В ПЭТ-сканерах используется технология времени пролета (TOF) для уменьшения шума изображения и улучшения идентификации раковых поражений. TOF использует разницу во времени между обнаружением двух аннигиляционных фотонов ПЭТ для более точной локализации события аннигиляции. Тем не менее, многие современные клинические ПЭТ-сканеры не имеют возможности TOF и упускают из виду повышенную диагностическую достоверность, которую она обеспечивает.
«Существует значительная разница в стоимости между ПЭТ-сканерами TOF и не-TOF из-за высокой стоимости сцинтиллятора, используемого для TOF», — говорит Дэниел Макгоуэн от Оксфордского университета и больниц Оксфордского университета NHS Foundation Trust, отметив, что одной из самых успешных линеек продуктов GE Healthcare является ПЭТ-сканер без TOF, Discovery IQ. «По нашим оценкам, примерно каждый третий центр ПЭТ/КТ в мире в настоящее время не имеет доступа к технологии TOF».
Чтобы уравнять это игровое поле, Макгоуэн и его сотрудники используют глубокое обучение, чтобы использовать преимущества TOF для изображений ПЭТ, реконструированных без информации TOF. Написание в Европейский журнал ядерной медицины и молекулярной визуализации, они описывают предлагаемый ими подход глубокого обучения для улучшения изображения TOF (DL-TOF).
Команда разработала три модели DL-TOF (на основе сверточных нейронных сетей U-Net) для преобразования данных не-TOF PET в соответствующие изображения, подобные TOF. В моделях использовались разные уровни интенсивности TOF (низкий, средний или высокий), чтобы добиться компромисса между усилением контраста и снижением шума.
Исследователи отмечают, что нейронная сеть не добавляет информацию TOF к данным совпадений ПЭТ, а скорее изучает, как информация TOF изменяет характеристики изображения, а затем воспроизводит эти изменения в исходных изображениях, отличных от TOF. «Это именно та задача, с которой очень хорошо справляются алгоритмы глубокого обучения», — объясняет Макгоуэн. «Они могут находить закономерности в данных и создавать преобразования, которые создают визуально привлекательные и количественно точные изображения, которые обеспечивают высокую диагностическую достоверность для сообщающего рентгенолога или врача».
Оценка модели
Для обучения, проверки и тестирования моделей команда использовала данные ПЭТ из 273 онкологических исследований всего тела с ФДГ-ПЭТ, проведенных в шести клинических учреждениях с помощью ПЭТ/КТ-сканеров с поддержкой TOF. Данные ПЭТ были реконструированы с использованием алгоритма блочного последовательного регуляризованного ожидания-максимизации (BSREM) с использованием TOF и без него.
После обучения исследователи оценили производительность модели, используя тестовый набор из 50 изображений. Они изучили стандартизированные значения поглощения (SUV) в 139 поражениях и нормальных областях печени и легких, используя до пяти небольших поражений и пять исследуемых объемов в легких и печени на одного субъекта.
Сравнение выходных данных трех моделей DL-TOF с входными изображениями не-TOF показало, что модели улучшили общее качество изображения, уменьшили шум и увеличили контраст поражений. На исходном не-TOF-изображении пораженный внедорожникМакс отличался от целевого изображения TOF на -28%. Применение моделей DL-TOF с низким, средним и высоким значениями привело к различиям в -28%, -8% и 1.7% соответственно. Модели также уменьшили различия в внедорожниках.значить от 7.7% до менее 2% в легких и от 4.3% до менее 1% в печени.
Диагностическое приложение
В дополнение к количественной оценке три радиолога независимо друг от друга оценили изображения набора для тестирования с точки зрения обнаруживаемости поражения, диагностической достоверности и шума/качества изображения. Изображения оценивались по шкале Лайкерта, которая варьируется от 0 (недиагностическая) до 5 (отлично).
Высокая модель DL-TOF значительно улучшила выявляемость поражений, достигнув наивысшего балла среди трех моделей. С точки зрения диагностической достоверности, DL-TOF со средним значением получил наилучшие оценки, а DL-TOF с низким значением получил наилучшие оценки по шуму/качеству изображения. Во всех случаях наиболее эффективная модель превзошла целевое изображение TOF. Эти результаты показывают, как модель DL-TOF может быть адаптирована для баланса обнаружения повреждений и уменьшения шума в соответствии с предпочтениями считывателя изображений.
«В целом, с точки зрения диагностической достоверности, средняя модель DL-TOF обеспечивает лучший компромисс в нашем тестовом наборе, поскольку более низкий уровень шума и улучшенная обнаруживаемость являются желательными характеристиками для метода реконструкции или улучшения изображения», — пишет команда.
Нейронные сети улучшают оценку времени полета ПЭТ
Наконец, исследователи применили модели DL-TOF к 10 исследованиям, полученным на ПЭТ-сканере без TOF, чтобы проиллюстрировать обобщаемость обученных моделей. Несмотря на то, что для сравнения не было наземного или целевого изображения, визуальный осмотр показал, что изображения не содержали очевидных артефактов и демонстрировали ожидаемое улучшение изображения. Эти результаты показывают, что модели могут работать с данными со сканеров, которые не были частью набора данных для обучения алгоритму.
МакГоуэн отмечает, что эта первоначальная работа была сосредоточена на ФДГ-ПЭТ всего тела для онкологии, поскольку сегодня это основное клиническое применение ПЭТ. «Однако с появлением новых трейсеров и повышенным интересом к визуализации органов мы в настоящее время тестируем существующий алгоритм в контексте этих новых приложений, которые не были представлены в обучающих данных, и решаем, требуется ли дополнительное обучение для достичь адекватной производительности по другим показаниям», — говорит он. Мир физики.
ИИ на Неделе медицинской физики поддерживается Солнце Ядерный, производитель решений для обеспечения безопасности пациентов в центрах лучевой терапии и диагностической визуализации. Посещать www.sunnuclear.com , чтобы узнать больше.
сообщение Обеспечение качества времени пролета для изображений ПЭТ без TOF Появившийся сначала на Мир физики.
- Коинсмарт. Лучшая в Европе биржа биткойнов и криптовалют.
- Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. БЕСПЛАТНЫЙ ДОСТУП.
- КриптоХок. Альткоин Радар. Бесплатная пробная версия.
- Source: https://physicsworld.com/a/bringing-time%e2%80%91of%e2%80%91flight-quality-to-non%e2%80%91tof-pet-images/
- 10
- 7
- a
- доступ
- По
- точный
- Достигать
- достигнутый
- приобретенный
- дополнение
- дополнительный
- против
- алгоритм
- алгоритмы
- Все
- Применение
- Приложения
- прикладной
- Применение
- подхода
- примерно
- , так как:
- ниже
- Преимущества
- ЛУЧШЕЕ
- между
- приносить
- случаев
- доверие
- соответствующий
- Создайте
- Текущий
- В настоящее время
- данным
- глубоко
- описывать
- обнаружение
- развитый
- разница
- различный
- открытие
- оценка
- оценка
- События
- точно,
- отлично
- существующий
- ожидаемый
- Особенности
- Во-первых,
- внимание
- Год основания
- Бесплатно
- от
- ge
- здравоохранение
- High
- Выделите
- больницы
- Как
- Однако
- HTTPS
- Идентификация
- изображение
- изображений
- улучшать
- улучшенный
- расширились
- повышение
- самостоятельно
- информация
- вход
- интерес
- IT
- журнал
- изучение
- уровень
- уровни
- линий
- ПРОИЗВОДИТЕЛЬ
- основным медицинским
- медицина
- средний
- модель
- Модели
- БОЛЕЕ
- самых
- сеть
- сетей
- Шум
- "обычные"
- Заметки
- Очевидный
- Другое
- общий
- Oxford
- Оксфордский университет
- часть
- производительность
- врач
- Физика
- игры
- Продукт
- предложило
- приводит
- количественный
- читатель
- уменьшить
- Цена снижена
- снижение
- представленный
- исследователи
- Итоги
- Сохранность
- Шкала
- набор
- значительный
- Сайтов
- ШЕСТЬ
- небольшой
- Решения
- Спонсоров
- прочность
- предмет
- успешный
- Поддержанный
- цель
- команда
- Технологии
- говорит
- terms
- тестXNUMX
- Тестирование
- Ассоциация
- мир
- три
- время
- сегодня
- торговать
- Обучение
- Transform
- трансформация
- Доверие
- Университет
- Оксфордский университет
- использование
- Против
- неделя
- будь то
- в то время как
- без
- Работа
- работает
- Мир
- письмо