使用数据驱动的呼吸门和弹性PET-CT注册的无运动PET成像的验证和临床影响

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:

• 呼吸运动会在全身PET图像中引起人工物.
• 数据驱动门 (DDG) 部分纠正了这些运动工件.
• 在PET和CT呼吸阶段之间的差异仍然会导致隔膜人工物.

研究的目的:

• 评估一个深度学习模型 (AIR-PETCT) 用于弹性CT注册 (WarpCT) 到PET图像.
• 评估PET DDG和WarpCT的联合使用,以改善PET重建.
• 为了减少运动器件,提高临床PET成像中的诊断准确度.

主要方法:

• 使用AIR-PETCT对PET非减弱校正 (NAC) 图像和PET DDG NAC图像进行自由呼吸和终止期CT扫描.
• 用CT和WarpCT重建的PET和PET DDG图像的图像质量被盲目的读者评估.
• 一个临床影响队列评估了图像质量和瘤与背景比率在具有显著文物的扫描中.

主要成果:

• AIR-PETCT 始终产生准确的波形CT.
• 与标准CT相比,warpCT提高或保持PET图像质量.
• 观察到运动器件的显著减少和围周围病变对比度的改善.
• 失明的临床医生更喜欢使用WarpCT重建的PET DDG图像.

结论:

• 在PET成像中,AIR-PETCT有效地减少了呼吸道运动器件.
• 结合PET DDG和WarpCT可提高病变对比度和诊断信心.
• 这种方法有望改善临床PET图像评估.