Nová studie s názvem „Utilizing Pix-2-Pix GAN for Deep Learning-Based Whole-Body PSMA PET/CT Attenuation Correction“ byla nedávno publikována ve svazku 15 Oncotarget dne 7. května 2024.
Znepokojující je radiační zátěž ze sekvenčních PET/CT studií při sledování onkologických pacientů. V tomto nedávném vyšetřování tým výzkumníků zahrnující Kevin C. Ma, Esther Mena, Lizu Lindenberg, Nathan S. Lay, Phillip Eclarinal, Deborah E. Citrin, Peter A. Pinto, Bradford J. Wood, William L. Dahut, James L. Gulley, Ravi A. Madan, Peter L. Choyke, Ismail Baris Turkbey a Stephanie A. Harmon z National Cancer Institute při National Institutes of Health představili nástroj umělé inteligence (AI). Tento nástroj má za cíl generovat PET snímky s korekcí útlumu (AC-PET) z PET snímků bez korekce útlumu (NAC-PET), což potenciálně snižuje nutnost nízkodávkových CT skenů.
"Pet snímky generované Ai mají klinický potenciál snížit potřebu korekce útlumu na CT skenech při zachování kvantitativních markerů a kvality obrazu u pacientů s rakovinou prostaty."
Metody: Algoritmus hlubokého učení založený na architektuře 2D Pix-2-Pix generative adversarial network (GAN) byl vyvinut na základě spárovaných obrázků AC-PET a NAC-PET. Studie PET-CT 18F-DCFPyL PSMA (Prostate-specific membránový antigen) u 302 pacientů s karcinomem prostaty byla rozdělena do tréninkových, validačních a testovacích skupin (n 183, 60 a 59, v tomto pořadí). Model byl trénován pomocí dvou standardizovaných strategií: založené na standardní hodnotě příjmu (SUV) a založené na SUV-NYUL. Horizontální výkon skenování byl hodnocen pomocí normalizované střední kvadratické chyby (NMSE), střední absolutní chyby (MAE), indexu strukturní podobnosti (SSIM) a špičkového poměru signálu k šumu (PSNR). Lékař nukleární medicíny prospektivně provedl analýzu úrovně lézí v oblasti zájmu. Ukazatele SUV byly hodnoceny pomocí vnitroskupinových korelačních koeficientů (ICC), koeficientů opakovatelnosti (RC) a lineárních modelů smíšených efektů.
Výsledky：V nezávislé testovací kohortě byl medián NMSE, MAE, SSIM a PSNR 13,26 %, 3,59 %, 0,891 a 26,82, v tomto pořadí. ICC pro SUVmax a SUVmean byly 0,88 a 0,89, což ukazuje na silnou korelaci mezi původními a AI generovanými kvantitativními zobrazovacími markery. Bylo zjištěno, že faktory jako umístění léze, hustota (Hounsfieldovy jednotky) a příjem lézí ovlivňují relativní chybu v generovaných metrikách SUV (vše p < 0,05).
„AC-PET generovaný modelem Pix-2-Pix GAN demonstruje metriky SUV, které jsou v těsném souladu s původními obrázky. PET snímky generované umělou inteligencí vykazují slibný klinický potenciál pro snížení nutnosti CT skenů pro korekci útlumu při zachování kvantitativních markerů a kvality obrazu.
——————————————————————————————————————————————————— ——————————————————————————————————————————
Jak všichni víme, rozvoj lékařského zobrazovacího průmyslu je neoddělitelný od vývoje řady lékařských zařízení – vstřikovačů kontrastních látek a jejich podpůrného spotřebního materiálu – které jsou v této oblasti široce používány. V Číně, která je známá svým zpracovatelským průmyslem, existuje mnoho výrobců známých doma i v zahraničí výrobou lékařských zobrazovacích zařízení, včetněLnkMed. Od svého založení se LnkMed soustředí na oblast vysokotlakých injektorů kontrastních látek. Inženýrský tým LnkMed je veden Ph.D. s více než desetiletými zkušenostmi a hluboce se zabývá výzkumem a vývojem. Pod jeho vedením seCT jednohlavý vstřikovač,CT dvouhlavý vstřikovač,Injektor kontrastní látky pro MRIaAngiografický vysokotlaký injektor kontrastní látkyjsou navrženy s těmito vlastnostmi: silné a kompaktní tělo, pohodlné a inteligentní ovládací rozhraní, kompletní funkce, vysoká bezpečnost a odolný design. Můžeme také poskytnout stříkačky a hadičky, které jsou kompatibilní s těmito slavnými značkami vstřikovačů CT, MRI, DSA S jejich upřímným přístupem a profesionální silou vás všichni zaměstnanci LnkMed upřímně zvou, abyste přišli a společně prozkoumali další trhy.
Čas odeslání: 14. května 2024
