$^{68}$Ga-DOTATATE PET画像における単段階病変同定

科学分野:

• 医用画像処理
• 人工知能
• 腫瘍学

背景:

• 陽電子放出断層撮影（PET）は、神経内分泌腫瘍（NET）の評価に不可欠です。
• PET画像における自動病変同定は、効果的なNET治療法の開発に不可欠です。
• 既存の深層学習法は、関心領域（ROI/VOI）の事前定義や複雑な多段階パイプラインを必要とすることが多く、非効率性とばらつきにつながります。

研究 の 目的:

• NETの単段階PET病変検出法を提案する。
• 事前計算されたROI/VOI、カスケードモデル、またはマルチモーダルデータの必要性をなくす。
• PET画像における病変同定の効率と精度を向上させる。

主な方法:

• 3次元デュアルデコーダーニューラルネットワークの導入。
• 補助臓器セグメンテーションを用いたクロスデコーダーアテンションモジュールの組み込み。
• 病変の識別力を向上させるためのパッチごとの対照学習モジュールの統合。

主要な成果:

• 提案手法は、2つの異なるスキャナーからの肝臓NET $^{68}$Ga-DOTATATE PET画像データセットで評価されました。
• 参照ベースラインおよび最先端のアプローチと比較して優れた性能が達成されました。
• 単段階フレームワークは、病変同定において大幅な改善を示しました。

結論:

• クロスデコーダーアテンションとパッチごとの対照学習を利用した新しい単段階フレームワークは、PET画像における病変同定を効果的に改善します。
• このアプローチは、NETのPET画像データの臨床解釈の効率を大幅に向上させる可能性があります。