一个全身,多模式跟踪单个癌症病变的自动化方法

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 在瘤学瘤学.

背景情况:

• 手动评估癌症病变是耗时和不切实际的疾病反应评估.
• 目前的自动化方法缺乏全身,多模式和多扫描损伤跟踪能力.

研究的目的:

• 开发和基准测试一种新的方法,用于在多种成像方式和扫描中实现自动化,全身,个体性损伤跟踪.
• 为了能够准确评估神经内分泌瘤中的疾病反应.

主要方法:

• 该方法包括通过注册进行扫描对齐,身体部位标记,自动损伤扩张,使用形状指标进行损伤聚类,损伤轨道分配和损伤图输出.
• 基准测试使用了8名神经内分泌瘤患者的23 68Gallium-DOTATATE PET/CT和PET/MR扫描.
• 使用注册错误,病变匹配精度和相同的轨道比率来评估性能,并对各种参数进行敏感性分析.

主要成果:

• 自动化损伤跟踪实现了0.90整体损伤匹配精度和88%相同的轨道比.
• 该方法在不同的解剖位置,成像模式 (PET/CT,PET/MR) 和注册模式中表现出强度.
• 追踪精度受到扫描数量的适度影响,受损伤数量的实质影响.

结论:

• 开发的方法为PET/CT和PET/MR成像提供了准确和自动化的病变跟踪.
• 这种方法克服了手动分析和现有的自动化方法对综合性疾病反应评估的局限性.