使用基于深度学习的PET重建来减少F-FDG剂量
Ryuji Akita1, Komei Takauchi2, Mana Ishibashi3
1Department of Diagnostic Radiology, Graduate School of Biomedical and Health Sciences, Hiroshima University, 1-2-3 Kasumi, Minami-ku, Hiroshima, 734-8551, Japan. akita13@hiroshima-u.ac.jp.
EJNMMI research
|July 1, 2025
概括
基于深度学习的图像重建 (DLR) 可以减少PET/CT扫描中的18F-FDG剂量. 这项研究表明,DLR可以在75kg以下的患者中减少36%的剂量,同时保持诊断质量.
科学领域:
- 核医学就是核医学.
- 医疗成像医学成像
- 放射学 放射学是一门学科.
背景情况:
- 基于深度学习的图像重建 (DLR) 算法已被开发用于PET/CT成像,以减少统计噪音.
- DLR可能允许降低18F-FDG剂量,尽量减少辐射暴露,同时保持诊断质量.
研究的目的:
- 评估DLR是否可以在PET/CT成像中减少注射的18F-FDG剂量.
- 为了比较量化图像质量指标和低剂量DLR和标准剂量OSEM之间的错误阳性率.
主要方法:
- 对90名接受18F-FDG PET/CT.的瘤病人的回顾性研究.
- 患者被分为三个组:A组 (2.00-2.99 MBq/kg,DLR),B组 (3.00-3.99 MBq/kg,DLR) 和C组 (4.00-4.99 MBq/kg,OSEM).患者被分为两组.
- 使用信号与噪声比率 (SNR),目标与背景比率 (TBR) 和假阳性率进行评估.
主要成果:
- 与C组相比,DLR在A组和B组显著增加了SNR (p < 0.001).
- 在DLR组 (A,B) 和OSEM组 (C) 之间,TBR没有显著差异.
- 在B组,超过80%的<75kg的患者有≤1个假阳性;患者≥75kg和A组有≤80%的≤1个假阳性.
结论:
- 注射的18F-FDG剂量可以降低到3.0MBq/kg,在75kg以下的患者中,DLR可以降低到3.0MBq/kg,比EANM指南减少36%.
- 需要进一步优化DLR算法,以便在75kg以上的患者中获得可比的诊断准确性.
更多相关视频
11:09High-Resolution Cardiac Positron Emission Tomography/Computed Tomography for Small Animals
Published on: December 16, 2022
3.9K
06:53Management of Respiratory Motion Artefacts in 18F-fluorodeoxyglucose Positron Emission Tomography using an Amplitude-Based Optimal Respiratory Gating Algorithm
Published on: July 23, 2020
5.7K
