基于99m的生成对抗网络减弱校正Tc-TRODAT-1大脑SPECT
Yu Du1,2, Han Jiang1, Ching-Ni Lin3
1Biomedical Imaging Laboratory (BIG), Department of Electrical and Computer Engineering, Faculty of Science and Technology, University of Macau, Taipa, Macau SAR, China.
Frontiers in medicine
|September 1, 2023
概括
基于深度学习的减弱校正 (AC) 方法显著提高了多巴胺载体 (DAT) SPECT成像的准确性,与的方法相比. 扫描器特定的深度学习衰减校正 (DL-ACμ) 显示了99mTc-TRODAT-1脑SPECT的优越性能.
科学领域:
- 医疗成像医学成像
- 核医学就是核医学.
- 医疗保健中的人工智能
背景情况:
- 减弱校正 (AC) 对于多巴胺载体 (DAT) SPECT成像中的准确量化至关重要.
- 传统的Chang方法假设均减弱,限制了它的准确性.
- 评估基于深度学习 (DL) 的AC方法与临床99mTc-TRODAT-1大脑SPECT数据上的Chang方法对比是必不可少的.
研究的目的:
- 为了比较各种深度学习减弱校正 (DL-AC) 方法的性能,与99mTc-TRODAT-1大脑SPECT的Chang方法进行比较.
- 评估扫描器特定,交叉扫描器和整体DL-AC培训策略的有效性.
- 确定最佳的DL-AC方法,以提高DAT SPECT中的量化准确性.
主要方法:
- 从两个不同的扫描仪对260名患者99mTc-TRODAT-1 SPECT/CT扫描进行了回顾性分析.
- 使用3D cGAN实现直接 (DL-AC) 和间接 (DL-ACμ) 深度学习减弱校正.
- 扫描器特定,交叉扫描器和整体DL-AC训练方法与方法的比较.
主要成果:
- 所有DL-AC方法的精度都超过了Chang的方法,DL-ACμ显示出优异的结果.
- 扫描器专用训练比跨扫描器或组合训练产生了更好的性能.
- DL-ACμ显示正常化平均平方误差 (NMSE) 值低至0.0055 ± 0.0034,明显低于方法 (0.0406 ± 0.0445).
结论:
- 基于深度学习的减弱校正方法对于99mTc-TRODAT-1大脑SPECT是可行的和强大的.
- 与传统方法相比,DL-ACμ,特别是具有扫描器特定培训,提供了更高的准确性.
- 这些发现支持采用DL-AC来提高DAT SPECT成像中的定量精度.
更多相关视频
09:03Radiotracer Administration for High Temporal Resolution Positron Emission Tomography of the Human Brain: Application to FDG-fPET
Published on: October 22, 2019
10.1K
06:53Management of Respiratory Motion Artefacts in 18F-fluorodeoxyglucose Positron Emission Tomography using an Amplitude-Based Optimal Respiratory Gating Algorithm
Published on: July 23, 2020
5.6K
