הבאת איכות זמן הטיסה לתמונות שאינן TOF PET

סורקי PET משתמשים בטכנולוגיית זמן טיסה (TOF) כדי להפחית רעשי תמונה ולשפר את הזיהוי של נגעים סרטניים. TOF פועל על ידי שימוש בהפרש הזמן בין זיהוי שני פוטוני ההשמדה של PET כדי למקם בצורה מדויקת יותר את אירוע ההשמדה. עם זאת, סורקי PET קליניים רבים כיום אינם בעלי יכולת TOF, ומפספסים את הביטחון האבחוני המשופר שהוא מעניק.

"יש הבדל משמעותי בעלויות בין סורקי TOF לסורקי PET שאינם TOF בגלל העלות הגבוהה של הניצוץ המשמש ל-TOF", אומר דניאל מקגואן מאוניברסיטת אוקספורד ואוקספורד של בתי החולים האוניברסיטאיים NHS Foundation Trust, ומציינים שאחד מקווי המוצרים המוצלחים ביותר של GE Healthcare הוא סורק PET שאינו TOF, Discovery IQ. "אנו מעריכים שלכאחד מכל שלושה אתרי PET/CT בעולם אין כיום גישה לטכנולוגיית TOF."

כדי ליישר את מגרש המשחקים הזה, מקגוון ומשתפי הפעולה מפעילים למידה עמוקה כדי להביא את היתרונות של TOF לתמונות PET המשוחזרות ללא מידע TOF. כתיבה ב כתב העת האירופי לרפואה גרעינית והדמיה מולקולרית, הם מתארים את גישת הלמידה העמוקה המוצעת עבור שיפור תמונה TOF (DL-TOF).

הצוות פיתח שלושה מודלים של DL-TOF (מבוססים על רשתות עצביות קונבולוציוניות של U-Net) כדי להפוך נתונים שאינם TOF PET לתמונות תואמות דמויות TOF. הדגמים השתמשו ברמות שונות של חוזק TOF (נמוך, בינוני או גבוה) כדי לפזר שיפור ניגודיות מול הפחתת רעש.

החוקרים מציינים כי הרשת העצבית אינה מוסיפה מידע TOF לנתוני צירוף מקרים של PET, אלא היא לומדת כיצד מידע TOF משנה את מאפייני התמונה ולאחר מכן משכפלת את השינויים הללו בתמונות קלט שאינן TOF. "זה בדיוק סוג המשימה שאלגוריתמי למידה עמוקה עושים טוב מאוד", מסביר מקגוון. "הם יכולים למצוא דפוסים בנתונים וליצור את הטרנספורמציה המייצרת תמונות אטרקטיביות ומדויקות מבחינה כמותית המעניקות ביטחון אבחוני גבוה לרדיולוג או לרופא המדווח."

הערכת מודל

כדי לאמן, לאמת ולבדוק את המודלים, הצוות השתמש בנתוני PET מ-273 בדיקות אונקולוגיות של FDG-PET לכל הגוף שבוצעו בשישה אתרים קליניים עם סורקי PET/CT בעלי יכולת TOF. נתוני ה-PET שוחזרו באמצעות אלגוריתם ה-block-sequential-regularized-expectation-maximization (BSREM), עם ובלי TOF.

לאחר האימון, החוקרים העריכו את ביצועי המודל באמצעות סט בדיקות של 50 תמונות. הם בחנו ערכי ספיגה סטנדרטיים (SUV) ב-139 נגעים ואזורים תקינים של הכבד והריאות, תוך שימוש בעד חמישה נגעים קטנים וחמישה נפחי עניין בריאות ובכבד לכל נבדק.

השוואת התפוקות של שלושת דגמי ה-DL-TOF עם תמונות הקלט שאינן TOF הראתה שהדגמים שיפרו את איכות התמונה הכוללת, הפחתת רעש והגברת ניגודיות הנגע. בתמונה המקורית שאינה TOF, רכב השטח הנגע_{מקסימום} שונה מתמונת ה-TOF ב-28%. יישום המודלים הנמוכים, הבינוניים והגבוהים של DL-TOF הביא להבדלים של -28%, -8% ו-1.7%, בהתאמה. הדגמים גם צמצמו הבדלים ברכב שטח_אומר מ-7.7% לפחות מ-2% בריאות, ומ-4.3% מתחת ל-1% בכבד.

יישום אבחון

בנוסף להערכה הכמותית, שלושה רדיולוגים דירגו באופן עצמאי את התמונות של מערך הבדיקות במונחים של זיהוי נגע, ביטחון אבחון ורעש/איכות תמונה. התמונות הוערכו על סמך סולם Likert, שנע בין 0 (לא אבחנתי) ל-5 (מצוין).

המודל הגבוה DL-TOF שיפר משמעותית את יכולת זיהוי הנגעים, והשיג את הציון הגבוה ביותר מבין שלושת המודלים. במונחים של ביטחון אבחון, מדיום DL-TOF השיג את הציון הטוב ביותר, בעוד ש-DL-TOF נמוך קיבל את הציון הטוב ביותר עבור רעש/איכות תמונה. בכל המקרים, הדגם בעל הביצועים הטובים ביותר עלה על תמונת ה-TOF של המטרה. תוצאות אלו מדגישות כיצד ניתן להתאים את מודל DL-TOF לאיזון זיהוי נגעים לעומת הפחתת רעש, בהתאם להעדפת קורא התמונה.

"בסך הכל, במונחים של ביטחון אבחון, המודל הבינוני DL-TOF מספק פשרה טובה יותר במערך הבדיקות שלנו, שכן רעש נמוך יותר ויכולת זיהוי משופרת הם תכונות רצויות עבור טכניקת שחזור או שיפור תמונה", כותב הצוות.

לבסוף, החוקרים יישמו את המודלים של DL-TOF על 10 בחינות שנרכשו בסורק PET שאינו TOF, כדי להמחיש את יכולת ההכללה של המודלים המאומנים. אמנם לא הייתה אמת יסוד או תמונת יעד להשוואה, אבל בדיקה חזותית הראתה שהתמונות היו נקיות מחפצי אמנות ברורים והציגו את שיפור התמונה הצפוי. ממצאים אלו מצביעים על כך שהמודלים עשויים לעבוד על נתונים מסורקים שלא היו חלק ממערך הנתונים לאימון האלגוריתמים.

McGowan מציינת שעבודה ראשונית זו התמקדה ב-FDG-PET לכל הגוף לאונקולוגיה שכן זהו היישום הקליני העיקרי של PET כיום. "עם זאת, עם הופעת נותבים חדשים והתעניינות מוגברת בהדמיה ספציפית לאיברים, אנו בודקים כעת את האלגוריתם הקיים בהקשר של יישומים חדשים אלה, שלא היו מיוצגים בנתוני ההדרכה, ומחליטים אם יש צורך בהכשרה נוספת כדי להשיג ביצועים נאותים עבור אינדיקציות אחרות", הוא אומר עולם הפיזיקה.

ההודעה הבאת איכות זמן הטיסה לתמונות שאינן TOF PET הופיע לראשונה ב עולם הפיזיקה.

• Coinsmart. בורסת הביטקוין והקריפטו הטובה באירופה.
• Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה חופשית.
• CryptoHawk. רדאר אלטקוין. ניסיון חינם.
• Source: https://physicsworld.com/a/bringing-time%e2%80%91of%e2%80%91flight-quality-to-non%e2%80%91tof-pet-images/