CTLESS:一种基于分散窗口投影和深度学习的传输少衰减补偿方法,用于心肌 perfusion SPECT

科学领域:

• 医疗成像医学成像
• 核医学就是核医学.
• 人工智能的人工智能

背景情况:

• 衰减补偿 (AC) 改善了SPECT心肌输液成像 (MPI),但通常需要CT,增加辐射和成本.
• SPECT/CT错位可能导致诊断不准确.

研究的目的:

• 开发和评估使用深度学习进行心脏SPECT MPI的CT-less衰减补偿 (CTLESS) 方法.
• 与基于CT的AC (CTAC) 和非AC (NAC) 方法相比,评估CTLESS的性能.

主要方法:

• 训练了一个深度学习网络 (多通道输入多解码器) 来估计来自散射能量窗口光子的衰减图.
• 估计的地图被细分,并为AC分配了预定义的系数.
• 用临床SPECT/CT MPI数据和用于缺陷检测的人形模型观察者来回顾评估性能.

主要成果:

• 在检测缺陷方面,CTLESS在统计学上表现不低于CTAC,并且在检测缺陷方面明显优于NAC.
• 该方法在图像质量指标 (RMSE,SSIM) 中显示了与CTAC可比的性能和与NAC优异的性能.
• 通过减少训练数据,CTLESS保持了稳定的性能,并超过了另一种深度学习AC方法.

结论:

• CTLESS方法为SPECT MPI提供了有效的无传输交流.
• 这种方法为基于CT的AC提供了可行的替代方案,有可能提高诊断准确性,同时降低辐射暴露和成本.