26] a l’avantage de s’affranchir de la TDM touten conservant la prise en compte du S/B et du volume qui sontdeux paramètres d’influence essentielles sur la valeur du seuil

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

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131124

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

3.3. Méthode de Daisne et al.

En 2003, Daisne et al. [27] ont proposé une nouvelleméthode de segmentation. Cette méthode nécessitant le calculdu S/B ne fait pas intervenir, à l’inverse des deux dernièresméthodes décrites [21,25,26], le volume tumoral. Le principerepose sur l’existence d’une relation entre le S/B et le seuiloptimal. L’établissement de cette relation nécessite la réalisa-tion d’une calibration.

3.3.1. CalibrationDaisne et al. [27] ont utilisé un fantôme sphérique contenant

six sphères de 0,55 à 17,15 mL remplies par une solution de 18Fd’activité 74 à 111 kBq. La cavité du fantôme ayant été rempliesuccessivement par des solutions de 18F d’activité croissante, ils’ensuit différents S/B (8,7 ; 6,5 ; 4,7 ; 3,0 ; 2,1 et 1,5).

Des mesures ont ensuite été réalisées en appliquant pourchaque S/B la démarche suivante à l’ensemble des six sphères :

� calcul de la valeur moyenne du bruit de fond Ifond définiecomme étant la moyenne des valeurs prises dans des ROId’environ 100 ml englobant le bruit de fond ;� calcul de l’activité maximale Imax définie comme étant la

moyenne des neuf voxels voisins du voxel le plus intenserencontré dans la ROI englobant la sphère considérée ;� calcul du S/B = Imax/Ifond ;

� recherche itérative du seuil optimal (permettant d’obtenir unvolume TEP aussi proche que possible du volume réel)exprimé en pourcentage de Imax.

La représentation des seuils optimaux en fonction des S/Blaisse apparaître une relation du type inverse, eq. (5).

Ts ð%Þ ¼ aþ b

S=B(5)

ou Ts est le seuil optimal exprime en pourcentage de Imax et les

coefficients a et b sont obtenus par regression a partir des

courbes de calibration.

À noter que, les auteurs ont étudié l’impact de l’algorithmede reconstruction sur leur méthode de segmentation d’où laprésence de plusieurs courbes de calibration [27]. À chaquealgorithme de reconstruction sont donc associés une courbe decalibration et un couple de coefficients (a, b).

3.3.2. MéthodeUne fois la courbe de calibration déterminée (propre à

l’algorithme de reconstruction utilisé), le volume tumorals’obtient comme suit :

� définition manuelle de plusieurs volumes d’intérêt dans lebruit de fond ;� calcul de Ifond ;� définition manuelle d’un VOI englobant la tumeur ;� calcul de Imax ;� détermination de S/B = Imax/Ifond ;� détermination du seuil optimal Ts via l’eq. (5) ;� application du seuil optimal.

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

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131 125

3.3.3. ValidationUne première évaluation a été réalisée sur les images issues

d’un fantôme contenant des sphères de divers volumes. Il s’estavéré que les petites sphères (< 2 mL) étaient surestimées alorsque les grandes sphères étaient sous-estimées (Fig. 4).

Une seconde évaluation portant sur des données cliniquesissues de 29 patients a été menée. Parmi ces 29 patients, dixprésentaient des tumeurs oropharyngées, 13 des tumeurs dularynx et six des tumeurs de l’hypopharynx. Cette secondeévaluation a permis la comparaison des volumes tumorauxissus de trois modalités : TDM, imagerie par résonancemagnétique (IRM), TEP. Pour neuf des patients, la comparaisona pu être complétée par la présence du volume réel des donnéesanatomopathologiques. [28]. Les auteurs ont conclu que leur

Tableau 2Comparaison avec les volumes réels des volumes cibles déterminés par TDM, IRM eComparison between the actual volume of target obtained from CT, MRI and from

Numéro des patients Volume TDM (ml) Volume I

1 4,7 36,32 18,0 9,93 41,1 30,24 7,1 10,65 4,1 9,16 3,7 1,47 5,8 7,08 17,3 17,69 13,1 30,7

10 55,6 53,411 1,9 2,412 6,2 9,813 41,0 58,414 11,1 6,615 14,6 22,016 18,4 22,017 28,1 32,318 25,0 23,519 40,4 37,3

méthode donnait de meilleures estimations des volumes que laTDM ou l’IRM (Tableau 2).

3.3.4. ConclusionLa méthode de Daisne et al. a l’avantage de prendre en

considération le S/B tout en s’affranchissant du paramètre« volume » utilisé par les deux méthodes précédentes.L’intervention du S/B requiert de la part de l’opérateur ladéfinition de plusieurs volumes d’intérêt (plusieurs dans le bruitde fond et un englobant la tumeur). On peut apprécierl’évaluation complète de la méthode, même si les donnéesd’anatomopathologie sont peu nombreuses. Il est en revancheregrettable que le fantôme utilisé pour la validation soit lemême que celui employé pour la calibration.

t par la méthode de Daisne et al. [28] (données issues de l’article original [28]).Daisne et al. [28] (data from the original article [28]).

RM (ml) Volume TEP (ml) Volume réel (ml)

19,3 NA6,0 NA9,2 NA7,3 NA2,3 NA1,2 NA3,2 NA

12,6 NA11,4 NA34,2 NA3,4 2,28,5 5,1

30,2 30,98,0 4,1

10,2 5,611,4 8,626,6 17,320,0 15,428,7 24,3

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131126

3.4. Méthode de Black et al.

En 2004, Black et al. [29] ont proposé une méthodedéveloppée autour d’une formule de régression linéairepermettant de déterminer le seuil optimal Ts connaissant leSUV moyen (SUVmoyen). Avant de limiter leur formule derégression au SUV moyen seul, les auteurs ont préalablementdémontré la non-influence de la concentration en FDG du fondainsi que la non-influence du volume de la cible [29]. Cetteméthode nécessite une calibration.

3.4.1. CalibrationBlack et al. [29] ont utilisé pour leur calibration un fantôme

cylindrique contenant six sphères de volume identique(92,9 mL). Ces six sphères ont été remplies par des solutionsde 18F-FDG d’activités différentes : 21,79 ; 37,89 ; 52,80 ;69,23 ; 91,70 ; 112,89 kBq/mL. Le fond a été rempli avec unesolution de 18F-FDG d’activité 5,33 kBq/mL.

Le seuil optimal relatif à chacune des six sphères a étédéterminé de manière itérative. La Fig. 5 illustre la procédureitérative utilisée. Le SUVmoyen de chaque sphère a ensuite étécalculé de sorte à pouvoir tracer la courbe représentant le seuiloptimal trouvé en fonction du SUVmoyen. Les auteurs ont alorsobservé une relation linéaire entre le seuil optimal Ts et leSUVmoyen, eq. (6) :

Ts ¼ a� SUVmoyen þ b (6)

ou les coefficients a et b sont determines a l’aide d’une

calibration sur fantome.

3.4.2. MéthodeUne fois les coefficients a et b de l’eq. (6) obtenus, la

détermination du volume tumoral se fait en suivant l’algorithmeitératif illustré à la Fig. 6. À noter que les auteurs ont montréque cet algorithme converge en cinq itérations au maximum etque le résultat obtenu est le même, quel que soit le seuil initialchoisi.

3.4.3. ValidationLa validation s’est déroulée en deux étapes puisqu’elle a

porté dans un premier temps sur des données issues d’unfantôme contenant des sphères, puis dans un second temps sur

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

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

Erreur ð%Þ ¼ volume 1� volume 2volume 2

� 100 % (7)

En ce qui concerne les donnees sur fantome, la validation a ete

realisee en calculant les pourcentages d’erreur entre les

volumes obtenus par la methode Black et al. [29]

(= volume 1) et les volumes reels (= volume 2). Les pourcen-

tages d’erreur entre les volumes obtenus par l’application d’un

seuillage fixe egal a 42 % de l’intensite maximale (= volume 1)

et les volumes reels (= volume 2) ont egalement ete calcules.

Les auteurs ont montre que les volumes obtenus par leur

methode etaient beaucoup plus proches de la realite que ceux

obtenus avec l’application d’un seuillage fixe egal a 42 % de

l’intensite maximale (Tableau 3). Pour les donnees cliniques,

les auteurs ont choisi de comparer leurs resultats (= volume 2)

avec ceux obtenus en appliquant un seuillage fixe egal a 42 %

de l’intensite maximale (= volume 1). Les resultats sont egale-

ment presentes dans le Tableau 3.

3.4.4. ConclusionLa méthode proposée par Black et al. [29] a l’avantage de ne

faire intervenir qu’un seul paramètre, le SUVmoyen. Lesrésultats sur données cliniques sont insuffisants, puisque lacomparaison avec l’application d’un seuillage à 42 % duSUVmax est discutable.

3.5. Méthode de Nestle et al.

En 2005, Nestle et al. [30] ont proposé une approche desegmentation utilisant à la fois l’intensité moyenne de la tumeuret celle du fond. Un article publié en 2008 par cette mêmeéquipe décrit la méthode de manière très détaillée [31] et enparticulier la calibration.

3.5.1. CalibrationAfin de réaliser la calibration, les auteurs ont utilisé un

fantôme contenant des sphères de différents volumes (7,4 ;13,7 ; 33,8 ; 64,0 ; 107,1 ; 171,3 et 258,0 mL). Les sphères ontété remplies avec une solution de FDG d’activité égale à47 kBq/mL. Le fond a été rempli avec des solutions de FDGd’activités croissantes (2 ; 3,9 ; 7,8 kBq/mL).

Pour chaque sphère et chacune des activités du fond, lesétapes à suivre sont les suivantes :

� détermination de SUVmoyen_70 % qui est l’intensité moyennedes voxels ayant une intensité supérieure à 70 % de l’intensitémaximale observée dans la zone d’intérêt :� définition d’un VOI englobant la sphère considérée,� détermination du SUVmax du VOI,� calcul de la moyenne des SUV du VOI supérieurs à 70 % de

SUVmax ;� détermination de BG, la valeur moyenne du bruit de fond :� dessiner plusieurs régions d’intérêt (ROI) entre les sphères

à une distance d’au moins 5 mm,� calcul de la moyenne des SUV de toutes les ROI ;

Fig. 6. Méthode itérative utilisée pour la détermination du volume cible par la méthode de Black et al. [29] (Ts : seuil optimal).Iterative method used for determining the target volume in Black et al. [29].

Tableau 3Pourcentages d’erreur, eq. (7), entre les volumes issus des diverses méthodes dont celle de Black et al. [29] (données issues de l’article original [29]).Percentage of error, eq. (7), between the volumes from various methods including Black et al. [29] (data from the original article [29]).

Validation Méthodes utilisées Moyenne (%) Écart-type (%) Min (%) Max (%)

Sur fantôme Black et al. versus réel �1 2 �3 4Seuil à 42 % versus réel �23 8 �34 �13

Sur patients Black et al. versus 42 % �67 16 �93 �35

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131 127

� calcul du contraste C défini par l’eq. (8)

C ¼ SUVmoyen 70 % � BG

BG; (8)

� recherche itérative du seuil optimal Ts ;

Fig. 7. Courbe de calibration (seuil normalisé en fonction du contraste)obtenue via la méthode de Nestle et al. [30].Calibration curve (threshold according to the contrast) obtained from Nestleet al. [30].

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

Tnorm ¼Ts

SUVmoyen 70 % � BG: (9)

À partir de l’ensemble des données acquises, les auteurs ontréalisé deux courbes de calibration représentant le seuilnormalisé en fonction du contraste ; la première courbeconcerne les sphères dont le diamètre est inférieur à 3 cm et laseconde les sphères de diamètre supérieur à 3 cm [30]. La Fig. 7représente un exemple de courbe de calibration pouvant êtreobtenue par la méthode de Nestle et al. [30].

À partir de ces courbes, on constate une relation de la formeinverse, eq. (10) :

Tnorm ¼k

Cþ a (10)

ou les parametres a et k sont determines par regression a partir

des courbes de calibration.

En intégrant les eqs (8) et (9) dans la relation, eq. (10), lesauteurs ont obtenu l’égalité, eq. (11) :

Ts ¼ a� SUVmoyen 70% þ ðk � aÞ � BG (11)

3.5.2. MéthodeLa détermination du volume tumoral s’effectue alors en

reprenant les étapes listées sur la Fig. 8.

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

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131128

3.5.3. ValidationLes auteurs ont évalué leur méthode à la fois sur des données

issues d’un fantôme (référence = volume réel) et sur desdonnées cliniques (référence = volume TDM).

L’étude sur fantôme a conclu à une surestimation du volumepouvant aller jusque 7 % pour des sphères de diamètre supérieurà 3 cm, ce qui équivaut à une surestimation du rayon de 0,7 mm.Pour des sphères de plus petites tailles, un pourcentage d’erreurcompris entre �6 et +12 % a été observé, ce qui correspond àune erreur du rayon allant de �0,3 à +0,4 mm. Les auteurs ontalors noté que l’ensemble des erreurs de rayon se situait en deçàde la résolution des imageurs TEP actuels.

Les résultats obtenus sur les données cliniques acquises surhuit patients atteints de CBNPC sont présentés dans le Tableau4. Dans la plupart des cas, une surestimation des volumes a étéobservée.

De plus, des études comparatives [30,32] ont permis deconfronter leur méthode aux autres techniques que sont lecontourage manuel, le seuil basé sur un SUV fixe de 2,5 et leseuil fixe égal à 40 % du SUVmax. De ces études, les auteurs ont

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

(data from the original article [29]).

Numéro despatients

VolumeTDM (mL)

VolumeTEP (mL)

Différence(%)

1 66,4 67,3 +1,32 5,5 5,5 0,03 12,7 16,2 +27,84 20,7 20,8 0,25 27,0 30,2 11,76 49,9 45,4 �9,07 69,0 72,5 +5,08 185,2 194,5 +5,1

conclu que leur méthode était la plus apte à fournir un volumecible adéquat.

3.5.4. ConclusionSelon les auteurs, leur méthode a l’avantage d’être stable

face à des tumeurs inhomogènes du fait de la prise en compte dela valeur du fond. Les auteurs ont utilisé comme paramètreSUVmoyen_70 %, alors que la majorité des autres approchesutilisent le SUVmax. Cela permet de limiter l’influence desvaleurs maximales non représentatives de l’image de la lésion.Ces cas s’observent notamment en présence d’inhomogénéités.

4. Discussion

Comme nous avons pu le voir au long de cette revuebibliographique sur les méthodes de segmentation par seuillageen TEP, de nombreuses études ont été réalisées depuis unevingtaine d’années afin d’obtenir un volume tumoral TEP deplus en plus précis. L’utilisation d’un seuillage s’est très viterépandue du fait de sa facilité d’application, bien que d’autresméthodes se soient développées en parallèle (algorithme basésur la croissance par région, approche contour, méthode baséesur les champs de Markov. . .) utilisant des processus beaucoupplus complexes et à la mise en œuvre moins évidente.

L’application d’un seuil fixe (SUV, pourcentage del’intensité max. . .) a montré très vite ses limites du fait de lanon-prise en compte des paramètres de l’image à segmenter. Àpartir de ces observations, plusieurs équipes ont mis au pointdes méthodes de segmentation utilisant des seuils adaptatifsfaisant intervenir des caractéristiques de l’image (bruit de fond,rapport S/B. . .). Ces méthodes offrent des résultats plussatisfaisants, mais requièrent la plupart du temps une étape decalibration. À l’heure actuelle, aucune méthode ne peut êtreconsidérée comme standard même si les méthodes à base decalibration sont plus utilisées en recherche et les méthodes àseuil fixe en routine clinique.

La recherche dans le domaine s’intensifie. Les développe-ments de méthodes de segmentation s’orientent de plus en plusvers des techniques précises ne nécessitant plus d’étapes decalibration.

En effet, si les méthodes nécessitant une calibrationpréalable fournissent des résultats plus satisfaisants, il n’endemeure pas moins que leur mise en œuvre est pluscontraignante. Tout d’abord, la mise au point de courbes decalibration est coûteuse en temps humain (présence deradiopharmaciens, radiophysiciens, manipulateurs. . .), entemps machine et nécessite une activité non négligeable deFDG. De plus, ces méthodes sont dépendantes des éventuellesdérives des appareils et doivent être recalibrées en fonction desopérations de maintenance et des rapports de contrôle qualité.Finalement, lors des calibrations, le nombre de S/B estnécessairement limité (généralement trois à six) ce qui est unesource potentielle d’imprécision notamment pour les méthodesde Erdi et al. [21,25] et de Jentzen et al. [26]. En effet, ces deuxméthodes reposent sur un ensemble de courbes de calibrationrelatives à des S/B donnés. Il s’ensuit que les valeurs de S/Bpour lesquelles les courbes de calibration n’ont pas été

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131 129

réalisées, nécessitent alors des approximations (interpolations,plus proches voisins. . .) afin de déterminer la courbe à utiliser etdonc le seuil à appliquer.

Par ailleurs, plusieurs équipes ont confronté certaines desméthodes répertoriées ci-dessus. Ainsi, Boursot et al. [33] ontréalisé une comparaison des résultats obtenus par troisméthodes de segmentation automatique : la méthode de Blacket al. [29], la méthode de Nestle et al. [30–32] et une méthodeplus sophistiquée du type watershed [14]. Cette comparaison aété menée sur 17 patients atteints d’un CBNPC. Les auteurs ontconclu que la méthode de Black et al. [29] était la plusdiscordante, que l’algorithme de Nestle et al. [30–32] avaittendance, pour les tumeurs inférieures à 45 mL, à surévaluer levolume scannographique, et que la technique de Tylski et al.[14] sous-évaluait nettement le volume cible. Venel et al. [34]ont quant à eux réalisé une comparaison entre un seuillage fixeégal à 40 % de l’intensité maximale, un seuillage fixe égal à50 % de l’intensité maximale, la méthode de Black et al. [29] etla méthode de Nestle et al. [30–32]. Cette comparaison a portésur quatre patients souffrant d’un CBNPC. Comparativement àl’anatomopathologie, les auteurs ont montré que les volumesdéfinis par les seuillages fixes de 40 ou 50 % de l’intensitémaximale étaient tous sous-estimés, que les volumes déter-minés par la méthode de Black et al. sous-estimaient lestumeurs les plus volumineuses et surestimaient les plus petites,que la formule de Nestle et al. appliquée directement sans

Tableau 5Synthèse quant à la méthodologie des différentes méthodes présentées dans cet articlde l’utilisateur et à l’inverse (� �) correspond à une mise en œuvre difficile ou à uplusieurs critères : nécessité d’une calibration, complexité de l’algorithme, nombre drégions ou de volumes d’intérêt à sélectionner, l’estimation du volume par TDM.Summary of different methods presented in this article where (+ +) corresponds to

corresponds to an implementation difficult or an important user intervention. The im

algorithm complexity, number of parameters required. The intervention of the ope

Méthode Références Principe

SUV fixe [16,42] Seuil fixe dépendant deValeur du SUV

Zasadny et al. [20] Seuil fixe dépendant deMoyenne du bruit de fondÉcart-type du bruit de fond

L’intensité max (%) [21,24] Seuil fixe dépendant deSUV maximal (%)

Erdi et al. [21,25] Seuil adaptatif dépendant deS/BVolume (TDM)

Jentzen et al. [26] Seuil adaptatif dépendant deS/BVolume (estimé par approche itéra

Daisne et al. [27,28] Seuil adaptatif dépendant deS/BAlgorithme de reconstruction utilis

Black et al. [29] Seuil adaptatif dépendant deSUV moyen

Nestle et al. [30–32] Seuil adaptatif dépendant deIntensité moyenne de la tumeurIntensité moyenne du fond

S/B : signal sur bruit de fond.

calibration – eq. (11) avec a = 0,15 et k � a = 1 – estimaitcorrectement les tumeurs les plus volumineuses mais sures-timaient celles inférieures à 2 cm et enfin que la formule deNestle et al. « corrigée » mais non calibrée – eq. (11) aveca = 0,264 et k � a = 1 – sous-estimait trois tumeurs. Lesauteurs ont finalement conclu que la méthode de Nestle et al.semble être la plus appropriée pour les tumeurs de plus de 2 cmde diamètre.

Pour conclure, nous pouvons dire qu’à ce jour et à notreconnaissance, il n’existe pas de consensus sur l’utilisation desméthodes de segmentation présentées dans cet état de l’art. Ilserait intéressant de pouvoir associer à chaque localisation uneméthode validée, ce qui permettrait d’une part d’établir unconsensus et d’autre part une utilisation en routine clinique.

Une discussion peut également être menée sur le plan del’évaluation et plus particulièrement sur le fait que plusieursauteurs [20,21,25,26,30–32] utilisent les volumes TDM pourvalider leur méthode sur des données cliniques. Bienqu’actuellement, le standard pour la définition du volumecible repose sur l’utilisation d’images anatomiques issues de laTDM, voire de l’IRM, il n’en demeure pas moins que ces deuxmodalités ne fournissent pas l’information fonctionnelleapportée par la TEP [35–40]. Les volumes issus de la TEPne sont donc « de par nature » pas comparables avec ceux issusde la TDM ou de l’IRM, ce qui a par ailleurs été montré parDwamena et al. [41]. La question d’un « gold standard » se pose

e où (+ +) correspond à une mise en œuvre facile ou à une intervention minimalene intervention importante de l’utilisateur. La mise en œuvre a été jugée selone paramètres à déterminer. . . L’intervention de l’opérateur reflète le nombre de

. . (S/B : signal sur bruit de fond).an easy implementation and minimal user intervention and vice versa (� �)

plementation has been evaluated giving several criteria for: calibration needed,

rator reflects the number of regions or volumes of interest to be selected.

Mise en œuvre Implication de l’opérateur Calibration

+ + + + Non

+ � � Non

+ + + Non

� � Oui

� � � Oui

tive)

� � � Oui

é

� � + Oui

� � � Oui

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

Méthode Références Validation Étude comparative avec Évaluation clinique sur

SUV fixe [16,42] Clinique

Zasadny et al. [20] Clinique Volume TDM 8 patients non traités7 cancers du poumon1 cancer de la paroi thoracique

6 patients traités6 lymphomes non hodgkiniens

L’intensité max (%) [21,24] FantômeClinique

Erdi et al. [21,25] Clinique Volume TDM 10 patients17 lésions pulmonaires primitives ou secondaires

Jentzen et al. [26] FantômeClinique

Volume TDM 1re base de données (15 patients)4 cancers du poumon5 cancers tête et cou6 cancers gastro-intestinaux

2e base de données (9 patients)9 carcinomes thyroïdiens différenciés

Daisne et al. [27,28] FantômeCliniqueHistologie

Volume TDMVolume IRM

29 patients10 tumeurs oropharyngées13 tumeurs du larynx6 tumeurs de l’hypopharynx.

Black et al. [29] FantômeClinique

Seuil fixe égal à 42 % SUVmax 15 patients atteints de cancer pulmonaire non à petites cellules

Nestle et al. [30–32] FantômeClinique

Contourage manuelSeuil fixe égal à 40 % SUVmax

Seuil fixe SUV = 2,5Volume TDM

8 patients atteints de cancer pulmonaire non à petites cellules

A.-S. Dewalle-Vignion et al. / Médecine Nucléaire 34 (2010) 119–131130

donc. Si l’utilisation de l’anatomopathologie y répond enpartie, l’utilisation d’images obtenues par simulation Monte-Carlo permettrait de valider les méthodologies par confronta-tion à une vérité terrain. En l’absence de cette vérité,l’utilisation d’examens contourés par plusieurs experts pourraitégalement constituer un bon outil d’évaluation des méthodes desegmentation.

5. Conclusion

Finalement, nous proposons Tableaux 5 et 6 une synthèsedes méthodes répertoriées dans ce papier.

Conflit d’intérêt

Les auteurs n’ont pas transmis de conflit d’intérêt.

Références

[1] Berkowitz A, Basu S, Srinivas S, Sankaran S, Schuster S, Alavi A.Determination of whole-body metabolic burden as a quantitative measureof disease activity in lymphoma: a novel approach with fluorodeoxy-glucose-PET. Nucl Med Comm 2008;29:521–6.

[2] Grégoire V, Haustermans K, Geets X, Roels S, Lonneux M. PET-basedtreatment planning in radiotherapy: a new standard? J Med Nucl 2007;48:68–77.

[3] Devic S, Tomic N, Faria S, Dean G, Lisbona R, Parker W, et al. Impact of18FDG-PET/CT on biological target volume (BTV) definition for treat-ment planning for non-small cell lung cancer patients. Nucl InstrumMethods Phys Res 2007;571:89–92.

[4] Nestle U, Kremp S, Grosu AL. Practical integration of [18F]-FDG-PETand PET-CT in the planning of radiotherapy for non-small cell lung cancer(NSCLC): The technical basis, ICRU-target volumes, problems, perspec-tives. Radiother Oncol 2006;81:209–25.

[5] Erdi YE, Rosenzweig K, Erdi AK, Macapinlac HA, Hu YC, Braban LE,et al. Radiotherapy treatment planning for patients with non-small celllung cancer using positron emission tomography (PET). Radiother Oncol2002;62:51–60.

[6] Nestle U, Walter K, Schmidt S, Licht N, Nieder C, Motaref B, et al. 18F-deoxyglucose positron-emission tomography (FDG-PET) for the planningof radiotherapy in lung cancer: high impact in patients with atelectasis. IntJ Radiat Oncol Biol Phys 1999;44:593–7.

[7] Bachaud JM, Marre D, Dygai I, Caselles O, Hamelin D, Bègue M, et al.Intérêt de la tomographie par émission de positons au [18F]-fluoro-2-désoxyglucose dans la détermination des volumes cibles de radiothérapie.Application à l’irradiation conformationnelle des cancers bronchiques nonà petites cellules. Cancer Radiother 2005;9:602–9.

[8] Deniaud-Alexandre E. 18FDG et radiothérapie externe, le point de vuedu radiothérapeute : application des techniques de fusion d’images àla radiothérapie des carcinomes bronchiques. Med Nucl 2008;32:530–5.

[9] Deniaud-Alexandre E, Touboul E, Lerouge D, Grahek D, Foulquier JN,Petegnief Y, et al. Tomographie par émission de positons et détection encoïncidence (TEDC) et recalage d’images de simulation virtuelle partomodensitométrie. Impact sur la planification de la radiothérapie confor-mationnelle des cancers bronchiques non à petites cellules. Cancer Radio-ther 2005;9:304–15.

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

[10] Green AJ, Francis RJ, Baig S, Begent RH. Semiautomatic volume ofinterest drawing for (18)F-FDG image analysis-method and preliminaryresults. Eur J Nucl Med Mol Imaging 2008;35:393–406.

[11] Feng M, Kong FM, Gross M, Fernando S, Hayman JA, Ten Haken RK.Using fluorodeoxyglucose positron emission tomography to assess tumorvolume during radiotherapy for non-small-cell lung cancer and its poten-tial impact on adaptive dose escalation and normal tissue sparing. Int JRadiat Oncol Biol Phys 2009;73:1228–34.

[12] Guido A, Fuccio L, Rombi B, Castelluci P, Cecconi A, Bunkheila F, et al.Combined 18F-FDG-PET/CT imaging in radiotherapy target delineationfor head-and-neck cancer. Int J Radiat Oncol Biol Phys 2009;73:756–63.

[13] Gillham C, Zips D, Pönisch F, Evers C, Enghardt W, Abolmaali N, et al.Additional PET/CT in week 5–6 of radiotherapy for patients with stage IIInon-small cell lung cancer as a means of dose escalation planning?Radiother Oncol 2008;88:335–41.

[14] Tylski P, Bonniaud G, Decenciere E, Stawiaski J, Coulot J, Lefkopoulos D,et al. 18F-FDG PET images segmentation using morphological watershed:a phantom study. In: IEEE Nuclear Science Symposium ConferenceRecord; 2006.p. 2063–7.

[15] Drever L, Roa W, McEwan A, Robinson D. Comparison of three imagesegmentation techniques for target volume delineation in positron emis-sion tomography. J Appl Clin Med Phys 2007;8:93–109.

[16] Bryant AS, Cerfolio RJ. The maximum standardized uptake values onintegrated FDG-PET/CT is useful in differentiating benign from mali-gnant pulmonary nodules. Ann Thorac Surg 2006;82:1016–20.

[17] Huglo D. Quantification de la fixation tumorale du fluoro-désoxyglucose[Quantification of fluoro-deoxyglucose tumor uptake]. Med Nucl 2002;26:175–88.

[18] Buvat I. Les limites du SUV. Med Nucl 2007;31:165–72.[19] Erdi YE, Nehmed SA, Pan T, Pevsner A, Rosenzweig KE, Mageras G,

et al. The CT motion quantitation of lung lesions and its impact on PET-measured SUVs. J Nucl Med 2004;45:1287–92.

[20] Zasadny KR, Kison PV, Francis IR, Wahl RL. FDG-PET determination ofmetabolically active tumor volume and comparison with CT. Clin PositronImaging 1998;1:123–9.

[21] Erdi YE, Mawlawi O, Larson SM, Imbriaco M, Yeung H, Finn R, et al.Segmentation of lung lesion volume by adaptive positron emissiontomography image thresholding. Cancer 1997;80:2505–9.

[22] Huglo D, Vermandel M, Rousseau J, Vasseur C, Steinling M. Limites desméthodes de seuillage pour la détermination des volumes en tomographied’émission de positons. Med Nucl 2004;28:155–62.

[23] Miller TR, Grigsby PW. Measurement of tumor volume by PET toevaluate prognosis in patients with advanced cervical cancer treated byradiation therapy. Int J Radiat Oncol Biol Phys 2002;53:353–9.

[24] Fernando S, Kong F, Kessler M, Chetty I, Narayan S, Tatro D, et al. UsingFDG-PET to delineate gross tumor and internal target volumes. Int JRadiat Oncol Biol Phys 2005;63:400–1.

[25] Erdi YE, Wessels BW, Loew MH, Erdi AK. Threshold estimation in singlephoton emission computed tomography and planar imaging for clinicalradio-immunotherapy. Cancer Res 1995;55:5823–6.

[26] Jentzen W, Freudenberg L, Eising EG, Heinze M, Brandau W, Bockisch A.Segmentation of PET volumes by iterative image thresholding. J NuclMed 2007;48:108–14.

[27] Daisne JF, Sibomana M, Bol A, Doumont T, Lonneux M, Grégoire V. Tri-dimensional automatic segmentation of PET volumes based on measuredsource-to-background ratios: influence of the reconstruction algorithms.Radiother Oncol 2003;69:247–50.

[28] Daisne JF, Duprez T, Weynand B, Lonneux M, Hamoir M, Reychler H,et al. Tumor volume in pharyngolaryngeal squamous cell carcinoma:Comparison between CT, MR imaging, and FDG PET and validation withsurgical specimen. Radiology 2004;233:93–100.

[29] Black QC, Grills IS, Kestin LL, Wong CYO, Wong JW, Martinez AA,et al. Defining a radiotherapy target with positron emission tomography.Int J Radiat Oncol Biol Phys 2004;690:1272–82.

[30] Nestle U, Schaefer-Schuler A, Kremp S, Groeschel A, Hellwig D, Rube C,et al. Target volume definition for 18F-FDG PET-positive lymph nodes inradiotherapy of patients with non-small cell lung cancer. Eur J Nucl MedMol Imaging 2007;34:453–62.

[31] Schaefer A, Kremp S, Hellwig D, Rube C, Kirsch CM, Nestle U. Acontrast-oriented algorithm for FDG-PET-based delineation of tumourvolumes for the radiotherapy of lung cancer: derivation from phantommeasurements and validation in patient data. Eur J Nucl Med Mol Imaging2008;35:1989–99.

[32] Nestle U, Kremp S, Schaefer-Schuler A, Sebastian-Welsch C, Hellwig D,Rube C, et al. Comparison of different methods for delineation of PET-positive tissue for target volume definition in radiotherapy of patients withnon-small cell lung cancer. J Nucl Med 2005;46:1342–8.

[33] Boursot C, Le Borgne A, Barillot I, Venel Y, De Muret A, Baulieu JL, et al.Segmentation automatique du volume tumoral des cancers pulmonairesnon à petites cellules sur la 18F-FDG TEP-TDM en vue d’un traitement parradiothérapie. Med Nucl 2009;33:440–9.

[34] Venel Y, Garhi H, De Muret A, Baulieu JL, Barillot I, Prunier-Aesch C.Comparaison de six méthodes de segmentation du volume tumoral sur la18F-FDG TEP-TDM avec le volume de référence anatomopathologiquedans les cancers bronchopulmonaires non à petites cellules. Med Nucl2008;32:339–53.

[35] Ford EC, Kinahan PE, Hanlon L, Alessio A, Rajendran J, Schwartz DL,et al. Tumor delineation using PET in head and neck cancers: Thresholdcontouring and lesion volumes. Med Phys 2006;33:4280–8.

[36] Schwartz DL, Ford EC, Rajendran J, Yueh B, Coltrera MD, Virgin J, et al.FDG-PET/CT-guided intensity modulated head and neck radiotherapy: Apilot investigation. Head Neck 2005;27:478–87.

[37] Wang D, Bialkowski M, Schultz CJ, Jursinic PA, Zhu X, Brown W, et al.FDG-PET/CT guided IMRT for head and neck carcinoma. Int J RadiatOncol Biol Phys 2004;60:519–20.

[38] Fakhry N, Barberet M, Lussato D, Mundler O, Giovanni A, Zanaret M.Apport de la [18F]-FDG TEP/TDM dans la stadification initialedes cancers de la tête et du cou. Rev Laryngol Otol Rhinol 2007;128:3–9.

[39] Westerterp M, Van Westreenen HL, Reitsma JB, Hoekstra OS, Stoker J,Fockens P, et al. Esophageal cancer: CT, endoscopic US, and FDG PET forassessment of response to neoadjuvant therapy – Systematic review.Radiology 2005;236:841–51.

[40] Sun L, Su XH, Guan YS, Pan WM, Luo ZM, Wei JH, et al. Clinicalusefulness of 18F-FDG PET/CT in the restaging of esophageal cancer aftersurgical resection and radiotherapy. World J Gastroenterol 2009;15:1836–42.

[41] Dwamena BA, Sonnad SS, Angobaldo JO, Wahl RL. Metastases fromnon-small cell lung cancer: mediastinal staging in the 1990s – Meta-analytic comparison of PET and CT. Radiology 1999;213:530–6.

[42] Schinagl DA, Hoffmann AL, Vogel WV, Van Dalen JA, Verstappen SM,Oyen WJ, et al. Can FDG-PET assist in radiotherapy target volumedefinition of metastatic lymph nodes in head-and-neck cancer? RadiotherOncol 2009;91:95–100.