En ny undersøgelse med titlen “Utilizing Pix-2-Pix GAN for Deep Learning-Based Whole-Body PSMA PET/CT Attenuation Correction” blev for nylig offentliggjort i bind 15 af Oncotarget den 7. maj 2024.
Strålingseksponeringen fra sekventielle PET/CT-undersøgelser i opfølgning af onkologiske patienter er bekymrende. I denne nylige undersøgelse introducerede et team af forskere, herunder Kevin C. Ma, Esther Mena, Liza Lindenberg, Nathan S. Lay, Phillip Eclarinal, Deborah E. Citrin, Peter A. Pinto, Bradford J. Wood, William L. Dahut, James L. Gulley, Ravi A. Madan, Peter L. Choyke, Ismail Baris Turkbey og Stephanie A. Harmon fra National Cancer Institute ved National Institutes of Health, et værktøj til kunstig intelligens (AI). Dette værktøj har til formål at generere dæmpningskorrigerede PET-billeder (AC-PET) ud fra ikke-dæmpningskorrigerede PET-billeder (NAC-PET), hvilket potentielt reducerer behovet for lavdosis-CT-scanninger.
"AI-genererede PET-billeder har det kliniske potentiale til at reducere behovet for dæmpningskorrektion på CT-scanninger, samtidig med at kvantitative markører og billedkvalitet bevares for patienter med prostatakræft."
Metoder: En deep learning-algoritme baseret på 2D Pix-2-Pix generativ adversarial netværk (GAN) arkitektur blev udviklet baseret på parrede AC-PET og NAC-PET billeder. 18F-DCFPyL PSMA (Prostataspecifikt membranantigen) PET-CT-studiet af 302 patienter med prostatakræft blev opdelt i trænings-, validerings- og testgrupper (n = 183, 60 og 59 henholdsvis). Modellen blev trænet ved hjælp af to standardiserede strategier: Standard Uptake Value (SUV) baseret og SUV-NYUL baseret. Horisontal scanningsydeevne blev evalueret ved hjælp af normaliseret middelkvadratfejl (NMSE), middelabsolutfejl (MAE), strukturelt similaritetsindeks (SSIM) og peak signal-to-noise ratio (PSNR). Den nuklearmedicinske læge udførte prospektivt en læsionsniveauanalyse af interesseområdet. SUV-indikatorerne blev evalueret ved hjælp af intra-group korrelationskoefficient (ICC), repeterbarhedskoefficient (RC) og lineære blandede effektmodeller.
Resultater：I den uafhængige testkohorte var medianen for NMSE, MAE, SSIM og PSNR henholdsvis 13,26 %, 3,59 %, 0,891 og 26,82. ICC for SUVmax og SUVmean var 0,88 og 0,89, hvilket indikerer en stærk korrelation mellem de originale og AI-genererede kvantitative billedmarkører. Faktorer som læsionsplacering, tæthed (Hounsfield-enheder) og læsionsoptagelse viste sig at påvirke den relative fejl i de genererede SUV-målinger (alle p < 0,05).
"AC-PET genereret af Pix-2-Pix GAN-modellen demonstrerer SUV-målinger, der stemmer tæt overens med de originale billeder. AI-genererede PET-billeder udviser lovende klinisk potentiale til at reducere behovet for CT-scanninger til dæmpningskorrektion, samtidig med at kvantitative markører og billedkvalitet opretholdes."
————————————————————————————————————————————————————————————————————————————————–
Som vi alle ved, er udviklingen af den medicinske billeddannelsesindustri uadskillelig fra udviklingen af en række medicinske udstyr – kontrastmiddelinjektorer og deres tilhørende forbrugsvarer – der er meget udbredt inden for dette område. I Kina, som er berømt for sin fremstillingsindustri, er der mange producenter, der er berømte i ind- og udland for produktion af medicinsk billeddannelsesudstyr, herunderLnkMedSiden etableringen har LnkMed koncentreret sig om højtryksinjektorer til kontrastmiddel. LnkMeds ingeniørteam ledes af en ph.d. med mere end ti års erfaring og er dybt engageret i forskning og udvikling. Under hans vejledning harCT enkelthovedinjektor,CT dobbelthovedinjektor,MR-kontrastmiddelinjektor, ogAngiografi højtrykskontrastmiddelinjektorer designet med disse funktioner: det stærke og kompakte kabinet, den praktiske og intelligente betjeningsflade, de komplette funktioner, høj sikkerhed og det holdbare design. Vi kan også tilbyde sprøjter og rør, der er kompatible med de kendte mærker af CT-, MR- og DSA-injektorer. Med deres oprigtige holdning og professionelle styrke inviterer alle LnkMeds medarbejdere dig oprigtigt til at komme og udforske flere markeder sammen.
Udsendelsestidspunkt: 14. maj 2024
