直接大脑的可行性F-化氧糖-子发射断层扫描衰减和高分辨率校正方法使用深度学习

科学领域:

• 医疗成像医学成像
• 放射化学 放射化学是指辐射化学.
• 人工智能的人工智能

背景情况:

• 大脑18F-氧葡萄糖-正电子发射断层扫描 (PET) 需要精确的减弱校正 (AC) 进行精确的定量分析.
• 传统的交流方法通常依赖于CT扫描,引入额外的辐射暴露.
• 深度学习为开发新型交流技术提供了潜在的替代方案.

研究的目的:

• 开发和评估三种基于深度学习的衰减校正 (AC) 方法,用于大脑18F-氧葡萄糖-正电子发射断层扫描 (PET).
• 这些方法包括间接方法,直接方法和直接方法与高分辨率校正 (直接+HRC).
• 与基于CT的校正相比,评估这些新型交流方法的精度和准确性.

主要方法:

• 为AC开发了三种深度学习模型 (U-net架构):间接 (使用合成CT),直接和直接+HRC.
• 患者数据包括头骨MRI,CT和PET扫描 (n=27) 和MRI/CT (n=53).
• 图像质量和精度使用规范平均平方误差 (NMSE) 和结构相似性 (SSIM) 来评估.

主要成果:

• 视觉检查显示基于CT的AC和深度学习方法之间没有显著差异.
• 间接,直接和直接+HRC方法的NMSE值分别为0.281×10−3,4.62×10−3和12.7×10−3.
• 直接+HRC方法实现了高SSIM的0.975,表明出色的图像相似性.

结论:

• 直接+HRC深度学习方法为脑PET提供了准确的衰减校正,而不需要CT扫描.
• 这种方法提供了高分辨率的校正功能,不需要专门的校正软件.
• 基于深度学习的AC为定量PET成像提供了一个有希望的,无辐射的替代方案.