为非 TOF PET 图像带来飞行时间质量

PET 扫描仪使用飞行时间 (TOF) 技术来减少图像噪声并改善癌性病变的识别。 TOF 通过使用两个 PET 湮没光子检测之间的时间差来更准确地定位湮没事件。 然而，许多当前的临床 PET 扫描仪不具备 TOF 功能，并且错过了它所带来的改进诊断信心。

“TOF 和非 TOF PET 扫描仪之间存在显着的成本差异，因为用于 TOF 的闪烁体成本很高，”说 丹尼尔·麦克高恩 来自牛津大学和牛津大学医院 NHS 基金会信托基金的专家指出，GE Healthcare 最成功的产品线之一是非 TOF PET 扫描仪 Discovery IQ。 “我们估计，目前世界上大约三分之一的 PET/CT 站点无法使用 TOF 技术。”

为了公平竞争，McGowan 和合作者正在利用深度学习将 TOF 的优势带入在没有 TOF 信息的情况下重建的 PET 图像中。 写在 欧洲核医学与分子成像杂志，他们描述了他们提出的 TOF 图像增强深度学习 (DL-TOF) 方法。

该团队开发了三个 DL-TOF 模型（基于 U-Net 卷积神经网络），将非 TOF PET 数据转换为相应的类 TOF 图像。 这些模型采用不同级别的 TOF 强度（低、中或高）来权衡对比度增强和降噪。

研究人员指出，神经网络不会将 TOF 信息添加到 PET 符合数据中，而是学习 TOF 信息如何改变图像特征，然后在非 TOF 输入图像中复制这些变化。 “这正是深度学习算法非常擅长的任务，”McGowan 解释道。 “他们可以在数据中找到模式并创建转换，从而产生具有视觉吸引力和定量准确的图像，从而为报告的放射科医生或医生提供高度的诊断信心。”

模型评估

为了训练、验证和测试模型，该团队使用了 PET 数据，这些数据来自 273 次全身 FDG-PET 肿瘤学检查，在六个临床地点使用支持 TOF 的 PET/CT 扫描仪进行。 使用块序列正则化期望最大化 (BSREM) 算法重建 PET 数据，使用和不使用 TOF。

训练后，研究人员使用包含 50 张图像的测试集评估模型性能。 他们检查了 139 个病灶以及肝脏和肺的正常区域的标准化摄取值 (SUV)，每个受试者最多使用五个小病灶和五个感兴趣的肺和肝脏体积。

将三个 DL-TOF 模型的输出与输入的非 TOF 图像进行比较表明，这些模型提高了整体图像质量，降低了噪声并增加了病灶对比度。 在原始的非 TOF 图像中，病变 SUV_最大 与目标 TOF 图像相差 -28%。 应用 DL-TOF 低、中和高模型分别导致 -28%、-8% 和 1.7% 的差异。 这些模型还减少了SUV的差异_意味着 在肺中从 7.7% 到低于 2%，在肝脏中从 4.3% 到低于 1%。

诊断应用

除了定量评估之外，三位放射科医生还根据病变可检测性、诊断置信度和图像噪声/质量对测试集图像进行了独立评估。 根据李克特量表评估图像，范围从 0（非诊断性）到 5（优秀）。

DL-TOF 高模型显着提高了病灶可检测性，达到了三个模型中的最高分。 在诊断置信度方面，DL-TOF medium 得分最高，而 DL-TOF low 在图像噪声/质量方面得分最高。 在所有情况下，表现最好的模型都超过了目标 TOF 图像。 这些结果突出显示了如何根据图像阅读器的偏好定制 DL-TOF 模型以平衡病变检测与降噪。

“总的来说，就诊断置信度而言，DL-TOF 中等模型在我们的测试集中提供了更好的权衡，因为较低的噪声和改进的可检测性是图像重建或增强技术的理想特性，”该团队写道。

最后，研究人员将 DL-TOF 模型应用于在非 TOF PET 扫描仪上获得的 10 项检查，以说明训练模型的普遍性。 虽然没有用于比较的地面实况或目标图像，但目视检查表明图像没有明显的伪影，并表现出预期的图像增强效果。 这些发现表明，这些模型可能适用于来自不属于算法训练数据集的扫描仪的数据。

McGowan 指出，这项初步工作侧重于肿瘤学的全身 FDG-PET，因为这是当今 PET 的主要临床应用。 “然而，随着新示踪剂的出现和对器官特异性成像的兴趣增加，我们目前正在这些新应用的背景下测试现有算法，这些新应用在训练数据中没有体现出来，并决定是否需要额外的训练来在其他适应症方面取得足够的表现，”他告诉 物理世界.

该职位 为非 TOF PET 图像带来飞行时间质量 最早出现 物理世界.

• 硬币聪明。 欧洲最好的比特币和加密货币交易所。
• 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 自由登入。
• 加密鹰。 山寨币雷达。 免费试用。
• Source: https://physicsworld.com/a/bringing-time%e2%80%91of%e2%80%91flight-quality-to-non%e2%80%91tof-pet-images/