从二维F-FDG图像中使用生成对抗网络合成粉样蛋白图像,并对临床使用进行评估

科学领域:

• 核医学是一种核医学.
• 医疗成像中的人工智能
• 阿尔茨海默病的诊断方法 阿尔茨海默病的诊断方法

背景情况:

• 粉样蛋白PET扫描越来越多地用于识别阿尔茨海默病患者有资格接受疾病修饰疗法.
• 减少粉样蛋白PET扫描的数量可以降低医疗保健成本和患者负担.

研究的目的:

• 开发和评估一种生成性AI算法,用于从F-FDG PET图像中合成粉样蛋白PET图像.
• 评估使用人工智能生成的粉样蛋白PET图像的可行性,以减少对实际粉样蛋白PET扫描的需求.

主要方法:

• 使用了一个二维的pix2pix生成对抗网络算法.
• 该算法在55名患者的F-FDG PET和粉样PET图像上进行了训练和验证.
• 评估指标包括图像质量,voxel值,白色/灰色质量对比度和诊断分类性能.

主要成果:

• 合成粉样蛋白PET图像在视觉上与真实扫描相一致,保持了解剖连续性.
• 合成图像中的voxel值和白色/灰色质对比度与真实图像有很强的相关性.
• 一个二级分类器在使用合成图像检测β-粉样蛋白 (Aβ) 沉积时达到超过85%的准确性.

结论:

• 生成性AI可以成功地从F-FDG PET数据中合成粉样PET图像,捕获关键诊断特征.
• 合成图像显示了可接受的准确性 (85%),用于分类Aβ沉积.
• 这种人工智能驱动的方法有可能用于临床应用,以减少不必要的粉样蛋白PET扫描.