基于深度学习的CT-free PET重建图像的临床评估:一个双中心研究
Hangxing Chunyu1,2,3, Yizhou Chen4, Song Xue4
1Department of Nuclear Medicine, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China.
European journal of nuclear medicine and molecular imaging
|October 15, 2025
概括
一种用于无CTPET成像的新型深度学习 (DL) 算法,比传统的DL方法表现出更高的性能. 这种基于人工智能的方法实现了与基于CT的校正可比的诊断准确性,减少了辐射暴露.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 核医学就是核医学.
背景情况:
- 越来越多的人要求在PET/CT成像中减少辐射暴露.
- 基于人工智能的CT-less PET技术的出现.
- 目前人工智能驱动的PET重建方法的临床验证有限.
研究的目的:
- 为了评估基于深度学习 (DL) 的PET重建的有效性.
- 为了确定DL是否可以取代CT衍生的衰减和散射校正.
- 评估图像质量是否保持,以提供可靠的临床诊断.
主要方法:
- 追溯分析359名患者的4个扫描仪和4个标记器.
- 四种重建方法的比较:基于CT,2D-DL,3D-DL和基于分解的DL.
- 通过视觉评分,诊断准确度 (错误阳性/负率) 和半定量指标 (SUVmax) 的评估.
主要成果:
- 基于分解的DL显著优于传统的2DDL和3DDL (p < 0.001).
- 这种新的方法实现了最低的假负率和假阳性率.
- 在大多数情况下,基于分解的DL与基于CT的减弱校正 (CT-ASC) 显示出强烈一致.
结论:
- 基于分解的DLCT无PET成像超越了传统DL方法.
- 人工智能方法提供了与基于CT的校正相比的诊断准确性.
- 这些发现支持临床转化和进一步发展无CTPET成像.


