Aducerea calității timpului de zbor imaginilor PET non-TOF

Scanerele PET folosesc tehnologia time-of-flight (TOF) pentru a reduce zgomotul imaginii și pentru a îmbunătăți identificarea leziunilor canceroase. TOF funcționează utilizând diferența de timp dintre detectarea celor doi fotoni de anihilare PET pentru a localiza mai precis evenimentul de anihilare. Cu toate acestea, multe scanere clinice PET actuale nu au capacitate TOF și ratează încrederea îmbunătățită a diagnosticului pe care o conferă.

„Există o diferență semnificativă de cost între scanerele TOF și non-TOF PET din cauza costului ridicat al scintilatorului folosit pentru TOF”, spune Daniel McGowan de la Universitatea din Oxford și Spitalele Universității din Oxford NHS Foundation Trust, menționând că una dintre liniile de produse cele mai de succes ale GE Healthcare este un scaner PET non-TOF, Discovery IQ. „Estimăm că aproximativ unul din trei locații PET/CT din lume nu are în prezent acces la tehnologia TOF.”

Pentru a egala aceste condiții, McGowan și colaboratorii folosesc învățarea profundă pentru a aduce beneficiile TOF imaginilor PET reconstruite fără informații TOF. Scrierea în Jurnalul European de Medicină Nucleară și Imagistica Moleculară, ei descriu abordarea propusă de deep learning pentru îmbunătățirea imaginii TOF (DL-TOF).

Echipa a dezvoltat trei modele DL-TOF (bazate pe rețelele neuronale convoluționale U-Net) pentru a transforma datele PET non-TOF în imagini corespunzătoare asemănătoare TOF. Modelele au folosit diferite niveluri de putere TOF (scăzută, medie sau ridicată) pentru a compensa îmbunătățirea contrastului cu reducerea zgomotului.

Cercetătorii observă că rețeaua neuronală nu adaugă informații TOF la datele de coincidență PET, ci mai degrabă învață cum informațiile TOF modifică caracteristicile imaginii și apoi reproduce aceste modificări în imaginile de intrare non-TOF. „Acesta este exact tipul de sarcină pe care o fac foarte bine algoritmii de învățare profundă”, explică McGowan. „Ei pot găsi modele în date și pot crea transformarea care produce imagini atractive din punct de vedere vizual și precise din punct de vedere cantitativ, care oferă o încredere ridicată în diagnosticare radiologului sau medicului raportor.”

Evaluarea modelului

Pentru a antrena, valida și testa modelele, echipa a folosit date PET de la 273 de examene oncologice FDG-PET pentru întregul corp efectuate în șase locuri clinice cu scanere PET/CT compatibile cu TOF. Datele PET au fost reconstruite utilizând algoritmul de maximizare-așteptare-regularizată-bloc (BSREM), cu și fără TOF.

După antrenament, cercetătorii au evaluat performanța modelului folosind un set de testare de 50 de imagini. Ei au examinat valorile standardizate de absorbție (SUV) în 139 de leziuni și regiuni normale ale ficatului și plămânilor, folosind până la cinci leziuni mici și cinci volume de interes în plămâni și ficat per subiect.

Compararea rezultatelor celor trei modele DL-TOF cu imaginile non-TOF de intrare a arătat că modelele au îmbunătățit calitatea generală a imaginii, reducând zgomotul și crescând contrastul leziunii. În imaginea originală non-TOF, leziunea SUV_max diferă de imaginea TOF țintă cu −28%. Aplicarea modelelor DL-TOF scăzut, mediu și ridicat a dus la diferențe de -28%, -8% și, respectiv, 1.7%. Modelele au redus și diferențele în SUV_însemna de la 7.7% la mai puțin de 2% în plămâni și de la 4.3% la sub 1% în ficat.

Aplicație de diagnostic

Pe lângă evaluarea cantitativă, trei radiologi au evaluat în mod independent imaginile setului de testare în ceea ce privește detectabilitatea leziunilor, încrederea diagnosticului și zgomotul/calitatea imaginii. Imaginile au fost evaluate pe baza unei scale Likert, care variază de la 0 (nediagnostic) la 5 (excelent).

Modelul DL-TOF înalt a îmbunătățit semnificativ detectabilitatea leziunilor, obținând cel mai mare scor dintre cele trei modele. În ceea ce privește încrederea diagnosticului, DL-TOF mediu a obținut cel mai bun scor, în timp ce DL-TOF low a obținut cel mai bun scor pentru zgomot/calitate a imaginii. În toate cazurile, modelul cu cele mai bune performanțe a depășit imaginea TOF țintă. Aceste rezultate evidențiază modul în care modelul DL-TOF poate fi adaptat pentru a echilibra detectarea leziunilor versus reducerea zgomotului, în funcție de preferința cititorului de imagini.

„În general, în ceea ce privește încrederea diagnosticului, modelul mediu DL-TOF oferă un compromis mai bun în setul nostru de testare, deoarece un zgomot mai scăzut și o detectabilitate îmbunătățită sunt caracteristici de dorit pentru o tehnică de reconstrucție sau îmbunătățire a imaginii”, scrie echipa.

În cele din urmă, cercetătorii au aplicat modelele DL-TOF la 10 examene dobândite pe un scaner PET non-TOF, pentru a ilustra generalizarea modelelor antrenate. Deși nu a existat un adevăr de bază sau o imagine țintă pentru comparație, inspecția vizuală a arătat că imaginile nu aveau artefacte evidente și prezentau îmbunătățirea așteptată a imaginii. Aceste constatări sugerează că modelele pot funcționa pe date de la scanere care nu făceau parte din setul de date de antrenament al algoritmului.

McGowan observă că această lucrare inițială s-a concentrat pe întregul corp FDG-PET pentru oncologie, deoarece aceasta este principala aplicație clinică a PET-ului astăzi. „Cu toate acestea, odată cu apariția noilor trasori și a interesului crescut pentru imagistica specifică organelor, în prezent testăm algoritmul existent în contextul acestor noi aplicații, care nu au fost reprezentate în datele de antrenament, și decidem dacă este nevoie de instruire suplimentară pentru atinge performanțe adecvate pentru alte indicații”, spune el Lumea fizicii.

Mesaj Aducerea calității timpului de zbor imaginilor PET non-TOF a apărut în primul rând pe Lumea fizicii.

• Coinsmart. Cel mai bun schimb de Bitcoin și Crypto din Europa.
• Platoblockchain. Web3 Metaverse Intelligence. Cunoștințe amplificate. ACCES LIBER.
• CryptoHawk. Radar Altcoin. Încercare gratuită.
• Source: https://physicsworld.com/a/bringing-time%e2%80%91of%e2%80%91flight-quality-to-non%e2%80%91tof-pet-images/