全身PET图像无色化,可缩短获取时间

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 缩短的正子发射断层扫描 (PET) 采集时间提高了患者的舒适性和扫描仪的效率.
• 人工智能 (AI) 具有加速PET扫描的潜力,同时保持诊断图像质量.

研究的目的:

• 为了比较各种神经网络架构在PET图像消毒方面的有效性.
• 确定最佳的人工智能模型,以减少PET获取时间,而不损害图像保真度.

主要方法:

• 在212项研究 (56,908张图像) 中评估了2D/2.5D ResNet,Unet,SwinIR和3D MedNeXt,3D UX-Net模型,其注射活性为7MBq/kg.
• 使用2D指标 (RMSE,SSIM) 和3D指标 (SUVpeak,SUVmaxROI误差) 进行模型评估.
• 对比监督学习方法与无监督的CycleGAN用于PET denoising.

主要成果:

• 3D MedNeXt 在 PET 除任务中表现出卓越的性能.
• 3D MedNeXt在SSIM (38.2%) 和RMSE (28.1%) 中取得了显著的改进,与90年代的原始扫描相比,30年代的PET扫描得到了显著的改善.
• 对于60s无色扫描 (SSIM 16.9%,RMSE 11.4%) 观察到进一步的改善,SUVmax差异分散减少.

结论:

• 3D MedNeXt是目前为PET无声化所识别的最有效的AI模型.
• 人工智能驱动的PET无色化,特别是3D MedNeXt,可以大大减少扫描时间.
• 这一进步有望改善患者体验,并提高PET成像中心的吞吐量.