गैर-टीओएफ पीईटी छवियों के लिए समय की‑उड़ान गुणवत्ता लाना

पीईटी स्कैनर छवि शोर को कम करने और कैंसर के घावों की पहचान में सुधार करने के लिए टाइम-ऑफ-फ़्लाइट (टीओएफ) तकनीक का उपयोग करते हैं। टीओएफ विनाश की घटना को अधिक सटीक रूप से स्थानीयकृत करने के लिए दो पीईटी विनाश फोटॉनों का पता लगाने के बीच के समय के अंतर का उपयोग करके काम करता है। हालाँकि, कई मौजूदा क्लिनिकल पीईटी स्कैनर में टीओएफ क्षमता नहीं है, और इससे मिलने वाले बेहतर डायग्नोस्टिक आत्मविश्वास से वंचित रह जाते हैं।

"टीओएफ और गैर-टीओएफ पीईटी स्कैनर के बीच एक महत्वपूर्ण लागत अंतर है क्योंकि टीओएफ के लिए उपयोग किए जाने वाले सिंटिलेटर की उच्च लागत है," कहते हैं। डेनियल मैकगोवन ऑक्सफ़ोर्ड विश्वविद्यालय और ऑक्सफ़ोर्ड यूनिवर्सिटी हॉस्पिटल्स एनएचएस फाउंडेशन ट्रस्ट की ओर से, यह देखते हुए कि जीई हेल्थकेयर की सबसे सफल उत्पाद श्रृंखलाओं में से एक गैर-टीओएफ पीईटी स्कैनर, डिस्कवरी आईक्यू है। "हमारा अनुमान है कि दुनिया में लगभग तीन पीईटी/सीटी साइटों में से एक के पास वर्तमान में टीओएफ तकनीक तक पहुंच नहीं है।"

इस खेल के मैदान को समतल करने के लिए, मैकगोवन और सहयोगी टीओएफ जानकारी के बिना पुनर्निर्मित पीईटी छवियों में टीओएफ के लाभों को लाने के लिए गहन शिक्षण का उपयोग कर रहे हैं। में लिख रहा हूँ यूरोपियन जर्नल ऑफ़ न्यूक्लियर मेडिसिन एंड मॉलिक्यूलर इमेजिंग, वे टीओएफ छवि वृद्धि (डीएल-टीओएफ) दृष्टिकोण के लिए अपने प्रस्तावित गहन शिक्षण का वर्णन करते हैं।

टीम ने गैर-टीओएफ पीईटी डेटा को संबंधित टीओएफ जैसी छवियों में बदलने के लिए तीन डीएल-टीओएफ मॉडल (यू-नेट कनवल्शनल न्यूरल नेटवर्क पर आधारित) विकसित किए। शोर में कमी के मुकाबले कंट्रास्ट वृद्धि को संतुलित करने के लिए मॉडलों ने टीओएफ ताकत (कम, मध्यम या उच्च) के विभिन्न स्तरों को नियोजित किया।

शोधकर्ताओं ने ध्यान दिया कि तंत्रिका नेटवर्क टीओएफ जानकारी को पीईटी संयोग डेटा में नहीं जोड़ता है, बल्कि यह सीखता है कि टीओएफ जानकारी छवि विशेषताओं को कैसे बदलती है और फिर गैर-टीओएफ इनपुट छवियों में इन परिवर्तनों को दोहराती है। मैकगोवन बताते हैं, "यह बिल्कुल उसी तरह का कार्य है जिसे गहन शिक्षण एल्गोरिदम बहुत अच्छी तरह से करते हैं।" "वे डेटा में पैटर्न ढूंढ सकते हैं और ऐसा परिवर्तन कर सकते हैं जो देखने में आकर्षक और मात्रात्मक रूप से सटीक छवियां उत्पन्न करता है जो रिपोर्टिंग रेडियोलॉजिस्ट या चिकित्सक को उच्च नैदानिक ​​​​विश्वास देता है।"

मॉडल मूल्यांकन

मॉडलों को प्रशिक्षित करने, मान्य करने और परीक्षण करने के लिए, टीम ने टीओएफ-सक्षम पीईटी/सीटी स्कैनर के साथ छह नैदानिक ​​साइटों पर किए गए 273 पूरे शरीर एफडीजी-पीईटी ऑन्कोलॉजी परीक्षाओं से पीईटी डेटा का उपयोग किया। टीओएफ के साथ और उसके बिना, ब्लॉक-अनुक्रमिक-नियमित-अपेक्षा-अधिकतमकरण (बीएसआरईएम) एल्गोरिदम का उपयोग करके पीईटी डेटा का पुनर्निर्माण किया गया था।

प्रशिक्षण के बाद, शोधकर्ताओं ने 50 छवियों के परीक्षण सेट का उपयोग करके मॉडल के प्रदर्शन का मूल्यांकन किया। उन्होंने 139 घावों और यकृत और फेफड़ों के सामान्य क्षेत्रों में मानकीकृत अपटेक वैल्यू (एसयूवी) की जांच की, प्रति विषय फेफड़ों और यकृत में पांच छोटे घावों और पांच वॉल्यूम-ऑफ़-इंटरेस्ट का उपयोग किया।

इनपुट गैर-टीओएफ छवियों के साथ तीन डीएल-टीओएफ मॉडल के आउटपुट की तुलना करने से पता चला कि मॉडल ने समग्र छवि गुणवत्ता में सुधार किया, शोर को कम किया और घाव के विपरीत को बढ़ाया। मूल गैर-टीओएफ छवि में, घाव एसयूवी_{मैक्स} लक्ष्य TOF छवि से −28% भिन्न है। डीएल-टीओएफ निम्न, मध्यम और उच्च मॉडल को लागू करने से क्रमशः -28%, -8% और 1.7% का अंतर आया। मॉडलों ने एसयूवी में अंतर भी कम कर दिया_मतलब फेफड़ों में 7.7% से 2% से कम, और यकृत में 4.3% से 1% से कम।

निदानात्मक अनुप्रयोग

मात्रात्मक मूल्यांकन के अलावा, तीन रेडियोलॉजिस्ट ने स्वतंत्र रूप से घाव का पता लगाने की क्षमता, नैदानिक ​​आत्मविश्वास और छवि शोर/गुणवत्ता के संदर्भ में परीक्षण सेट छवियों का मूल्यांकन किया। छवियों का मूल्यांकन लिकर्ट स्केल के आधार पर किया गया, जो 0 (गैर-नैदानिक) से 5 (उत्कृष्ट) तक है।

डीएल-टीओएफ उच्च मॉडल ने घाव का पता लगाने की क्षमता में काफी सुधार किया, जिससे तीन मॉडलों में उच्चतम स्कोर प्राप्त हुआ। नैदानिक ​​​​विश्वास के संदर्भ में, डीएल-टीओएफ माध्यम ने सर्वोत्तम स्कोर हासिल किया, जबकि डीएल-टीओएफ कम ने छवि शोर/गुणवत्ता के लिए सर्वोत्तम स्कोर हासिल किया। सभी मामलों में, शीर्ष प्रदर्शन करने वाले मॉडल ने लक्ष्य TOF छवि को पीछे छोड़ दिया। ये परिणाम इस बात पर प्रकाश डालते हैं कि कैसे डीएल-टीओएफ मॉडल को छवि पाठक की पसंद के अनुसार, घाव का पता लगाने बनाम शोर में कमी को संतुलित करने के लिए तैयार किया जा सकता है।

टीम लिखती है, "कुल मिलाकर, नैदानिक ​​​​विश्वास के संदर्भ में, डीएल-टीओएफ माध्यम मॉडल हमारे परीक्षण सेट में बेहतर व्यापार-बंद प्रदान करता है, क्योंकि कम शोर और बेहतर पहचान क्षमता छवि पुनर्निर्माण या वृद्धि तकनीक के लिए वांछनीय विशेषताएं हैं।"

अंत में, शोधकर्ताओं ने प्रशिक्षित मॉडलों की सामान्यता को दर्शाने के लिए, गैर-टीओएफ पीईटी स्कैनर पर प्राप्त 10 परीक्षाओं में डीएल-टीओएफ मॉडल लागू किए। जबकि तुलना के लिए कोई जमीनी सच्चाई या लक्ष्य छवि नहीं थी, दृश्य निरीक्षण से पता चला कि छवियां स्पष्ट कलाकृतियों से मुक्त थीं और अपेक्षित छवि वृद्धि प्रदर्शित करती थीं। इन निष्कर्षों से पता चलता है कि मॉडल उन स्कैनर्स के डेटा पर काम कर सकते हैं जो एल्गोरिदम प्रशिक्षण डेटासेट का हिस्सा नहीं थे।

मैकगोवन ने नोट किया कि यह प्रारंभिक कार्य ऑन्कोलॉजी के लिए पूरे शरीर एफडीजी-पीईटी पर केंद्रित था क्योंकि यह आज पीईटी का मुख्य नैदानिक ​​​​अनुप्रयोग है। "हालांकि, नए ट्रैसर के आगमन और अंग-विशिष्ट इमेजिंग में बढ़ती रुचि के साथ, हम वर्तमान में इन नए अनुप्रयोगों के संदर्भ में मौजूदा एल्गोरिदम का परीक्षण कर रहे हैं, जिन्हें प्रशिक्षण डेटा में दर्शाया नहीं गया था, और यह तय कर रहे हैं कि अतिरिक्त प्रशिक्षण की आवश्यकता है या नहीं अन्य संकेतों के लिए पर्याप्त प्रदर्शन प्राप्त करें,'' वह बताते हैं भौतिकी की दुनिया.

पोस्ट गैर-टीओएफ पीईटी छवियों के लिए समय की‑उड़ान गुणवत्ता लाना पर पहली बार दिखाई दिया भौतिकी की दुनिया.

• कॉइनस्मार्ट। यूरोप का सर्वश्रेष्ठ बिटकॉइन और क्रिप्टो एक्सचेंज।
• प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। नि: शुल्क प्रवेश।
• क्रिप्टोहॉक। Altcoin रडार। मुफ्त परीक्षण।
• Source: https://physicsworld.com/a/bringing-time%e2%80%91of%e2%80%91flight-quality-to-non%e2%80%91tof-pet-images/