相关实验视频
Updated: Jul 20, 2025

Quantitation of Intra-peritoneal Ovarian Cancer Metastasis
Published on: July 18, 2016
基于人工智能对全身瘤负担对体静止素受体PET/CT的量化
Anni Gålne1,2,3, Olof Enqvist4,5, Anna Sundlöv6
1Department of Medical Imaging and Physiology, Skåne University Hospital, Lund, Sweden. anni.galne@med.lu.se.
开发了一种人工智能 (AI) 模型,自动从PET/CT扫描中对全身索马托斯坦素受体表达瘤体积 (SRETVwb) 和总损伤索马托斯坦素受体表达 (TLSREwb) 进行细分. 这种人工智能工具准确量化瘤负担,改善疾病评估和预后.
科学领域:
- 核医学是一种核医学.
- 无线电学 (Radiomics) 是一种辐射学.
- 在瘤学中使用人工智能
背景情况:
- 在PET/CT上对全身索马托斯坦素受体表达瘤体积 (SRETVwb) 的细分是预后性的,但耗时.
- 自动化SRETVwb测量可以提高疾病评估和预后.
- 这项研究的重点是开发一种AI方法来定量SRETVwb和总损伤索马托斯塔丁受体表达 (TLSREwb).
研究的目的:
- 开发和验证基于人工智能的方法,用于SRETVwb和TLSREwb的自动细分和量化.
- 评估人工智能模型与医生手动细分的性能.
- 建立一个可靠的工具,以改善PET/CT成像中的瘤负担评估.
主要方法:
- 使用UNet3D卷积神经网络 (CNN) 来训练AI模型.
- 培训数据包括来自148名患者的[68Ga]Ga-DOTA-TOC/TATE PET/CT图像.
- 人工智能模型的性能与来自两个医生的手动细分对30名患者的测试组进行了评估.
主要成果:
- 人工智能模型与SRETVwb (r=0.78) 和TLSREwb (r=0.83) 的医生细分表现出良好的相关性.
- 对于TLSREwb的斯皮尔曼等级相关系数也很高 (r=0.73和r=0.81).
- 与医生相比,损伤检测灵敏度为80-79%,积极预测值为83-84%.
结论:
- 人工智能模型可以有效地从高性能PET/CT图像中分割SRETVwb和TLSREwb.
- 完全自动化量化瘤负担是可以实现的,提供了一个潜在的更广泛适用的工具.
- 这种人工智能方法可以显著改善对PET/CT图像的评估,用于疾病的分期和监测.
更多相关视频
10:04Radionuclide-fluorescence Reporter Gene Imaging to Track Tumor Progression in Rodent Tumor Models
Published on: March 13, 2018
09:49A Whole Body Dosimetry Protocol for Peptide-Receptor Radionuclide Therapy PRRT: 2D Planar Image and Hybrid 2D+3D SPECT/CT Image Methods
Published on: April 24, 2020
相关概念视频
Imaging Studies II: Positron Emission Tomography and Scintigraphy
Fundamental Principles of PET
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...