基于人工智能的肺叶自动量化工具在SPECT/CT中进行临床验证

科学领域:

• 核医学就是核医学.
• 放射学 放射学是一门学科.
• 医学成像分析 医学成像分析

背景情况:

• 传统的肺叶通风和 perfusion (V/Q) 量化方法使用平面光学与固定区域的兴趣,限制准确性.
• SPECT/CT提供精确的3D叶片量化,但手动划分是耗时的,阻碍了临床工作流.
• 像AutoLung3D这样的人工智能 (AI) 自动细分工具为高效和准确的V / Q评估提供了潜在的解决方案.

研究的目的:

• 评估基于AI的AutoLung3D软件用于肺叶V/Q量化的临床有效性.
• 为了比较AutoLung3D的准确性和效率与平面光谱和手动SPECT/CT量化.
• 评估自动细分对V/Q扫描中观察者间变异性的影响.

主要方法:

• 从43名接受V/Q光学扫描的患者的SPECT/CT数据的回顾性分析.
• 将AutoLung3D自动细分与手动SPECT/CT细分和平面光学相比较.
• 评估相对叶片V/Q量化值和观察者之间的变化.

主要成果:

• 自动肺3D和手动SPECT/CT方法产生了类似的V/Q估计,优于右肺叶的平面光学扫描.
• 自动化细分将后处理时间从2小时 (手动) 缩短到大约5分钟.
• 与平面扫描 (23%) 和手动SPECT/CT (19%) 相比,AutoLung3D (5% RSD) 显著降低了观察者间的变异性.

结论:

• AutoLung3D已被验证用于临床使用,提供快速而准确的叶片V/Q量化.
• 人工智能工具显著降低了观察者之间的变化,提高了V/Q扫描分析的可靠性.
• 通过使用SPECT/CT.AutoLung3D增强了使用SPECT/CT.AutoLung3D进行V/Q估计的临床工作流.