基于深度学习的减弱校正Ga-DOTATATE全身PET成像:双中心临床研究
Mahsa Sobhi Lord1, Jalil Pirayesh Islamian1, Negisa Seyyedi2
1Tabriz University of Medical Sciences School of Medicine, Department of Medical Physics, Tabriz, Iran.
Molecular imaging and radionuclide therapy
|October 7, 2024
概括
一个新的深度学习模型为-68 DOTATATE PET成像提供了准确的衰减校正,通过消除CT扫描的需要,可能减少患者的辐射剂量.
科学领域:
- 核医学是一种核医学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 减弱校正对于定量正子发射断层扫描 (PET) 成像至关重要.
- 计算机断层扫描 (CT) 用于减弱校正,但会增加患者的辐射剂量.
研究的目的:
- 开发一种深度学习模型,用于对全身68Ga-DOTATATE PET图像进行衰减校正.
- 评估模型的性能,并与传统的基于CT的方法进行比较.
主要方法:
- 使用NiftyNet框架实施了残留深度学习模型.
- 该模型在两个中心的118名患者的68Ga-DOTATATE全身PET图像上进行了训练和评估.
- 图像质量使用峰值信号对噪声比率 (PSNR),结构相似度指数 (SSIM),平均平方误差 (MSE) 和根平均平方误差 (RMSE) 来评估.
主要成果:
- 深度学习模型实现了高定量准确性,PSNR值高达52.86±6.6和SSIM值高达0.99±0.003.
- 使用来自同一成像中心的数据集产生了最高的PSNR,而将两家中心的数据结合起来则产生了最佳的SSIM和最低的MSE/RMSE.
- 该模型在不同评估指标上表现出强的表现.
结论:
- 深度学习为68Ga-DOTATATE PET成像中衰减校正提供了准确的方法.
- 这种方法有可能消除CT扫描的需要,从而减少患者的辐射暴露.
- 这些发现支持在PET成像中人工智能驱动的减弱校正的临床实用性.
更多相关视频
09:55Radiosynthesis, Quality Control, and Small Animal Positron Emission Tomography Imaging of 68Ga-Labelled Nano Molecules
Published on: October 4, 2024
315
09:49A Whole Body Dosimetry Protocol for Peptide-Receptor Radionuclide Therapy PRRT: 2D Planar Image and Hybrid 2D+3D SPECT/CT Image Methods
Published on: April 24, 2020
9.9K
