深度学习用于自动器官和瘤细分在纳米医药的药理动力学
Alex Dhaliwal1,2, Jun Ma3,4,5, Mark Zheng1
1Princess Margaret Cancer Centre, University Health Network, 101 College Street, Toronto, M5G 1L7, Ontario, Canada.
Theranostics
|January 22, 2024
概括
纳米MASK是一个深度学习工具,在纳米医学成像中自动化器官细分,使得更快,更准确的药理学分析成为可能. 这加速了基于纳米粒子的新疗法的开发.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 纳米医学是一种纳米医学.
- 人工智能的人工智能
背景情况:
- 多模式成像对于纳米药物开发至关重要,提供药理动力学和剂量测量数据.
- 精确量化成像数据往往是耗时的,需要专门的解剖专业知识.
- 需要自动化工具来提高纳米医学研究的效率和准确性.
研究的目的:
- 开发和验证NanoMASK,这是一个深度学习工具,用于自动化器官细分多式成像数据.
- 在纳米医学研究中实现快速准确的药理动力学和剂量测量分析.
- 评估NanoMASK在不同纳米医药类型中的通用性.
主要方法:
- 一个3D U-Net深度学习模型 (NanoMASK) 在355个手动轮的PET/CT小鼠成像数据集上进行了训练.
- 该模型执行自动器官细分 (心脏,肺,肝脏,脏,脏,瘤) 并计算剂量计量指标.
- 纳米MASK的性能在新的数据集上进行了评估,包括脂质纳米粒子和抗体-药物合物.
主要成果:
- 在器官细分方面,NanoMASK实现了高体积精度 (平均%DSC为92.5).
- 药物动力学指标 (%ID/cc,%ID,SUVmax) 显示出良好的相关性 (R>0.987) 和低误差 (<0.2%).
- 该工具展示了对各种纳米药物的概括性,并提供了对自动细分模型偏差的见解.
结论:
- 纳米MASK提供了一个可适应和用户友好的解决方案,用于提高纳米药物药物动力学研究的准确性和吞吐量.
- 该工具为各种纳米粒子提供了自动细分和药物动力学分析,加速了纳米医药的发展.
- 纳米MASK是公开的,促进更广泛的采用和在该领域的进步.
