跨模态PET图像合成用于帕金森病诊断:从FDG跳跃到CFT

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 医学诊断 医学诊断 医学诊断

背景情况:

• 多巴胺载体 (DAT) [¹¹C]CFT PET成像对于帕金森病 (PD) 诊断至关重要,但缺乏广泛的可用性.
• 该研究通过探索替代成像合成方法来解决可访问性差距.
• 利用不同PET标记物之间的交叉模式相关性是重点关注的重点.

研究的目的:

• 开发一个深度学习框架来合成[¹¹C]CFT PET图像从[¹⁸F]FDG PET图像.
• 利用这些PET模式之间的交叉模式相关性来区分PD患者与正常对照 (NC).
• 为了提高PD诊断能力在缺乏直接CFT PET可用性的临床环境中.

主要方法:

• 开发了一个深度学习框架来合成[¹¹C]CFT PET图像从[¹⁸F]FDG PET图像.
• 分析了来自604名参与者 (274名PD,330名NC) 的数据,其中包括[¹¹C]CFT和[¹⁸F]FDG PET扫描.
• 图像质量通过定量比较和放射科医生视觉评估进行评估;使用生物标志物分析和拟议的PD分类器评估诊断性能.

主要成果:

• 合成[¹¹C]CFT PET图像与真实图像非常相似,PSNR (25.0-28.0) 和SSIM (0.87-0.96) 的高.
• 放射科医生使用合成图像实现了91.9%的诊断准确度.
• 拟议的PD分类器,整合了FDG和合成CFT数据,实现了0.937的AUC.

结论:

• 深度学习框架成功地将[¹¹C]CFT PET图像从[¹⁸F]FDG PET合成,弥合了PD诊断中的一个关键差距.
• 这种方法提高了PD诊断,而不需要直接[¹¹C]CFT追踪器的可用性.
• 该框架扩大了在临床环境中使用高级PD诊断工具的机会,在临床环境中[¹¹C]CFT PET是不可行的.