高速化撮像：深層学習による¹²³I-イオフルパンSPECTの効率向上

科学分野:

• 核医学
• 医用画像における人工知能
• 放射性医薬品イメージング

背景:

• 従来の¹²³I-イオフルパンドーパミン作動性ニューロトランスポーターSPECTスキャンは25〜40分を必要とし、患者の不快感と限られたスループットにつながります。
• 深層学習（DL）再構成は、画像品質を維持しながらスキャン時間を短縮するための潜在的なソリューションを提供します。

研究 の 目的:

• 大幅に短縮された5分間の撮像時間から、診断品質の¹²³I-イオフルパンSPECT画像を生成するためにDL再構成を使用する実現可能性を評価すること。
• DL再構成された5分間スキャンと従来の25分間スキャンの画像品質および診断パフォーマンスを比較すること。

主な方法:

• 207件の¹²³I-イオフルパンSPECT研究の遡及的分析。
• 6つの畳み込みニューラルネットワークアーキテクチャ（U-Netバリアント、V-Net、Attention U-Net、TransUNet）のトレーニングと検証により、5分間スキャンを仮想25分間スキャンに変換します。
• ピーク信号対雑音比（PSNR）および構造的類似性指数（SSIM）を使用した定量的画像品質評価。
• 診断パフォーマンスと観察者間の一致を評価するための3人の核医学専門家によるブラインド読影研究。

主要な成果:

• すべてのDL再構成は、生の5分間スキャンと比較して、画像品質（PSNR、SSIM）を大幅に向上させました（p < 0.01）。
• コンパクトな4層U-Netが最高の画像品質を達成し、25分間スキャンと統計的に区別できませんでした（p > 0.05）。
• DL再構成により、読影者の合意は、良好（κ = 0.29-0.41）から実質的（κ = 0.62-0.70）に改善し、高い内的および間での観察者間信頼性（ICC）を示しました。

結論:

• 4層U-Net深層学習モデルは、5分間の¹²³I-イオフルパンSPECTスキャンに診断忠実性を回復させることができます。
• このDL加速プロトコルにより、定量的指標または診断解釈可能性を損なうことなく、スキャン時間を80%短縮できます。
• DL加速SPECTプロトコルは、患者の快適性の向上、モーションアーチファクトの軽減、および撮像スループットの増加の可能性があり、さらなる前向き検証に値します。