基于深度学习的三重追踪器脑PET扫描在一次会议:使用临床数据的模拟研究

科学领域:

• 神经成像是一种神经成像.
• 放射化学 放射化学是指辐射化学.
• 人工智能的人工智能

背景情况:

• 多复合正子发射断层扫描 (PET) 能够同时进行多标记器成像,改善诊断和患者舒适度.
• 传统的多标志物PET协议涉及延迟,导致生理变化和噪音.
• 深度学习 (DL) 和多追踪器隔间建模为PET成像提供了先进的解决方案.

研究的目的:

• 为了探索基于DL的单次会议三重追踪器脑PET成像协议.
• 为了简化多指标PET成像,减少辐射暴露.
• 评估DL模型能够从同时使用的PET标记器中分离信号的能力.

主要方法:

• 利用阿尔茨海默病神经成像倡议 (ADNI) 数据集与粉样蛋白,FDG和PET扫描.
• 通过汇总单个追踪器扫描生成合成双和三重追踪器图像.
• 开发了一个DL模型 (Swin变压器) 来分离信号,使用交叉验证和图像质量指标进行验证.

主要成果:

• DL模型成功地从三重标记器扫描中合成了现实的粉样蛋白和FDG图像.
• 临床评估显示,对粉样蛋白 (92-93%) 的高敏感性和对 (67%) 的中度敏感性.
• 定量指标和voxel-wise相关性分析证实了合成和参考粉样蛋白图像之间的强烈一致.

结论:

• DL模型有效地将来自同时进行的三重追踪器PET扫描的信号进行分离.
• 这种方法可以使多重PET扫描在临床环境中可行.
• 该方法有可能减少扫描时间,辐射剂量,并提高患者的舒适度.