来自测试集成像研究的代表性轴向图像。从左上到右下:CT (A), nacc - pet (B),原AC-PET (C), AI生成的AC-PET (D)。蓝色箭头表示两个图像中均观察到的一个病变,红色箭头表示AI图像中未发现的病变(即未被核医学专家发现)。非衰减校正。AC = Attenuation-Corrected。图片由凯文·马提供,美国国立卫生研究院国家癌症研究所,马里兰大学公园;马里兰州贝塞斯达国家卫生研究院国家癌症研究所埃斯特·梅娜、丽莎·林登伯格、黛博拉·西特林、威廉·达胡特、詹姆斯·古利、彼得·乔伊克、巴里斯·特克贝伊和斯蒂芬妮·哈蒙;Peter Pinto,美国国家卫生研究院国家癌症研究所泌尿肿瘤科,马里兰州贝塞斯达;布拉德福德伍德,放射学和成像科学,癌症研究中心,国家癌症研究所,国家卫生研究院,马里兰州贝塞斯达;以及马里兰州贝塞斯达国家卫生研究院国家癌症研究所泌尿生殖恶性肿瘤科的Ravi Madan。
2022年6月14日——一部小说人工智能方法可以用来生成高质量的“PET / CT图像,随后减少辐射暴露病人。开发的国家癌症研究所,该方法绕过了基于ct的衰减校正的需要,可能允许更频繁的校正PET成像在没有辐射的情况下监测疾病和治疗进展CT收购。这项研究在核医学与分子成像学会“,2022年度会议。
癌症患者在诊断和治疗过程中通常要进行多次影像学检查,可能包括多次连续的PET/CT扫描。CT部分的检查有助于患者的整体辐射暴露,但在很大程度上是多余的。在本研究中,研究人员试图通过使用人工智能模型生成虚拟衰减校正的PET扫描,来减少或消除PET/CT中对低剂量CT的需求。
用于人工智能模型开发的数据队列包括305个18F-DCFPyL PSMA PET/CT研究。每个研究包含三种扫描:非衰减校正PET、衰减校正PET和低剂量CT。研究被分为三组,分别是培训(185)、验证(60)和测试(60)。然后使用2D Pix2Pix生成器从原始的非衰减校正PET生成合成衰减校正PET扫描(gen-PET)。
为了进行定性评估,两名核医学医生以随机顺序回顾了40项PET/CT研究,对图像是来自原始衰减校正PET还是gen-PET进行了盲法检查。每位专家记录pet阳性病变的数量和位置,并对整体噪声和图像质量进行定性评估。阅读器能够在gen-PET图像上以合理的灵敏度值成功地检测到病变。
“高质量的人工智能生成的图像保存了原始PET图像中的重要信息,而不会受到CT扫描的额外辐射。凯文•马博士他是马里兰州贝塞斯达国家癌症研究所的博士后研究员。“这为每年增加每位患者PET扫描的频率和次数提供了机会,这可以为病变检测、治疗效果、放射性示踪剂有效性以及研究和患者护理中的其他措施提供更准确的评估。”
摘要151年.“用于PSMA-PET/CT研究的人工智能生成PET图像:定量和定性评估,”Kevin Ma,美国国立卫生研究院国家癌症研究所,College Park, Maryland;马里兰州贝塞斯达国家卫生研究院国家癌症研究所埃斯特·梅娜、丽莎·林登伯格、黛博拉·西特林、威廉·达胡特、詹姆斯·古利、彼得·乔伊克、巴里斯·特克贝伊和斯蒂芬妮·哈蒙;Peter Pinto,美国国家卫生研究院国家癌症研究所泌尿肿瘤科,马里兰州贝塞斯达;布拉德福德伍德,放射学和成像科学,癌症研究中心,国家癌症研究所,国家卫生研究院,马里兰州贝塞斯达;以及马里兰州贝塞斯达国家卫生研究院国家癌症研究所泌尿生殖恶性肿瘤科的Ravi Madan。
更多信息:www.snmmi.org