评估放射治疗深度学习合成CT算法用于盆腔中PET-MR减弱校正
Jonathan J Wyatt1,2, Sandeep Kaushik3,4, Cristina Cozzini3
1Translation and Clinical Research Institute, Newcastle University, Newcastle upon Tyne, UK. jonathanwyatt@nhs.net.
EJNMMI physics
|January 28, 2024
概括
一个新的零回声时间 (ZTE) MRI 序列与深度学习相结合,为放射治疗提供了精确的 PET-MR 衰减校正. 这种方法可以改善SUV测量,而不会影响瘤划线,从而实现定量PET成像.
科学领域:
- 医疗成像医学成像
- 放射治疗 物理 物理
- 人工智能在医学中的应用
背景情况:
- 由于MR信号在表示组织密度和成像骨方面的局限性,正子发射断层扫描-磁共振 (PET-MR) 衰减校正很困难.
- 一个新的零回声时间 (ZTE) 的MR序列可以对皮质骨产生图像,而一个深度学习模型可以为仅MR的放射治疗生成合成CT (sCT).
研究的目的:
- 评估基于ZTE的合成CT (sCT) 算法,用于盆腔放射治疗中PET-MR减弱校正.
- 为了比较基于sCT的减弱校正 (sCTAC) 与基于MR的标准减弱校正 (MRAC) 和基于CT的减弱校正 (CTAC) 的准确性.
主要方法:
- 10名接受直肠放射治疗的患者接受了F-FDG-PET-MR扫描.
- 使用基于ZTE的sCT (sCTAC) 和供应商提供的MRAC,生成了衰减图.
- 使用sCTAC,MRAC和CTAC (黄金标准) 重建PET图像,以比较SUV,GTV划分和代谢参数.
主要成果:
- 与CTAC相比,sCTAC的平均整体图像SUV差异为-0.02%,而MRAC的平均差异为-3.0%.
- 在值GTV中没有观察到显著差异 (Dice相似系数[公式:见文本]).
- sCTAC 对于 GTV 代谢参数 ([公式:见文本]和[公式:见文本]) 证明了与 CTAC 的统计等价性,而 MRAC 则没有.
结论:
- 使用基于ZTE的放射治疗sCT算法进行衰减校正,比目前的MRAC方法要准确得多.
- 这种方法极小地增加了MR采集时间 (40秒),并提高了SUV的准确性,而不会影响瘤划分.
- 基于ZTE的sCTAC能够在PET-MR扫描仪上进行准确的定量PET成像,为放射治疗应用提供了可行的替代方案.
