直接减弱校正用于99mTc-3PRGD胸部SPECT肺癌图像使用深度学习
Haiqun Xing1, Tong Wang1, Xiaona Jin1
1Department of Nuclear Medicine, Peking Union Medical College Hospital, Chinese Academy of Medical Science and Peking Union Medical College, Beijing Key Laboratory of Molecular Targeted Diagnosis and Therapy in Nuclear Medicine, Beijing, China.
Frontiers in oncology
|May 30, 2023
概括
深度学习准确地纠正SPECT图像用于肺癌诊断,使用Tc-3PRGD. 这种新的方法为减弱校正提供了可行的替代方案,特别是当CT无法使用时,有助于治疗评估.
科学领域:
- 医疗成像医学成像
- 放射化学 放射化学是指辐射化学.
- 人工智能的人工智能
背景情况:
- 减弱校正对于肺癌诊断和治疗监测中精确的单光子发射计算机断层扫描 (SPECT) 成像至关重要.
- 99m Tc-3PRGD 是一个有前途的放射追踪器,用于早期肺癌检测和评估治疗疗效.
- 开发用于SPECT图像校正的先进方法对于提高诊断准确性至关重要.
研究的目的:
- 调查基于深度学习的方法的可行性和准确性,用于对99米Tc-3PRGD胸部SPECT图像进行直接减弱校正.
- 为了比较深度学习减弱校正 (DL-AC) 与传统基于CT的减弱校正 (CT-AC) 的性能.
- 评估DL-AC在肺癌诊断和治疗效果评估方面的潜力.
主要方法:
- 对53名肺癌患者进行了回顾性分析,这些患者接受了99mTc-3PRGD2SPECT/CT成像.
- 在CT-AC图像上训练的深度学习模型 (3D Unet) 的开发作为地面真相,在非减弱校正 (NAC) SPECT图像上执行直接减弱校正.
- 使用定量指标 (MAE,MSE,PSNR,SSIM,NRMSE,NMI) 评估DL-AC模型,并分析专用测试组中的肺病变中的瘤与背景比率.
主要成果:
- 深度学习减弱校正 (DL-AC) 方法实现了高精度,主要的成像质量指标与CT-AC.
- 对于DL-AC的具体指标包括PSNR>42,SSIM>0.8和NRMSE<0.11.
- 在CT-AC和DL-AC组之间,肺病变的瘤与背景比率没有显著差异 (p = 0.81).
结论:
- 基于深度学习的减弱校正方法非常准确,并且可用于Tc-3PRGD胸部SPECT成像.
- 这种DL-AC方法为SPECT减弱校正提供了可行的替代方案,特别是在CT无法使用的场景中.
- 这些发现支持DL-AC用于改进肺癌诊断和使用SPECT/CT扫描评估治疗效果.
