无CT衰减和基于蒙特卡洛的分散校正指导的定量90Y-SPECT成像,用于使用深度学习改进剂量计算
Zahra Mansouri1, Yazdan Salimi1, Nicola Bianchetto Wolf1
1Division of Nuclear Medicine and Molecular Imaging, Geneva University Hospital, Geneva, CH-1211, Switzerland.
European journal of nuclear medicine and molecular imaging
|March 13, 2025
概括
开发了深度学习模型,用于90Y SPECT成像中的无CT衰减和散射校正,改进了选择性内部辐射治疗的剂量计算. 当CT图像无法获得或不可靠时,这些模型提供了潜在的好处.
科学领域:
- 医疗成像医学成像
- 放射治疗 物理 物理
- 人工智能在医学中的应用
背景情况:
- 在选择性内部辐射疗法 (SIRT) 中,定量90Y SPECT成像对于精确的剂量计算至关重要.
- 传统的减弱校正 (AC) 和散射校正 (SC) 方法通常依赖于CT,CT可能无法使用或不可靠.
研究的目的:
- 开发和评估深度学习 (DL) 模型,用于90Y SPECT成像中的无CT AC和基于蒙特卡罗的SC.
- 为了提高SIRT患者的voxel水平剂量计算精度.
主要方法:
- 修改后的3D转移窗口UNet变压器 (Swin UNETR) 架构被用于训练DL模型用于AC,SC和联合AC/SC (ASC).
- 利用了接受90Y SIRT的190名患者的数据,并通过交叉验证和未见的测试集训练和验证模型.
- 通过比较DL生成的剂量图与参考剂量图,使用定量指标和马分析来评估性能.
主要成果:
- DL模型在AC,SC和ASC任务中实现了高性能,具有出色的定量指标 (例如,高SSIM和PSNR) 和在不同标准中 voxel级Gamma评估中约98%的一致性.
- 瘤和肝脏剂量测量的平均绝对误差处于可接受范围之内,证明了模型的有效性.
结论:
- 为90Y SPECT成像成功开发了无CTAC,SC和ASC的特定任务DL模型.
- 这些模型显示了在CT数据受到损害的临床场景中增强剂量计的前景,从而有可能改善治疗规划和治疗.
