নন-TOF PET চিত্রগুলিতে ফ্লাইটের সময়-গুণমান নিয়ে আসা

PET স্ক্যানারগুলি ছবির শব্দ কমাতে এবং ক্যান্সারজনিত ক্ষত সনাক্তকরণ উন্নত করতে টাইম-অফ-ফ্লাইট (TOF) প্রযুক্তি ব্যবহার করে। TOF দুটি PET অ্যানিহিলেশন ফোটনের সনাক্তকরণের মধ্যে সময়ের পার্থক্য ব্যবহার করে আরও সঠিকভাবে বিনাশ ঘটনাকে স্থানীয়করণ করে কাজ করে। যাইহোক, অনেক বর্তমান ক্লিনিকাল PET স্ক্যানারের TOF ক্ষমতা নেই, এবং এটি যে উন্নত ডায়াগনস্টিক আস্থা প্রদান করে তা মিস করে।

"টিওএফ এবং নন-টোফ পিইটি স্ক্যানারগুলির মধ্যে একটি উল্লেখযোগ্য খরচের পার্থক্য রয়েছে কারণ TOF-এর জন্য ব্যবহৃত সিন্টিলেটরের উচ্চ মূল্যের কারণে," বলেছেন ড্যানিয়েল ম্যাকগোয়ান ইউনিভার্সিটি অফ অক্সফোর্ড এবং অক্সফোর্ড ইউনিভার্সিটি হসপিটালস এনএইচএস ফাউন্ডেশন ট্রাস্ট থেকে উল্লেখ করা হয়েছে যে জিই হেলথকেয়ারের সবচেয়ে সফল পণ্য লাইনগুলির মধ্যে একটি হল একটি নন-টিওএফ পিইটি স্ক্যানার, ডিসকভারি আইকিউ। "আমরা অনুমান করি যে বর্তমানে বিশ্বের প্রায় তিনটি PET/CT সাইটের মধ্যে একটির TOF প্রযুক্তির অ্যাক্সেস নেই।"

এই খেলার ক্ষেত্রটিকে সমান করতে, ম্যাকগোয়ান এবং সহযোগীরা TOF তথ্য ছাড়াই পুনর্গঠিত PET চিত্রগুলিতে TOF-এর সুবিধাগুলি আনতে গভীর শিক্ষা নিযুক্ত করছেন। এ লেখা ইউরোপীয় জার্নাল অফ নিউক্লিয়ার মেডিসিন এবং মলিকুলার ইমেজিং, তারা TOF ইমেজ এনহ্যান্সমেন্ট (DL-TOF) পদ্ধতির জন্য তাদের প্রস্তাবিত গভীর শিক্ষার বর্ণনা দেয়।

টিম তিনটি DL-TOF মডেল তৈরি করেছে (U-Net কনভোলিউশনাল নিউরাল নেটওয়ার্কের উপর ভিত্তি করে) নন-TOF PET ডেটাকে TOF-এর মতো ছবিতে রূপান্তরিত করতে। মডেলগুলি শব্দ হ্রাসের বিপরীতে বৈপরীত্য বর্ধিতকরণ বন্ধ করার জন্য TOF শক্তির বিভিন্ন স্তর (নিম্ন, মাঝারি বা উচ্চ) নিযুক্ত করেছে।

গবেষকরা নোট করেছেন যে নিউরাল নেটওয়ার্ক PET কাকতালীয় ডেটাতে TOF তথ্য যোগ করে না, বরং এটি শিখে যে কীভাবে TOF তথ্য চিত্রের বৈশিষ্ট্যগুলিকে পরিবর্তন করে এবং তারপরে এই পরিবর্তনগুলি নন-TOF ইনপুট চিত্রগুলিতে প্রতিলিপি করে। "এটি ঠিক সেই ধরনের কাজ যা গভীর শিক্ষার অ্যালগরিদমগুলি খুব ভাল করে," ম্যাকগোয়ান ব্যাখ্যা করেন। "তারা ডেটাতে নিদর্শনগুলি খুঁজে পেতে পারে এবং এমন রূপান্তর তৈরি করতে পারে যা দৃশ্যত আকর্ষণীয় এবং পরিমাণগতভাবে সঠিক চিত্র তৈরি করে যা রিপোর্টিং রেডিওলজিস্ট বা চিকিত্সককে উচ্চ ডায়াগনস্টিক আত্মবিশ্বাস দেয়।"

মডেল মূল্যায়ন

মডেলগুলিকে প্রশিক্ষণ, যাচাই এবং পরীক্ষা করার জন্য, দলটি TOF-সক্ষম PET/CT স্ক্যানার সহ ছয়টি ক্লিনিকাল সাইটে সম্পাদিত 273টি সম্পূর্ণ-শরীরের FDG-PET অনকোলজি পরীক্ষার PET ডেটা ব্যবহার করেছে। পিইটি ডেটা ব্লক-সিকুয়েন্সিয়াল-নিয়মিত-প্রত্যাশা-সর্বোচ্চতা (BSREM) অ্যালগরিদম ব্যবহার করে পুনর্গঠন করা হয়েছিল, TOF সহ এবং ছাড়াই।

প্রশিক্ষণের পরে, গবেষকরা 50 টি চিত্রের একটি পরীক্ষার সেট ব্যবহার করে মডেলের কার্যকারিতা মূল্যায়ন করেছেন। তারা 139টি ক্ষত এবং যকৃত এবং ফুসফুসের স্বাভাবিক অঞ্চলে মানকৃত গ্রহণের মান (SUV) পরীক্ষা করে, পাঁচটি পর্যন্ত ছোট ক্ষত এবং ফুসফুস এবং লিভারে প্রতি বিষয়ের পাঁচটি পরিমাণ আগ্রহ ব্যবহার করে।

ইনপুট নন-TOF ইমেজের সাথে তিনটি DL-TOF মডেলের আউটপুট তুলনা করে দেখায় যে মডেলগুলি সামগ্রিক চিত্রের গুণমানকে উন্নত করেছে, শব্দ কমিয়েছে এবং ক্ষত বৈসাদৃশ্য বৃদ্ধি করেছে। আসল নন-TOF ছবিতে, ক্ষত SUV_{সর্বোচ্চ} লক্ষ্য TOF ইমেজ থেকে −28% পার্থক্য। DL-TOF নিম্ন, মাঝারি এবং উচ্চ মডেল প্রয়োগ করার ফলে যথাক্রমে −28%, −8% এবং 1.7% পার্থক্য দেখা যায়। মডেলগুলিও এসইউভিতে পার্থক্য কমিয়েছে_গড় ফুসফুসে 7.7% থেকে 2% এর কম এবং লিভারে 4.3% থেকে 1% এর নিচে।

ডায়াগনস্টিক অ্যাপ্লিকেশন

পরিমাণগত মূল্যায়ন ছাড়াও, তিনজন রেডিওলজিস্ট ক্ষত সনাক্তকরণ, ডায়াগনস্টিক আত্মবিশ্বাস এবং চিত্রের আওয়াজ/গুণমানের পরিপ্রেক্ষিতে পরীক্ষার সেটের ছবিগুলিকে স্বাধীনভাবে রেট দিয়েছেন। লাইকার্ট স্কেলের উপর ভিত্তি করে চিত্রগুলি মূল্যায়ন করা হয়েছিল, যা 0 (নন-ডায়াগনস্টিক) থেকে 5 (চমৎকার) পর্যন্ত।

DL-TOF উচ্চ মডেলটি উল্লেখযোগ্যভাবে ক্ষত সনাক্তকরণের উন্নতি করেছে, তিনটি মডেলের সর্বোচ্চ স্কোর অর্জন করেছে। ডায়াগনস্টিক কনফিডেন্সের ক্ষেত্রে, DL-TOF মাধ্যম সেরা স্কোর অর্জন করেছে, যখন DL-TOF কম ইমেজ নয়েজ/গুণমানের জন্য সেরা স্কোর করেছে। সব ক্ষেত্রে, টপ-পারফর্মিং মডেল টার্গেট TOF ইমেজকে ছাড়িয়ে গেছে। এই ফলাফলগুলি হাইলাইট করে যে কীভাবে DL-TOF মডেলটি ইমেজ রিডারের পছন্দ অনুসারে ক্ষত সনাক্তকরণ বনাম শব্দ হ্রাসের ভারসাম্য বজায় রাখার জন্য তৈরি করা যেতে পারে।

"সামগ্রিকভাবে, ডায়াগনস্টিক আত্মবিশ্বাসের পরিপ্রেক্ষিতে, DL-TOF মিডিয়াম মডেলটি আমাদের পরীক্ষার সেটে একটি ভাল ট্রেড-অফ প্রদান করে, কারণ একটি ইমেজ পুনর্গঠন বা বর্ধিতকরণ কৌশলের জন্য কম শব্দ এবং উন্নত সনাক্তযোগ্যতা পছন্দসই বৈশিষ্ট্য।"

অবশেষে, গবেষকরা প্রশিক্ষিত মডেলগুলির সাধারণীকরণকে চিত্রিত করার জন্য একটি নন-TOF PET স্ক্যানারে অর্জিত 10টি পরীক্ষায় DL-TOF মডেলগুলি প্রয়োগ করেছেন। যদিও তুলনা করার জন্য কোন গ্রাউন্ড ট্রুথ বা টার্গেট ইমেজ ছিল না, ভিজ্যুয়াল পরিদর্শন দেখায় যে ছবিগুলি সুস্পষ্ট প্রত্নবস্তু থেকে মুক্ত ছিল এবং প্রত্যাশিত চিত্র বর্ধন প্রদর্শন করেছে। এই ফলাফলগুলি পরামর্শ দেয় যে মডেলগুলি স্ক্যানারগুলির ডেটাতে কাজ করতে পারে যা অ্যালগরিদম প্রশিক্ষণ ডেটাসেটের অংশ ছিল না।

ম্যাকগোয়ান উল্লেখ করেছেন যে এই প্রাথমিক কাজটি অনকোলজির জন্য পুরো-শরীরের FDG-PET-এর উপর দৃষ্টি নিবদ্ধ করেছিল কারণ এটি আজ PET-এর প্রধান ক্লিনিকাল অ্যাপ্লিকেশন। “তবে, নতুন ট্রেসারের আবির্ভাব এবং অঙ্গ-নির্দিষ্ট ইমেজিংয়ের প্রতি আগ্রহ বৃদ্ধির সাথে, আমরা বর্তমানে এই নতুন অ্যাপ্লিকেশনগুলির পরিপ্রেক্ষিতে বিদ্যমান অ্যালগরিদম পরীক্ষা করছি, যা প্রশিক্ষণের ডেটাতে উপস্থাপন করা হয়নি, এবং সিদ্ধান্ত নিচ্ছি যে অতিরিক্ত প্রশিক্ষণের প্রয়োজন আছে কিনা। অন্যান্য ইঙ্গিতগুলির জন্য পর্যাপ্ত কর্মক্ষমতা অর্জন করুন, "তিনি বলে ফিজিক্স ওয়ার্ল্ড.

পোস্টটি নন-TOF PET চিত্রগুলিতে ফ্লাইটের সময়-গুণমান নিয়ে আসা প্রথম দেখা ফিজিক্স ওয়ার্ল্ড.

• Coinsmart. ইউরোপের সেরা বিটকয়েন এবং ক্রিপ্টো এক্সচেঞ্জ।
• প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. বিনামূল্যে এক্সেস.
• ক্রিপ্টোহক। Altcoin রাডার। বিনামূল্যে ট্রায়াল.
• Source: https://physicsworld.com/a/bringing-time%e2%80%91of%e2%80%91flight-quality-to-non%e2%80%91tof-pet-images/