Nova studija pod nazivom "Utilizing Pix-2-Pix GAN for Deep Learning-Based Whole-Body PSMA PET/CT Attenuation Correction" nedavno je objavljena u svesku 15 Oncotargeta 7. svibnja 2024.
Izloženost zračenju iz sekvencijalnih PET/CT studija u praćenju onkoloških pacijenata je zabrinjavajuća. U ovom nedavnom istraživanju, tim istraživača uključujući Kevina C. Ma, Esther Mena, Lizu Lindenberg, Nathana S. Laya, Phillipa Eclarinala, Deborah E. Citrin, Petera A. Pinta, Bradforda J. Wooda, Williama L. Dahuta, Jamesa L. Gulley, Ravi A. Madan, Peter L. Choyke, Ismail Baris Turkbey i Stephanie A. Harmon iz Nacionalnog instituta za rak pri Nacionalnom institutu za zdravlje predstavili su alat umjetne inteligencije (AI). Ovaj alat ima za cilj generirati PET slike s korekcijom atenuacije (AC-PET) iz PET slika bez korekcije atenuacije (NAC-PET), čime se potencijalno smanjuje potreba za CT skeniranjem s malim dozama.
"Ai-generirane PET slike imaju klinički potencijal da smanje potrebu za korekcijom atenuacije na CT skenovima uz očuvanje kvantitativnih markera i kvalitete slike za pacijente s rakom prostate."
Metode: Algoritam dubokog učenja temeljen na 2D Pix-2-Pix arhitekturi generativne kontradiktorne mreže (GAN) razvijen je na temelju uparenih AC-PET i NAC-PET slika. PET-CT studija 18F-DCFPyL PSMA (prostata-specifični membranski antigen) na 302 pacijenta s rakom prostate podijeljena je u skupine za obuku, validaciju i testiranje (n 183, 60, odnosno 59). Model je treniran pomoću dvije standardizirane strategije: temeljene na standardnoj vrijednosti unosa (SUV) i temeljene na SUV-NYUL. Horizontalna izvedba skeniranja procijenjena je pomoću normalizirane srednje kvadratne pogreške (NMSE), srednje apsolutne pogreške (MAE), indeksa strukturne sličnosti (SSIM) i vršnog omjera signala i šuma (PSNR). Liječnik nuklearne medicine prospektivno je izvršio analizu razine lezije u području interesa. Pokazatelji SUV procijenjeni su korištenjem unutargrupnog koeficijenta korelacije (ICC), koeficijenta ponovljivosti (RC) i linearnih modela mješovitih učinaka.
Rezultati:U kohorti neovisnog ispitivanja, medijan NMSE, MAE, SSIM i PSNR bio je 13,26%, 3,59%, 0,891 i 26,82, respektivno. ICC za SUVmax i SUVmean bili su 0,88 i 0,89, što ukazuje na jaku korelaciju između izvornih i kvantitativnih slikovnih markera generiranih umjetnom inteligencijom. Utvrđeno je da čimbenici poput lokacije lezije, gustoće (Hounsfieldove jedinice) i upijanja lezije utječu na relativnu pogrešku u generiranoj SUV metrici (svi p < 0,05).
“AC-PET generiran modelom Pix-2-Pix GAN pokazuje metriku SUV-a koja je blisko usklađena s izvornim slikama. PET slike generirane umjetnom inteligencijom pokazuju obećavajući klinički potencijal za smanjenje potrebe za CT skeniranjem za korekciju atenuacije uz zadržavanje kvantitativnih markera i kvalitete slike.”
———————————————————————————————————————————————————— ———————————————————————————————————————————
Kao što svi znamo, razvoj industrije medicinskih slika neodvojiv je od razvoja niza medicinske opreme – injektora kontrastnog sredstva i pratećeg potrošnog materijala – koji se široko koriste u ovom području. U Kini, koja je poznata po svojoj proizvodnoj industriji, postoje mnogi proizvođači poznati u zemlji i inozemstvu za proizvodnju medicinske opreme za snimanje, uključujućiLnkMed. Od svog osnutka, LnkMed se koncentrirao na područje visokotlačnih injektora kontrastnog sredstva. Inženjerski tim LnkMeda vodi dr.sc. s više od deset godina iskustva i duboko je angažiran u istraživanju i razvoju. Pod njegovim vodstvom,CT injektor s jednom glavom,CT injektor s dvostrukom glavom,MRI injektor kontrastnog sredstva, idizajnirani su s ovim značajkama: snažno i kompaktno tijelo, prikladno i inteligentno sučelje rada, kompletne funkcije, visoka sigurnost i izdržljivi dizajn. Također možemo osigurati šprice i cijevi STHAT kompatibilni su s onim poznatim brandovima CT -a, MRI, DSA injektora sa svojim iskrenim stavom i profesionalnom snagom, svi zaposlenici LNKMed -a iskreno vas pozivaju da dođete i istražite više tržišta zajedno.
Post Vrijeme: svibanj-14-2024
