یک مطالعه جدید با عنوان «استفاده از Pix-2-Pix GAN برای تصحیح تضعیف PSMA PET/CT کل بدن مبتنی بر یادگیری عمیق» اخیراً در جلد ۱۵ مجله Oncotarget در ۷ می ۲۰۲۴ منتشر شده است.
قرار گرفتن در معرض تابش ناشی از مطالعات متوالی PET/CT در پیگیری بیماران انکولوژی نگران کننده است. در این تحقیق اخیر، تیمی از محققان شامل کوین سی. ما، استر منا، لیزا لیندنبرگ، ناتان اس. لی، فیلیپ اکلارینال، دبورا ای. سیترین، پیتر ای. پینتو، برادفورد جی. وود، ویلیام ال. داهوت، جیمز ال. گالی، راوی ای. مادان، پیتر ال. چویک، اسماعیل باریس ترکبی و استفانی ای. هارمون از موسسه ملی سرطان در موسسات ملی بهداشت، ابزاری مبتنی بر هوش مصنوعی (AI) معرفی کردند. هدف این ابزار تولید تصاویر PET با تضعیف اصلاح شده (AC-PET) از تصاویر PET بدون تضعیف اصلاح شده (NAC-PET) است که به طور بالقوه نیاز به سی تی اسکن با دوز پایین را کاهش می‌دهد.
«تصاویر PET تولید شده توسط هوش مصنوعی، پتانسیل بالینی کاهش نیاز به اصلاح میرایی در اسکن‌های سی‌تی را دارند و در عین حال نشانگرهای کمی و کیفیت تصویر را برای بیماران مبتلا به سرطان پروستات حفظ می‌کنند.»
روش‌ها: یک الگوریتم یادگیری عمیق مبتنی بر معماری شبکه رقابتی مولد (GAN) دوبعدی Pix-2-Pix بر اساس تصاویر جفت‌شده AC-PET و NAC-PET توسعه داده شد. مطالعه PET-CT با استفاده از 18F-DCFPyL PSMA (آنتی‌ژن غشایی اختصاصی پروستات) روی 302 بیمار مبتلا به سرطان پروستات به گروه‌های آموزش، اعتبارسنجی و آزمایش (به ترتیب 183، 60 و 59 نفر) تقسیم شد. این مدل با استفاده از دو استراتژی استاندارد آموزش داده شد: مبتنی بر مقدار جذب استاندارد (SUV) و مبتنی بر SUV-NYUL. عملکرد افقی اسکن با استفاده از میانگین مربعات خطای نرمال‌شده (NMSE)، میانگین خطای مطلق (MAE)، شاخص شباهت ساختاری (SSIM) و نسبت سیگنال به نویز پیک (PSNR) ارزیابی شد. پزشک پزشکی هسته‌ای به صورت آینده‌نگر تجزیه و تحلیل سطح ضایعه ناحیه مورد نظر را انجام داد. شاخص‌های SUV با استفاده از ضریب همبستگی درون گروهی (ICC)، ضریب تکرارپذیری (RC) و مدل‌های اثرات مختلط خطی ارزیابی شدند.
نتایج:در گروه آزمایش مستقل، میانه NMSE، MAE، SSIM و PSNR به ترتیب ۱۳.۲۶٪، ۳.۵۹٪، ۰.۸۹۱ و ۲۶.۸۲ بودند. ICC برای SUVmax و SUVmean به ترتیب ۰.۸۸ و ۰.۸۹ بود که نشان‌دهنده همبستگی قوی بین نشانگرهای تصویربرداری کمی اولیه و تولید شده توسط هوش مصنوعی است. عواملی مانند محل ضایعه، تراکم (واحدهای هانسفیلد) و جذب ضایعه بر خطای نسبی در معیارهای SUV تولید شده تأثیر گذاشتند (همه p < ۰.۰۵).
«AC-PET تولید شده توسط مدل Pix-2-Pix GAN، معیارهای SUV را نشان می‌دهد که با تصاویر اصلی مطابقت نزدیکی دارند. تصاویر PET تولید شده توسط هوش مصنوعی، پتانسیل بالینی امیدوارکننده‌ای را برای کاهش نیاز به سی‌تی‌اسکن برای اصلاح میرایی، ضمن حفظ نشانگرهای کمی و کیفیت تصویر، نشان می‌دهند.»
——————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————–
همانطور که همه ما می‌دانیم، توسعه صنعت تصویربرداری پزشکی از توسعه مجموعه‌ای از تجهیزات پزشکی - تزریق‌کننده‌های ماده حاجب و مواد مصرفی پشتیبان آنها - که به طور گسترده در این زمینه مورد استفاده قرار می‌گیرند، جدایی‌ناپذیر است. در چین، که به خاطر صنعت تولید خود مشهور است، تولیدکنندگان زیادی در داخل و خارج از کشور برای تولید تجهیزات تصویربرداری پزشکی مشهور هستند، از جملهلینک‌مداز زمان تأسیس، LnkMed بر زمینه تزریق‌کننده‌های ماده حاجب فشار بالا تمرکز داشته است. تیم مهندسی LnkMed توسط یک دکترا با بیش از ده سال تجربه رهبری می‌شود و عمیقاً درگیر تحقیق و توسعه است. تحت راهنمایی او،انژکتور تک سر CT،انژکتور دو سر CT،تزریق کننده ماده حاجب MRI، وتزریق کننده ماده حاجب فشار بالای آنژیوگرافیبا این ویژگی‌ها طراحی شده‌اند: بدنه محکم و جمع و جور، رابط کاربری راحت و هوشمند، عملکردهای کامل، ایمنی بالا و طراحی بادوام. ما همچنین می‌توانیم سرنگ‌ها و لوله‌هایی را ارائه دهیم که با برندهای معروف انژکتورهای CT، MRI و DSA سازگار باشند. با نگرش صمیمانه و قدرت حرفه‌ای خود، همه کارکنان LnkMed صمیمانه از شما دعوت می‌کنند تا با هم به بازارهای بیشتری سفر کنیم.
زمان ارسال: ۱۴ مه ۲۰۲۴
