大脑细分方法对区域代谢量化的影响在F-FDG PET/MR分析中
Yi Shan1,2, Shao-Zhen Yan1,2, Zhe Wang3
1Department of Radiology and Nuclear Medicine, Xuanwu Hospital, Capital Medical University, #45 Changchunjie, Xicheng District, Beijing, 100053, China.
EJNMMI research
|September 5, 2023
概括
通过比较用于定量PET/MR分析的大脑细分方法,可以发现,虽然大多数方法显示出强烈的相关性,但基于AI的方法提供了更高的效率和准确性,特别是在特定的大脑区域,如基底和大脑皮层.
科学领域:
- 神经成像是一种神经成像.
- 医学物理 医学物理
- 放射化学 放射化学是指辐射化学.
背景情况:
- 量化PET数据分析对于研究小脑结构至关重要.
- 集成的PET/MR系统提供结构MRI和分子PET图像的精确空间和时间对齐.
- 临床工作流程往往省略个人MRI扫描,以方便PET分析,影响细分精度.
研究的目的:
- 为了比较和评估各种大脑细分策略之间的相关性,一致性和差异.
- 在18F-FDG PET/MR分析中评估细分方法对大脑代谢量化的影响.
- 为临床应用验证人工智能辅助细分方法的效率和准确性.
主要方法:
- 分段化策略的比较:有/没有MRI注册和基于图谱的与基于个体的算法.
- 评估人工智能 (AI) 辅助的细分方法.
- 对18F-FDG PET/MR脑代谢数据进行定量分析.
主要成果:
- 所有细分方法都显示出强烈的相关性 (r=0.932到0.999).
- 由于主体和大脑区域的差异超过了细分方法的差异.
- 基于人工智能的方法显示高相关性 (r=0.998-0.999) 和ICC与FreeSurfer,大大减少处理时间从每人8.13小时到57秒.
结论:
- 分段方法可以影响大脑代谢量化,特别是在基底和特定的大脑皮层.
- 基于AI的细分显著提高了效率和性能.
- 人工智能辅助的方法被推用于临床应用,因为它们的准确性和速度提高了.
更多相关视频
09:58Semi-quantitative Assessment Using [18F]FDG Tracer in Patients with Severe Brain Injury
Published on: November 9, 2018
7.6K
07:28Studying Metabolic Brain Connectivity Using 2-Deoxy-2-[18F]Fluoro-D-Glucose Dynamic Positron Emission Tomography at the Single-subject Level
Published on: January 24, 2025
397
