预测123I-FP-CIT SPECT从使用人工智能获得的第一个预测结果
Wadi' Othmani1, Arthur Coste1, Dimitri Papathanassiou1,2,3
1Médecine Nucléaire, Institut Godinot, 51100 Reims, France.
Diagnostics (Basel, Switzerland)
|June 13, 2025
概括
一个新的卷积神经网络 (CNN) 可以从早期的多巴胺转运器成像中预测帕金森综合征诊断,帮助非典型病例. 这个人工智能工具可靠地检测正常患者,提高诊断效率.
科学领域:
- 核医学是一种核医学.
- 医疗成像中的人工智能
背景情况:
- 123I-FP-CIT SPECT成像对于诊断帕金森综合征至关重要,特别是在异常呈现时.
- 对于一些患者来说,在SPECT采集过程中保持患者的不运动是具有挑战性的.
研究的目的:
- 开发一个卷积神经网络 (CNN) 来从初始预测中预测SPECT扫描结果.
- 为了使用人工智能可靠地检测正常患者.
主要方法:
- 一个类似VGG16的CNN被训练在982个123I-FP-CIT SPECT扫描上.
- 该模型从第一个预测预测了异常概率,并纳入了患者的年龄.
- 模型性能在一个独立的100张扫描测试集上得到验证.
主要成果:
- 美国有线电视新闻网 (CNN) 实现了98.0%的灵敏度和96.3%的负预测值.
- 总体准确率为75.0%,突出地图突出显示基底.
- 该模型在排除突触前多巴胺类损失方面表现出高可靠性.
结论:
- 一个训练有素的CNN可以从早期的SPECT预测中可靠地预测突触前多巴胺类损失.
- 这种人工智能方法可能有利于遵守限制的患者.
- 建议在多个中心进行进一步的验证.
