自动脑瘤检测和细分用于使用氨基酸PET评估治疗反应

科学领域:

• 核医学是一种核医学.
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 通过氨基酸PET评估的代谢瘤体积 (MTV) 变化对于脑瘤反应评估至关重要.
• 目前的手动或半自动MTV细分方法耗时,容易导致观察者变化.
• 开发自动化细分方法对于高效和可重复的响应评估至关重要.

研究的目的:

• 开发一种使用18F-FET PET.用于代谢性瘤体积 (MTV) 分段的自动化方法.
• 评估自动细分的性能,以评估质瘤患者的反应.
• 将自动响应评估与基于医生的评估进行比较.

主要方法:

• 从555名脑瘤患者 (76%的质瘤) 的699个18F-FETPET扫描进行了回顾性分析.
• 一个人工神经网络 (U-Net) 在476次扫描中接受了训练,并在223次扫描中得到了验证.
• 使用Dice相似系数 (DSC) 评估细分质量;自动响应评估与医生评估进行了比较.

主要成果:

• 自动化方法在识别增加 (92%) 和异位/低代谢 (85%) 吸收的病变方面取得了很高的准确性.
• 在单个连续病变中观察到高子相似系数 (DSC) (表面DSC:0.96,体积DSC:0.83).
• 自动化的MTV变化与无疾病和整体生存率有显著的相关性,反映了医生评估.

结论:

• 基于深度学习的18F-FET PET细分能够对脑瘤患者进行可靠,强大和完全自动化的MTV评估.
• 自动化方法证明了对准确和有效的反应评估的临床价值.
• 这项技术有可能标准化和改进对脑瘤治疗疗效的评估.