جلب جودة وقت الرحلة إلى صور بخلاف صور TOF PET

تستخدم ماسحات التصوير المقطعي بالإصدار البوزيتروني تقنية وقت الرحلة (TOF) لتقليل ضوضاء الصورة وتحسين التعرف على الآفات السرطانية. يعمل TOF باستخدام الفارق الزمني بين اكتشاف فوتوني إبادة PET لتحديد موقع حدث الإبادة بشكل أكثر دقة. ومع ذلك ، فإن العديد من ماسحات التصوير المقطعي بالإصدار البوزيتروني السريرية الحالية لا تمتلك قدرة TOF ، وتفقد الثقة التشخيصية المحسنة التي تمنحها.

"هناك فرق كبير في التكلفة بين الماسحات الضوئية TOF وغير TOF PET بسبب التكلفة العالية للوميض المستخدم في TOF ،" دانيال ماكجوان من جامعة أكسفورد ومستشفيات جامعة أكسفورد NHS Foundation Trust ، مشيرًا إلى أن أحد خطوط الإنتاج الأكثر نجاحًا لشركة GE Healthcare هو ماسح ضوئي غير TOF PET ، Discovery IQ. "نحن نقدر أن واحدًا من كل ثلاثة مواقع للتصوير المقطعي بالإصدار البوزيتروني / التصوير المقطعي المحوسب في العالم حاليًا لا يمكنه الوصول إلى تقنية TOF."

لتحقيق المساواة في هذا المجال ، يستخدم McGowan والمتعاونون التعلم العميق لجلب فوائد TOF إلى صور PET التي أعيد بناؤها بدون معلومات TOF. الكتابة في المجلة الأوروبية للطب النووي والتصوير الجزيئي، يصفون التعلم العميق المقترح لنهج تحسين صورة TOF (DL-TOF).

طور الفريق ثلاثة نماذج DL-TOF (بناءً على الشبكات العصبية التلافيفية U-Net) لتحويل البيانات غير TOF PET إلى صور مماثلة لـ TOF. استخدمت النماذج مستويات مختلفة من قوة TOF (منخفضة أو متوسطة أو عالية) لمقايضة تحسين التباين مقابل تقليل الضوضاء.

لاحظ الباحثون أن الشبكة العصبية لا تضيف معلومات TOF إلى بيانات صدفة PET ، ولكنها تتعلم كيف تغير معلومات TOF خصائص الصورة ثم تكرر هذه التغييرات في صور الإدخال غير TOF. يوضح ماكجوان: "هذا هو بالضبط نوع المهمة التي تؤديها خوارزميات التعلم العميق جيدًا". "يمكنهم العثور على أنماط في البيانات وإنشاء التحول الذي ينتج عنه صور جذابة بصريًا ودقيقة من الناحية الكمية والتي تمنح ثقة تشخيصية عالية لأخصائي الأشعة أو الطبيب المسؤول."

تقييم النموذج

لتدريب النماذج والتحقق منها واختبارها ، استخدم الفريق بيانات التصوير المقطعي بالإصدار البوزيتروني من 273 اختبارًا للأورام FDG-PET لكامل الجسم تم إجراؤها في ستة مواقع سريرية باستخدام ماسحات PET / CT القادرة على اختبار TOF. أعيد بناء بيانات PET باستخدام خوارزمية التوقع - التعظيم المتسلسل المنتظم (BSREM) ، مع وبدون TOF.

بعد التدريب ، قام الباحثون بتقييم أداء النموذج باستخدام مجموعة اختبار مكونة من 50 صورة. قاموا بفحص قيم الامتصاص الموحدة (SUVs) في 139 آفة ومناطق طبيعية من الكبد والرئتين ، باستخدام ما يصل إلى خمس آفات صغيرة وخمسة أحجام من الاهتمام في الرئتين والكبد لكل موضوع.

أظهرت مقارنة مخرجات نماذج DL-TOF الثلاثة مع الصور المدخلة غير TOF أن النماذج حسنت جودة الصورة الإجمالية ، وتقليل الضوضاء وزيادة تباين الآفات. في الصورة الأصلية غير TOF ، الآفة SUV_ماكس تختلف عن صورة TOF المستهدفة بنسبة −28٪. أدى تطبيق نماذج DL-TOF المنخفضة والمتوسطة والعالية إلى اختلافات 28٪ و 8٪ و 1.7٪ على التوالي. كما قللت النماذج من الاختلافات في سيارات الدفع الرباعي_تعني من 7.7٪ إلى أقل من 2٪ في الرئتين ، ومن 4.3٪ إلى أقل من 1٪ في الكبد.

تطبيق التشخيص

بالإضافة إلى التقييم الكمي ، قام ثلاثة من أخصائيي الأشعة بشكل مستقل بتقييم صور مجموعة الاختبار من حيث قابلية اكتشاف الآفات والثقة في التشخيص وضوضاء / جودة الصورة. تم تقييم الصور بناءً على مقياس ليكرت ، والذي يتراوح من 0 (غير تشخيصي) إلى 5 (ممتاز).

أدى النموذج المرتفع DL-TOF إلى تحسين قابلية اكتشاف الآفات بشكل كبير ، وحقق أعلى درجة من النماذج الثلاثة. من حيث الثقة التشخيصية ، حقق وسيط DL-TOF أفضل درجة ، بينما سجل DL-TOF المنخفض أفضل نتيجة لضوضاء / جودة الصورة. في جميع الحالات ، تفوق النموذج الأفضل أداءً على صورة TOF المستهدفة. تسلط هذه النتائج الضوء على كيفية تصميم نموذج DL-TOF لتحقيق التوازن بين اكتشاف الآفات وتقليل الضوضاء ، وفقًا لتفضيلات قارئ الصور.

يكتب الفريق: "بشكل عام ، من حيث الثقة التشخيصية ، يوفر النموذج المتوسط ​​DL-TOF مقايضة أفضل في مجموعة الاختبار الخاصة بنا ، نظرًا لأن الضوضاء المنخفضة وإمكانية الكشف المحسنة هي ميزات مرغوبة لإعادة بناء الصورة أو تقنية التحسين".

أخيرًا ، طبق الباحثون نماذج DL-TOF على 10 اختبارات تم الحصول عليها باستخدام ماسح ضوئي غير TOF PET ، لتوضيح قابلية تعميم النماذج المدربة. بينما لم تكن هناك حقيقة أرضية أو صورة مستهدفة للمقارنة ، أظهر الفحص البصري أن الصور كانت خالية من المشغولات اليدوية الواضحة وأظهرت التحسين المتوقع للصورة. تشير هذه النتائج إلى أن النماذج قد تعمل على بيانات من ماسحات ضوئية لم تكن جزءًا من مجموعة بيانات تدريب الخوارزمية.

يلاحظ ماكجوان أن هذا العمل الأولي ركز على FDG-PET لكامل الجسم لعلم الأورام لأن هذا هو التطبيق السريري الرئيسي لـ PET اليوم. "ومع ذلك ، مع ظهور أدوات تتبع جديدة وزيادة الاهتمام بالتصوير الخاص بالأعضاء ، فإننا نختبر حاليًا الخوارزمية الموجودة في سياق هذه التطبيقات الجديدة ، والتي لم يتم تمثيلها في بيانات التدريب ، ونقرر ما إذا كانت هناك حاجة إلى تدريب إضافي من أجل تحقيق الأداء المناسب للمؤشرات الأخرى "، كما يقول عالم الفيزياء.

وظيفة جلب جودة وقت الرحلة إلى صور بخلاف صور TOF PET ظهرت للمرة الأولى على عالم الفيزياء.

• كوينسمارت. أفضل بورصة للبيتكوين والعملات المشفرة في أوروبا.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. دخول مجاني.
• كريبتوهوك. الرادار. تجربة مجانية.
• Source: https://physicsworld.com/a/bringing-time%e2%80%91of%e2%80%91flight-quality-to-non%e2%80%91tof-pet-images/