准确的自动定量多巴胺载体PET没有MRI使用基于深度学习的空间规范化

科学领域:

• 神经学 神经学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 多巴胺载体成像对于诊断帕金森病 (PD) 和相关疾病至关重要.
• 与SPECT相比,F-FP-CIT PET提供了更高的分辨率和灵敏度.
• 准确量化F-FP-CIT PET对于临床评估至关重要.

研究的目的:

• 为F-FP-CIT PET图像开发一种新的,自动量化方法.
• 利用基于人工智能 (AI) 的空间规范化 (SN) 技术,消除对解剖图像的需求.
• 为了能够准确评估突触前多巴胺功能.

主要方法:

• 开发了一个基于AI的SN引擎,使用在213个配对的F-FP-CIT PET和3D MRI数据集上训练的卷积神经网络.
• 采用循环训练策略,从模板向后变形到单个空间.
• 使用89个内部和135个外部配对的F-FP-CIT PET和MRI数据集验证了该方法的准确性,并与基于MRI的量化 (FIRST软件) 进行了比较.

主要成果:

• 这种基于人工智能的方法成功生成了空间正常化的F-FP-CIT PET图像,而不需要CT或MRI.
• 在内部和外部数据集中,仅使用PET方法和基于MRI的量化之间观察到高相关性 (R^{2 0.96-0.99,斜率0.98-1.02).}
• 证明了条形状活动的准确量化.

结论:

• 基于人工智能的SN方法在F-FP-CIT大脑PET图像中提供了准确的,自动量化条纹活动.
• 这种方法消除了对MRI支持的需求,简化了成像过程.
• 该方法在评估PD和相关帕金森症疾病中的前交互性多巴胺功能方面显示出显著的前途.