基于深度学习的衰减校正方法在Tc-GSA SPECT/CT肝脏成像:一个幻象研究
Masahiro Miyai1,2, Ryohei Fukui3, Masahiro Nakashima4
1Department of Radiological Technology, Graduate School of Health Sciences, Okayama University, 2-5-1 Shikata-Cho, Kita-Ku, Okayama-Shi, Okayama, 700-8558, Japan. miya0210@hp.kawasaki-m.ac.jp.
Radiological physics and technology
|November 30, 2023
概括
一种新的深度学习方法从SPECT扫描中生成伪CT图像,用于减弱校正. 这种方法,SPECT-GAN,提供与传统的SPECT/CT相似的结果,在99mTc-GSA光谱中潜在地减少辐射暴露.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 核医学是一种核医学.
背景情况:
- 精确的减弱校正 (AC) 对于定量SPECT成像至关重要.
- 传统的SPECT/CT需要单独的CT扫描,增加辐射剂量和扫描时间.
- 99mTc-galactosyl人体白二甲基胺五酸 (GSA) 剪影用于肝脏成像.
研究的目的:
- 用非AC SPECT (SPECTNC) 来生成的伪CT图像来评估基于深度学习的AC方法.
- 为了评估降低患者辐射剂量的可行性,在99mTc-GSA光学扫描.
- 为了比较伪CT AC (SPECTGAN) 与传统CT AC (SPECTCTAC) 的性能.
主要方法:
- 使用循环一致的生成对抗网络 (CycleGAN) 模型,从SPECTNC生成伪CT图像.
- 培训涉及大约850个肝脏幻影SPECT和真实CT图像对.
- 使用SPECTGAN和SPECTCTAC图像获取并使用肝体积,总计数,均性和结构相似性指数 (SSIM) 进行比较.
主要成果:
- 通过CycleGAN生成的伪CT图像显示,与真实CT相比,肝脏体积略低.
- 与SPECTNC和SPECTGAN相比,SPECTCTAC的总计数更高 (SPECTGAN的总计数低约7%).
- 在SPECTCTAC和SPECTGAN之间,SPECTNC和SPECTGAN均表现出比SPECTNC更好的统一性,SPECTCTAC和SPECTGAN之间的平均SSIM为0.97.
结论:
- 提出的深度学习方法有效地在99m的Tc-GSA SPECT中生成AC的伪CT图像.
- SPECTGAN提供了与SPECTCTAC相似的结果,表明它具有准确减弱校正的潜力.
- 这种方法可以进行SPECT/CT检查,使患者的辐射暴露可能减少.
更多相关视频
09:55Radiosynthesis, Quality Control, and Small Animal Positron Emission Tomography Imaging of 68Ga-Labelled Nano Molecules
Published on: October 4, 2024
401
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
