基于深度学习的CT分片的百分点值:一种有效的替代自由冲浪者的替代方案
Yeo Jun Yoon1, Seungbeom Seo1, Sangwon Lee2
1Yonsei University College of Medicine, 50-1 Yonsei-ro, Seodaemun-gu, Seoul, 03722, Republic of Korea.
Alzheimer's research & therapy
|October 1, 2025
概括
一个新的深度学习CT管道为阿尔茨海默病提供了准确的粉样β定量,作为一种可靠的无MRI替代标准粉样尺度.
科学领域:
- 神经成像是一种神经成像.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 粉样蛋白PET/CT对阿尔茨海默病 (AD) 的粉样蛋白β (Aβ) 量化使用粉样蛋白 (CL) 尺度至关重要.
- 基于MRI的CL管道带来了诸多挑战,包括成本,禁忌和患者负担.
- 作为替代方案,开发了一个深度学习CT分片管道.
研究的目的:
- 开发和评估基于深度学习的CT分片管道,用于Centiloid (CL) 尺度校准.
- 评估其作为标准CL量化管道的无MRI替代品的性能.
主要方法:
- 306名参与者 (23名年轻对照,283名患者) 接受了18F-florbetaben (FBB) PET/CT和MRI.
- CT图像与深度学习管道一起使用,结果与FreeSurfer (FS) 和标准管道进行了比较.
- 为了进行比较,使用了回归,效果大小,差异和ROC分析.
主要成果:
- 该CT分片管道显示高一致性与FS (R2 = 0.99) 可靠的CL量化.
- 管道显示年轻对照和年轻对照和ADCI之间的效果大小具有相似的差异.
- ROC分析证实了可比的准确性和CL值,支持CT分片作为可行的替代方案.
结论:
- 该CT分片管道提供准确的CL量化,可与基于MRI的方法相提并论.
- 它作为阿尔茨海默病中粉样β沉积评估的可靠无MRI替代品.
- 在PET/CT中顺序获取CT和PET,提高了空间对齐和量化可靠性.
