人工智能变压器用于辐射剂量降低,用于连续全身PET扫描
Yan-Ran Joyce Wang1, Liangqiong Qu1, Natasha Diba Sheybani1
1From the Departments of Biomedical Data Science (Y.R.J.W., L.Q., N.D.S., K.E.H., X.X., D.R., H.E.D.L.), Radiology (Y.R.J.W., A.J.T.), and Nuclear Medicine (K.E.H.), Stanford University, Stanford, CA 94304; Department of Diagnostic and Interventional Radiology, University Hospital Tübingen, Tübingen, Germany (S.G.); School of Engineering, University of Science and Technology of China, Hefei, China (X.L., J.W.); and Department of Pediatrics, Division of Pediatric Oncology, Lucile Packard Children's Hospital, Stanford University School of Medicine, Stanford, Calif (A.P., D.R., H.E.D.L.).
这项研究介绍了Masked-LMCTrans,这是一种用于儿科癌症成像中超低剂量全身PET重建的深度学习模型. 这种新的方法显著提高了图像质量,减少了噪音,并在低剂量PET扫描中改善了结构细节.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- pozitron发射断层扫描 (PET) 成像通常需要高剂量的辐射,造成风险,特别是在儿科患者.
- 开发超低剂量PET协议对于尽量减少辐射暴露,同时保持诊断准确性至关重要.
研究的目的:
- 开发一种深度学习方法,用于儿童癌症成像中的超低剂量 (1%标准剂量) 全身PET重建.
- 提高低剂量PET扫描的图像质量和诊断实用性.
主要方法:
- 一个纵向的多模态同注意卷积神经网络 (CNN) 变压器,Masked-LMCTrans,是使用儿童淋巴瘤患者的连续PET/MRI扫描开发的.
- 该模型利用扫描之间的全球相似性来共同推理和相互作用.
- 图像质量通过比较超低剂量重建PET与模拟标准剂量PET进行评估,并使用SSIM,PSNR和VIF等指标进行评估.
主要成果:
- 与模拟的低剂量图像相比,Masked-LMCTrans在1%的超低剂量PET图像中显著降低了噪音和增强了结构细节.
- 关键图像质量指标 (SSIM,PSNR,VIF) 在面具LMCTrans重建 (P < .001) 中显示显著改善 (15.8%,23.4%,186%).
- 该模型在图像重建质量方面超过了传统的CNN (U-Net家族).
结论:
- 蒙面LMCTrans有效地实现了高质量的图像重建,用于超低剂量全身PET扫描.
- 这种深度学习方法有望在儿童PET成像中降低剂量,同时保持诊断信息.
- 这项研究强调了先进的人工智能技术在促进弱势群体癌症成像方面的潜力.
相关概念视频
Positron Emission Tomography
One of the main requirements of a PET scan is a positron-emitting radioisotope, which is produced in a cyclotron and then attached to a substance used by the part of the body...
Imaging Studies II: Positron Emission Tomography and Scintigraphy
Fundamental Principles of PET


