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 onkologisk patientopfølgning er en bekymring. I denne nylige undersøgelse har 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 introducerede et værktøj til kunstig intelligens (AI). Dette værktøj har til formål at generere dæmpningskorrigerede PET-billeder (AC-PET) 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 og samtidig bevare kvantitative markører og billedkvalitet for prostatacancerpatienter."
Metoder: En deep learning algoritme baseret på 2D Pix-2-Pix generative adversarial network (GAN) arkitektur blev udviklet baseret på parrede AC-PET og NAC-PET billeder. 18F-DCFPyL PSMA (Prostata-specifikt membranantigen) PET-CT-undersøgelse af 302 patienter med prostatacancer blev opdelt i trænings-, validerings- og testgrupper (henholdsvis n 183, 60 og 59). Modellen blev trænet ved hjælp af to standardiserede strategier: Standard Uptake Value (SUV) baseret og SUV-NYUL baseret. Vandret scanningsydelse blev evalueret ved hjælp af normaliseret gennemsnitlig kvadratfejl (NMSE), gennemsnitlig absolut fejl (MAE), strukturelt lighedsindeks (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-gruppe korrelationskoefficient (ICC), repeterbarhedskoefficient (RC) og lineære blandede effekter modeller.
Resultater:I den uafhængige testkohorte var median NMSE, MAE, SSIM og PSNR henholdsvis 13,26 %, 3,59 %, 0,891 og 26,82. ICC for SUVmax og SUV-mean var 0,88 og 0,89, hvilket indikerer en stærk korrelation mellem de originale og AI-genererede kvantitative billeddannelsesmarkører. Faktorer såsom læsionsplacering, tæthed (Hounsfield-enheder) og læsionsoptagelse viste sig at påvirke den relative fejl i de genererede SUV-metrikker (alle p < 0,05).
"AC-PET genereret af Pix-2-Pix GAN-modellen demonstrerer SUV-målinger, der stemmer nøje overens med de originale billeder. AI-genererede PET-billeder udviser et lovende klinisk potentiale for at reducere nødvendigheden af CT-scanninger til dæmpningskorrektion og samtidig opretholde kvantitative markører og billedkvalitet."
————————————————————————————————————————————————— —————————————————————————————————————————
Som vi alle ved, er udviklingen af den medicinske billedbehandlingsindustri uadskillelig fra udviklingen af en række medicinsk udstyr – kontrastmiddelinjektorer og deres understøttende forbrugsstoffer – der er meget udbredt på dette område. I Kina, som er berømt for sin fremstillingsindustri, er der mange producenter kendt i ind- og udland for produktion af medicinsk billedbehandlingsudstyr, bl.a.LnkMed. Siden etableringen har LnkMed koncentreret sig om højtrykskontrastmiddelinjektorer. LnkMeds ingeniørteam ledes af en ph.d. med mere end ti års erfaring og er dybt engageret i forskning og udvikling. Under hans vejledningCT enkelthoved injektor,CT dobbelthoved injektor,MR kontrastmiddel injektor, ogAngiografi højtrykskontrastmiddelinjektorer designet med disse funktioner: den stærke og kompakte krop, den praktiske og intelligente betjeningsgrænseflade, de komplette funktioner, høj sikkerhed og holdbart design. Vi kan også levere sprøjter og slanger, der er kompatible med de berømte mærker af CT-, MRI-, DSA-injektorer Med deres oprigtige holdning og professionelle styrke inviterer alle medarbejdere hos LnkMed dig oprigtigt til at komme og udforske flere markeder sammen.
Indlægstid: 14. maj 2024
