基于深度学习的减弱校正在99mTc-GSA SPECT/CT肝脏成像中的准确性
M Miyai1, R Fukui2, M Nakashima3
1Department of Radiological Technology, Graduate School of Health Sciences, Okayama University, 2-5-1 Shikata-cho, Kita-ku, Okayama-Shi, Okayama 700-8558, Japan; Department of Radiology, Kawasaki Medical School General Medical Center, 2-6-1 Nakasange, Kita-ku, Okayama-shi, Okayama 700-8505, Japan.
深度学习产生伪CT图像用于SPECT减弱校正,与传统CTAC准确度相匹配. 这种方法通过消除CT扫描来减少患者的辐射暴露.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 在SPECT中进行准确的放射性分布评估需要减弱校正 (AC).
- 基于计算机断层扫描的AC (CTAC) 是准确的,但会使患者暴露在辐射中.
- 深度学习提供了一种潜在的解决方案,可以减少SPECT/CT成像期间的辐射暴露.
研究的目的:
- 使用深度学习从非AC SPECT图像中生成AC的伪CT图像.
- 为了评估基于深度学习的AC在99mTc标记的银河类人血清白蛋白SPECT/CT成像中的有效性.
- 将基于深度学习的AC与传统的CTAC和未经纠正的SPECT进行比较.
主要方法:
- 使用循环一致的生成网络 (CycleGAN) 来创建伪CT图像.
- 使用三个方法重建了SPECT图像:没有AC (SPECTNC),使用常规CTAC (SPECTCTAC),以及基于深度学习的AC (SPECTGAN).
- 通过肝脏总计数,结构相似度指数 (SSIM) 和变化系数 (%CV) 来评估准确性.
主要成果:
- 与SPECTNC相比,SPECTGAN显示肝脏总计数显著改善,与SPECTCTAC的差异约为7%.
- 无论是SPECTCTAC还是SPECTGAN,都显示CV%明显低于SPECTNC,这表明统一性有所改善.
- 对SPECTCTAC和SPECTGAN的平均SSIM值很高 (分别为0.985和0.977),表明图像相似性很强.
结论:
- 基于深度学习的AC实现了与传统CTAC可比的准确性.
- 拟议的方法仅使用非AC SPECT图像,通过消除CT扫描的需要,显著减少了患者的辐射暴露.
- 这种方法具有很大的潜力,可以提高SPECT/CT成像的安全性和可访问性.
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
08:41Novel In Vivo Micro-Computed Tomography Imaging Techniques for Assessing the Progression of Non-Alcoholic Fatty Liver Disease
Published on: March 24, 2023
相关概念视频
Imaging Studies II: Positron Emission Tomography and Scintigraphy
Fundamental Principles of PET
Computed Tomography
The technique was invented in the 1970s and is based on the principle that as X-rays pass through the body, they are absorbed or reflected at different levels. In the technique, a patient lies on a motorized platform while a computerized axial tomography (CAT) scanner rotates...
Imaging Studies for Cardiovascular System V: CT
