将大脑MRI转化为诊断PET:O-水PET CBF合成来自通过基于注意力的编码解码网络的多对比MRI

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 医学诊断 医学诊断 医学诊断

背景情况:

• 脑血流 (CBF) 的量化对于诊断神经疾病至关重要.
• 使用15O-水的正子发射断层扫描 (PET) 是CBF测量的黄金标准,但受到成本和可访问性的限制.
• 磁共振成像 (MRI) 提供了一个无辐射且更容易获得的替代方案.

研究的目的:

• 开发一种能够从多对比度MRI扫描中预测黄金标准15O-水PET CBF的AI模型.
• 在CBF量化中消除对放射性痕迹物的要求.
• 提高CBF评估的可访问性和广泛应用.

主要方法:

• 使用了带有注意力机制的卷积式编码器解码器网络.
• 该模型在126名受试者 (健康对照和脑血管疾病患者) 上使用5倍交叉验证进行了训练和验证.
• 同时获得15O水PET/MRI数据用于模型培训和验证.

主要成果:

• 人工智能模型成功合成了高质量的PET CBF测量结果,平均SSIM为0.924和PSNR为38.8dB.
• 与现有的PET合成方法相比,合成的CBF测量显示出更高的准确性.
• 该算法在识别受损CBF的血管区域方面显示出临床意义.

结论:

• 拟议的AI方法可以使用可访问的MRI数据进行准确的CBF量化,克服PET成像的局限性.
• 这种方法可以在临床环境中促进更广泛,更频繁的CBF评估,特别是对于有辐射问题或访问限制的患者.
• 这些发现支持了先进的神经成像技术在治疗神经疾病方面更广泛应用的潜力.