对PET/MR中的定量和定性PET的深度学习应用:技术和临床未满足的需求

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 核医学就是核医学.

背景情况:

• 混合PET/磁共振成像 (PET/MR) 系统中的定量和定性正子发射断层扫描 (PET) 提供了显著的诊断潜力.
• 深度学习 (DL) 为提高PET/MR图像质量和定量准确性提供了有希望的途径.
• 然而,一些技术和临床挑战阻碍了DL在PET/MR应用中的广泛采用.

研究的目的:

• 提供关于在PET/MR中对定量和质量PET的DL应用中未得到满足的需求和挑战的全面概述.
• 突出潜在的解决方案和研究机会来克服这些局限性.
• 为了促进DL技术在PET/MR成像中的临床转化.

主要方法:

• 对PET/MR当前DL应用的审查,重点是减弱校正,图像增强,运动校正,动态建模和数据生成.
• 识别基于DL的减弱校正 (DLAC) 的数据稀缺性和技术限制,特别是对于儿科和肺部成像.
• 评估DL用于图像增强,运动校正和动力建模,并注意到临床验证和数据可用性的挑战.

主要成果:

• 基于DL的减弱校正 (DLAC) 由于数据短缺,对儿科和肺部PET/MR的研究不足.
• DL图像增强显示出潜力,但需要在射线追踪器和易运动区域进行进一步的临床验证.
• 为DL运动校正训练获取配对的运动损坏和纠正的PET/MR数据是一个重大障碍.
• DL可以减轻动态PET的局限性,例如长扫描时间和运动工件.
• 蒙特卡洛模拟为生成大型数据集提供了一个解决方案,以克服临床数据稀缺.

结论:

• 对于PET/MR中的DL,仍然存在重大技术和临床挑战,包括数据的可用性和验证.
• 进一步研究DLAC,运动校正和强大的数据生成策略至关重要.
• 解决这些未满足的需求将加速DL驱动的PET/MR解决方案的临床转化.