相关实验视频
Updated: Jul 24, 2025
10:46
MRI and PET in Mouse Models of Myocardial Infarction
Published on: December 19, 2013
11.8K
通过域翻译3DMRI的合成PET
Abhejit Rajagopal1, Yutaka Natsuaki2, Kristen Wangerin3
1Department of Radiology and Biomedical Imaging, University of California at San Francisco, San Francisco, CA 94158 USA.
概括
这项研究引入了一种深度学习方法,从MRI扫描中创建合成正子发射断层扫描 (PET) 数据,减少对广泛患者数据采集的需求. 生成的合成PET (sPET) 数据准确地反映了真实PET扫描,使得PET/MRI重建的高效算法开发.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射化学 放射化学是指辐射化学.
背景情况:
- 开发和验证PET/MRI和PET/CT重建算法传统上需要大量的患者数据集.
- 获取大量的患者数据用于算法开发是耗时且资源密集的.
研究的目的:
- 展示一种深度学习技术,通过随时可用的全身核磁共振 (MRI) 来生成现实的全身合成PET共振图.
- 为了实现PET/MRI重建算法开发而不需要数百名患者的检查.
主要方法:
- 在56个18F-FDG-PET/MRI检查中训练了3D残留UNet,以预测T1加权MRI的PET吸收.
- 实现了平衡损失函数和计算损失沿着tomographic响应线进行现实的PET数据生成.
- 向前投射预测的PET图像以创建与标准重建算法兼容的合成PET (sPET) 飞行时间 (ToF) 协同图.
主要成果:
- 生成的sPET数据准确地回顾了大脑,膀,肝脏,脏,心脏和肌肉等器官的生理18F-FDG吸收.
- 有高吸收率的合成病变成功地被插入到sPET数据中.
- sPET数据证明了与真实PET数据的可互换性,用于比较基于CT和基于MR的减弱校正方法,平均SUV误差≤7.6%.
结论:
- 拟议的sPET数据管道提供了一种可行的方法,用于从MRI中生成现实的PET数据.
- 这种方法可以大大帮助PET/MRI重建方法的开发,评估和验证.
- 合成PET数据为获得大型现实世界PET数据集提供了具有成本效益和高效的替代方案.
